Gewinne:
- Verständnis der Variabilität der Solar- und Windproduktion in Abhängigkeit von der Meteorologie und der Bedeutung ihrer Vorhersage für das Netzgleichgewicht.
- Möglichkeit zur Erstellung eines KI-Prognose-Workflows, der digitale Wettervorhersage, Satelliten- und Felddaten kombiniert
- Möglichkeit zur Überprüfung von Produktionsprognosen anhand der physischen Obergrenze, des Kapazitätsfaktors und der tatsächlichen Daten
Ein Kohle- oder Erdgaskraftwerk arbeitet mit einer bestimmten Leistung, wenn der Betreiber dies verlangt; Die Produktion kann kontrolliert werden. Bei Sonne und Wind ist das nicht so: Wenn die Sonne bewölkt wird, sinkt die Modulproduktion, und wenn der Wind nachlässt, stoppt die Turbine. Diese Art der Produktion wird als variable erneuerbare Energie bezeichnet; Die Produktion hängt von der Meteorologie ab, nicht vom menschlichen Willen. Diese Variabilität stellt sowohl eine große Chance als auch eine große Herausforderung für die Netzstabilität dar. Die Prognose der erneuerbaren Energieerzeugung ist die Aufgabe, die zukünftige Produktion von Solar- und Windkraftanlagen vorherzusagen, und ist einer der am schnellsten wachsenden Analysebereiche des modernen Energiesystems. In dieser Einheit lernen wir die Physik dieser Vorhersage kennen, wie sie mit künstlicher Intelligenz erstellt und verifiziert wird.
Warum ist es so wichtig?
Da der Anteil von Solar- und Windenergie in einem Netz zunimmt, wird die Frage, „wie viel und wann“ diese Ressourcen produzieren werden, zur bestimmenden Frage für das gesamte System. Ohne eine gute Erzeugungsprognose ist das Netz gezwungen, zusätzliche Reservekapazitäten (oft teuer und kohlenstoffreich) vorzuhalten, um einen plötzlichen Rückgang der erneuerbaren Energieerzeugung auszugleichen. Genaue Prognosen reduzieren sowohl diese Kosten als auch die Emissionen. Darüber hinaus ermöglicht es dem Kraftwerkseigentümer, besser auf dem Markt zu bieten. Mit anderen Worten, Prognosefehler schlagen sich direkt in Geld und CO2 nieder.
Physik der Solar- und Winderzeugung
Sonne. Die von einem Photovoltaikmodul (PV; Licht direkt in Elektrizität umwandeln) erzeugte Leistung hängt hauptsächlich von der auf das Modul einfallenden Strahlung ab (Bestrahlungsstärke; Sonnenenergie pro Flächeneinheit, W/m²). Darüber hinaus wirken sich die Temperatur des Panels (die Effizienz nimmt mit zunehmender Erwärmung des Panels ab), Staub/Verunreinigung und Verschattung aus. Das stärkste Merkmal der Solarproduktion ist ihr vorhersehbarer Tagesverlauf: Null in der Nacht, Hoch am Morgen, Höhepunkt gegen Mittag und Null am Abend. Bewölkung ist das dieser Zahl überlagerte Rauschen und die Hauptursache für Prognoseschwierigkeiten.
Wind. Die von einer Turbine erzeugte Leistung ist ungefähr proportional zur dritten Potenz der Windgeschwindigkeit – wenn sich die Geschwindigkeit also verdoppelt, erhöht sich die Leistung etwa um das Achtfache. Daher wird ein kleiner Prognosefehler der Windgeschwindigkeit zu einem großen Produktionsfehler. Außerdem hat die Turbine eine Leistungskurve: Unterhalb einer bestimmten Geschwindigkeit (Einschaltgeschwindigkeit) ist die Produktion Null, oberhalb einer bestimmten Geschwindigkeit (Nenngeschwindigkeit) stabilisiert sich die Produktion, bei sehr hoher Geschwindigkeit (Abschaltgeschwindigkeit) stoppt die Turbine aus Sicherheitsgründen. Diese nichtlineare Beziehung macht Windvorhersagen schwieriger als Solarvorhersagen.
