SnowSat-en AI-strategi för effektiv vattenkraftproduktion

Vårfloden är en viktig del av svensk vattenkraftsproduktion, viktig för landets energiförsörjning då vattenkraftsproduktionen står för ca 40 % av rikets totala del av elproduktionen, vilken kan öka med omställningen i energisystemen mot fossilfri elproduktion. Spatialt distribuerad och temporalt dynamisk information om snötäckets volym är viktig för planeringen av vattenkraftsproduktionen, och för översvämningsprognoser. Kunskapen av snövolymerna uppströms älvarna har idag stora brister och är en utmaning för prognoser av flödesvolymer av smältvatten under vårfloden. Osäkerheten av snövolymen ger idag onödigt spill av potentiell energimassa för att undvika för stora volymer i kraftdammarna, och snabba tömningar av magasinen vilket ger negativa effekter nedströms. Fjärranalys (RS) kan bidra till att lösa problemet med okända snövolymer.

De stora datamängderna från olika satellitplattformer i kombination med artificiell intelligens (AI) och internet-of-things (IoT) teknologi skapar nya möjligheter att minska osäkerheterna i uppskattning av snövolymer. I detta projekt föreslår vi att med IoT hämta markdata för att kalibrera RS, vars stora datamängder tröskas med AI för att få bättre kunskap om
snövattenmängderna uppströms svenska kraftverksdammar. Detta ger förbättrad verkningsgrad för svensk
vattenkraftsproduktion, och hjälper till med att nå de nationella målen mot en nollnetto balans av koldioxidutsläpp, och bättre anpassning av samhället till ett förändrat klimat.

Syfte

Klimatförändringarna förändrar snabbt snöförhållandena över hela världen, särskilt på höga breddgrader. Noggrann skildring av snöfördelning och mängd är mycket värdefull för vattenhantering och klimatstudier, men är fortfarande en stor utmaning. I detta projekt strävar vi efter att använda artificiell intelligens (AI) och Internet-of-Things (IoT) för att förbättra uppskattningen av snövattenlagring i Sverige från satellitobservationer.

Projektmål

Detta projekt kommer att leda till förbättrad förvaltning av vattenkraftsektorn, ökad vattenkraftproduktion och förbättrad beredskap för extrema väderhändelser. Detta kommer ytterligare att bidra till Sveriges nollutsläppsmål och hjälpa samhället att utveckla bättre klimatreducerande och anpassningsstrategier.

Publikationer

Site adaptation with machine learning for a Northern Europe gridded global solar irradiance product. Länk till annan webbplats.