如何预测绿色能源生产——成功的秘诀

在缺乏合适的储能解决方案的情况下,必须能够持续平衡电力生产和消费。这是阻碍太阳能光伏和风能等可再生能源增长的主要挑战之一,因为它们具有内在的可变性。这不仅仅是你不能在漫长的冬夜依赖太阳能:它只需要一个云或阵风影响生产水平!因此,我们询问了Météo-France以及我们自己的专家,以了解预测者和能源专家是如何预测绿色能源生产的。

而是要知道如何平衡能量组合

可再生能源的可变性沿着整个价值链具有直接的财务影响。它影响了能源生产商,他们不断产生过度产生的风险(并且不必以某种方式摆脱剩余,以免过载分销基础设施)或产出(并失去潜在收入)。因此,他们必须考虑到他们的财务和运营模式的不确定性。它影响来自较小生产者的电力的聚合器,以便转售它批发,并在网络上的这种平衡过程中发挥关键作用。它影响分销商,无论是小规模的本地分销商,还是他们管理国家网格,如法国的enedis。他们需要拥有当前生产的高度准确和最新的图片,以便提供高质量的服务。这甚至在您考虑到所谓的“专业人士”之前,甚至在实际产生了一些自己的电力的客户!

能够非常准确地预测生产对于可再生能源部门的经济可行性至关重要,以及其与其他能源来源竞争的能力以及越来越多地主导能源混合,以努力应对气候变化。欧盟最符合的是,最具可再生能源的目标,为2030年提供了32%的最终用户能源消耗(2018年的18.9%)。

把理论放进实践中

预测能源生产是一个复杂的过程,因为它不仅取决于气象条件,还取决于所涉及基础设施的性质:太阳能电池板的朝向和表面积;风力涡轮机的高度;涡轮叶片的长度……但是Météo-France已经开发了风能和太阳能发电的模型,将这些物理特性考虑在内。这些被称为WF风能和MF太阳能的模型可以促进模拟,例如,可以用来评估一个潜在的能源生产地点,或者在没有历史数据的情况下,在一个新装置投入使用时提供预测。然而,风力机产生的能量与风速的三次方成正比,因此误差很快被放大。如果你正在寻找更准确的预测,你必须走得比这些理论模型允许的更远,因为它们不能考虑到所有的技术和操作参数。

为此,您需要呼叫机器学习:通过将历史生产数据与当前测量进行比较,逐时片刻,算法能够构建一个极其精确的预测模型(以统计术语为单位),这些模型是每个特定安装的统计型号。

“为了满足这一需求,我们与Atos合作,开发了一种结合这两种方法的新方法,”Météo-France技术销售副总监Christophe Périard解释道。“我们从代表安装特征的物理模型开始,由运营商提供,同时我们建立了收集生产数据的过程,这将使我们能够随着时间的推移,开发统计模型。两个模型然后设置定期“竞争”彼此,直到统计模型最终获胜!然后它会接管,尽管它会不断地完善自己。”

“通过结合高质量的天气预报、经过验证的物理模型和算法方面的专业知识,我们的解决方案让所有参与可再生能源的人都能获得足够精确的预报,减少业务中的不确定性。”Nadine Aniort, Météo-France的营销副总监。

学会自我纠正

当然,与任何基于数据的方法一样,一切都取决于数据的质量。“实际上,如果其中一个太阳能电池板有问题,例如,重要的是把它从数据集中取出,这样它就不会扭曲分析,也不会有破坏模型校准的风险。这就是为什么我们设计的模型实际上能够自我调整:换句话说,如果它检测到趋势的背离,它就能够从清理过的数据中重新学习。今天,对于我们的第二天电力生产预测,我们的目标是太阳能的平均误差小于15%,风能的误差小于10%。”

“通过结合高质量的天气预报,经过验证的物理模型和算法的专业知识,我们的解决方案使每个人都参与可再生能源访问,以预测足够精确的,以减少其业务中的不确定性水平,并充分及时地组织起来因此,例如通过在狭小期间调度维护运营,“副营销总监Nadine Aniort在Météo-法兰西州副营销总监增加。

一种可以证明在可再生能源的未来增长方面可以证明具有决定性的双重创新。

作者是Atos E&U解决方案主管Franck Freycenon

贴在
2月19日

分享此博客文章


关于Franck Freycenon.

Atos E&U解决方案负责人,科学界成员
Franck Freycenon的职业生涯始于IT行业,专注于提高电信运营商IT系统的性能。随后,他在Orange Business Services担任了10年的客户经理,服务于工业和银行客户。2011年,他加入了一家咨询和数字机构,负责管理与能源公司及其生态系统的关系发展。Franck于2015年初加入Atos。今天,他的使命是加强能源部门的数字化转型和Atos在这一主题上的价值主张。韦德国际亚洲官网因此,他负责基于Atos大数据全球平台倡议的能源新服务平台的业务开发。

跟着或联系弗兰克