Matthieu
Les prévisions à court terme jouent un rôle de plus en plus important pour intégrer massivement l'énergie solaire dans les systèmes électriques et les marchés de l'électricité.
Pourtant, les solutions opérationnelles de prévision présentent encore une marge de progression importante pour répondre aux besoins de plus en plus exigeants des utilisateurs finaux. Les erreurs de prévision découlent notamment des limites des modèles actuels (résolutions et fréquence de mise à jour trop faibles, lacunes dans les systèmes d'assimilation de données, modélisation simplifiée de la physique atmosphérique comme les nuages et le transfert radiatif). La gestion des incertitudes de prévisions et la prise de décision en situations météorologiques complexes à partir de nombreuses informations constituent également d'énormes défis pour les utilisateurs.
Steadycast vise ainsi à fournir les meilleurs services de prévision solaire pour les horizons court terme :
- Solution disponible dans le monde entier en mode SaaS
- Niveau de précision sans précédent (amélioration de +10-15% à l'échelle infra-journalière)
- Indicateurs d’aide à la décision personnalisés
- Taux de disponibilité de 99,9 %
L’innovation proposée repose sur :
- La fusion de données hétérogènes (imagerie satellitaire, modèles météorologiques, observations in-situ) dans une chaîne de modélisation unique
- Une approche hybride, mêlant modèles Deep Learning et physiques (prévision immédiate des nuages, transfert radiatif avancé)
- L'utilisation de technologies Big Data pour le stockage, l'accès, le traitement et la visualisation des données géospatiales
- Une infrastructure cloud scalable
Nos partenaires :
DSE-Data Science Experts, Hygeos et Gisaia.
Le projet est soutenu par ESA Space Solutions.
EN 
FR