Печалби:
- Да се разбере променливостта на слънчевата и вятърната продукция в зависимост от метеорологията и значението на нейната прогноза за баланса на мрежата.
- Възможност за създаване на работен поток за прогнозиране на AI, комбиниращ цифрова прогноза за времето, сателитни и полеви данни
- Възможност за проверка на производствените прогнози с физическа горна граница, фактор на капацитета и действителни данни
Електрическа централа на въглища или природен газ работи с определена мощност, когато операторът го изисква; производството може да се контролира. Слънцето и вятърът не са такива: когато слънцето се замъгли, производството на панели намалява, а когато вятърът спре, турбината спира. Този тип производство се нарича променлива възобновяема енергия; Производството зависи от метеорологията, а не от човешката воля. Тази променливост създава както страхотна възможност, така и голямо предизвикателство за стабилността на мрежата. Прогнозирането на възобновяемото производство е задача за прогнозиране на бъдещото производство на слънчеви и вятърни електроцентрали и е една от най-бързо развиващите се области на анализ на съвременната енергийна система. В тази част ще научим физиката на тази прогноза, как се установява и проверява с изкуствен интелект.
Защо е толкова важно?
Тъй като делът на слънчевата и вятърната енергия се увеличава в мрежата, въпросът „колко и кога“ ще произведат тези ресурси става определящ за цялата система. Без добра прогноза за производството, мрежата е принудена да поддържа допълнителен резервен капацитет (често скъп и богат на въглерод), за да компенсира внезапния спад в производството на енергия от възобновяеми източници. Точното прогнозиране намалява както тези разходи, така и емисиите; Той също така позволява на собственика на електроцентралата да наддава по-добре на пазара. С други думи, грешката в прогнозата се превръща директно в пари и въглерод.
Физика на генерирането на слънце и вятър
слънце Мощността, произведена от фотоволтаичен (PV; преобразуващ светлината директно в електричество) панел, зависи главно от радиацията, падаща върху него (облъчване; слънчева енергия на единица площ, W/m²). Освен това температурата на панела (ефективността намалява с нагряването на панела), прахът/замърсяването и засенчването му влияят. Най-силната характеристика на слънчевото производство е неговият предвидим денонощен модел: нула през нощта, високо сутрин, пик около обяд и нула вечер. Облачността е шумът, насложен върху тази цифра, и е основният източник на затруднения при прогнозирането.
Вятър. Мощността, произведена от турбина, е приблизително пропорционална на куба на скоростта на вятъра - така че когато скоростта се удвои, мощността се увеличава приблизително осем пъти. Следователно малка грешка в прогнозата за скоростта на вятъра се превръща в голяма грешка в производството. Освен това турбината има крива на мощността: под определена скорост (скорост на включване) производството е нула, над определена скорост (номинална скорост) производството се стабилизира, при много висока скорост (скорост на изключване) турбината спира за безопасност. Тази нелинейна връзка прави прогнозирането на вятъра по-трудно от слънчевото.
Съвет: Тъй като грешката в скоростта на вятъра влиза в действие, първо погледнете качеството на прогнозата за скоростта на вятъра, когато оценявате прогнозата си за производство. Почти невъзможно е да се създаде добра прогноза за производство с лоша прогноза за скорост.
Стъпка по стъпка: Прогнозиране на производството с изкуствен интелект
Стъпка 1 — Съберете входни данни. Основният вход е цифрово прогнозиране на времето (NWP; прогнозиране на времето, произведено чрез решаване на атмосферна физика): оценки на излъчване, температура, скорост и посока на вятъра. Към това се добавя действителната производствена история на електроцентралата и, ако е възможно, сателитни/наземни наблюдения.
Стъпка 2 — Настройте атрибути. Променливи за прогноза за времето, геометрични променливи за слънчева енергия (ъгълът на слънцето в небето), информация за кривата на мощността на турбината за вятър и атрибути за забавено генериране. Отново, контрол на течовете: използват се само данни, които ще бъдат налични по време на прогнозирането.
