alternativeАльтернативная энергетика и экология (ISJAEE)Alternative Energy and Ecology (ISJAEE)1608-8298Международный издательский дом научной периодики "Спейс10.15518/isjaee.2024.11.020-031alternative-2563Research ArticleI. ВОЗОБНОВЛЯЕМАЯ ЭНЕРГЕТИКА. 1. Солнечная энергетика. 1-3-0-0 Солнечные электростанцииI. RENEWABLE ENERGY. 1. Solar energy. 1-3-0-0 Solar power plantsИспользование открытой метеорологической информации для прогнозирования энерговыработки ФЭС на месяц вперед. Экспериментальное исследованиеThe use of open meteorological information to predict the energy output of a photovoltaic plant for the month ahead. Experimental researchБанныхС. М.BannykhS. M.

Банных Сергей Михайлович, аспирант кафедры «Атомные станции и возобновляемые источники энергии»

Екатеринбург, ул. Мира,19

Bannykh Sergey Mikhailovich, postgraduate student of the Department of «Nuclear Power Plants and Renewable Energy Sources

Yekaterinburg, Mira st., 19

ЩеклеинС. Е.ShchekleinS. Е.

Щеклеин Сергей Евгеньевич,  д-р тех. наук, профессор, заведующий кафедрой «Атомные станции и возобновляемые источники энергии»

Екатеринбург, ул. Мира,19

Shcheklein Sergey Evgenievich, Dr. Techn. Doctor of Medical Sciences, Professor, Head of the Department of Nuclear Power Plants and Renewable Energy Sources

Yekaterinburg, Mira st., 19

s.e.shcheklein@urfu.ruУральский федеральный университет имени первого Президента России Б. Н. ЕльцинаРоссияUral Federal University named after the first President of Russia B. N. YeltsinRussian Federation2024130320250112031Copyright © Международный издательский дом научной периодики "Спейс, 20252025Международный издательский дом научной периодики "СпейсМеждународный издательский дом научной периодики "Спейсhttps://www.isjaee.com/jour/about/submissions#copyrightNoticehttps://www.isjaee.com/jour/article/view/2563

Для повышения надежности энергоснабжения в автономных энергетических системах требуется расши­рение временного диапазона регулирования. Это необходимо для создания адекватного резерва ресурсов, спо­собного компенсировать пиковые нагрузки и эффективно управлять резервной мощностью. В настоящее время существует два ключевых метода решения данной проблемы. Первый метод основан на математическом мо­делировании предполагаемого уровня солнечной инсоляции путем анализа исторических данных о реальных уровнях инсоляции в прошлом. Второй метод опирается на актуальные прогнозы инсоляции, разработанные с учётом глобальных и региональных климатических исследований и прогнозов. Помимо этого, совершенст­вование систем сбора климатической информации посредством наземных и космических средств наблюдения способствует увеличению точности метеорологических прогнозов, что делает их применимыми в практических задачах энергетической отрасли.

Работа посвящена исследованию возможностей повышения точности среднесрочного прогнозирования энерговыработки солнечными электростанциями с использованием метеорологических данных и кластерно­го анализа метеорологических условий. Основная цель исследования проверить эффективность косвенного метода прогнозирования, который основывается на открытых метеорологических данных, таких как солнечная инсоляция и облачность.

В статье исследуется использование глобальных климатических моделей для прогнозирования энерговыра­ботки солнечных электростанций. Приводится методика расчета прихода солнечной радиации на поверхность, расположенную под углом к горизонту.

Представлены результаты экспериментов, проведенных на действующей солнечной электростанции ФСНИЭС-65, расположенной на южном фасаде учебного корпуса Уральского федерального университета в Екатеринбурге. В ходе эксперимента сравнивались прогнозные значения солнечной инсоляции и облачности, полученные с помощью климатической модели Integrated Forecast System (IFS), с фактической энерговыработ­кой солнечной электростанции за среднесрочный период. Были построены графики зависимости фактической и прогнозной мощности, а также рассчитаны отклонения прогноза.

