Lợi nhuận:
- Để hiểu sự thay đổi của việc sản xuất năng lượng mặt trời và gió tùy thuộc vào khí tượng và tầm quan trọng của việc dự đoán nó đối với sự cân bằng lưới điện.
- Khả năng tạo quy trình dự báo AI kết hợp dự báo thời tiết kỹ thuật số, dữ liệu vệ tinh và thực địa
- Khả năng xác minh dự báo sản xuất với giới hạn vật lý trên, hệ số công suất và dữ liệu thực tế
Nhà máy điện than hoặc khí tự nhiên vận hành ở một mức công suất nhất định khi người vận hành yêu cầu; có thể kiểm soát được hoạt động sản xuất. Năng lượng mặt trời và gió không giống như vậy: khi mặt trời trở nên nhiều mây, việc sản xuất tấm pin giảm và khi gió ngừng, tuabin cũng dừng. Loại hình sản xuất này được gọi là năng lượng tái tạo có thể thay đổi; Sản xuất phụ thuộc vào khí tượng chứ không phải ý chí con người. Sự thay đổi này tạo ra cả cơ hội lớn và thách thức lớn cho sự ổn định của lưới điện. Dự báo sản lượng tái tạo là nhiệm vụ dự đoán khả năng sản xuất trong tương lai của các nhà máy điện mặt trời và điện gió và là một trong những lĩnh vực phân tích phát triển nhanh nhất của hệ thống năng lượng hiện đại. Trong phần này, chúng ta sẽ tìm hiểu tính chất vật lý của dự đoán này, cách nó được thiết lập và xác minh bằng trí tuệ nhân tạo.
Tại sao nó lại quan trọng như vậy?
Khi tỷ lệ năng lượng mặt trời và gió tăng lên trong lưới điện, câu hỏi "bao nhiêu và khi nào" những tài nguyên này sẽ tạo ra sẽ trở thành yếu tố quyết định toàn bộ hệ thống. Nếu không có dự báo tốt về thế hệ, lưới điện buộc phải dự trữ thêm công suất dự phòng (thường đắt tiền và giàu carbon) để bù đắp cho sự sụt giảm đột ngột của thế hệ tái tạo. Dự báo chính xác giúp giảm cả chi phí và lượng khí thải này; Nó cũng cho phép chủ sở hữu nhà máy điện đấu thầu tốt hơn trên thị trường. Nói cách khác, sai số dự báo chuyển trực tiếp thành tiền và carbon.
Vật lý của sự tạo ra năng lượng mặt trời và gió
Mặt trời. Năng lượng được tạo ra bởi một tấm quang điện (PV; chuyển đổi ánh sáng trực tiếp thành điện năng) phụ thuộc chủ yếu vào bức xạ chiếu vào nó (bức xạ; năng lượng mặt trời trên một đơn vị diện tích, W/m2). Trên hết, nhiệt độ của tấm nền (hiệu suất giảm khi tấm nền nóng lên), bụi/nhiễm bẩn và bóng râm sẽ ảnh hưởng đến nó. Đặc điểm mạnh nhất của quá trình sản xuất năng lượng mặt trời là mô hình ban ngày có thể dự đoán được: 0 vào ban đêm, cao điểm vào buổi sáng, cao điểm vào khoảng giữa trưa và 0 vào buổi tối. Mây mù là tiếng ồn chồng lên hình này và là nguyên nhân chính gây khó khăn cho việc dự báo.
Gió. Công suất do tuabin tạo ra xấp xỉ tỷ lệ với lập phương tốc độ gió - vì vậy khi tốc độ tăng gấp đôi, công suất tăng khoảng tám lần. Vì vậy, một sai số dự báo nhỏ về tốc độ gió sẽ trở thành một sai số lớn trong sản xuất. Ngoài ra, tuabin có đường cong công suất: dưới tốc độ nhất định (tốc độ cắt) sản xuất bằng 0, trên tốc độ nhất định (tốc độ định mức) sản xuất ổn định, ở tốc độ rất cao (tốc độ cắt) tuabin dừng lại để đảm bảo an toàn. Mối quan hệ phi tuyến tính này làm cho việc dự báo gió trở nên khó khăn hơn dự báo năng lượng mặt trời.
