Zahlreiche Betriebe, Branchen und Wirtschaftszweige sind auf Wettervorhersagen angewiesen. Ein Gasversorger etwa möchte wissen, wie viel Gas bei welcher Temperatur verbraucht werden wird. Besitzer von Treibhäusern wollen erfahren, wie viel sie in den Tag- und Nachtstunden heizen sollten. Städte und Kommunen interessiert, ob sie am nächsten Wintermorgen die Straßen mit Salz streuen müssen oder nicht. Ob Photovoltaik-Anlagen, Flughäfen oder Einzelhandel – Wetterprognosen kommen in diversen Anwendungsfeldern zum Einsatz.

Gerade in der heutigen digitalen Welt, in der das Ursache-/Wirkungs-Verhältnis stetig hinterfragt wird, sind exakte Daten besonders wertvoll. Im Gegensatz zu früher bestehen heute die technischen Möglichkeiten, sehr präzise Temperaturvorhersagen zu treffen – und zwar mit dem von enercast entwickelten Temperaturensembling.

Stärken und Schwächen von Wettermodellen nutzen

Jede Wettervorhersage prognostiziert eine Temperatur, die neben der Geschwindigkeit und dem Druck zu den Parametern gehört, die das Wetter beschreiben. Die Messungen von Temperatur, Geschwindigkeit und Druck werden als Anfangsparameter für physikalische Gleichungen herangezogen. Mittels derer werden diese und andere Wetterparameter in die Zukunft entwickelt, um daraus eine Prognose zu berechnen. Das Problem: Jedes Wettermodell weist diverse Fehler und Schwächen auf.

Diese werden deutlich, wenn man eine bestimmte Temperaturprognose im Nachhinein mit dem tatsächlichen Messergebnis vergleicht – sie weichen mal mehr und mal weniger voneinander ab. Man beachte, dass bereits eine Differenz von plus/minus einem Grad einen erheblichen Unterschied machen kann und etwa darüber entscheidet, ob es regnet oder nicht, ob ein Gewitter aufzieht oder nicht, ob es gefriert oder nicht.

Nun gilt es zu ermitteln, wie gut beziehungsweise wie ungenau ein Wettermodell für ein gewisses Szenario geeignet ist und wo entsprechende Fehler liegen: Beispielsweise kann ein Wettermodell A die Temperaturen an schwülen Tagen schlecht vorhersagen. Wettermodell B prognostiziert an verregneten Herbsttagen weniger gut. Zusätzlich können die Fehler von unterschiedlichen Wettermodellen räumlich variieren. Wettermodell A kann das Wetter in den USA genauer beschreiben, Wettermodell B in Deutschland.

Exakte Vorhersagen durch optimierte Vergleiche

Zwar könnte man die Fehler der jeweiligen Wettermodelle ermitteln und beseitigen. Das gestaltet sich jedoch aufgrund der hohen Komplexität schwierig. An dieser Stelle setzt das Temperaturensembling der enercast an. Es generiert Temperaturen aus unterschiedlichen Wettermodellen von unterschiedlichen Wetterdiensten und vermischt diese optimal miteinander.

Dafür werden Temperaturprognosen von diversen Wettermodellen mit der gemessenen Temperatur von geeichten Messstationen verglichen, um danach zu berechnen, zu wie viel Prozent ein jeweiliges Wettermodell zutrifft. Es stellt sich die Frage, welches Ensemble von Prognosen am besten funktioniert und für eine bestimmte Koordinate die besten Ergebnisse erzielt. Auf diese Weise kann ein viel exakterer Wert ermittelt werden, als wenn man sich lediglich auf ein Modell beziehen würde.

Mit diesem multi-modalen Optimierungsverfahren erzielt man beste Ergebnisse, die von enercast für jeden Kunden passgenau und individuell bereitgestellt werden. Man muss also nicht in eine eigene, kostenintensive Messstation investieren, sondern kann bequem die präzisen und maßgeschneiderten Temperaturprognosen für seine speziellen Bedürfnisse einkaufen.