A centralized real time controller for reservoirs management on the Seine river using ensemble weather forecasting

The reservoirs on the Seine River basin, upstream of Paris, are regulated with the objective of reducing floods and augmenting low flows. Their current management is empirical, reactive and decentralized, mainly based on filling curves, constructed from an analysis of historical floods and low flows. Therefore, the efficiency of this management strategy could be enhanced when inflows are significantly different from their seasonal average. Adaptation to climate change is also a challenge, for the possible modification of future hydrologic conditions. To improve such management strategy, the use of a centralized real-time controller is investigated. The control method used is Tree-Based Model Predictive Control (TB-MPC), a proactive method that uses all the information available in real-time, including ensemble weather forecasts. This information is used in the model predictive control framework, to optimize an objective function over a finite receding horizon, using a model to predict the evolution of the system in response to the forecasted inputs. The TB-MPC controller is implemented in combination with the model of the Seine river basin, including a semi-distributed hydrologic model of the watershed, a simplified hydraulic model of the river network and the four reservoirs models. The controller optimizes a global cost function that takes into account the costs associated to high and low flows, based on critical thresholds at some key downstream stations, and a penalty based on the final storages of the reservoirs, to guarantee a sustainable management in the long term. The reservoirs management is tested using different weather forecasting models: (i) a hypothetical perfect predictor that takes observations as forecasts; (ii) a real deterministic forecasting model; (iii) a stochastic model producing ensemble forecasts. The performance of MPC using perfect predictions is compared with the actual management, to assess the expected improvement by moving to a centralized and proactive controller. The performance of TB-MPC is compared with that of deterministic MPC, to evaluate the possible improvement due to the integration of the uncertainty of predictions.

I serbatoi nel bacino idrografico della Senna, a monte di Parigi, sono gestiti con l'obiettivo di ridurre le piene e aumentare le basse portate. La loro gestione attuale è empirica, reattiva e decentralizzata, basata principalmente su curve di riempimento, costruite a partire da un'analisi statistica di piene e magre storiche. Pertanto, l'efficienza di questa strategia di gestione può essere migliorata quando gli afflussi sono significativamente diversi dalla loro media stagionale. Per migliorare tale strategia di gestione, si indaga l'uso del Tree-Based Model Predictive Control (TB-MPC), un metodo di controllo centralizzato e proattivo, che utilizza tutte le informazioni disponibili in tempo reale, tra cui le previsioni meteorologiche di ensemble. Questa informazione viene utilizzata nel quadro del controllo predittivo, per ottimizzare una funzione obiettivo su un orizzonte finito, usando un modello matematico per prevedere l'evoluzione del sistema in risposta agli ingressi previsti. Il controllore TB-MPC è implementato in combinazione con il modello del bacino della Senna, che integra un modello idrologico semi-distribuito, un modello idraulico semplificato della rete fluviale ed i modelli dei quattro serbatoi. Il controllore ottimizza una funzione di costo globale che tiene conto dei costi associati ad alte e basse portate, calcolati sulla base di soglie critiche definite per alcune stazioni a valle, e una penale basata sui volumi finali dei serbatoi, per garantire una gestione sostenibile nel lungo termine. La gestione dei serbatoi è simulata testando diversi modelli di previsione meteorologica: (i) un ipotetico previsore perfetto che usa osservazioni come previsioni; (ii) un vero modello di previsione deterministico; (iii) un modello stocastico che produce previsioni di ensemble. La performance del MPC deterministico usando previsioni perfette è confrontata con quella della gestione attuale, per valutare il miglioramento atteso dal passaggio a un controllore centralizzato e proattivo. La performance del TB-MPC è confrontata con quella del MPC deterministico, per valutare il possibile miglioramento dato dall'integrazione dell'incertezza delle previsioni.