Tipp: Da Fehler bei der Windgeschwindigkeit eine Rolle spielen, achten Sie bei der Bewertung Ihrer Produktionsprognose zunächst auf die Qualität der Windgeschwindigkeitsvorhersage. Es ist nahezu unmöglich, mit einer schlechten Geschwindigkeitsprognose eine gute Produktionsprognose zu erstellen.
Schritt für Schritt: Produktionsprognose mit künstlicher Intelligenz
Schritt 1 – Sammeln Sie Eingabedaten. Der grundlegende Input ist die numerische Wettervorhersage (NWP; Wettervorhersage, die durch Lösung der Atmosphärenphysik erstellt wird): Schätzungen von Einstrahlung, Temperatur, Windgeschwindigkeit und -richtung. Hinzu kommen die tatsächliche Produktionsgeschichte des Kraftwerks und, wenn möglich, Satelliten-/Bodenbeobachtungen.
Schritt 2 – Attribute einrichten. Wettervorhersagevariablen, geometrische Variablen für Solar (der Winkel der Sonne am Himmel), Informationen zur Turbinenleistungskurve für Wind und verzögerte Erzeugungsattribute. Auch hier gilt die Leckagekontrolle: Es werden nur Daten verwendet, die zum Zeitpunkt der Vorhersage verfügbar sind.
Schritt 3 – Trainieren Sie das Modell. Das Modell verknüpft die Wettervorhersage mit der tatsächlichen Produktion. Dabei lernt die künstliche Intelligenz sowohl das tatsächliche Verhalten des Panels/der Turbine (Abweichungen vom Katalogwert) als auch lokale Effekte (z. B. Geländeeinfluss in der spezifischen Windrichtung) ein.
Schritt 4 – Modellunsicherheit. Prognosen für erneuerbare Energien sind von Natur aus unsicher; Eine probabilistische Schätzung (z. B. „80-prozentige Wahrscheinlichkeit, dass die Produktion innerhalb dieses Bereichs liegt“) anstelle einer einzelnen Zahl ist viel nützlicher.
Schritt 5 – Überprüfen. Die Vorhersage wird anhand physikalischer Obergrenzen und der tatsächlichen Produktion getestet.
Validierung: Physische Anker
Prognosen zur Produktion erneuerbarer Energien können mit starken physikalischen Ankern getestet werden:
- Absolute Obergrenze für Solarenergie: Die Produktion kann nachts niemals positiv sein und die installierte Leistung (und das, was die aktuelle Strahlung zulässt) nicht überschreiten. Diese einmalige Prüfung eliminiert sofort dumme Vermutungen.
- Kapazitätsfaktor: Dabei handelt es sich um das Verhältnis der erzeugten Energie zu der Energie, die es erzeugen würde, wenn das Kraftwerk kontinuierlich mit voller Leistung laufen würde. Bei Onshore-Windkraft liegt er typischerweise bei etwa 25–45 Prozent, bei Solarenergie bei etwa 12–25 Prozent, je nach Klima. Liegt der langjährige Durchschnitt außerhalb dieses Bereichs, liegt ein Fehler vor.
- Ist-Daten: Der stärkste Anker ist der Vergleich der Prognose mit der tatsächlichen Produktion; systematische Verzerrungen (z. B. anhaltende Überschätzung) werden korrigiert.
Achtung: Es ist physikalisch unmöglich, dass eine Solarproduktionsprognose nachts ungleich Null ist oder dass eine Windprognose immer noch die volle Produktion über der Cut-off-Rate anzeigt. Solche Verstöße sind ein Zeichen dafür, dass dem Modell irgendwo grundlegende Physik fehlt, und werden ohne Blick auf Statistiken abgelehnt.
Drei Mini-Hüllen: In Zahlen
Fall 1 – Nachtproduktion. Das Solarprognosemodell eines Teams prognostizierte für 22 Uhr eine Erzeugung von 3 MW. Es war physikalisch unmöglich; Das Problem bestand darin, dass die dem Modell zugeführten Einstrahlungsdaten mit Werten in der falschen Zeitzone übereinstimmten. Der Nacht-Null-Anker erkannte den Fehler sofort und nachdem die Zeitzone korrigiert worden war, war die Vorhersage korrekt.
