Prévision probabiliste de la ressource en énergie éolienne à l'échelle mensuelle à saisonnière.

Résumé Nous construisons et évaluons un modèle probabiliste conçu pour prévoir la distribution de la vitesse moyenne quotidienne du vent à l'échelle saisonnière en France. Sur de telles échelles de temps à long terme, la variabilité de la vitesse du vent de surface est fortement influencée par la situation à grande échelle de l'atmosphère. Notre objectif est de prédire la distribution de la vitesse moyenne quotidienne du vent à un endroit spécifique en utilisant l'information sur la situation à grande échelle de l'atmosphère, résumée par un indice. À cette fin, nous estimons, sur 20 ans de données quotidiennes, la fonction de densité de probabilité conditionnelle de la vitesse du vent en fonction de l'indice. Nous utilisons ensuite l'ensemble de prévisions saisonnières du CEPMMT pour prévoir la situation à grande échelle de l'atmosphère et l'indice à l'échelle saisonnière. Nous montrons que le modèle est plus précis que la climatologie à l'horizon mensuel, même s'il présente une forte perte de précision après 15 jours. L'utilisation d'une méthode de post-traitement statistique pour recalibrer la prévision d'ensemble conduit à une amélioration supplémentaire de notre prévision probabiliste, qui reste alors plus précise que la climatologie à l'horizon saisonnier.