Короткострокове прогнозування генерації фотоелектричних станцій для задач зменшення небалансів в енергосистемі
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Матушкін Д. С. Короткострокове прогнозування генерації фотоелектричних станцій для задач зменшення небалансів в енергосистемі. – Кваліфікаційна наукова праця на правах рукопису.
Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 141 “Електроенергетика, електротехніка та електромеханіка”, галузь знань 14 “Електрична інженерія”. – Національний технічний університет України “Київський політехнічний інститут імені Ігоря Сікорського”, Київ, 2024.
У дисертаційній роботі вирішена актуальна науково-технічна задача, спрямована на підвищення балансової надійності електроенергетичної системи в контексті широкого застосування відновлюваних джерел енергії. Основу цієї роботи складало покращення точності короткострокового прогнозування генерації фотоелектричних станцій (ФЕС). Дисертація складається із вступу, чотирьох розділів, висновків та додатків. Основний текст викладено на 137 сторінках друкованого тексту, містить 52 рисунки, 24 таблиці та 4 додатки. В першому розділі дослідження розглянуто ключовий аспект української енергетики, а саме потенціал сонячної енергії, який відіграє важливу роль у відновлюваному енергетичному секторі. В цьому контексті проведено аналіз актуальних викликів, з якими стикається Україна під час інтеграції ФЕС та інших відновлюваних джерел енергії, з використанням міжнародного досвіду як важливої точки відліку. Особлива увага приділена системному підходу до трансформації енергетичної системи. В цьому розділі також розглянуті проблеми, пов’язані зі зношеністю традиційних джерел енергії, таких як атомні, вугільні та газові електростанції, які є основними постачальниками електроенергії в Україні та в інших країнах. Особливий акцент зроблено на їх високій емісії парникових газів, що сприяє зміні клімату та забрудненню повітря. Ця проблема створює необхідність пошуку більш екологічно чистих джерел енергії для зменшення негативного впливу на довкілля та адаптації до міжнародних екологічних стандартів. Крім того, висвітлено проблеми, пов’язані із обмеженим ресурсом життя та зношенням традиційних енергетичних установок, що можуть призвести до зниження їхньої ефективності та надійності, а також підвищити ризик аварій та виробничих простоїв. Додатково, розділ надає огляд сучасних тенденцій у впровадженні фотоелектричних станцій в Україні, наводячи динаміку приросту встановленої потужності ФЕС за останні роки. Особлива увага приділяється визначенню основних вимог та проблем у прогнозуванні генерації ФЕС, які становлять базу для подальших досліджень у галузі відновлюваної енергетики. В другому розділі аналізуються метеодані, що визначають функціонування ФЕС в розглянутому регіоні. Вихідні дані, які стосуються фотоелектричної генерації та метеоданих Київської області, були зібрані на основі вимірів, проведених на Димерській фотоелектричній станції. Загальна кількість даних складала понад 80 тисяч зразків з вимірів тривалістю 10 хвилин, отриманих в період від 1 січня 2020 року до 1 серпня 2021 року. Ця обсяжна база даних дозволила провести докладний аналіз умов роботи фотоелектричних панелей загальною потужністю 9 МВт, які можуть бути агреговані та представлені у параметричній формі. Розглянуто фактори, які впливають на прогнозування генерації електроенергії, і вказано на проблеми та похибки, які властиві сучасним методам прогнозування. Виділяється важливість адаптації моделей прогнозування до конкретних кліматичних умов і враховання особливостей місцевості, включаючи кут підйому Сонця та вплив природних факторів, таких як запиленість фотоелектричних панелей та опади. Детально аналізується кореляційні залежності між метеорологічними параметрами та вихідною потужністю Димерської ФЕС. Позитивна кореляція виявлена між вихідною потужністю і сонячним випромінюванням (0,92), температурою (0,62) та швидкістю вітру (0,46), що свідчить про їх важливість для прогнозування. Негативна залежність вихідної потужності відзначена з вологістю (-0,64), хмарністю (-0,23) та індексом погоди (-0,24), підкреслюючи негативний вплив похмурої та дощової погоди на вироблену потужність. Також відзначено нульову кореляцію вихідної потужності з такими параметрами як атмосферний тиск (-0,18) та напрямок вітру (-0,11), з підкресленням важливості розуміння нелінійних залежностей. Зазначається про періодичні коливання
