Winst:
- De variabiliteit van de productie van zonne- en windenergie begrijpen, afhankelijk van de meteorologie, en het belang van de voorspelling ervan voor de netbalans.
- Mogelijkheid om een AI-voorspellingsworkflow te creëren die digitale weersvoorspellingen, satelliet- en veldgegevens combineert
- Mogelijkheid om productieprognoses te verifiëren met fysieke bovengrens, capaciteitsfactor en feitelijke gegevens
Een kolen- of aardgascentrale werkt op een bepaald vermogen wanneer de exploitant daarom vraagt; productie kan worden gecontroleerd. Zon- en windenergie zijn niet zo: als de zon bewolkt wordt, neemt de productie van panelen af, en als de wind stopt, stopt de turbine. Dit type productie wordt variabele hernieuwbare energie genoemd; De productie is afhankelijk van de meteorologie, niet van de menselijke wil. Deze variabiliteit creëert zowel een geweldige kans als een grote uitdaging voor de stabiliteit van het elektriciteitsnet. Het voorspellen van duurzame productie is de taak van het voorspellen van de toekomstige productie van zonne- en windenergiecentrales en is een van de snelst groeiende analysegebieden van het moderne energiesysteem. In deze unit leren we de fysica van deze voorspelling, hoe deze tot stand komt en wordt geverifieerd met kunstmatige intelligentie.
Waarom is het zo belangrijk?
Naarmate het aandeel van zonne- en windenergie in een elektriciteitsnet toeneemt, wordt de vraag ‘hoeveel en wanneer’ deze hulpbronnen zullen produceren bepalend voor het hele systeem. Zonder goede opwekkingsprognoses is het elektriciteitsnet gedwongen extra reservecapaciteit (vaak duur en koolstofrijk) achter de hand te houden om een plotselinge daling van de hernieuwbare opwekking te compenseren. Nauwkeurige prognoses verminderen zowel deze kosten als de uitstoot; Het stelt de eigenaar van de elektriciteitscentrale ook in staat beter te bieden op de markt. Met andere woorden, voorspellingsfouten vertalen zich rechtstreeks in geld en koolstof.
Fysica van zonne- en windopwekking
Zon. Het vermogen dat wordt geproduceerd door een fotovoltaïsch (PV; licht direct omzetten in elektriciteit) paneel hangt voornamelijk af van de straling die erop valt (instraling; zonne-energie per oppervlakte-eenheid, W/m²). Bovendien hebben de paneeltemperatuur (de efficiëntie neemt af naarmate het paneel warmer wordt), stof/vervuiling en schaduw invloed op het paneel. Het sterkste kenmerk van de zonneproductie is het voorspelbare dagelijkse patroon: nul in de nacht, hoog in de ochtend, piek rond het middaguur en nul in de avond. Bewolking is de ruis die over dit cijfer heen wordt gelegd en is de belangrijkste bron van voorspellingsproblemen.
Wind. Het vermogen dat door een turbine wordt geproduceerd, is ongeveer evenredig met de derde macht van de windsnelheid. Wanneer de snelheid dus verdubbelt, neemt het vermogen grofweg achtvoudig toe. Daarom verandert een kleine voorspellingsfout in de windsnelheid in een grote fout in de productie. Ook heeft de turbine een vermogenscurve: onder een bepaalde snelheid (cut-in speed) is de productie nul, boven een bepaalde snelheid (nominale snelheid) stabiliseert de productie, bij zeer hoge snelheid (cut-off speed) stopt de turbine voor de veiligheid. Deze niet-lineaire relatie maakt windvoorspellingen moeilijker dan zonne-energie.
Tip: aangezien fouten in de windsnelheid een rol spelen, moet u eerst naar de kwaliteit van de windsnelheidsvoorspelling kijken wanneer u uw productievoorspelling evalueert. Het is vrijwel onmogelijk om met een slechte snelheidsvoorspelling een goede productieprognose te maken.
Stap voor stap: productievoorspelling met kunstmatige intelligentie
Stap 1 — Verzamel invoergegevens. De basisinvoer is Numerical Weather Prediction (NWP; weersvoorspelling geproduceerd door het oplossen van atmosferische fysica): schattingen van instraling, temperatuur, windsnelheid en richting. Hieraan worden de feitelijke productiegeschiedenis van de energiecentrale en indien mogelijk satelliet-/grondwaarnemingen toegevoegd.
Stap 2 — Attributen instellen. Weersvoorspellingsvariabelen, geometrische variabelen voor zonne-energie (de hoek van de zon aan de hemel), informatie over de turbinevermogenscurve voor wind en attributen voor vertraagde opwekking. Nogmaals, lekkagecontrole: er worden alleen gegevens gebruikt die beschikbaar zullen zijn op het moment van de voorspelling.
