Rayonnement solaire

• Les prévisions MultiModel de meteoblue offrent la plus grande précision en combinant plusieurs modèles pour obtenir la meilleure prévision possible.
• La prévision la mieux ajustée peut être améliorée grâce à des mises à jour en temps réel (intrajournalier) ou en s'entraînant directement sur la production d'énergie renouvelable (MOS).
• En comparant les différents modèles météorologiques bruts, ICON et GFS affichent les meilleures performances en matière de prévision du rayonnement solaire.
• meteoblue valide en permanence différents modèles et méthodologies afin d'améliorer les prévisions en intégrant les derniers ensembles de données et technologies.
• Pour les séries temporelles historiques, les observations par satellite (SARAH) atteignent la plus grande précision, tandis qu'ERA5 est utile pour l'évaluation à long terme et le comblement des lacunes.

L'un des secteurs les plus importants associés aux prévisions météorologiques est celui des énergies renouvelables, y compris l'énergie solaire. L'évolution rapide du marché rend nécessaire une modélisation, une prévision et une prédiction précises et applicables de l'irradiation solaire. Pour planifier et exploiter efficacement les systèmes d'énergie solaire, il est nécessaire de fournir des prévisions jusqu'à 48 heures.

Il est donc très important d'examiner et de comparer le potentiel et les performances des modèles de prévision et des prévisions météorologiques. Nous résumons ici les résultats de plusieurs études portant sur la prévision du rayonnement solaire ainsi que sur les performances de l'approche (meteoblue) MultiModel et MOS en matière d'amélioration des prévisions.

Dernières améliorations des prévisions de rayonnement par meteoblue

Pour la prévision du rayonnement solaire et de la production photovoltaïque, meteoblue utilise des méthodes de post-traitement. En plus des modèles simples de prévision numérique du temps et de la multimodélisation, meteoblue applique des techniques telles que le nowcasting ou le MOS pour améliorer encore les prévisions. Les diagrammes suivants montrent l'erreur absolue moyenne relative (rMAE) de différents ensembles de données de meteoblue.

Il comprend des données de prévision post-traitées du Meteoblue MultiModel (prévisions à un jour), du MOS et du 3h-nowcast. En outre, les données brutes du modèle NEMS30 et les données de rayonnement en temps réel dérivées du satellite SARAH (images en temps réel). À titre de comparaison, toutes les données ont été validées par rapport aux mesures horaires de plus de 100 stations du DWD (Deutsche Wetterdienst) de mars 2022 à février 2023.

Le MOS a été entraîné pour tous les sites et pour une période de 3 ans (2019-2022). Les diagrammes montrent le rMAE pour chaque station pour l'été et pour l'hiver.

Dans les deux diagrammes, on observe une réduction générale de l'erreur de prédiction jusqu'à 5 % par le MultiModel et le MOS par rapport au modèle brut NEMS30. En outre, le MOS est encore plus performant que le MultiModel meteoblue. En hiver, les rMAE sont en général plus élevés car l'erreur absolue sur l'ensemble de l'année reste relativement constante mais l'irradiation est plus faible.

Comme la formation MOS nécessite un échange de données dans les deux sens, elle requiert des efforts assez importants et ne convient qu'aux prévisions d'énergie renouvelable de grande valeur, alors que la plupart des cas d'utilisation peuvent être couverts par le modèle meteoblue.

Les efforts que nous déployons actuellement pour améliorer encore les prévisions de rayonnement ont été couronnés de succès. Si vous êtes intéressé par une comparaison directe avec d'anciennes validations de prévisions du rayonnement solaire, visitez notre sous-page Études.

Vérification globale du rayonnement solaire

Dans le cadre d'une thèse de licence (Reiss, 2021), le rayonnement global d'ondes courtes des modèles météorologiques NEMSGLOBAL, GFS, ICON et MFGLOBAL ainsi que le modèle de réanalyse ERA5 ont été vérifiés avec des mesures horaires mondiales du Baseline Surface Radiation Network (BSRN) et du World Radiation Data Center (WRDC). L'analyse porte sur les années 2018-2020 pour plus de 70 stations. Un contrôle de qualité a été appliqué à toutes les mesures afin d'éviter les mesures erronées lors de la vérification.

Vérification du modèle brut

Pour comparer les différents modèles bruts, l'EAM a été pris en considération. La figure montre à titre d'exemple les résultats de l'ensemble de données de BSRN. Le modèle ERA5 a l'EAM la plus faible, suivi par ICON et GFS. MFGLOBAL et NEMSGLOBAL ont les erreurs les plus élevées.

La prévision du rayonnement dépend fortement de la capacité des modèles de prévision à prévoir les schémas de nuages. Souvent, les modèles surestiment ou sous-estiment le rayonnement parce que ces schémas nuageux ne sont pas correctement prévus. ERA5 est un bon exemple des avantages des méthodes de post-traitement, car il combine les résultats bruts des modèles avec des données climatiques dérivées supplémentaires, telles que des mesures ou des images satellite.

Vérification de MultiModel

L'approche MultiModel a été testée et vérifiée pour le rayonnement solaire. Dans le cas de l'approche MultiModèle, les modèles choisis sont combinés et pondérés différemment. L'étude suggère que la combinaison de 3 ou 4 modèles permet d'obtenir les erreurs les plus faibles et donc de surpasser les modèles bruts. En outre, non seulement l'EAM a été réduit, mais aussi d'autres erreurs statistiques comme le MBE. Pour plus de détails, consultez la  Thèse de licence (3.5 MB).

Dans chaque ensemble de données, les combinaisons optimales de MultiModel spécifiques aux stations ont été moyennées, ce qui a permis d'obtenir une combinaison globale de MultiModel. Avec ce multi-modèle, l'erreur a pu être réduite d'environ 4 W/m2. Le MultiModel est donc plus performant que les modèles bruts, avec des résultats comparables à la performance du modèle de réanalyse ERA5.