Se presenta la evaluación de un sistema operativo de pronósticos hidrológicos por ensambles acoplado con la simulación del sistema eléctrico de Uruguay, que permite optimizar la operación del sistema y definir el despacho energético. En primer lugar, se presenta la evaluación del pronóstico por ensambles de precipitación a 15 días del modelo GEFS (NCEP-NOAA) en la cuenca del río Negro, tomando como referencia una estimación en base a la combinación de imágenes satelitales y observaciones en superficie. Luego, se evalúa el desempeño de los pronósticos de caudales diarios de aporte a las centrales hidroeléctricas, obtenidos con el modelo hidrológico GR4J forzado por los ensambles del GEFS, en comparación con las series ‘teóricas’ de aportes. En general se observa que, tanto para la precipitación como para los caudales, los pronósticos capturan satisfactoriamente el comportamiento de las series observadas. En ambos casos se identifica una tendencia en el error de la media del ensamble a la sobreestimación (sesgos positivos). Durante los primeros días el ensamble tiene una dispersión excesivamente baja; luego, a medida que avanza el horizonte de pronóstico el ensamble tiende a estar mejor distribuido. Este resultado es aún más notorio en el caso de los caudales.

We present the evaluation of an operational hydrological ensemble prediction system coupled with an electric system modeling for Uruguay used for management, optimization and dispatch. First, the 15-day ensemble precipitation forecast from the Global Ensemble Forecast System (GEFS, NCEP-NOAA) is evaluated over the Rio Negro basin against an estimation that combines satellite retrievals with rain gauge data. Next, forecasts of the daily inflows to the hydroelectric reservoirs -obtained with the GR4J hydrological model forced by the GEFS ensembles- are compared to the ‘theoretical’ inflows derived from a reservoir mass budget. Results suggests that, for both precipitation and hydrological inflows, the ensemble forecasts achieve a good representation of the observed series. In both cases, the ensemble mean shows a tendency for overestimation (positive biases). During the first days the ensemble has an excessively low dispersion. Then, as the forecast lead time advances, the ensemble tends to be better distributed. This behavior is even more pronounced for the hydrological inflows.