Стъпка 3 — Обучете модела. Моделът свързва прогнозата за времето с действителното производство. Тук изкуственият интелект едновременно научава действителното поведение на панела/турбината (отклонения от каталожната стойност) и улавя локални ефекти (като ефект на терена в конкретната посока на вятъра).
Стъпка 4 — Несигурност на модела. Прогнозирането за възобновяема енергия е по своята същност несигурно; Много по-полезна е вероятностна оценка (напр. "80 процента вероятност производството е в рамките на тази лента"), отколкото едно число.
Стъпка 5 — Потвърдете. Прогнозата се тества спрямо физически горни граници и действително производство.
Валидиране: Физически котви
Прогнозирането на възобновяемото производство може да бъде тествано със силни физически котви:
- Абсолютен таван за слънчева енергия: Производството никога не може да бъде положително през нощта и не може да надвишава инсталираната мощност (и това, което текущата радиация позволява). Тази единична проверка незабавно елиминира глупавите предположения.
- Коефициент на мощност: Това е съотношението на произведената енергия към енергията, която би произвела, ако електроцентралата работи непрекъснато на пълна мощност. При вятъра на сушата той обикновено е около 25-45 процента, при слънчевия е около 12-25 процента в зависимост от климата. Ако дългосрочната средна стойност е извън този диапазон, има грешка.
- Действителни данни: Най-силната опора е сравнението на прогнозата с действителното производство; систематичното отклонение (напр. постоянно надценяване) се коригира.
Внимание: Физическа невъзможност е прогнозата за производство на слънчева енергия да бъде различна от нула през нощта или прогнозата за вятър да показва пълно производство над нивото на прекъсване. Подобни нарушения са знак, че моделът някъде липсва фундаментална физика и се отхвърлят, без да се гледа статистиката.
Три мини калъфа: с числата
Случай 1 — Нощно производство. Слънчевият прогнозен модел на един екип прогнозира 3 MW генериране за 22:00 часа. Беше физически невъзможно; Проблемът беше, че данните за излъчване, подавани към модела, съвпадаха със стойности в грешната часова зона. Котвата за нощна нула веднага улови грешката и след като часовата зона беше коригирана, прогнозата беше правилна.
Случай 2 — Ефект на куб във вятъра. В един вятърен парк метеорологичната прогноза даде скорост на вятъра от 10 m/s вместо 8 m/s — привидна грешка от 25 процента. Но тъй като мощността зависи от скоростта кубично, оценката на производството беше приблизително два пъти по-голяма от действителната сума, което доведе до огромно наказание за дисбаланс на пазара. Урок: малка грешка в скоростта в прогнозата за вятъра е голяма производствена грешка; Диапазонът на несигурност трябва да бъде широк.
Случай 3 — котва на фактора на капацитета. Годишната прогноза за производство на една нова електроцентрала предполага коефициент на капацитет от 55 процента. Беше доста над този диапазон за континентален вятър; разследването показа, че производствените единици (MWh) са били преброени погрешно два пъти. Котвата на фактора капацитет освободи инвестиционното решение от грешната основа, без да навлиза в подробности.
Слаба подкана / Силна подкана
Слаба подкана:
Прогнозирайте утрешното производство на този вятърен парк.[данни]
Мощна подкана:
Вашата роля: Прогнозист на възобновяемото производство. Задача: почасова прогноза за производство ден напред за вятърен парк.- Използвайте като вход само прогнозата за времето, налична към момента на прогнозата; измерване и отчитане на кубичния ефект на скоростта на вятъра. - Прилагане на кривата на мощността на турбината (включване, номинална скорост, скорост на изключване); не давайте физически резултати извън тези граници. - Дайте диапазон на несигурност, а не едно число. - Тествайте сами резултата с две котви: (a) има ли някаква стойност, надвишаваща инсталираната мощност, (b) имплицитният коефициент на капацитет в диапазона 25-45% ли е? Данни: [данни за растенията и времето]
Мощната подкана налага ефекта на куба, кривата на мощността, несигурността и две физически опорни точки от самото начало – изрязвайки класическите грешки на регенеративното прогнозиране.
