Transport optimal pour la prévision météorologique de la production renouvelable

Comparaison de plusieurs modèles numériques pour la prévision à moyen terme de l’évolution de la température moyenne journalière.

La distance de Wasserstein est définie comme le coût minimal pour un problème de transport optimal entre deux distributions dans l’espace. Dans ce projet, les chercheurs proposent de modéliser les différents ensembles de prévisions comme des distributions de probabilité dans l’espace des séries temporelles, c’est-à-dire comme des lois de probabilité sur les suites de valeurs prises au cours du temps par des quantités décrivant les conditions météorologiques, par exemple, la température. Les distributions correspondent aux membres d’un ensemble de prévisions. La distance de Wasserstein est particulièrement pertinente pour ce type de données, car elle permet de mesurer des similarités géométriques et peut être utilisée pour estimer des distributions moyennes connues sous le nom de « barycentres de Wasserstein ».

La méthodologie développée dans ce projet peut permettre d’améliorer les performances des prévisions de la température en Europe sur une échelle de temps inférieure à la saison par rapport à la méthode standard dite de fusion d’ensembles. Néanmoins, cette amélioration ne sera significative que pour certaines mesures de performances. Ces performances dépendent également de la zone géographique. Le choix des poids donnés aux différents modèles est crucial.

Les perspectives du projet consistent à analyser les performances probabilistes en termes de consistance et de résolution, double critère contribuant à la précision, ainsi qu’à appliquer cette méthode à la prévision d’événements catégoriques pertinents pour le secteur de l’énergie, tels que les vagues de froid associées à une faible production éolienne et conjointement, à une forte demande énergétique. Il sera également important d’étendre la méthodologie à plus de deux modèles pour étudier l’augmentation attendue des performances par rapport au cas à deux modèles et d’affiner la métrique utilisée pour définir le barycentre de Wasserstein afin d’améliorer les performances en prenant en compte la dimension spatiale du problème.

Le projet regroupe plusieurs chercheurs à l’interface entre les mathématiques appliquées, les sciences du climat, la météorologie et le génie énergétique, parmi lesquels Riwal Plougonven, professeur au LMD (École Polytechnique) et Naveen Goutham, doctorant au LMD (École Polytechnique).