Ganancias:
- Comprender la variabilidad de la producción solar y eólica en función de la meteorología y la importancia de su predicción para el equilibrio de la red.
- Capacidad para crear un flujo de trabajo de pronóstico de IA que combine pronóstico del tiempo digital, datos satelitales y de campo.
- Capacidad para verificar pronósticos de producción con límite superior físico, factor de capacidad y datos reales.
Una central eléctrica de carbón o gas natural opera a una determinada potencia cuando el operador lo exige; Se puede controlar la producción. La solar y la eólica no son así: cuando el sol se nubla, la producción de paneles disminuye, y cuando cesa el viento, se para la turbina. Este tipo de producción se denomina energía renovable variable; La producción depende de la meteorología, no de la voluntad humana. Esta variabilidad crea tanto una gran oportunidad como un gran desafío para la estabilidad de la red. La previsión de la producción de energías renovables es la tarea de predecir la producción futura de plantas de energía solar y eólica y es una de las áreas de análisis del sistema energético moderno de más rápido crecimiento. En esta unidad aprenderemos la física de esta predicción, cómo se establece y verifica con inteligencia artificial.
¿Por qué es tan importante?
A medida que aumenta la proporción de energía solar y eólica en una red, la cuestión de "cuánto y cuándo" producirán estos recursos se vuelve determinante para todo el sistema. Sin una buena previsión de generación, la red se ve obligada a mantener capacidad adicional disponible (a menudo costosa y rica en carbono) para compensar una caída repentina en la generación renovable. Una previsión precisa reduce tanto este coste como las emisiones; También permite al propietario de la central eléctrica ofertar mejor en el mercado. En otras palabras, el error de pronóstico se traduce directamente en dinero y carbono.
Física de la generación solar y eólica.
Sol. La energía producida por un panel fotovoltaico (PV; convertir la luz directamente en electricidad) depende principalmente de la radiación que incide sobre él (irradiancia; energía solar por unidad de área, W/m²). Además de esto, la temperatura del panel (la eficiencia disminuye a medida que el panel se calienta), el polvo/la contaminación y las sombras lo afectan. La característica más fuerte de la producción solar es su patrón diurno predecible: cero por la noche, máximo por la mañana, pico alrededor del mediodía y cero por la tarde. La nubosidad es el ruido superpuesto a esta cifra y es la principal fuente de dificultad para realizar predicciones.
Viento. La potencia producida por una turbina es aproximadamente proporcional al cubo de la velocidad del viento, por lo que cuando la velocidad se duplica, la potencia aumenta aproximadamente ocho veces. Por tanto, un pequeño error de previsión en la velocidad del viento se convierte en un gran error de producción. Además, la turbina tiene una curva de potencia: por debajo de una cierta velocidad (velocidad de corte) la producción es cero, por encima de una cierta velocidad (velocidad nominal) la producción se estabiliza, a una velocidad muy alta (velocidad de corte) la turbina se detiene por seguridad. Esta relación no lineal hace que la previsión eólica sea más difícil que la solar.
Consejo: Dado que el error en la velocidad del viento entra en juego, observe primero la calidad del pronóstico de la velocidad del viento al evaluar su pronóstico de producción. Es casi imposible establecer una buena previsión de producción con una mala previsión de velocidad.
Paso a paso: Previsión de la producción con Inteligencia Artificial
Paso 1: recopile datos de entrada. La entrada básica es la predicción meteorológica numérica (NWP; predicción del tiempo producida resolviendo la física atmosférica): estimaciones de irradiancia, temperatura, velocidad y dirección del viento. A esto se añade el historial real de producción de la central eléctrica y, si es posible, las observaciones por satélite/tierra.
Paso 2: configurar atributos. Variables de pronóstico del tiempo, variables geométricas para la energía solar (el ángulo del sol en el cielo), información de la curva de potencia de las turbinas para el viento y atributos de generación retrasada. Nuevamente, control de fugas: solo se utilizan los datos que estarán disponibles en el momento de la predicción.
