Logo
Client Logo

Upsampling de donnees meteo / Weather Data Upsampling


Client / Client: 3E
Periode / When: 2020
Resume / Summary:
Upscaling de simulations meteo pour l'identification de sites eoliens
Weather data upsampling for wind-turbine site determination
Technologies / Techniques: DeepLearning

Contexte / Context

3E fournit des services de conseil et des produits logiciels pour ameliorer la performance des systemes energetiques durables et optimiser la consommation d'energie. Dans ce cadre, l'entreprise doit notamment identifier les meilleurs sites pour installer des eoliennes, ce qui repose sur des simulations meteo a haute resolution particulierement couteuses a executer.
3E is a company providing consultancy services and software products to improve the performance of sustainable energy systems and optimize energy consumption. Among other things, they make studies to identify the best sites where to install wind turbines. To do so, they must run costy weather simulation with a high spatial resolution.


Mission / Project

Deeper Analytics a realise une preuve de concept pour montrer comment le machine learning pouvait servir a augmenter la resolution spatiale de simulations meteo moins couteuses. L'idee etait de partir de simulations basse resolution, beaucoup moins cheres a produire, puis d'utiliser des modeles apprenants pour reconstruire des jeux de donnees beaucoup plus fins. Cette approche ouvrait la voie a une reduction significative des couts sans renoncer a la qualite necessaire pour les etudes d'implantation d'eoliennes.
Deeper Analytics developped a proof of concept to demonstrate the capabilities of machine learning to up-scale low resolution weather simulation data into much higher spatial resolution datasets. This allows the client to run lower resolution simulation (that are much cheaper) and uses machine learning to turn these low resolution simulation data into high resolution data.
Project Image
Share this page:
© Deeper Analytics, depuis 2018 / © Deeper Analytics, since 2018