| Summary: | En stor del av Sveriges energiproduktion kommer från vattenkraftverken. Dessa kraftverk använder sig av vattenmagasin för att hålla kvar vattenmassa och dammar för att reglera det vattenflöde som ger upphov till energiproduktionen. Efter vinterperioderna uppstår vårfloder, tillfälligt stora mängder vatten från snösmältningen, som kraftigt påverkar vattenmängden i kraftverkens vattenmagasin. Därför behöver regleringar av vattenmängden göras för att kunna ta emot den nya mängd vatten som tros tillkomma under vårfloden. Att göra korrekta prognoser för den rätta regleringen är idag svårt då de tillhörande avrinningsområdena är tusentals kvadratkilometer stora och endast ett fåtal mätstationer finns tillgängliga. Syftet med detta projekt är att utveckla en metod för att bestämma fördelningen av snömängden i ojämn terräng, med vindriktningen som den största faktorn, för att kunna förutse avrinningens förändring under smältsäsongen. De huvudsakliga arbetsverktyg som har använts är ArcGIS, Matlab, Excel och geostatiska metoder i kombination. Projektet är kopplat till ett nytt forskningsprojekt (SNODDAS, 2018) finansierat av Energimyndigheten som syftar till att ta fram bättre prognosmodeller för snökapaciteteten i avrinningsområden till vattenkraftsdammar. Det är ett samarbete mellan Uppsala universitet, SMHI och Vattenregleringsföretagen. Var snön kommer att hamna beror på terrängen och den dominerande vindriktningen. Därför kommer denna modell att definiera den del av terrängen som ligger upp-vind mot den dominerande vindriktningen som Sx. Modellens syfte är att beräkna snödistributionen och dess ackumulering i ett områdes höjddata med hjälp av 8 framtagna filer med olika Sx-värden för olika vindriktningar, också kallat Sheltering Index, med vindriktningar från 0º-360º med steg om 45º och sammanställda mätdata för vinterperioden 2017/2018 (19 oktober till 14 april). Det slutliga resultatet blev 61%, 63% och 90% jämfört med beräknad snövattenekvivalent av SeNorge (Norwegian Water Resources and Energy Directorate, 2019). === A large part of Sweden's energy production comes from hydroelectric power plants. These power plants use water reservoirs to retain water mass and dams to regulate the water flow that generates energy production. After the winter periods the large spring rivers, water from the snow melt, greatly affect the amount of water in the power plants' water reservoirs which makes it necessary to make regulations in order to be able to receive the amount of water that is believed to be added during the spring flows. Making accurate forecasts for the right regulations is difficult today as the associated river basins are several thousand square kilometers large and only a few measuring stations are available. This project aims to develop a method for determining the distribution of snow in uneven terrain, with the wind direction being the largest factor, in order to be able to foresee the change of runoff during the melting season. Main work tools are ArcGIS, Matlab, Excel and geostatic methods in combination. The project is linked to a new research project (SNODDAS, 2018) funded by the Swedish Energy Agency, which aims to develop better forecast models for the snow capacity in river basins to hydroelectric power dams. It is a collaboration between Uppsala University, SMHI and water regulation companies. Where the snow will end up depends on the terrain and the dominant wind direction. Therefore, this model will define the part of the terrain that lies up against the dominant wind direction as Sx. The purpose of the model is to calculate the snow distribution and its accumulation in the height data of an area with the aid of 8 files produced with different Sx values for different wind directions, also called the Sheltering Index, with wind directions from 0º-360º with steps of 45º and aggregated measurement data for the winter period 2017/2018 (19 October to 14 April). The results after calculations were 61%, 63% and 90% compared to the snow water equivalent from SeNorge (Norwegian Water Resources and Energy Directorate, 2019).
|
|---|