Paso 3: entrena el modelo. El modelo vincula el pronóstico del tiempo con la producción real. Aquí la inteligencia artificial aprende el comportamiento real del panel/turbina (desviaciones del valor del catálogo) y captura efectos locales (como el efecto del terreno en la dirección específica del viento).
Paso 4: Incertidumbre del modelo. La previsión de energías renovables es inherentemente incierta; Es mucho más útil una estimación probabilística (por ejemplo, "80 por ciento de probabilidad de que la producción esté dentro de esa banda") en lugar de un solo número.
Paso 5: verificar. La predicción se prueba con respecto a los límites superiores físicos y la producción real.
Validación: anclajes físicos
La previsión de la producción de energías renovables se puede probar con fuertes anclajes físicos:
- Techo absoluto para la solar: La producción nunca puede ser positiva por la noche y no puede superar la potencia instalada (y lo que permite la radiación actual). Esta única verificación elimina instantáneamente las conjeturas tontas.
- Factor de capacidad: Es la relación entre la energía producida y la energía que produciría si la central funcionara continuamente a plena potencia. En el caso de la energía eólica terrestre, suele ser de entre el 25 y el 45 por ciento, mientras que en la energía solar es de entre el 12 y el 25 por ciento, dependiendo del clima. Si el promedio a largo plazo está fuera de este rango, hay un error.
- Datos reales: el ancla más fuerte es la comparación de la previsión con la producción real; Se corrige el sesgo sistemático (por ejemplo, sobreestimación persistente).
Precaución: Es físicamente imposible que un pronóstico de producción solar sea distinto de cero por la noche o que un pronóstico de viento aún muestre una producción total por encima de la tasa de corte. Tales violaciones son una señal de que al modelo le falta física fundamental en alguna parte y se rechazan sin mirar las estadísticas.
Tres minicasos: en cifras
Caso 1 — Producción nocturna. El modelo de pronóstico solar de un equipo predijo 3 MW de generación para las 10 p.m. Era físicamente imposible; El problema fue que los datos de irradiancia introducidos en el modelo coincidían con valores en la zona horaria incorrecta. El ancla de la noche cero detectó el error de inmediato y, una vez que se corrigió la zona horaria, la predicción fue correcta.
Caso 2: Efecto cubo en el viento. En un parque eólico, el pronóstico meteorológico dio una velocidad del viento de 10 m/s en lugar de 8 m/s, un error aparente del 25 por ciento. Pero como la potencia depende cúbicamente de la velocidad, la estimación de producción fue aproximadamente el doble de la cantidad real, lo que resultó en una enorme penalización por desequilibrio en el mercado. Lección: un pequeño error de velocidad en el pronóstico del viento es un gran error de producción; La banda de incertidumbre debe mantenerse amplia.
Caso 3: Ancla del factor de capacidad. La previsión de producción anual para una nueva central eléctrica implicaba un factor de capacidad del 55 por ciento. Estaba muy por encima de este rango de viento continental; La investigación demostró que las unidades de producción (MWh) se contaban por error dos veces. El ancla del factor de capacidad liberó la decisión de inversión de una base equivocada sin entrar en detalles.
Aviso débil / Aviso fuerte
Aviso débil:
Predecir la producción de mañana de este parque eólico.[datos]
Potente mensaje:
Su función: Pronosticador de producción de energías renovables. Tarea: previsión horaria de producción diaria para un parque eólico.- Utilizar como entrada únicamente la previsión meteorológica disponible en el momento de la previsión; medir y tener en cuenta el efecto cúbico de la velocidad del viento. - Aplicar la curva de potencia de la turbina (velocidad de conexión, nominal, de corte); No dé resultados físicos fuera de estos límites. - Dar una banda de incertidumbre, no un solo número. - Pruebe usted mismo el resultado con dos anclajes: (a) ¿hay algún valor que exceda la potencia instalada, (b) ¿el factor de capacidad implícito está en el rango del 25-45%? Datos: [datos de plantas y clima]
El poderoso mensaje impone el efecto cubo, la curva de potencia, la incertidumbre y dos anclas físicas desde el principio, eliminando los errores clásicos del pronóstico regenerativo.