Результаты показывают высокую точность климатических моделей в среднесрочном прогнозировании и возможность их использования для снижения затрат на компенсацию недовыработки энергии солнечными элек­тростанциями

To improve the reliability of power supply in autonomous energy systems, it is necessary to expand the time range for regulation. This is required to create an adequate reserve of resources capable of compensating for peak loads and effectively managing backup capacity. Currently, there are two key methods for solving this problem. The first method is based on mathematical modeling of the expected level of solar insolation by analyzing historical data on actual levels of insolation in the past. The second method uses current insolation forecasts developed based on global and regional climate research and forecasts. In addition, improving climate information collection systems using ground-based and space observation tools increases the accuracy of weather forecasts, making them applicable to practical tasks in the energy sector.

This work is devoted to studying ways to improve the accuracy of medium-term forecasting of energy production by solar power plants using meteorological data and cluster analysis of meteorological conditions. The main goal of the study is to test the effectiveness of the indirect forecasting method, which is based on open meteorological data such as solar insolation and cloud cover.

The article discusses the use of global climate models to predict energy output from solar power plants. A methodology for calculating incoming solar radiation onto a surface inclined at an angle to the horizon is presented.

The results of experiments conducted at the FSNEI-65 solar power plant located on the south facade of the educational building of Ural Federal University in Yekaterinburg are presented. During the experiment, predicted values of solar insolation and cloudiness obtained using the Integrated Forecast System (IFS) climate model were compared with the actual electricity generation by the solar power plant over an average period of time. Graphs of the dependence between real and predicted power were constructed, and forecast deviations were calculated.

The results show high accuracy of climate models in medium-term forecasting and their potential for reducing costs associated with compensating for underproduction of energy by solar power plants.

