Πιθανοτική πρόβλεψη της ηλιακής παραγωγής με χρήση ARTMAP

Abstract

Τις τελευταίες δεκαετίες έχει σημειωθεί αξιοπρόσεχτη ανάπτυξη στην τεχνολογία των ανανεώσιμων πηγών ενέργειας (ΑΠΕ), ως αποτέλεσμα της ανάγκης για περιορισμό των συμβατικών πηγών ενέργειας και των περιβαλλοντικών επιπτώσεων. Η ηλιακή ενέργεια είναι μια από τις ευρύτερα χρησιμοποιούμενες εναλλακτικές μορφές ενέργειας, κάτι που επιβεβαιώνεται από την αύξηση της εγκατεστημένης ισχύος φωτοβολταϊκών συστημάτων τόσο στην Ελλάδα όσο και παγκοσμίως. Ωστόσο, η διακοπτόμενη φύση και η έντονη μεταβλητότητα της ηλιακής (όπως και της αιολικής) παραγωγής καθιστούν δύσκολη την ενσωμάτωση της στα συστήματα ηλεκτρικής ενέργειας. Επομένως, η πρόβλεψη της ηλιακής ισχύος αναγνωρίζεται ως ένα πολύτιμο εργαλείο για τον καλύτερο έλεγχο αλλά και το εμπόριο της ηλιακής ενέργειας και η ανάπτυξη μοντέλων πρόβλεψης της ηλιακής παραγωγής έχει απασχολήσει σε μεγάλο βαθμό κλάδους της μετεωρολογίας ,των μαθηματικών και της εφαρμοσμένης πληροφορικής. Η πλειονότητα των μοντέλων πρόβλεψης της ηλιακής ισχύος χρησιμοποιεί ως είσοδο δεδομένα από μοντέλα αριθμητικών προβλέψεων καιρού, λόγω της άμεσης σχέσης της ηλιακής παραγωγής με τις καιρικές συνθήκες, τα οποία παρέχουν εκτιμήσεις των μελλοντικών τιμών καιρικών και ατμοσφαιρικών μεταβλητών στο επίπεδο του ηλιακού πάρκου. Ο βαθμός χρησιμοποίησης των δεδομένων των αριθμητικών προβλέψεων καιρού σχετίζεται και με την κατηγοριοποίηση των προσεγγίσεων των μοντέλων πρόβλεψης της ηλιακής ισχύος σε φυσικές, στατιστικές ή συνδυαστικές. Επιπροσθέτως, οι περισσότερες προβλέψεις της ηλιακής και της αιολικής ισχύος δίνονται με τη μορφή σημειακών προβλέψεων που αποσκοπούν στον προσδιορισμό της πιθανότερης τιμής της ηλιακής παραγωγής για ένα δεδομένο χρονικό ορίζοντα. Όμως, σε πολλές σχετικές έρευνες επιχειρείται η ενσωμάτωση των εκτιμήσεων της αβεβαιότητας στις υπάρχουσες σημειακές προβλέψεις με χρήση διαστημάτων πρόβλεψης, εκατοστημορίων κ.α. Οι προβλέψεις αυτές ονομάζονται πιθανοτικές προβλέψεις της ηλιακής ισχύος. Στην παρούσα διπλωματική εργασία επιχειρείται η ανάπτυξη ενός μοντέλου πιθανοτικής πρόβλεψης της ηλιακής ισχύος βασισμένο σε νευρωνικά δίκτυα. Συγκεκριμένα, το μοντέλο που αναπτύσσεται βασίζεται στη θεωρία των δικτύων ARTMAP και των δικτύων RBF, οπότε ουσιαστικά αποτελεί συνδυασμό των δύο αυτών τύπων νευρωνικού δικτύου. Η πρόβλεψη η οποία προκύπτει τελικά είναι πιθανοτική, δεδομένου ότι λαμβάνουμε υπόψη την αβεβαιότητα της και με βάση αυτήν την αξιολογούμε. Στην κατεύθυνση αυτήν, αρχικά περιγράφονται αναλυτικά τα ευρέως χρησιμοποιούμενα μοντέλα αριθμητικών προβλέψεων καιρού. Στη συνέχεια παρουσιάζεται η μεθοδολογία αποτίμησης των πιθανοτικών προβλέψεων, οι γενικές αρχές τους αλλά και σχετικές χρησιμοποιηθείσες προσεγγίσεις στις ΑΠΕ. Ακολουθεί η γενική θεωρία των νευρωνικών δικτύων με ιδιαίτερη έμφαση σε αυτήν των δικτύων ARTMAP και RBF. Κατόπιν, παρουσιάζεται αναλυτικά η προσέγγισή μας για την πρόβλεψη της ηλιακής παραγωγής στην περιφέρεια της Ανατολικής Πελοποννήσου, η οποία στη συνέχεια αποτιμάται και, εν τέλει, εξάγονται συμπεράσματα και παρατηρήσεις για το μοντέλο που αναπτύχθηκε.

During the last decades a remarkable development of the technology related to renewable energy sources has been observed, as a result of the necessity to limit the conventional energy sources and the consequences for the environment. Solar energy is one of the widely used alternative energy sources which is proved by the increase of the installed power of photovoltaic systems not only in Greece, but also globally. However, due to the intermittence and the huge randomness of solar (as well as of wind) power, the integration of solar power into the electric energy systems is difficult. Hence, solar power forecast is recognized as a powerful tool for better control and merchandise of solar energy and the development of solar power forecast models has greatly occupied fields of meteorology, mathematics and applied informatics. Most solar power forecast models use as input data from numerical weather prediction models, because of the direct relation between solar power and weather conditions, which provide estimations of future weather variables on the level of the photovoltaic park. The grade of use of numerical weather predictions data is also related to the categorization of solar power forecast approaches in physical, statistical or combined approaches. Moreover, most solar and wind forecasts are given by the form of point forecasts which aim at producing the most-likely solar power value for a given horizon. However many studies have attempted the integration of uncertainty estimations in already produced point forecasts with use of prediction intervals, quantiles etc. These forecasts are named solar power probabilistic forecasts. In this diploma thesis, the development of a probabilistic forecast model is attempted based in neural networks. Specifically, the model that is developed is based in ARTMAP and RBF network theory, hence it constitutes a combination of these two types of neural network. The forecast that we get in the end is probabilistic, given that we take into account its uncertainty. To this direction, firstly the widely used numerical weather prediction models are described. Next the evaluation methodology of probabilistic forecasts is presented, their basic principles and related approaches used in renewable energy sources. The theory of neural networks follows, with an emphasis on ARTMAP and RBF networks. Then, our approach is analytically presented concerning the solar power forecasting for the region of East Peloponnisos, which is afterwards evaluated and, finally, conclusions extracted by our model are given.