Mẹo: Do lỗi về tốc độ gió phát huy tác dụng nên trước tiên hãy xem xét chất lượng dự báo tốc độ gió khi đánh giá dự báo sản lượng của bạn. Hầu như không thể thiết lập một dự báo sản xuất tốt với một dự báo tốc độ xấu.
Từng bước: Dự báo sản xuất bằng trí tuệ nhân tạo
Bước 1 - Thu thập dữ liệu đầu vào. Đầu vào cơ bản là Dự đoán thời tiết bằng số (NWP; dự đoán thời tiết được tạo ra bằng cách giải quyết vấn đề vật lý khí quyển): ước tính bức xạ, nhiệt độ, tốc độ và hướng gió. Lịch sử sản xuất thực tế của nhà máy điện và nếu có thể, các quan sát vệ tinh/mặt đất sẽ được thêm vào đây.
Bước 2 - Thiết lập thuộc tính. Các biến dự báo thời tiết, các biến hình học cho năng lượng mặt trời (góc của mặt trời trên bầu trời), thông tin đường cong công suất tuabin cho gió và các thuộc tính phát điện bị trì hoãn. Một lần nữa, kiểm soát rò rỉ: chỉ sử dụng dữ liệu có sẵn tại thời điểm dự đoán.
Bước 3 - Huấn luyện mô hình. Mô hình liên kết dự báo thời tiết với sản xuất thực tế. Ở đây, trí tuệ nhân tạo vừa tìm hiểu hoạt động thực tế của bảng điều khiển/tua-bin (độ lệch so với giá trị danh mục) vừa nắm bắt các hiệu ứng cục bộ (chẳng hạn như hiệu ứng địa hình theo hướng gió cụ thể).
Bước 4 - Độ không đảm bảo của mô hình. Dự báo về năng lượng tái tạo vốn không chắc chắn; Ước tính xác suất (ví dụ: "sản xuất xác suất 80 phần trăm nằm trong phạm vi đó") thay vì một con số duy nhất sẽ hữu ích hơn nhiều.
Bước 5 - Xác minh. Dự đoán được kiểm tra dựa trên giới hạn vật lý trên và sản lượng thực tế.
Xác thực: Neo vật lý
Dự báo sản lượng tái tạo có thể được kiểm tra bằng các điểm neo vật lý vững chắc:
- Trần tuyệt đối cho năng lượng mặt trời: Sản lượng không bao giờ dương vào ban đêm và không thể vượt quá công suất lắp đặt (và mức bức xạ hiện tại cho phép). Việc kiểm tra duy nhất này ngay lập tức loại bỏ những phỏng đoán ngớ ngẩn.
- Hệ số công suất: Là tỷ số giữa năng lượng sinh ra và năng lượng nó sinh ra nếu nhà máy điện hoạt động hết công suất liên tục. Trong gió trên bờ, nó thường là khoảng 25-45%, trong năng lượng mặt trời là khoảng 12-25% tùy thuộc vào khí hậu. Nếu đường trung bình dài hạn nằm ngoài phạm vi này thì có lỗi.
- Dữ liệu thực tế: Điểm neo mạnh nhất là so sánh dự báo với sản lượng thực tế; sai lệch hệ thống (ví dụ: đánh giá quá cao liên tục) được điều chỉnh.
Thận trọng: Về mặt vật lý, dự báo sản lượng mặt trời khác 0 vào ban đêm hoặc dự báo gió vẫn cho thấy sản lượng đầy đủ trên mức giới hạn là không thể. Những vi phạm như vậy là dấu hiệu cho thấy mô hình thiếu vật lý cơ bản ở đâu đó và bị bác bỏ mà không xem xét số liệu thống kê.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Sản xuất ban đêm. Mô hình dự báo năng lượng mặt trời của một nhóm dự đoán sẽ tạo ra 3 MW trong 10 giờ tối. Về mặt vật lý thì điều đó là không thể được; Vấn đề là dữ liệu bức xạ được cung cấp cho mô hình khớp với các giá trị ở múi giờ sai. Mỏ neo ban đêm đã phát hiện lỗi ngay lập tức và khi múi giờ được sửa, dự đoán đã chính xác.
