(Публикувано в IIT Tech Ambit)
Изменението на климата е много належащ проблем напоследък. Всички глобални лидери бяха призовани да се намесят и алтернативните източници на енергия са основен избор за повечето страни. Нарастването на търсенето на възобновяеми ресурси все още не може да бъде посрещнато с ефективна технология. Използването на чисти, екологично чисти възобновяеми енергийни източници е от съществено значение за борбата с изменението на климата и замърсяването на въздуха. В момента слънчевата фотоволтаична технология съставлява 55 процента от целия възобновяем енергиен капацитет, според доклад за 2018 г.. Изменението на климата оказва влияние върху производителността и ефективността на фотоволтаичните (PV) панели. Успешното интегриране на повишени нива на слънчева енергия, при запазване на същите изисквания за надеждност, зависи в голяма степен от точността на прогнозираните стойности на слънчевото излъчване.
В тази статия ние се фокусираме върху това как прогнозирането на моделите на слънчевата радиация и изходната мощност на инсталацията спомага за по-нататъшното укрепване на позицията на слънчевата енергия като една от най-жизнеспособните възобновяеми енергии. Прогнозата също така помага при оценката на точното изискване на слънчевите панели. Прогнозирането на слънчевата радиация въз основа на анализ на исторически данни и метеорологични характеристики с помощта на дълбоки невронни мрежи позволява точен начин за прогнозиране на това. Този документразработен от Arghya Mukherjee, Antara Ain и проф. Pallab Dasgupta от Индийския технологичен институт Kharagpur, представя три модела за определяне на същото.
За да се отговори на планирането и оперативните изисквания на преносните и разпределителните мрежи, трябва да бъдат изпълнени две цели. Краткосрочните цели са да се вземат решения в реално време за експлоатация на мрежата, а дългосрочните цели представляват интерес за компаниите за ангажиране с конкретна електроенергийна мрежа. Поради непредсказуемия характер на движението на облаците и хаотичното изменение на метеорологичните параметри, стабилната система за слънчева прогноза с висока точност е предизвикателство.
Техническа същност:
Дълбоките невронни мрежи се представиха много добре тук при задачи, базирани на прогнози, поради отличните им способности за учене. Използваните данни са почасовото слънчево облъчване, използвайки метеорологичните данни, заедно с историческата тенденция на това конкретно място. Прогнозираният изход на слънчево излъчване се използва допълнително за прогнозиране на изхода на слънчева мощност на фотоволтаична инсталация на това място в рамките на малка граница на грешка. Познаването на предишните модели на излъчване на местоположението на слънчевата фотоволтаична централа, заедно с метеорологичните параметри, може значително да намали грешките в мощността, планирана от централата.
Използвани са три основни модела за прогнозиране:
1. Модел на изкуствени невронни мрежи (ANN) с метеорологични характеристики
Входният слой приема като параметри почасовите метеорологични характеристики на времевия слот. Резултатът от модела е прогнозираното глобално хоризонтално излъчване (GHI).
2. Модел на ANN с метеорологични характеристики и предишна тенденция на излъчване
Тук входният слой приема почасовите метеорологични характеристики на деня, подобно на предишния модел, заедно с годишните и месечните исторически данни за моделите на излъчване.
3. Мрежов модел с дълга краткосрочна памет (LSTM) с метеорологични характеристики и предишна тенденция на излъчване
Този модел взема предвид последователната информация, налична в последователните времена, а изходът е функция на метеорологичните характеристики, историческите тенденции, както и изходите от предишни времена.
Увеличаването на световното население и търсенето на глава от населението, заедно с нарастващите въздействия от изменението на климата, ще накарат възобновяемата енергия в живота на всеки човек. Познаването на точната мощност, която може да бъде генерирана на дадено място, може да предостави на доставчиците, регионалните плановици и потребителите повече информация и сила за вземане на по-мъдри решения.
Така че, наздраве за по-добър климат, надявайки се, че AI ще го управлява.
Първоначално публикувано на https://medium.com на 26 септември 2019 г.