Fall 2 – Würfeleffekt im Wind. In einem Windpark ergab die Wettervorhersage eine Windgeschwindigkeit von 10 m/s statt 8 m/s – ein offensichtlicher Fehler von 25 Prozent. Da die Leistung jedoch kubisch von der Geschwindigkeit abhängt, war die Produktionsschätzung etwa doppelt so hoch wie die tatsächliche Menge, was zu einer enormen Ungleichgewichtsstrafe auf dem Markt führte. Lektion: Ein kleiner Geschwindigkeitsfehler in der Windvorhersage ist ein großer Produktionsfehler; Die Unsicherheitsspanne sollte breit gehalten werden.
Fall 3 – Kapazitätsfaktoranker. Die Jahresproduktionsprognose für ein neues Kraftwerk ging von einem Kapazitätsfaktor von 55 Prozent aus. Es lag deutlich über diesem Bereich für Kontinentalwind; Die Untersuchung ergab, dass Produktionseinheiten (MWh) fälschlicherweise doppelt gezählt wurden. Der Kapazitätsfaktor-Anker befreite die Investitionsentscheidung von falschen Grundlagen, ohne näher darauf einzugehen.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Sagen Sie die morgige Produktion dieses Windparks voraus.[Daten]
Kraftvolle Aufforderung:
Ihre Rolle: Prognostiker für die Produktion erneuerbarer Energien. Aufgabe: Stündliche Day-Ahead-Produktionsprognose für einen Windpark. – Als Eingabe nur die zum Zeitpunkt der Prognose verfügbare Wettervorhersage verwenden; Messen und berücksichtigen Sie den kubischen Effekt der Windgeschwindigkeit. - Anwenden der Turbinenleistungskurve (Einschalt-, Nenn- und Abschaltgeschwindigkeit); liefern keine physikalischen Ergebnisse außerhalb dieser Grenzen. - Geben Sie ein Unsicherheitsband an, keine einzelne Zahl. - Testen Sie das Ergebnis selbst mit zwei Ankern: (a) Gibt es einen Wert, der die installierte Leistung überschreitet, (b) liegt der implizite Kapazitätsfaktor im Bereich von 25-45 %? Daten: [Anlagen- und Wetterdaten]
Die leistungsstarke Eingabeaufforderung erzwingt von Anfang an den Würfeleffekt, die Leistungskurve, die Unsicherheit und zwei physikalische Anker – und eliminiert so die klassischen Fehler der regenerativen Prognose.
Vier kopierbare Vorlagen
1) Solarphysikalische Deckensteuerung:
Testen Sie diese Schätzung der Solarproduktion mit diesen Ankern: Liegt die Produktion in den Nachtstunden bei Null? Liegt der Mittagspeak mitten am Tag? Übersteigt irgendein Wert die installierte Kapazität? Verstöße mit Zeitstempel auflisten.
2) Anwendung der Windkraftkurve:
Verwenden Sie die folgenden Parameter der Turbinenleistungskurve: Einschaltzeit [A] m/s, Nennleistung [B] m/s, Abschaltleistung [C] m/s. Wandeln Sie gegebene Windgeschwindigkeitsprognosen in Produktion um. Kommentieren Sie auch die Auswirkung der Geschwindigkeitsunsicherheit auf die Produktionsunsicherheit aufgrund der Beziehung zwischen Kubikgeschwindigkeit und Leistung.
3) Anker für die Angemessenheit des Kapazitätsfaktors:
Berechnen Sie den impliziten Kapazitätsfaktor aus dieser Erzeugungsschätzung und vergleichen Sie ihn mit dem typischen Bereich für den Anlagentyp (Wind 25–45 %, Solar 12–25 %). Falls außerhalb des Bereichs, mögliche Fehlerquellen auflisten (Einheit, Zeitzone, Doppelzählung).