Trường hợp 2 - Hiệu ứng khối trong gió. Tại một trang trại gió, dự báo thời tiết cho biết tốc độ gió là 10 m/s thay vì 8 m/s – sai số rõ ràng là 25%. Nhưng vì công suất phụ thuộc vào tốc độ theo khối nên ước tính sản lượng xấp xỉ gấp đôi số lượng thực tế, dẫn đến sự mất cân bằng rất lớn trên thị trường. Bài học: sai số tốc độ nhỏ trong dự báo gió là sai số sản xuất lớn; Dải không chắc chắn nên được giữ rộng.
Trường hợp 3 - Neo hệ số công suất. Dự báo sản lượng hàng năm cho một nhà máy điện mới ngụ ý hệ số công suất là 55%. Nó cao hơn nhiều so với phạm vi này đối với gió lục địa; Điều tra cho thấy đơn vị sản lượng (MWh) bị tính nhầm 2 lần. Điểm neo yếu tố năng lực đã giải phóng quyết định đầu tư khỏi nền tảng sai lầm mà không đi sâu vào chi tiết.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Dự đoán sản lượng của trang trại gió này vào ngày mai.[dữ liệu]
Lời nhắc mạnh mẽ:
Vai trò của bạn: Người dự báo sản xuất năng lượng tái tạo. Nhiệm vụ: dự báo sản lượng hàng giờ trong ngày cho một trang trại gió.- Chỉ sử dụng làm đầu vào là dự báo thời tiết có sẵn tại thời điểm dự báo; đo và tính đến hiệu ứng khối của tốc độ gió. - Áp dụng đường cong công suất tuabin (tốc độ giới hạn, tốc độ danh nghĩa, tốc độ giới hạn); không cho kết quả vật lý ngoài những giới hạn này. - Đưa ra một dải không chắc chắn, không phải một con số. - Tự kiểm tra kết quả bằng hai mỏ neo: (a) có giá trị nào vượt quá công suất lắp đặt không, (b) hệ số công suất ngầm định có nằm trong khoảng 25-45% không? Dữ liệu: [dữ liệu thực vật và thời tiết]
Lời nhắc mạnh mẽ áp đặt hiệu ứng khối, đường cong lũy thừa, độ không chắc chắn và hai điểm neo vật lý ngay từ đầu - loại bỏ các lỗi cổ điển của dự báo tái tạo.
Bốn mẫu có thể sao chép
1) Điều khiển trần vật lý bằng năng lượng mặt trời:
Kiểm tra ước tính sản lượng năng lượng mặt trời này bằng các mỏ neo này: sản lượng có bằng 0 vào ban đêm không? Đỉnh điểm buổi trưa có phải là giữa ngày không? Có giá trị nào vượt quá công suất lắp đặt không? Liệt kê các vi phạm có dấu thời gian.
2) Ứng dụng đường cong năng lượng gió:
Sử dụng các thông số đường cong công suất tuabin sau: ngưỡng [A] m/s, danh nghĩa[B] m/s, ngưỡng cắt [C] m/s. Chuyển đổi dự báo tốc độ gió nhất định vào sản xuất. Đồng thời nhận xét về ảnh hưởng của sự không chắc chắn về tốc độ đối với sự không chắc chắn trong sản xuất do mối quan hệ tốc độ-công suất.
3) Neo hợp lý về yếu tố năng lực:
Tính toán hệ số công suất ngụ ý từ ước tính thế hệ này và so sánh nó với phạm vi điển hình của loại nhà máy (gió 25-45%, năng lượng mặt trời 12-25%). Nếu nằm ngoài phạm vi, hãy liệt kê các nguồn lỗi có thể xảy ra (đơn vị, múi giờ, tính hai lần).
