Descrição

CENÁRIO

As usinas hidrelétricas são uma parte fundamental do futuro da energia renovável, respondendo por aproximadamente 40% da capacidade renovável total, de acordo com o Fórum Econômico Mundial. Essas usinas, geralmente complexas, estão sujeitas à variabilidade da produção de energia devido às chuvas.

Os ativos hidrelétricos devem ser planejados para produção com 9 a 12 meses de antecedência, como uma usina tradicional. Os elementos fundamentais para o planejamento correto do programa consistem na previsão do tempo e, em particular, nas previsões de chuva e temperatura. Nos últimos anos, sobretudo na Itália e na Espanha, observou-se a alternância de estações secas seguidas de eventos extremos e inundações. 

Atualmente, as previsões de médio e longo prazo, especialmente nos países europeus, ainda não são muito confiáveis, tanto que o valor mais preciso que pode ser usado é dado pela média histórica. No entanto, as anomalias meteorológicas dos últimos anos também levaram a um forte desvio desse valor, dificultando a realização de estimativas confiáveis.

O desenvolvimento de um modelo avançado de previsão, portanto, poderia finalmente possibilitar a previsão até mesmo de eventos agudos, a fim de alinhar as estimativas de produção das usinas hidrelétricas.

O DESAFIO

A Enel Green Power está buscando propostas de modelos inovadores capazes de fornecer previsões precisas e confiáveis de médio a longo prazo (9 a 12 meses à frente) de precipitação e temperatura, especialmente na área do Mediterrâneo. Em particular, esse desafio está relacionado à dificuldade existente em prever eventos climáticos e meteorológicos na Itália e na Espanha, exceto no curtíssimo prazo.

A Enel Green Power analisou internamente os modelos climáticos tradicionais e os processos meteorológicos, incluindo a adequação do North American Multi-Model Ensemble (NMME), do European Centre for Medium-Range Weather Forecasts (ECMWF), etc. Os centros de previsão em todo o mundo têm uma ampla infraestrutura projetada para prever chuvas, temperaturas, concentração de ambos e eventos climáticos agudos. Como os modelos mencionados acima não forneceram resultados confiáveis/representativos para nossos objetivos específicos, em particular para 9-12 meses à frente, principalmente na Itália e na Espanha, a Enel está procurando um modelo que use abordagens e variáveis "diferentes/disruptivas" , diferentes daquelas normalmente usadas.

O modelo pode usar diferentes tipos e combinações de abordagens (ou seja, modelagem estatística, física ou de aprendizado de máquina). A previsão deve ser feita de acordo com macroáreas de condições climáticas homogêneas. Por exemplo, sua solução pode assumir a forma de um modelo híbrido usando elementos de modelos tradicionais combinados com uma abordagem inovadora, ou métodos apoiados por IA para prever com precisão a precipitação e a temperatura com 9 a 12 meses de antecedência. Os solucionadores podem aproveitar essas previsões ou conjuntos existentes em sua solução, mas devem ser capazes de demonstrar o valor agregado por seu modelo, em relação a quaisquer conjuntos de dados de entrada ou estruturas básicas, para ter mais chances de receber um prêmio completo.

Esse modelo de previsão deve ser capaz de prever e quantificar a precipitação sazonal e a temperatura com pelo menos 9 a 12 meses de antecedência, em granularidade mensal e anual, para permitir a inclusão desses valores de previsão nos modelos de produção de energia usados pela Enel Green Power. Além disso, o ideal seria que o modelo fosse capaz de prever eventos agudos e períodos prolongados de seca, nos quais as quantidades tradicionalmente monitoradas podem se desviar dos valores médios históricos.

CRITÉRIOS TÉCNICOS

Em toda a sua solução, sistema ou proposta, a Enel Green Power exige determinados níveis de dados e formatação consistente para uso no planejamento de previsão de ativos hidrelétricos a médio e longo prazo. Sua proposta deve:

• Use dados históricos disponíveis nos últimos 20 a 30 anos (se possível, mas não exclusivamente usando o site Banco de dados ERA5),
• Apresente a análise do MAE (erro médio absoluto) relacionada a essas anomalias de correlação e compare-a com o MAE obtido usando a média histórica simples,
• Suas correlações e MAEs devem ser comparadas com os dados obtidos por meio dos modelos sazonais padrão , como o North American Multi-Model Ensemble (NMME), o European Centre for Medium-Range Weather Forecasts (ECMWF), etc.
• O intervalo de tempo mínimo usado pode ser o mês.

O modelo deve fornecer valores em formato .csv ou .xls ou, em qualquer caso, compatíveis com os padrões da Enel Green Power.

REQUISITOS DA SOLUÇÃO

Seu envio, incluindo seu modelo e dados validados, deve fornecer à Enel Green Power uma estimativa da precipitação e da temperatura com um ano de antecedência na Itália e na Espanha:

• Faça uma estimativa de precipitação/precipitação com 9 a 12 meses de antecedência, em milímetros/dia, com granularidade mensal e anual,
  • Apresente as anomalias de correlação dos valores de precipitação entre a anomalia real (diferença entre o valor real e o valor médio) da precipitação e a anomalia prevista (hindcast). Isso deve ser feito para um período de teste de pelo menos 5 anos , incluindo 2018-2022
• Forneça uma estimativa das faixas de temperatura com 9 a 12 meses de antecedência, em graus Celsius, com granularidade mensal e anual,
  • Apresente as anomalias de correlação para valores de temperatura entre a anomalia real de temperatura e a anomalia prevista, novamente em um período de teste de pelo menos 5 anos , incluindo 2018-2022
• Fornecer um aplicativo executável localmente para verificar os dados e ou modelo para uso da Enel Green Power,
• O modelo de previsão deve gerar relatórios mensais e anuais,
• Forneça dados para o perímetro da Itália e da Espanha , rotulados de acordo com macroáreas de condições climáticas homogêneas - previsões de áreas amplas, em vez de previsões meteorológicas diárias,
• O modelo de previsão de precipitação e temperatura deve fornecer um percentual de confiança não superior a 5%.

Sua proposta também pode atender a esses requisitos: 

• Previsão de eventos agudos: previsão de seca prolongada ou inundações nos próximos 9 a 12 meses, com probabilidades e dados validados anexados,
• Previsão do equivalente de água na neve, descrita como a quantidade equivalente de água líquida armazenada no pacote de neve, medida em milímetros, em granularidade mensal e anual, o que é particularmente útil no norte da Itália,
• Fornecer previsões para a concentração de chuvas/precipitação em sub-regiões da Itália e da Espanha, com 9 a 12 meses de antecedência.

RESULTADOS DO PROJETO

A proposta apresentada deve consistir de uma descrição técnica detalhada, inclusive:

• Modelo ou sistema de previsão de temperatura e precipitação que atenda aos Critérios Técnicos e aos Requisitos da Solução, com foco especial e precisão nas regiões da Itália e da Espanha;
• Aplicativo executável localmente para verificar a solução proposta;
• Descrição detalhada dos resultados, desempenhos e características da solução proposta, especialmente em comparação com os modelos atuais;
• Dados, estudos de caso, patentes e referências de periódicos ou qualquer material adicional que suporte a solução ou modelo proposto.

SDGs

Este desafio contribui para o seguinte UN Objetivos de Desenvolvimento Sustentável:

• SDG 7: Garantir acesso a energia acessível, confiável, sustentável e moderna para todos
• SDG 9: Construir uma infra-estrutura resistente, promover a industrialização inclusiva e sustentável e fomentar a inovação