виробленої потужності, спричинені різними метеорологічними умовами та раптовими змінами протягом коротких періодів. Вказується на складність прогнозування генерації енергії через різкі зміни погоди. Проведено дослідження динаміки генерації та впливу метеорологічних факторів на роботу Димерської ФЕС. Проведені вимірювання вказують на важливість температури повітря для ефективності фотоелектричних панелей, а також на важливість вологості повітря та швидкості вітру. Температура фотоелектричної комірки впливає на напругу фотоелектричних панелей та, відповідно, на їх ефективність. При температурі +35 °C потужність панелі потужністю 270 Вт може зменшитись до 257 Вт, а при -20 °C збільшитись до 298 Вт. Зазначено, що аналогічно до температури, напруга панелі може залежати від інтенсивності світлового потоку. Фотоелектричні панелі перетворюють світлову енергію на електричну за допомогою фотоелектричного ефекту. Чим більше світла падає на панель, тим більше електричної енергії вона виробляє. Проте, є певна межа, до якої може зростати напруга при збільшенні освітленості. Це пов'язано з фізичними обмеженнями матеріалів, з яких виготовлені фотоелектричні панелі, та їхніми конструкційними особливостями. Коли освітленість стає дуже високою, ефективність перетворення світлової енергії може зменшуватись або взагалі зупинитись через насичення матеріалу чи інші фізичні причини. У третьому розділі подано аналітичний огляд методів та моделей прогнозування, в якому аналізуються підходи такі як фізичиний, статистичний, машинного навчання, гібридний та ансамблевий. Вибір найбільш відповідного методу залежить від конкретних потреб і наявних обчислювальних ресурсів. Важливими аспектами оцінки є вибір відповідних метрик для вимірювання точності, використання незалежних тестових наборів даних та стандартизація показників для спрощення порівнянь між різними методами та моделями. Важливо здійснювати порівняння з еталонними моделями для встановлення стандартів та стимулювання інновацій у сфері прогнозування сонячної активності, а також враховувати регіональні особливості. Метод “Бенчмаркінг прогнозів” розглядається як корисний інструмент, який допомагає уникнути суб’єктивності в оцінці прогнозів і сприяє об’єктивному вдосконаленню методів прогнозування. Крім того, бенчмаркінг допомагає встановити стандарти якості та стимулює розвиток галузі сонячної енергії. В розділі представлені результати розробки та вдосконалення моделей прогнозування генерації фотоелектричної енергії. Серед розглянутих моделей: модель експоненційного згладжування [82, 108, 109], модель сезонної інтегрованої авторегресії з рухомим середнім (SARIMA – Seasonal Autoregressive Integrated Moving Average) [23, 26, 76, 111], регресійні моделі [41, 77, 78, 121] та модель штучної нейронної мережі типу “Довга короткочасна пам’ять” (LSTM-RNN – Long Short-Term Memory-Recurrent Neural Network) [24, 93, 114- 117, 119]. Виявлено обмеження класичної моделі експоненційного згладжування у сонячному прогнозуванні та запропоновано оновлену версію цієї моделі, яка виявилася ефективнішою та точнішою в передбаченні генерації ФЕС з перервами у вимірюваннях. Однак, не абсолютно точною. Для врахування сезонності генерації розглядалася модель SARIMA. Також досліджено моделі регресії, включаючи лінійну регресію, регресію з регуляризацією та “Випадковий ліс”, які враховують