Четири копируеми шаблона
1) Слънчево физическо управление на тавана:
Тествайте тази оценка на слънчевото производство с тези котви: нула ли е производството през нощните часове? Пикът на обяд в средата на деня ли е? Някоя стойност надвишава ли инсталирания капацитет? Избройте нарушенията с клеймо за време.
2) Приложение на кривата на вятърната мощност:
Използвайте следните параметри на кривата на мощността на турбината: включване [A] m/s, номинална [B] m/s, изключване [C] m/s. Преобразувайте дадени прогнози за скоростта на вятъра в производство. Коментирайте също ефекта от несигурността на скоростта върху несигурността на производството, дължаща се на връзката кубична скорост-мощност.
3) Анкер за разумност на фактора на капацитета:
Изчислете предполагаемия коефициент на капацитет от тази оценка на генерирането и го сравнете с типичния диапазон за типа централа (вятър 25-45%, слънчева енергия 12-25%). Ако е извън диапазона, избройте възможните източници на грешки (единица, часова зона, двойно отчитане).
4) Анализ на прогнозно реално отклонение:
Сравнете действителното производство с минали прогнози. Има ли систематично отклонение (постоянно надценяване/подценяване)? Проверете дали отклонението варира в зависимост от метеорологичните условия (облачно/ясно, слаб/силен вятър) и предложете корекция.
Сравнителна диаграма на слънцето и вятъра
функция
Слънчева (PV)
вятър
основен вход
Облъчване, температура на панела
Скорост и посока на вятъра
дневна фигура
Предсказуемо (нощна нула, обеден пик)
Нередовен, ден-нощ несигурен
Основно предизвикателство
облачност
Кубична връзка скорост-мощност
Типичен коефициент на капацитет
~12-25%
~25-45% (наземен)
здрава котва
Нощна нула, монтиран ел. таван
Граници на кривата на мощността, фактор на мощността
Често срещани грешки
- Грешка при подценяване на скоростта на вятъра. Тъй като връзката скорост-мощност е кубична, малка грешка в скоростта е голяма производствена грешка.
- Без проверка на физическия таван. Всяка стойност, надвишаваща слънчевото производство през нощта или инсталирания капацитет, трябва да бъде отхвърлена, без да се разглежда статистиката.
- Намаляване на несигурността до едно число. Прогнозирането на възобновяема енергия е по своята същност вероятностно; Не може да се вземе решение, без да се даде лентата.
- Теч. Превръщане на действителното време в атрибут; Всичко, което обаче ще имате, е прогнозата за времето.
- Заобикаляне на котвата на фактора на капацитета. Липсата на тестване на правдоподобността на дългосрочната средна стойност крие грешки в единиците и двойното преброяване.
В обобщение
Слънчевата и вятърната продукция зависи от метеорологията и е променлива; Оценката е критична за баланса на мрежата и пазара. Предсказуемият дневен модел на слънцето се затруднява от облачността, а производството на вятър се затруднява от бързата кубична връзка. AI е мощен при свързването на прогнозата за времето с действителното производство; но прогнозата трябва да се тества с физически таван, крива на мощността и котви на фактора на капацитета, несигурността трябва да се докладва с лента и трябва да се избягва изтичане.
Задача за приложение
Вземете исторически данни за производството на слънчева или вятърна ферма. Накарайте изкуствения интелект да одитира прогнозата с помощта на шаблоните „Физически контрол на слънчевия таван“ (за слънчева енергия) или „Котва за правдоподобност на фактора на капацитет“ (и за двете). След това изчислете сами предполагаемия коефициент на капацитет и го сравнете с типичния диапазон. Ако откриете отклонение от физическа невъзможност или разумност, запишете как сте го уловили.
контролен списък
- [ ] Проверих, че основният вход е прогнозата за времето и не съдържа течове
- [ ] Приложих нощна нула и инсталирах захранващи таванни котви за слънчева енергия
- [ ] Взех предвид границите на кривата на мощността за вятъра и ефекта на кубичната скорост
- [ ] Сравних предполагаемия коефициент на капацитет с типичния диапазон
- [ ] Представих оценката с диапазона на несигурност
- [ ] Проверих прогнозираното-реализирано систематично отклонение
- [ ] Отхвърлих ценности, които включват физическа невъзможност