| Summary: | Les événements de givrage atmosphérique de janvier 1998, au sud du Québec et à l'est de l'Ontario, ont clairement démontré la vulnérabilité des structures aériennes face à ce phénomène atmosphérique ainsi que la nécessité d'améliorer nos connaissances actuelles dans ce domaine. Dans cette perspective, il est important de comprendre ce phénomène par l'analyse des événements de givrage atmosphérique antérieurs et, si possible, de les modéliser puis de les prédire. Cela permettra aux compagnies d'électricité de mieux dimensionner les équipements des réseaux aériens et d'établir des normes d'alerte.
La présente recherche, effectuée dans le cadre de la Chaire Industrielle CIGELE, a pour but d'analyser les événements passés enregistrés par le réseau de mesure SYGIVRE d'Hydro-Québec et d'effectuer une analyse spatiale de la distribution des tempêtes de givrage atmosphérique (au sens large du terme, c'est-à-dire pour toute intensité de précipitation) dans les différentes régions du Québec. Pour ce faire, nous disposons de la base de données de givrage SYGIVRE qui couvre une période d'observations de 8 ans sur un total de 23 stations et qui est basée les mesures d'un appareil développé par Hydro-Québec, appelé givromètre (ice rate meter). Nous utiliserons aussi une autre source de données sur le givrage fournie par Hydro-Québec (PIM) qui couvre une période d'observations de 21 ans sur un total de 180 stations déployées dans toute la province et qui repose sur des mesures délivrées par des glacimètres (passive ice meter).
L'analyse exploratoire des événements de verglas et de givre contenus dans la base de données SYGIVRE constitue la première étape de l'étude. Cette étude exploratoire permet de faire ressortir les caractéristiques propres à chaque paramètre du réseau SYGIVRE. La base de données sur les PIM a servi de support de validation aux études effectuées sur la base de données SYGIVRE puisque la période d'observations de la première est beaucoup plus grande mais que la précision est moindre. Pour ne pas créer de biais dans la comparaison entre les deux bases de données, seules les stations du réseau de PIM géographiquement proches de celles du réseau SYGIVRE, ont étés retenues. Cela permet d'avoir deux réseaux de stations sensiblement identiques pour ce qui est de la couverture géographique du territoire étudié.
La notion d'intensité pour un processus de Poisson non homogène a été introduite dans l'étude afin d'évaluer la probabilité qu'un événement devant apparaître, se produise dans une période donnée. Cette caractéristique est propre aux stations et aux années c'est-à-dire qu'elle est fonction de la situation géographique des stations et de la rigueur de l'hiver pour une année donnée. Cette notion d'intensité est utilisée pour obtenir des groupements d'années qui sont identiques. Le petit nombre d'années d'observations nous a empêché d'utiliser les résultats sur les groupements d'années pour la suite de l'étude mais il est tout de même intéressant de noter que les années communes entre les deux bases de données sont identiques au point de vue événements.
L'analyse spatiale de la distribution des tempêtes de givrage atmosphérique se fait généralement en considérant directement la distance géographique sans considérer la présence de microclimats ou la topographie entre les stations. Ces paramètres peuvent changer considérablement les conditions météorologiques et donc la progression des tempêtes à travers une région donnée. L'approche utilisée dans ce travail est basée sur la proximité des stations en terme de partage des mêmes événements de givrage. Nous avons utilisé la probabilité de partage des événements entre les stations pour établir des groupements géographiques de stations. Finalement, nous avons modélisé les groupements obtenus par des variables exogènes différentes qui sont la température, la durée, le type de l'accumulation et le poids.
Cette méthode permet de définir des groupements de stations cohérents. Trois groupes de stations ressortent de cette étude. Ceux-ci comportent des stations présentant les mêmes caractéristiques au niveau du type de l'accumulation dominant et de la région où elles se trouvent. Pour expliquer ces groupes, la durée de l'événement est le paramètre essentiel. Parfois, la température joue un rôle lorsque nous ne tenons pas compte du type de l'accumulation. La prédiction effectuée à partir des régressions donne de bons résultats quand il s'agit de prévoir des événements locaux. Par contre, la prédiction du partage des événements entre plusieurs stations est nettement moins bonne.
Finalement, une étude sur une plus longue période d'observations augmentera les bases de données et améliorera les résultats.
|
|---|
