Cerca nel sito per parola chiave

pubblicazioni - Articolo

Improving the Analog Ensemble Wind Speed Forecasts for Rare Events

pubblicazioni - Articolo

Improving the Analog Ensemble Wind Speed Forecasts for Rare Events

Il presente lavoro descrive una nuova correzione del bias per l’Analog Ensemble volta a ridurne la sottostima di eventi estremi.

L’Analog Ensemble (AnEn) è già stato applicato per generare previsioni probabilistiche di variabili meteorologiche, energia rinnovabile, domanda elettrica. Utilizza una serie storica di previsioni da un modello meteorologico o altri sistemi di previsione e misure della variabile da prevedere. Per ogni orizzonte di previsione, l’ensemble è costituito da un insieme di osservazioni del passato coincidenti con le previsioni passate più simili alle previsioni attuali per la stessa cadenza temporale. Recenti applicazioni hanno dimostrato che l’AnEn introduce una bias negativo quando si prevedono eventi nella coda della distribuzione prevista della velocità del vento, in particolare quando il set di dati di addestramento è breve. Questa sottostima aumenta quando l’evento previsto si verifica meno frequentemente nei dati storici. È stata quindi testata una nuova correzione del bias per l’AnEn utilizzando le osservazioni del vento da oltre 500 stazioni statunitensi per ridurre la sottostima legata agli eventi rari. È stato dimostrato che il bias negativo introdotto dall’AnEn è significativamente ridotto dal nostro nuovo approccio. Inoltre, le prestazioni probabilistiche complessive di AnEn migliorano quando si prevede una velocità del vento superiore a 10 m/s, come dimostrato dai valori del continuous ranked probability score. Questi miglioramenti possono essere attribuiti a una maggiore affidabilità ottenuta introducendo l’algoritmo di correzione proposto.

Progetti

Commenti