4) Phân tích độ lệch dự báo - thực tế:
So sánh sản lượng thực tế với dự báo trong quá khứ. Có sự thiên vị mang tính hệ thống (đánh giá quá cao/đánh giá thấp liên tục) không? Kiểm tra xem độ lệch có thay đổi theo điều kiện thời tiết hay không (mây/trời, gió thấp/cao) và đề xuất điều chỉnh.
Biểu đồ so sánh năng lượng mặt trời và gió
tính năng
Năng lượng mặt trời (PV)
gió
đầu vào chính
Bức xạ, nhiệt độ bảng điều khiển
Tốc độ và hướng gió
con số hàng ngày
Có thể dự đoán được (đêm 0, cao điểm buổi trưa)
Không đều đặn, ngày đêm không chắc chắn
Thử thách chính
mây mù
Mối quan hệ khối tốc độ-công suất
Hệ số công suất điển hình
~12-25%
~25-45% (trên mặt đất)
mỏ neo chắc chắn
Night-zero, lắp đặt trần điện
Giới hạn đường cong công suất, hệ số công suất
Những lỗi thường gặp
- Đánh giá thấp lỗi tốc độ gió. Vì mối quan hệ tốc độ-công suất là bậc ba nên sai số tốc độ nhỏ là sai số sản xuất lớn.
- Không kiểm tra trần vật lý. Bất kỳ giá trị nào vượt quá sản lượng năng lượng mặt trời vào ban đêm hoặc công suất lắp đặt đều phải bị từ chối mà không cần xem số liệu thống kê.
- Giảm sự không chắc chắn xuống một con số duy nhất. Dự báo về năng lượng tái tạo vốn mang tính xác suất; Không thể đưa ra quyết định nếu không đưa ra cuộn băng.
- Hở. Biến thời tiết thực tế thành một thuộc tính; Tuy nhiên, tất cả những gì bạn có là dự báo thời tiết.
- Bỏ qua neo hệ số công suất. Không kiểm tra tính hợp lý của đơn vị da trung bình dài hạn và lỗi tính toán kép.
Tóm lại
Sản xuất năng lượng mặt trời và gió phụ thuộc vào khí tượng và có thể thay đổi; Ước tính này rất quan trọng đối với sự cân bằng lưới điện và thị trường. Mô hình ban ngày có thể dự đoán được của mặt trời trở nên khó khăn do có mây và việc tạo ra gió trở nên khó khăn do mối quan hệ lập phương nhanh chóng. AI có sức mạnh lớn trong việc kết nối dự báo thời tiết với sản xuất thực tế; nhưng dự đoán phải được kiểm tra bằng trần vật lý, đường cong công suất và các neo hệ số công suất, sự không chắc chắn phải được báo cáo bằng băng và phải tránh rò rỉ.
Nhiệm vụ ứng dụng
Nhận dữ liệu sản xuất lịch sử của một trang trại năng lượng mặt trời hoặc gió. Yêu cầu AI kiểm tra dự báo bằng cách sử dụng các mẫu “Điều khiển trần vật lý bằng năng lượng mặt trời” (đối với năng lượng mặt trời) hoặc “Neo hợp lý về hệ số công suất” (đối với cả hai). Sau đó tự mình tính toán hệ số công suất ngụ ý và so sánh nó với phạm vi thông thường. Nếu bạn nhận thấy một điều không thể thực hiện được hoặc sai lệch về tính hợp lý, hãy viết ra cách bạn nắm bắt được nó.
danh sách kiểm tra
- [ ] Tôi đã xác minh rằng đầu vào chính là dự báo thời tiết và không chứa thông tin rò rỉ
- [ ] Tôi đã áp dụng chế độ night-zero và lắp đặt các neo điện trên trần cho hệ thống năng lượng mặt trời
- [ ] Tôi đã tính đến các giới hạn của đường cong công suất đối với gió và hiệu ứng vận tốc khối
- [ ] Tôi đã so sánh hệ số công suất ngụ ý với phạm vi điển hình
- [ ] Tôi đã trình bày ước tính với dải không chắc chắn
- [ ] Tôi đã kiểm tra độ lệch hệ thống được dự đoán và thực hiện
- [ ] Tôi đã từ chối những giá trị liên quan đến sự bất khả thi về mặt vật lý