Multi timescale forecastbased direct policy search for water system control

In the last decade, hydrometeorological forecast products have seen a tremendous increase in their availability, accuracy, and reliability. They have the potential to become an essential tool to support adaptive and robust control of water systems under changing hydroclimatic conditions. In this thesis, we investigate how the most valuable information (forecasted variable, aggregation function and lead time) from multi-scale forecasts can be selected and used to inform the optimal control of multipurpose water reservoirs. We contribute a framework composed of Input Variable Selection (IVS) algorithms, supporting the extraction of the most informative policy inputs from a set of different candidate hydrological forecasts ranging from short to long term, coupled with the Evolutionary Multi-Objective Direct Policy Search (EMODPS) method for designing Pareto-optimal control policies conditioned on forecast information. The framework is tested on the Lake Como water system, a regulated lake in Northern Italy, which controls floods along the lake shores, provides irrigation supply to downstream users, and avoids low lake levels. We consider a suite of forecast products, including short-term local deterministic forecasts and sub-seasonal and seasonal large-scale ensemble forecasts provided by the European Flood Awareness System (EFAS), which is part of the Copernicus Emergency Management Service. We extract different statistics from these forecasts, over a variety of temporal scales and spatial domains, to compose the candidate variable set for the IVS algorithm. The selected variables are the inputs of the lake operating policy. The performance of the so-designed forecast-informed controller is contrasted against various benchmarks, including baseline control policies not informed by any forecast, as well as controllers relying on perfect forecasts. Besides improving the controller performance, results show that is possible to find value in the already existing products. Moreover, this work proves that the framework can address the intrinsic bias of forecast products and extract some relationships between the skill and value of the forecast tools.

I prodotti di previsione idro-meteorologica hanno avuto recentemente un notevole aumento di disponibilità, accuratezza e affidabilità, inoltre si prevede che saranno uno strumento essenziale a supporto del controllo adattivo e robusto dei sistemi idrici per far fronte ai cambiamenti climatici. In questa tesi magistrale, abbiamo studiato quali siano le informazioni più preziose che possono essere estratte da molteplici previsioni idrologiche su diverse scale temporali e come possano essere selezionate e utilizzate per informare il controllo di risorse idriche e serbatoi multifunzionali in maniera ottimale. Il framework è composto da algoritmi di selezione delle variabili di ingresso, che supportano l’estrazione dei segnali più informativi da un insieme di previsioni idrologiche che spaziano dal breve al lungo termine, e dal metodo di ricerca evolutiva multi-obiettivo nello spazio dei parametri delle politiche, che verrà utilizzato per la progettazione ottimale di politiche di controllo condizionate dalle previsioni. Questo approccio è stato testato per il controllo del Lago di Como, un lago dell’Italia settentrionale che viene controllato per prevenire le inondazioni lungo le sponde del lago, oltre che per fornire acqua per fini irrigui agli agricoltori a valle, ed evitare che i livelli del lago scendano troppo. L’obbiettivo è di estrarre il miglior sottoinsieme o combinazioni di informazioni da una serie di prodotti di previsione, sia deterministiche locali a breve termine che probabilistiche sub-stagionali e stagionali su larga scala. Dopo un’analisi iniziale dei prodotti disponibili, proponiamo come variabili candidate diverse statistiche estratte da queste previsioni, su una serie di scale temporali e domini spaziali diversi. Le prestazioni delle leggi di controllo informate dalle previsioni sono confrontate con varie politiche di riferimento, tra cui sia controllori non informati da alcuna previsione, sia da previsioni perfette. Inoltre, analizziamo come le previsioni possano essere processate con diverse metodologie e come queste impattino sulle politiche progettate. Oltre che a migliorare le prestazioni, il contributo di questo lavoro è di mostrare che è possibile trovare valore nei prodotti già esistenti. Inoltre, questo lavoro dimostra che il framework è in grado di affrontare i bias intrinseci dei prodotti di previsione e di estrarre alcune relazioni tra abilità e valore degli strumenti di previsione.