вплив різних факторів, таких як сонячне випромінювання, температура та вологість, на генерацію ФЕС. Встановлено, що моделі, які працювали із 10-хвилинними і щоденними інтервалами, були досить точними, з коефіцієнтом детермінації більшим за 0,94 для кожного з них. Модель “Випадкового лісу” на 10-хвилинних інтервалах показала найкращі результати, в той час як лінійна регресія на щоденних інтервалах була найбільш ефективною. Розглянута глибока рекурентна нейронна мережа LSTM-RNN може працювати без великої кількості історичних даних про сонячне випромінювання. Модель LSTM-RNN показала конкурентоспроможні результати в порівнянні з іншими моделями, здатність прогнозувати нелінійні взаємозв’язки та демонструвати високу точність. Значення RMSE та MAE для найефективнішої моделі на рівні 5% та 3,94% відносно встановленої потужності Димерської ФЕС, відповідно, підкреслюють її потенціал як надійного і точного інструмента для прогнозування фотоелектричної енергії. В четвертому розділі аналізується вплив великого приросту сонячної енергії на балансову надійність енергосистеми. Нестабільність у роботі ФЕС може порушити баланс в енергосистемі та якість електропостачання, вимагаючи від виробників енергії постійно адаптуватися та використовувати точне прогнозування для забезпечення стабільності енергосистеми. Розкривається зміст поняття “небалансу” та розглядаються різні сценарії його можливого виникнення. Небаланс енергії в енергосистемі є вагомою проблемою, яка виникає, коли обсяги виробництва та споживання електроенергії не узгоджуються. Ця ситуація може призвести до критичних перешкод у функціонуванні електроенергетичної системи, таких як перевантаження або дефіцит електроенергії. Досвід інтеграції відновлюваних джерел енергії в електричні мережі підкреслює, що існуючі електромережі не готові до масштабного впровадження відновлюваних джерел енергії, що вимагає широкого спектру оптимізаційних задач. У цьому контексті також детально проаналізовані існуючі показники оцінювання балансової надійності енергосистеми, які, на жаль, не враховують вплив метеорологічних умов та не надають можливості оцінювати стабільність генерації ФЕС щодо графіка споживання електроенергії. Окрім цього, розділ присвячений оцінці похибок розроблених моделей, які використовуються для передбачення небалансу енергії. Для порівняння моделей використовувався метод “Бенчмаркінг прогнозів” [46, 95, 103] з використанням різних метрик, таких як RMSE, MAE, R2 . Виявлено, що ці похибки можуть бути значними та впливати на ефективність управління енергосистемою. Оцінка моделей вказує на те, що модель LSTM-RNN виявилася найточнішою з усіх розглянутих, показуючи високу точність результатів. Інші моделі, такі як SARIMA та Random Forest, також демонструють прийнятні результати, але LSTM-RNN видається найбільш ефективною. Оцінка небалансів, після отримання прогнозу генерації ФЕС на основі моделі LSTM-RNN, показала прийнятний рівень генерації з низькими відсотками відхилень “вгору” і “вниз”. Аналіз середніх відхилень прогнозних та фактичних значень генерації вказує на те, що розроблена модель має високу точність, а енергосистема стабільність в управлінні потужністю.
Опис
Ключові слова
відновлювані джерела енергії, фотоелектрична станція (ФЕС), прогнозування сонячної радіації, сонячне випромінювання, оптимізація ФЕС, метеоумови, ВДЕ в складі енергосистеми, балансова надійність, небаланси, Renewable Energy Sources, PV plant, Solar Irradiation Forecasting, Solar Irradiation, Photovoltaic Plant Optimization, Meteorological Conditions, Renewable Energy into the Power System, Balance Reliability, Imbalances
Бібліографічний опис
Матушкін, Д. С. Короткострокове прогнозування генерації фотоелектричних станцій для задач зменшення небалансів в енергосистемі : дис. ... д-ра філософії : 141 Електроенергетика, електротехніка та електромеханіка / Матушкін Дмитро Сергійович. - Київ, 2024. - 176 с.