Stap 3 — Train het model. Het model koppelt de weersvoorspelling aan de daadwerkelijke productie. Hier leert de kunstmatige intelligentie zowel het daadwerkelijke gedrag van het paneel/turbine (afwijkingen van de cataloguswaarde) als vangt lokale effecten op (zoals terreineffect in de specifieke windrichting).
Stap 4 — Modelonzekerheid. Hernieuwbare prognoses zijn inherent onzeker; Een probabilistische schatting (bijvoorbeeld "80 procent waarschijnlijkheidsproductie ligt binnen die bandbreedte") in plaats van een enkel getal is veel nuttiger.
Stap 5 — Verifieer. De voorspelling wordt getoetst aan fysieke bovengrenzen en daadwerkelijke productie.
Validatie: fysieke ankers
Voorspellingen over duurzame productie kunnen worden getest met sterke fysieke ankers:
- Absoluut plafond voor zonne-energie: De productie kan 's nachts nooit positief zijn en kan het geïnstalleerde vermogen (en wat de huidige straling toelaat) niet overschrijden. Deze enkele controle elimineert onmiddellijk domme gissingen.
- Capaciteitsfactor: Dit is de verhouding tussen de geproduceerde energie en de energie die deze zou produceren als de energiecentrale continu op vol vermogen zou werken. Bij windenergie op land is dit doorgaans ongeveer 25-45 procent, bij zonne-energie ongeveer 12-25 procent, afhankelijk van het klimaat. Als het langetermijngemiddelde buiten dit bereik valt, is er sprake van een fout.
- Feitelijke gegevens: Het sterkste anker is de vergelijking van de prognose met de werkelijke productie; systematische vertekening (bijvoorbeeld aanhoudende overschatting) wordt gecorrigeerd.
Let op: Het is fysiek onmogelijk dat de voorspelling van de zonneproductie 's nachts niet nul is, of dat een windvoorspelling nog steeds de volledige productie boven de grenswaarde laat zien. Dergelijke schendingen zijn een teken dat het model ergens fundamentele natuurkunde mist en wordt verworpen zonder naar de statistieken te kijken.
Drie mini-hoesjes: volgens de cijfers
Geval 1 — Nachtproductie. Het zonnevoorspellingsmodel van één team voorspelde een opwekking van 3 MW voor 22.00 uur. Het was fysiek onmogelijk; Het probleem was dat de instralingsgegevens die aan het model werden ingevoerd, overeenkwamen met waarden in de verkeerde tijdzone. Het nacht-nul-anker ontdekte de fout onmiddellijk, en toen de tijdzone eenmaal was gecorrigeerd, was de voorspelling correct.
Geval 2 — Kubuseffect bij wind. Bij één windpark gaf de weersvoorspelling een windsnelheid van 10 m/s aan in plaats van 8 m/s – een schijnbare fout van 25 procent. Maar omdat het vermogen kubisch afhankelijk is van de snelheid, was de geschatte productie ongeveer twee keer zo hoog als de werkelijke hoeveelheid, wat resulteerde in een enorme onbalans op de markt. Les: een kleine snelheidsfout in de windvoorspelling is een grote productiefout; De onzekerheidsmarge moet breed gehouden worden.
Geval 3 — Anker voor capaciteitsfactor. De jaarlijkse productievoorspelling voor één nieuwe energiecentrale impliceerde een capaciteitsfactor van 55 procent. Het lag ruim boven dit bereik voor continentale wind; Uit onderzoek bleek dat de productie-eenheden (MWh) ten onrechte tweemaal werden geteld. Het capaciteitsfactoranker bevrijdde de investeringsbeslissing van het verkeerde fundament, zonder in details te treden.
Zwakke prompt/sterke prompt
Zwakke prompt:
Voorspel de productie van morgen van dit windpark.[data]
Krachtige prompt:
Jouw rol: Voorspeller van hernieuwbare productie. Taak: day-ahead productievoorspelling per uur voor een windpark. - Gebruik als invoer alleen de weersvoorspelling die beschikbaar is op het moment van de voorspelling; meet en houd rekening met het kubieke effect van de windsnelheid. - Pas de turbinevermogenscurve toe (inschakel-, nominale, uitschakelsnelheden); geef geen fysieke resultaten buiten deze grenzen. - Geef een onzekerheidsmarge, geen enkel getal. - Test het resultaat zelf met twee ankers: (a) is er een waarde die het geïnstalleerde vermogen overschrijdt, (b) ligt de impliciete capaciteitsfactor in het bereik van 25-45%? Gegevens: [installatie- en weergegevens]
De krachtige prompt legt vanaf het begin het kubuseffect, de machtscurve, de onzekerheid en twee fysieke ankers op, waardoor de klassieke fouten van regeneratieve voorspellingen worden weggenomen.
