Assessing the value of hydroclimatic services for hydropower megadams

Population expansion, economic development, and increased frequency and intensity of extreme climate events are challenging water system management in many regions worldwide. These trends emphasize the need of accurate medium- to long-term predictions to timely prompt anticipatory water operations. State-of-the-art forecasts proved to be skillful over seasonal and longer time scales especially in regions where climate teleconnections, such as El Niño Southern Oscillation, or particular hydrological characteristics, such as snow-and/ or baseflow-dominance, enable predictability over such long lead times. Recent studies have investigated the value of seasonal streamflow forecasts in informing the operations of water systems in order to improve reservoir management strategies. However, how to best inform the operations of hydropower systems is still an open question because hydropower reservoir operations can benefit from hydroclimatic services over a broad range of time scales, from short-term to seasonal and decadal time horizons, for combining daily and sub-daily operational decisions with strategic planning on the medium- to long-term. In this work, we propose a machine-learning based framework to quantify the value of hydroclimatic services as their contribution to increasing the hydropower production of the Grand Ethiopian Renaissance Dam (GERD) in Ethiopia. The GERD, with an installed capacity of more than 6,000MW is considered the largest hydroelectric power plant in Africa and the seventh largest in the world. Its construction is part of the Ethiopian strategic hydropower development plan that aims to serve the growing domestic and foreign electricity demands. The quantification of the forecast value relies on the Information Selection Assessment framework, which is applied to a service based on bias adjusted ECMWF SEAS5 seasonal forecasts used as input to the World-Wide HYPE hydrological model. First, we evaluate the expected value of perfect information as the potential maximum improvement of a baseline operating policy relying on a basic information with respect to an ideal operating policy designed under the assumption of perfect knowledge of future conditions. Second, we select the most informative lead times of inflow forecast by employing input variable selection techniques, namely the Iterative Input Selection algorithm. Finally, we assess the expected value of sample information as the performance improvement that could be achieved when the inflow forecast for the selected lead time is used to inform operational decisions. In addition, we analyze the potential value of forecast information under different future climate scenarios. Results show that the GERD operation informed with seasonal forecasts leads to a small improvement in the annual hydropower production in both historical and future periods. This potential gain becomes larger when we focus on the performance during the heavy rainy season from June to September (Kiremt season), and it further amplifies in the future scenario. The added production obtained with the forecast-informed operations of the GERD may represent an additional option in the current negotiations about the dam impacts on the downstream countries.

La crescita della popolazione, lo sviluppo economico e le condizioni climatiche sempre più avverse stanno mettono a dura prova la gestione delle risorse idriche in molti bacini idrografici nel mondo. In questo contesto, la necessità di avere previsioni accurate di medio-lungo periodo che consentano di anticipare le decisioni nella gestione dei sistemi idrici é in costante crescita. I recenti sistemi previsionali sono ormai capaci di fornire previsioni accurate su orizzonti stagionali, specialmente in regioni dove le teleconnessioni climatiche, come El Niño Southern Oscillation, o particolari caratteristiche idrologiche, consentono la prevedibilità su periodi di tempo lunghi. Recenti studi hanno investigato il valore delle previsioni di afflusso stagionale per la gestione dei sistemi idrici. Tuttavia, si sa ancora ben poco di come meglio informare i sistemi idroelettrici in quanto essi traggono beneficio dai servizi idroclimatici su diverse scale temporali, dal breve periodo fino a orizzonti di tipo stagionale e decadale. In questa tesi, viene proposto una procedura basata su tecniche di Machine Learning con l’obiettivo di quantificare il valore dei servizi idroclimatici nel contribuire ad aumentare la produzione energetica della Grand Ethiopian Renaissance Dam(GERD) situata in Etiopia. La diga ha una capacità installata di 6,000 MW ed é considerata il più grande impianto idroelettrico in Africa e settimo al mondo. La sua costruzione fa parte del piano di sviluppo strategico etiope che ha lo scopo di fronteggiare la crescente richiesta domestica ed estera di elettricità. La quantificazione del valore delle previsioni si basa sull’ Information Selection Assessment framework, applicato ad un servizio che dipende dalle previsioni stagionali fornite dal sistema SEAS5 dell’European Centre for Medium-Range Weather Forecasts usate come input al modello idrologico World-Wide HYPE. Inizialmente, abbiamo valutato il massimo potenziale miglioramento di una gestione del sistema basata su poche informazioni nei confronti di una politica ideale che opera sotto la perfetta conoscenza delle condizioni future. Successivamente, abbiamo selezionato l’orizzonte previsionale più rilevante utilizzando un algoritmo di input variable selection. Infine, abbiamo valutato l’effettivo aumento di produzione energetica che può essere ottenuta quando le previsioni selezionate vengono utilizzate per informare la gestione del sistema. Abbiamo inoltre analizzato il potenziale valore che le previsioni stagionali avranno in futuro considerando diversi scenari di cambiamento climatico. I risultati mostrano piccoli spazi di miglioramento nella produzione energetica annua sia nelle condizioni storiche che in quelle future. Tuttavia, questo potenziale guadagno incrementa valutando la performance durante la stagione delle piogge da giugno a settembre (Kiremt season), e viene ulteriormente ampliato nel futuro. Questa produzione energetica aggiuntiva può presentare un’opzione nella attuale negoziazione sugli impatti futuri che la diga avrà principalmente su Egitto e Sudan.