Perché prevedere il vento è così difficile?
La previsione del vento è una delle maggiori sfide della meteorologia. A differenza della temperatura, il vento è estremamente sensibile alla topografia locale, il che complica la previsione della produzione di energia eolica.
Nelle consultazioni alla nostra app meteo avrai probabilmente notato che la temperatura viene prevista con buona precisione, ma la velocità o le raffiche di vento previste differiscono da ciò che si percepisce in strada.
Il vento è, per sua natura, una delle variabili meteorologiche più volatili e quindi più difficili da modellizzare. Mentre una massa d’aria può mantenere una temperatura abbastanza uniforme su decine di chilometri, il vento può cambiare drasticamente nel giro di pochi metri. Comprendere questo aspetto è fondamentale, soprattutto oggi che dipendiamo sempre di più dall’energia eolica.
Perché il vento è più difficile da prevedere della temperatura?
Per capire la complessità del vento, è utile confrontarlo con la temperatura. La temperatura è una grandezza scalare che tende a comportarsi in modo relativamente uniforme: se in un punto della città ci sono 20 °C, è molto probabile che a 2 km di distanza la temperatura sia simile, salvo forti isole di calore urbane.
Il vento, invece, è un vettore (ha velocità e direzione) ed è un fluido in movimento che interagisce fisicamente con ogni ostacolo che incontra. Edifici, alberi, colline e vallate ne modificano immediatamente il flusso.
La regola dei 10 metri contro i 2 metri
Una prova evidente della sensibilità del vento all’ambiente è la normativa di misura dell’Organizzazione Meteorologica Mondiale (OMM):
- La temperatura si misura a 2 metri (altezza termometrica), vicina a quella umana.
- Il vento si misura obbligatoriamente a 10 metri dal suolo in area aperta.
Perché questa differenza? Vicino al suolo l’attrito è elevato. La rugosità del terreno (erba, pietre, vegetazione) rallenta l’aria in modo caotico, generando turbolenza meccanica. A 2 metri il vento è troppo “disturbato” e rappresenta solo un punto molto locale. Salendo a 10 metri si ottiene un flusso più regolare e rappresentativo dell’atmosfera.
Il problema della risoluzione spaziale
Qui emerge il limite dei modelli meteorologici globali (come l’europeo o il GFS americano). Questi modelli suddividono il mondo in una griglia di celle.
Se un modello ha una risoluzione di 9 km (come l’ECMWF ad alta risoluzione), significa che ogni quadrato di 9x9 km viene trattato come un’area uniforme o mediata. Se in quell’area c’è una valle stretta che incanala e accelera il vento (effetto Venturi) o una cresta montuosa esposta, il modello globale non la “vede”. Non ha sufficiente dettaglio per risolvere la morfologia locale.
L’impatto critico sull’energia eolica
Questo errore di previsione non è solo un disagio per il cittadino, ma un problema economico rilevante per il settore energetico.
La potenza (P) generata da una turbina eolica non è proporzionale alla velocità del vento (v), ma al cubo della velocità. Questo significa che un piccolo errore nella previsione si amplifica enormemente nella produzione energetica.
- Se il modello prevede 10 m/s e in realtà si hanno 12 m/s, l’errore nella velocità è del 20%, ma l’errore nell’energia prodotta arriva a circa il 73%.
Questa incertezza costringe i gestori della rete elettrica a mantenere centrali di backup (gas o idroelettrico), con conseguente aumento dei costi del sistema.
Soluzioni: portare la previsione al dettaglio
Poiché non è possibile aumentare indefinitamente la risoluzione dei modelli globali (richiederebbe capacità di calcolo oggi non sostenibili), i meteorologi utilizzano tecniche di downscaling per raffinare i dati grezzi dei modelli globali.
1. Downscaling statistico
È la tecnica più rapida. Utilizza il passato per correggere il futuro. Se storicamente, quando il modello globale prevede vento da nord a 20 km/h, in un determinato parco eolico il vento reale è 30 km/h a causa del rilievo, si applica una correzione statistica. Si utilizzano anche tecniche di machine learning per identificare questi pattern di errore. Questa tecnica è utilizzata da aziende specializzate nella previsione eolica come Sirocco Energy.
2. Downscaling dinamico (modelli di mesoscala)
Qui non si usa statistica ma fisica. I dati del modello globale vengono inseriti in un modello ad area limitata ad alta risoluzione (come il modello WRF). È come usare una lente di ingrandimento su una regione (ad esempio la Penisola Iberica) e ricalcolare le equazioni atmosferiche con una griglia di 1–3 km, permettendo di rappresentare montagne e valli.
3. LES: Large Eddy Simulation (frontiera della ricerca)
Per la progettazione dei parchi eolici e per casi complessi, anche 1 km di risoluzione non è sufficiente. Entra in gioco la Large Eddy Simulation.
I modelli LES hanno risoluzioni di ordine metrico. Non simulano solo il vento medio, ma risolvono la turbolenza reale: come l’aria si rompe contro una turbina e come la scia turbolenta influenza quelle successive. È lo strumento più costoso dal punto di vista computazionale, ma essenziale per l’ottimizzazione degli impianti eolici.
Prevedere il vento significa confrontarsi con il caos
Anche se i modelli globali sono efficaci nel prevedere l’arrivo di una perturbazione, è necessario ricorrere al downscaling e alla simulazione ad alta risoluzione per stimare con precisione l’energia che verrà prodotta dai parchi eolici nel giorno successivo.