прогнозирование выработки мощностисолнечная энергетикаклиматическая модельforecastinginsolationsolar energyweatherspaceclimate modelReferencesВиссарионов В. И., Дерюгина Г. В., Кузнецова В. А., Малинин Н. К. Солнечная энергетика: учеб. пособие для вузов. – М.: Издательский дом МЭИ, 2008. – 320 с.Vissarionov V. I., Deryugina G. V., Kuznetsova V. A., Malinin N. K. Solar energy: a textbook for universities. – M.: MPEI Publishing House, 2008. – 320 p.Денисов К. С. Решение задачи комплексного энергоснабжения автономного потребителя с целью уменьшения экономических затрат / К. С. Денисов, В. И. Велькин, А. Н. Тырсин // Вестник ЮУрГУ. Серия «Энергетика». – 2019. – Т. 19, № 3. – С. 84-92.Denisov K. S. Solving the problem of integrated energy supply of an autonomous consumer in order to reduce economic costs / K. S. Denisov, V. I. Velkin, A. N. Tyrsin // Bulletin of SUSU. Series «Energy». – 2019. – Vol. 19, No. 3. – P. 84-92.Белобородов И. В., Щеклеин С. Е., Немихин Ю. Е. Исследование работы сетевой фотоэлектрической станции // «Энерго- и ресурсосбережение. Энергообеспечение. Нетрадиционные и возобновляемые источники энергии». –2015.Beloborodov I. V., Shcheklein S. E., Nemikhin Yu. E. Study of the operation of a network photovoltaic station // «Energy and resource saving. Energy supply. Alternative and Renewable Energy Sources». – 2015.Банных С. М., Щеклеин С. Е. Верификация результатов натурных исследований и прогнозных значений по выработке солнечной энергии // Альтернативная энергетика и экология (ISJAEE). – 2024. – № 04 (421). – С. 12-24.Bannykh S. M., Shcheklein S. E. Verification of the results of field studies and forecast values for solar energy production // Alternative Energy and Ecology (ISJAEE). – 2024. – No. 04 (421). – Pр. 12-24.Киселёва C. В., Лисицкая Н. В., Фрид С. Е. Прогнозирование выработки солнечных станций и фотоэлектрических установок: основные подходы и результативность // Альтернативная энергетика и экология (ISJAEE). – 2020. – № 07-18 (330-341). – C. 24-43.Kiseleva S. V., Lisitskaya N. V., Frid S. E. Forecasting the production of solar stations and photovoltaic installations: basic approaches and performance // Alternative Energy and Ecology (ISJAEE). – 2020. – No. 07-18 (330-341). – P. 24-43.Windy.com // [Электронный ресурс]. Режим доступа: windy.com / (дата обращения 18.11.2024).Windy.com // [Electronic resource]. Access mode: windy.com / (date of access 11/18/2024).DELTA // [Электронный ресурс]. Режим доступа: https://delta-solar.ru/product/solnechnye-moduli/delta-nxt/delta-nxt-500-66-2-m10-hc/ (дата обращения 10.09.2024).DELTA // [Electronic resource]. Access mode: https://delta-solar.ru/product/solnechnye-moduli/delta-nxt/delta-nxt-500-66-2-m10-hc/ (date of access 10.09.2024).Снегирев Д. А. [и др.] Особенности прогнозирования выработки электроэнергии солнечными электростанциями / Д. А. Снегирев [и др.] // Электроэнергетика глазами молодёжи – 2017: науч. тр. VIII Междунар. молод. науч. -техн. конф. Самара. – 2017. – Т. 3. – С. 139-142.Snegirev D. A. [et al.] Features of forecasting electricity generation by solar power plants / D. A. Snegirev [et al.] // Electric power industry through the eyes of youth – 2017: scientific. t. VIII Int. youth scientific and technical. conf. Samara. – 2017. – Vol. 3. – P. 139-142.Снегирев Д. А., Ерошенко С. А., Валиев Р. Т., Хальясмаа А. И. Возможности алгоритмической реализации краткосрочного прогнозирования выработки солнечных электростанций // Международная научная конференция по проблемам управления в технических системах. – 2017. – Т. 1. – С. 236-239.Snegirev D. A., Eroshenko S. A., Valiev R. T., Khalyasmaa A. I. Possibilities of algorithmic implementation of short-term forecasting of solar power plant output // International Scientific Conference on Control Problems in Technical Systems. – 2017. – Vol. 1. – P. 236-239.Ерошенко С. А., Хальясмаа А. И., Снегирев Д. А. Подходы к прогнозированию плотности потока энергии солнечного излучения для СЭС // Энергоэксперт. – 2017. – № 5. – С. 28-31.Eroshenko S. A., Khalyasmaa A. I., Snegirev D. A. Approaches to forecasting the solar radiation flux density for SES // Energoexpert. – 2017. – No. 5. – P. 28-31.Толстых М. А., Фролов А. В. Некоторые современные проблемы численного прогноза погоды // Известия РАН. ФАО. – 2005. – Т. 41. – № 3. – С. 315-327.Tolstykh M. A., Frolov A. V. Some modern problems of numerical weather forecasting // Bulletin of the Russian Academy of Sciences. FAO. – 2005. – Vol. 41. – No. 3. – P. 315-327.