Med vädret som passion
När allt fler energikällor är väderberoende har väderprognoser blivit en allt viktigare del i att förutse vart elpriserna är på väg. För att de ska bli säkra och trovärdiga krävs någon som kan analysera stora mängder väderdata. Möt Vattenfalls meteorolog Mikael Luhr.
Det började med snön. Vattenfalls meteorolog Mikael Luhr hade som många andra barn vuxit upp med femdygnsprognoser i ”Aktuellt” och diskussioner om vädret över middagsbordet, men det var först när han som tonåring började åka skidor och följde snökartor som han blev intresserad på allvar.
Efter avslutade studier började han arbeta på finska vädertjänsten Foreca, där han inte minst lärde sig att analysera de stora mängder data som företagets vädermodeller byggde på, och sedan ett drygt år tillbaka är han Vattenfalls meteorolog.
– Det kändes intressant att fortsätta mitt arbete på Vattenfall, säger Mikael. För här kan man sätta vädret i ett annat perspektiv, som en del av elbranschen. Jag har länge velat hitta ett större sammanhang för väderanalys än att man kan säga åt en kollega att ta fram paraplyet. I den här tjänsten kan jag det.
Stark teknisk utveckling för väderprognoser
En av klyschorna, eller fördomarna, kring meteorologer är att man inte riktigt kan lita på deras prognoser, men Mikael menar att den tekniska utvecklingen – och därmed säkerheten i prognoserna – gått framåt väldigt mycket de senaste tjugo åren.
– Mycket i våra prognoser handlar om fysikaliska beräkningar och väderobservationer. Har vi starkare datorer så kan vi räkna ut fler processer – och snabbare. Vi har fått allt bättre förutsättningar att samla in mer data över längre tid. Då har vi också lättare att göra bra förenklingar av de processer som vi inte kan räkna ut.
Samtidigt är väder alltjämt ett svåröverskådligt ämne med extremt många faktorer att ha med i beräkningarna. Variablerna en meteorolog behöver ta hänsyn är extremt många.
– För att vi ska kunna ta fram helt perfekta modeller skulle vi behöva ta in allt som händer från atomskala upp till hundratals kilometersskala. Att få ihop allt det går inte riktigt. Väldigt mycket kan man räkna ut, men inte allt.
AI till hjälp
I och med att en så stor del av arbetet handlar om att samla, behandla och analysera data har AI-teknologins framsteg också inneburit nya möjligheter.
– Ju mer data vi har att hantera desto mer användbart blir AI som statistiskt verktyg, förklarar Mikael. Man kan säga att det förbättrar alla delar av vad vi gör på ett eller annat sätt. Samtidigt är vädret också, rent statistiskt, både kaotiskt och svåröverskådligt. Klimatförändringen gör att klimatet i dag inte är likadant som för 20 år sen.
Mikael arbetar närmast de avdelningar inom Vattenfall som är direkt kopplade till elbörsen. Meteorologens prognoser är viktiga verktyg för att förstå åt vilket håll elpriserna kommer att ta vägen. Trovärdiga prognoser blir inte minst viktiga när en allt större del av produktionen kommer från väderberoende och fossilfria energikällor som sol- och vindkraft.
– Vädermodellerna ger en väldigt bra bild och är tillgänglig för alla, berättar han. Kan man då se olika statistiska mönster som brukar hända kan det vara värt mycket för ett företag som Vattenfall. Om jag kan ge signaler om både när man ska vara försiktigare och när man ska kunna vara lite mer aggressiv, så blir det en fördel.
Många parametrar
En typisk dag för Mikael börjar tidigt på morgonen, redan strax efter klockan sex fastställer han de vädermodeller som kommit in under natten och gör en första analys över hur det bör kunna påverka resten av dagen. Vid åtta öppnar elbörsen.
– Mycket handlar om att titta på kartor och väderdata för olika områden. Det är väldigt många parametrar att ta in – vind, temperatur, nederbörd. Havstemperatur tittar vi också på, inte dagligen, men åtminstone veckovis. Dessutom tittar vi på alla de här variablerna på olika höjder i atmosfären.
Parallellt med den dagliga analysen arbetar Mikael också mer långsiktigt och vill upptäcka mönster och tendenser över tid, både för de närmaste veckorna och längre fram i tiden, ett par månader.
– När man gjort dagsanalysen under morgonen och fått en bild på vad som ska hända kan man också kika på vad som blev fel igår och hur trenden har sett ut under en längre period. Statistik från tidigare år kan bli viktig till exempel. Har vi sett liknande vädermönster som påminner om det här? Var Atlanten väldigt varm eller kall då? Man vill hitta kopplingar som gör att man kan bygga en ny idé fram till nästa dag.