4) Prognose-Real-Abweichungsanalyse:
Vergleichen Sie die tatsächliche Produktion mit früheren Prognosen. Gibt es eine systematische Verzerrung (ständige Über-/Unterschätzung)? Prüfen Sie, ob die Abweichung je nach Wetterlage (bewölkt/klar, schwacher/starker Wind) variiert, und schlagen Sie eine Korrektur vor.
Solar- und Wind-Vergleichstabelle
Funktion
Solar (PV)
Wind
Haupteingang
Einstrahlung, Paneltemperatur
Windgeschwindigkeit und -richtung
Tagesfigur
Vorhersehbar (Nacht Null, Mittagsspitze)
Unregelmäßig, Tag-Nacht unsicher
Hauptherausforderung
Trübung
Verhältnis von Geschwindigkeit und Kubikleistung
Typischer Kapazitätsfaktor
~12-25%
~25-45 % (terrestrisch)
starker Anker
Nachtnull, installierte Stromdecke
Leistungskurvengrenzen, Kapazitätsfaktor
Häufige Fehler
- Unterschätzung des Windgeschwindigkeitsfehlers. Da das Verhältnis zwischen Geschwindigkeit und Leistung kubisch ist, ist ein kleiner Geschwindigkeitsfehler ein großer Produktionsfehler.
- Die physische Obergrenze wird nicht überprüft. Jeder Wert, der die Solarproduktion in der Nacht oder die installierte Leistung übersteigt, sollte ohne Blick auf die Statistik abgelehnt werden.
- Reduzierung der Unsicherheit auf eine einzige Zahl. Prognosen für erneuerbare Energien sind von Natur aus probabilistisch; Ohne Vorlage des Bandes kann keine Entscheidung getroffen werden.
- Leck. Das tatsächliche Wetter zu einem Attribut machen; Sie erhalten jedoch lediglich die Wettervorhersage.
- Umgehen des Kapazitätsfaktorankers. Wenn die Plausibilität des langfristigen Durchschnitts nicht geprüft wird, verbergen sich Einheits- und Doppelzählungsfehler.
Zusammenfassend
Die Solar- und Windproduktion hängt von der Meteorologie ab und ist variabel; Die Schätzung ist entscheidend für das Netzgleichgewicht und den Markt. Der vorhersagbare Tagesverlauf der Sonne wird durch Bewölkung erschwert, und die Erzeugung von Wind wird durch die schnell kubische Beziehung erschwert. KI ist leistungsstark, wenn es darum geht, Wettervorhersagen mit der tatsächlichen Produktion zu verbinden. Die Vorhersage muss jedoch mit physikalischen Decken-, Leistungskurven- und Kapazitätsfaktorankern getestet werden, Unsicherheiten müssen mit einem Band gemeldet werden und Leckagen müssen vermieden werden.
Anwendungsaufgabe
Erhalten Sie historische Produktionsdaten eines Solar- oder Windparks. Lassen Sie die Prognose von der KI anhand der Vorlagen „Solarphysikalische Deckenkontrolle“ (für Solar) oder „Kapazitätsfaktor-Plausibilitätsanker“ (für beide) prüfen. Berechnen Sie dann selbst den impliziten Kapazitätsfaktor und vergleichen Sie ihn mit dem typischen Bereich. Wenn Sie eine physikalische Unmöglichkeit oder Angemessenheitsabweichung feststellen, schreiben Sie auf, wie Sie darauf reagiert haben.
Checkliste
- [ ] Ich habe überprüft, dass die Haupteingabe die Wettervorhersage ist und keine Lecks enthält
- [ ] Ich habe Night-Zero angewendet und elektrische Deckenanker für Solaranlagen installiert
- [ ] Ich habe die Leistungskurvengrenzen für Wind und den kubischen Geschwindigkeitseffekt berücksichtigt
- [ ] Ich habe den impliziten Kapazitätsfaktor mit dem typischen Bereich verglichen
- [ ] Ich habe die Schätzung mit dem Unsicherheitsband dargestellt
- [ ] Ich habe die vorhergesagte-realisierte systematische Abweichung überprüft
- [ ] Ich lehnte Werte ab, die physikalische Unmöglichkeit beinhalten