Till innehållet
English
Till startsidan
  • Nyheter

SMHI testar bättre vårflodsprognoser

Nu finns det nya resultat från en statistisk multimetodmodell för beräkning av vårfloden i olika områden i Sverige som kan förbättra prognoserna avsevärt.
Vårflodsprognos

Projektet, som ingår i programmet Hydrologiskt utvecklingsarbete, HUVA tar fram ny kunskap och utvecklar metoder för att förbättra de prognoser som ska förutsäga tillrinningen av vatten för vattenkraft.

Studien har genomförts av SMHI och redovisar resultat från Luleälven, Skellefteälven, Umeälven, Ångermanälven, Indalsälven och Ljungan. Utvärderingen har gjorts genom att jämföra resultat och utfall från år 2017 från den nya modellen med traditionella långtidsprognoser. Förmågan att kunna göra korrekta prognoser var under 2017 högst i fjällområden där snöprocessens inverkan på vårflödet var störst.

Multimetodmodellen genererar prognoser för säsongs- och vårfloder baserat på flera olika prognosmetoder. En av dessa är en statistisk nedskalning av ackumulerat vårflöde, en metod som utnyttjar sambandet mellan atmosfäriska variabler som temperatur, strålning, fukt, snö och ackumulerat vårflöde.

Resultaten av de experiment som gjorts visar att modellen, som kallas Hydrological Seasonal Forecast System, kan användas mer effektivt vilket är av stort värde för vattenkraftbolag som nu kan använda modellen i sin dagliga drift.

Fler resultat om multimetodmodellen hittar du här!  

 

Aktuellt

Så kan elnätsbolag hantera risker med molntjänster
Nyhet om molnbaserade tjänster.png
  • Nyheter
  • Elnät
”Värdefullt med forskning som ger oss mer än stapeldiagram”
Mari Roald Bern Trøndelag
  • Nyheter
  • Energisystem
Nya regler kring dödnätsstart – men liten skillnad för svensk vattenkraft
Dödnätsstart, SEK nyhet.png
  • Nyheter
  • Vattenkraft
Elektroder kan övervaka och upptäcka skador i dammar
Torleif Dahlin Geoelektrisk tomografi
  • Nyheter
  • Vattenkraft
Vätgasprojektet i Östersjön prisas: bygger en europeisk vätgasekonomi
Namnlös (2).png
  • Nyheter
  • Energisystem