La correction long-terme est l’une des étapes clés de l’estimation du P50 dans les études de production. En effet, une méthodologie peu rigoureuse peut mener à des erreurs dont l’impact peut atteindre 5 points sur les estimations du P50 – affectant considérablement la valeur de l’actif.
Les équipes de Greensolver ont identifié plusieurs pistes à considérer pour minimiser les risques d’erreur sur la correction long-terme et ainsi réduire les incertitudes liées au P50.
Cohérence des données
Nous vous conseillons de porter une attention particulière aux données de référence utilisées et à la période choisie. En effet, celles-ci ne doivent pas avoir été affectées par un changement d’instrument de mesure ou par un changement d’exposition de la station météorologique. L’historique des instruments et du mat de mesure sera étudié ainsi que les changements dans l’environnement des stations ayant pu avoir lieu.
Données de références
Ces dernières doivent présenter une climatologie similaire à celle du site. Les paramètres suivants devront être analysés afin de s’assurer que les données historiques sont représentatives du site :
- Moyennes mensuelles & annuelles des vitesses de vent
- Variations interannuelles,
- Distribution en fréquence et énergie sur la période de mesure et sur la période historique,
- Corrélations entre les données du site et de références sur la période concomitante
- Corrélations croisées entre toutes les données de références
Indice de vent
Il peut être intéressant de générer un index de vent à partir des données de différentes stations météorologiques et modèles méso-échelles. Cet index s’avèrera utile pour réduire les erreurs et incohérences. En effet, l’utilisation de plusieurs sources validées conduit à une meilleure homogénéité des données de référence utilisées pour l’extrapolation long-terme et une plus grande robustesse des résultats de cette correction long-terme.
Méthode de prédiction
Nous vous conseillons de choisir, lorsque c’est possible, la méthode MCP (Measure Correlate Predict) pour réaliser une extrapolation sur le long-terme. Cette méthode permettra de conserver les variations dans la distribution en fréquence des vitesses de vent sur la période historique. De plus, différentes méthodes de catégorisation des données (par direction du vent, mois, heure de la journée, etc.) peuvent être testées afin de choisir la configuration donnant le meilleur niveau de corrélation.
Test de sensibilité
La sensibilité des résultats de la correction long-terme à la période historique choisie ou aux données de référence sélectionnées peut être testée afin de valider les choix effectués. Ces tests permettront également de déterminer les niveaux
Nous nous tenons à votre disposition pour toutes questions ou conseils. N’hésitez pas à nous contacter.