Тюньков Д. А., Сапилова А. А., Грицай А. С., Алексеенко Д. А., Хамитов Р. Н. Методы краткосрочного прогнозирования выработки электрической энергии солнечными электростанциями и их классификация // «Электротехнические системы и комплексы». – 2020. – № 3 (48). – С. 4-10. DOI: 10.18503/2311-8318-2020-3(48)-4-10.Tyunkov D. A., Sapilova A. A., Gritsai A. S., Alekseenko D. A., Khamitov R. N. Methods of short-term forecasting of electric energy generation by solar power plants and their classification // «Electrotechnical systems and complexes». – 2020. – No. 3 (48). – P. 4-10. DOI: 10.18503/2311-8318-2020-3(48)-4-10.Гаак А. В. Прогнозирование солнечной энергии для потребителей электрической энергии // Актуальные вопросы энергетики. Материалы Всероссийской научно-практической конференции с международным участием. – Омск. – 2015. – С. 138-143.Gaak A. V. Forecasting solar energy for consumers of electric energy // Current issues in energy. Proceedings of the All-Russian scientific and practical conference with international participation. – Omsk. – 2015. – P. 138-143.Воротынцев Д. В., Тягунов М. Г. Прогноз выработки электроэнергии фотоэлектрическими электростанциями (на сутки вперед) с использованием машинного обучения // Вестник Московского энергетического института. Вестник МЭИ. – 2018. – № 4. – С. 53-57.Vorotyntsev D. V., Tyagunov M. G. Forecast of electricity generation by photovoltaic power plants (day ahead) using machine learning // Bulletin of the Moscow Power Engineering Institute. Bulletin of MPEI. – 2018. – No. 4. – P. 53-57.Ануфриев О. В., Воротынцев Д. В., Крапивко П. В., Тягунов М. Г. Прогноз почасовой выработки ФЭС на сутки вперед с использованием машинного обучения // В сборнике: Фёдоровские чтения – 2017. XLVII Международная научно-практическая конференция с элементами научной школы. – 2017. – С. 305-311.Anufriev O. V., Vorotyntsev D. V., Krapivko P. V., Tyagunov M. G. Forecast of hourly generation of PV power plants for a day ahead using machine learning // In the collection: Fyodorovskie readings – 2017. XLVII International scientific and practical conference with elements of a scientific school. – 2017. – P. 305-311.Жигалкин А. В., Старченко Д. В. Анализ проблем прогнозирования выработки мощности от альтернативных источников энергии // Электроэнергетика глазами молодежи-2019. Материалы юбилейной Х Международной научно-технической конференции. – Т. 1. – 2019. –С. 162-165.Zhigalkin A. V., Starchenko D. V. Analysis of problems of forecasting power generation from alternative energy sources // Electric power industry through the eyes of youth-2019. Proceedings of the jubilee X International scientific and technical conference. – V. 1. – 2019. – P. 162-165.Ковалев В. З., Хамитов Р. Н., Тюньков Д. А. Спектральный анализ ретроспективных данных выработки электрической энергии солнечными электростанциями // Научные труды КубГТУ. – № 3. – 2019.Kovalev V. Z., Khamitov R. N., Tyunkov D. A. Spectral analysis of retrospective data on the production of electric energy by solar power plants // Scientific works of KubSTU. – No. 3. – 2019.Грицай А. С. Гибридный метод краткосрочного прогнозирования потребления электрической энергии для энергосбытового предприятия с учетом метеофакторов: дисс. канд. техн. наук. – Омск. – 2017. – 153 с.Gritsay A. S. Hybrid method for short-term forecasting of electric energy consumption for an energy supply company taking into account meteorological factors: diss. Cand. Tech. Sciences. – Omsk. – 2017. – 153 p.Энгель Н. Е., Энгель Е. А. Сравнение современных интеллектуальных методов прогнозирования выработки электроэнергии солнечной электростанции // Инженерные технологии: традиции, инновации, векторы развития: материалы VIII Всероссийской научно-практической конференции с международным участием (Абакан, 14-16 ноября 2022 г.). – 2022. – С. 61-62.Engel N. E., Engel E. A. Comparison of modern intelligent methods for forecasting the production of electric energy by a solar power plant // Engineering technologies: traditions, innovations, development vectors: materials of the VIII All-Russian scientific and practical conference with international participation (Abakan, November 14-16, 2022). – 2022. – P. 61-62.Макамбаев Т. Х., Велькин В. И. Прогнозирование выработки энергии электростанцией на основе солнечных ФЭП с использованием машинного обучения // WORLD SCIENCE: PROBLEMS AND INNOVATIONS: сборник статей XXXI Международной научно-практической конференции: в 4 ч., Пенза, 30 мая 2019 года. Часть 2. – Пенза: «Наука и Просвещение» (ИП Гуляев Г. Ю.), 2019. – С. 36-38.Makambaev T. Kh., Velkin V. I. Forecasting energy production by a power plant based on solar cells using machine learning // WORLD SCIENCE: PROBLEMS AND INNOVATIONS: collection of articles from the XXXI International scientific and practical conference: in 4 parts, Penza, May 30, 2019. Part 2. – Penza: «Science and Education» (IP Gulyaev G. Yu.), 2019. – P. 36-38.

The authors declare that there are no conflicts of interest present.