Vier kopieerbare sjablonen
1) Fysieke plafondregeling op zonne-energie:
Test deze schatting van de zonneproductie met deze ankers: is de productie nul tijdens de nachtelijke uren? Is de middagpiek midden op de dag? Overschrijdt een waarde het geïnstalleerde vermogen? Schendingen vermelden met tijdstempel.
2) Toepassing van de windenergiecurve:
Gebruik de volgende parameters voor de turbinevermogenscurve: inschakeling [A] m/s, nominaal[B] m/s, uitschakeling [C] m/s. Zet gegeven windsnelheidsvoorspellingen om in productie. Geef ook commentaar op het effect van snelheidsonzekerheid op productieonzekerheid als gevolg van de kubieke snelheid-krachtrelatie.
3) Anker van de redelijkheid van de capaciteitsfactor:
Bereken de impliciete capaciteitsfactor op basis van deze schatting van de opwekking en vergelijk deze met het typische bereik voor het installatietype (windenergie 25-45%, zonne-energie 12-25%). Indien buiten bereik, vermeld dan mogelijke foutbronnen (eenheid, tijdzone, dubbeltelling).
4) Analyse van prognose-echte afwijkingen:
Vergelijk de werkelijke productie met voorspellingen uit het verleden. Is er sprake van systematische bias (constante over-/onderschatting)? Onderzoek of de afwijking varieert afhankelijk van de weersomstandigheden (bewolkt/helder, weinig/sterke wind) en stel correctie voor.
Vergelijkingstabel voor zonne- en windenergie
functie
Zonne-energie (PV)
wind
belangrijkste ingang
Instraling, paneeltemperatuur
Windsnelheid en -richting
dagelijkse figuur
Voorspelbaar (nacht nul, middagpiek)
Onregelmatig, dag en nacht onzeker
Belangrijkste uitdaging
bewolking
Snelheid-kracht kubieke relatie
Typische capaciteitsfactor
~12-25%
~25-45% (aards)
sterk anker
Nacht-nul, geïnstalleerd elektrisch plafond
Limieten vermogenscurve, capaciteitsfactor
Veel voorkomende fouten
- Onderschatting van de windsnelheidsfout. Omdat de verhouding tussen snelheid en vermogen kubisch is, is een kleine snelheidsfout een grote productiefout.
- Het fysieke plafond niet controleren. Elke waarde die de zonneproductie 's nachts of het geïnstalleerde vermogen overschrijdt, moet worden afgewezen zonder naar de statistieken te kijken.
- Onzekerheid terugbrengen tot één getal. Hernieuwbare prognoses zijn inherent probabilistisch; Er kan geen beslissing worden genomen zonder de band af te geven.
- Lek. Het werkelijke weer tot een attribuut maken; Het enige dat u echter heeft, is de weersvoorspelling.
- Het capaciteitsfactoranker omzeilen. Het niet testen van de plausibiliteit van het langetermijngemiddelde verbergt eenheids- en dubbeltellingsfouten.
Samengevat
De productie van zonne- en windenergie is afhankelijk van de meteorologie en is variabel; De schatting is van cruciaal belang voor de netbalans en de markt. Het voorspelbare dagelijkse patroon van de zon wordt bemoeilijkt door bewolking, en de productie van wind wordt bemoeilijkt door de snelle kubieke relatie. AI is krachtig in het verbinden van weersvoorspellingen met daadwerkelijke productie; maar de voorspelling moet worden getest met fysieke plafond-, vermogenscurve- en capaciteitsfactor-ankers, onzekerheid moet worden gerapporteerd met een tape en lekkage moet worden vermeden.
Applicatie taak
Ontvang historische productiegegevens van een zonne- of windpark. Laat de AI de voorspelling controleren met behulp van de sjablonen ‘Fysieke plafondregeling zonne-energie’ (voor zonne-energie) of ‘Capaciteitsfactor plausibiliteitsanker’ (voor beide). Bereken vervolgens zelf de impliciete capaciteitsfactor en vergelijk deze met het typische bereik. Als u een fysieke onmogelijkheid of een afwijking van de redelijkheid constateert, schrijf dan op hoe u daaraan bent gekomen.
controlelijst
- [ ] Ik heb geverifieerd dat de belangrijkste input de weersvoorspelling is en geen lekken bevat
- [ ] Ik heb night-zero toegepast en elektrische plafondankers voor zonne-energie geïnstalleerd
- [ ] Ik heb rekening gehouden met de vermogenscurvelimieten voor wind en het kubieke snelheidseffect
- [ ] Ik heb de impliciete capaciteitsfactor vergeleken met het typische bereik
- [ ] Ik heb de schatting gepresenteerd met de onzekerheidsmarge
- [ ] Ik heb de voorspelde en gerealiseerde systematische afwijking gecontroleerd
- [ ] Ik verwierp waarden die fysieke onmogelijkheid met zich meebrengen