Cuatro plantillas copiables
1) Control del techo físico solar:
Pruebe esta estimación de producción solar con estas anclas: ¿la producción es cero durante las horas nocturnas? ¿El pico del mediodía es a mitad del día? ¿Algún valor supera la capacidad instalada? Enumere las infracciones con marca de tiempo.
2) Aplicación de la curva de energía eólica:
Utilice los siguientes parámetros de curva de potencia de la turbina: corte [A] m/s, nominal [B] m/s, corte [C] m/s. Convertir las previsiones de velocidad del viento dadas en producción. Comente también el efecto de la incertidumbre de la velocidad sobre la incertidumbre de la producción debido a la relación cúbica velocidad-potencia.
3) Ancla de razonabilidad del factor de capacidad:
Calcule el factor de capacidad implícito a partir de esta estimación de generación y compárelo con el rango típico para el tipo de planta (eólica 25-45%, solar 12-25%). Si está fuera de rango, enumere las posibles fuentes de error (unidad, zona horaria, conteo doble).
4) Análisis de desviación pronóstico-real:
Compare la producción real con pronósticos anteriores. ¿Existe un sesgo sistemático (sobreestimación/subestimación constante)? Examine si la desviación varía según las condiciones climáticas (nublado/despejado, viento bajo/fuerte) y sugiera una corrección.
Cuadro comparativo solar y eólico
característica
Energía solar (fotovoltaica)
viento
entrada principal
Irradiancia, temperatura del panel.
Velocidad y dirección del viento
cifra diaria
Predecible (noche cero, pico del mediodía)
Irregular, día-noche incierto
Principal desafío
nubosidad
Relación cúbica velocidad-potencia
Factor de capacidad típico
~12-25%
~25-45% (terrestre)
ancla fuerte
Night-zero, techo eléctrico instalado
Límites de la curva de potencia, factor de capacidad.
Errores comunes
- Subestimar el error de la velocidad del viento. Dado que la relación velocidad-potencia es cúbica, un pequeño error de velocidad es un gran error de producción.
- No comprobar el techo físico. Cualquier valor que exceda la producción solar nocturna o la capacidad instalada debe ser rechazado sin mirar las estadísticas.
- Reducir la incertidumbre a un solo número. La previsión de energías renovables es inherentemente probabilística; No se puede tomar una decisión sin entregar la cinta.
- Filtración. Hacer del clima real un atributo; Sin embargo, lo único que tendrás es la previsión meteorológica.
- Sin pasar por el ancla del factor de capacidad. No probar la verosimilitud del promedio de largo plazo esconde errores unitarios y de doble conteo.
En resumen
La producción solar y eólica depende de la meteorología y es variable; La estimación es fundamental para el equilibrio de la red y el mercado. El patrón diurno predecible del sol se ve dificultado por la nubosidad, y la producción de viento se ve dificultada por la rápida relación cúbica. La IA es poderosa para conectar el pronóstico del tiempo con la producción real; pero se debe probar la predicción con anclajes físicos de techo, curva de potencia y factor de capacidad, se debe reportar la incertidumbre con una cinta y se deben evitar fugas.
Tarea de aplicación
Obtenga datos históricos de producción de un parque solar o eólico. Haga que la IA audite el pronóstico utilizando las plantillas “Control de techo físico solar” (para energía solar) o “Ancla de plausibilidad del factor de capacidad” (para ambas). Luego calcule usted mismo el factor de capacidad implícito y compárelo con el rango típico. Si encuentra una imposibilidad física o una desviación de razonabilidad, escriba cómo la detectó.
lista de verificación
- [ ] Verifiqué que el insumo principal es el pronóstico del tiempo y no contiene filtraciones
- [ ] Apliqué Night-zero e instalé anclajes de techo eléctricos para energía solar.
- [ ] Tomé en cuenta los límites de la curva de potencia para el viento y el efecto de la velocidad cúbica
- [] Comparé el factor de capacidad implícito con el rango típico
- [ ] Presenté la estimación con la banda de incertidumbre
- [] Verifiqué la desviación sistemática prevista-realizada
- [ ] Rechacé valores que implican imposibilidad física