Evaluation et amélioration des prévisions météorologiques de rayonnement solaire pour la production d'énergie solaire
Magnaldo, Marie-Adèle
Evaluation and improvement of surface shortwave downward radiation forecasts for solar energy production
Dans le contexte actuel de changement climatique et de transition énergétique, la part d'énergie solaire dans la production électrique augmente significativement. Prévoir la production d'énergie solaire constitue à la fois un enjeu pour faciliter son intégration dans le réseau électrique et assurer sa stabilité, et un défi du fait de sa grande variabilité spatio-temporelle et de sa forte dépendance aux conditions météorologiques. Dans ce contexte, les prévisions de rayonnement solaire à la surface (SWD) que peuvent fournir les modèles de prévision numérique du temps (PNT) jouent un rôle central. Cependant, les performances des modèles de PNT en termes de rayonnement solaire n'ont été que rarement évaluées, et très rarement sur de grands domaines et de longues périodes. Pourtant, quantifier les performances des modèles de PNT est d'autant plus important qu'elles demeurent limitées. De plus, évaluer de manière détaillée les différentes sources d'erreurs des prévisions de SWD, qui sont multiples et complexes, est essentiel en vue d'améliorer les modèles. Ce travail de thèse répond à ces enjeux en deux temps. Tout d'abord en développant une méthodologie d'évaluation des performances des modèles de PNT à résolution kilométrique pour le SWD, qui est appliquée au modèle opérationnel de Météo-France AROME, pour le SWD, sur tout le domaine de la France métropolitaine ainsi que sur un site hautement instrumenté, pour l'année 2020. Ensuite en proposant des pistes d'amélioration du modèle AROME. Plus précisément, les prévisions horaires d'AROME sur la France métropolitaine sont évaluées à partir de mesures in situ de SWD provenant du réseau de 168 pyranomètres de Météo-France. Des produits nuageux dérivés d'observations de satellites géostationnaires permettent par ailleurs de classifier les situations nuageuses à haute fréquence et sur tout le territoire. L'analyse de ces observations montre que les situations contribuant le plus aux erreurs de SWD correspondent aux ciels nuageux dans le modèle et dans les observations. Ces situations sont très fréquentes et associées à un biais annuel positif marqué. Les situations de nuages manqués et de nuages prévus à tort sont relativement rares, donc peu impactantes, tandis que le biais en ciel clair bien prévu est faible. Le biais positif en conditions nuageuses semble être principalement lié à des erreurs d'épaisseur optique. Des erreurs de fraction nuageuse ne sont pas à exclure, mais sont difficiles à évaluer. Pour les ciels couverts dans le modèle, les nuages hauts sont associés à un biais positif de SWD tandis que les nuages de couche limite sont associés à un biais négatif. Une analyse détaillée sur le site du SIRTA, où sont également disponibles des observations de fraction nuageuse et de contenu en eau liquide, permet d'aller plus loin. Il apparaît que le biais négatif de SWD associé aux nuages de couche limite n'est pas seulement dû à une surestimation de la fraction nuageuse modélisée par AROME, mais aussi à une surestimation du contenu intégré en eau liquide (LWP). Le biais positif de SWD pour les nuages hauts et géométriquement épais est quant à lui relié à un LWP trop faible, possiblement dû à une sous-estimation du contenu total en eau nuageuse ou de l'eau liquide surfondue. Partant de ces constats, de nouvelles simulations AROME ont été produites sur deux mois, incluant des modifications des schémas radiatif et microphysique. Des améliorations des prévisions de SWD apparaissent lorsque le contenu en neige est pris en compte dans le schéma radiatif. Par ailleurs, diminuer la concentration de gouttelettes améliore le SWD pour les nuages bas. Enfin, le SWD présente une forte sensibilité au facteur d'hétérogénéité sous-maille des nuages. Il conviendra d'approfondir ces différentes pistes lors de futurs travaux, dans l'objectif d'obtenir une version d'AROME optimisée pour la prévision de production d'énergie solaire. </p>
Accès à la notice sur le site du portail documentaire de Météo-France