New Generation of High Spatio-temporal Resolution Tools for Energy Demand and Renewable Generation Forecasting

Nouvelle Génération d'Outils de Prévision de Demande d'Energie et de Production Renouvelable à Fine Échelle Spatiale et Temporelle

Georges Kariniotakis (1) , Simon Camal (1) , Alexis Bocquet (1) , Yun Bai (1) , Andrea Michiorri (1) , Yves-Marie Saint-Drenan (2) , Philippe Blanc (2) , Laure Raynaud (3) , Quentin Rodier (3) , Marie-Adèle Magnaldo (3) , Emile Enel (3) , Quentin Libois (3) , Benoit Delinchant (4) , Wurtz Frederic (4) , Maša Hadži-Nikolić (4) , Yves Maréchal (4) , Mathieu David (5) , Mélanie Delort (5) , Josselin Le Gal La Salle (5) , Philippe Lauret (5) , Sylvain Cros (6) , Jordi Badosa (6)

1 PERSEE - Centre Procédés, Énergies Renouvelables, Systèmes Énergétiques
2 O.I.E. - Centre Observation, Impacts, Énergie
3 CNRM - Centre national de recherches météorologiques
4 G2ELab - Laboratoire de Génie Electrique de Grenoble
5 PIMENT - Physique et Ingénierie Mathématique pour l'Énergie, l'environnemeNt et le bâtimenT
6 LMD - Laboratoire de Météorologie Dynamique (UMR 8539)

This poster presents the Fine4Cast research project that aims to improve short-term forecasting of local consumption and renewable energy production through a holistic approach that considers the entire value and model chain, from data to the application.

Mots clés: Intelligence artificielle; Meteorology; Renewable energies; Wind generation; Solar production prediction; Energy forecasting; Photovoltaics PV; Remote sensing; Satellite images; Sky cameras; Numerical Weather Prediction; Large Eddy Simulation

Domaines: Mathématiques [math]; Météorologie; Energie électrique

Georges Kariniotakis, Simon Camal, Alexis Bocquet, Yun Bai, Andrea Michiorri, et al.. Nouvelle Génération d'Outils de Prévision de Demande d'Energie et de Production Renouvelable à Fine Échelle Spatiale et Temporelle. PEPR TASE DAYS 2024, Jul 2024, Paris, France. ⟨hal-04637355⟩