Верификация результатов натурных исследований и прогнозных значений по выработке солнечной энергии

   Увеличение горизонта регулирования необходимо для поддержания достаточного запаса ресурсов с целью покрытия пикового электропотребления, а также оптимизации резервов мощности и электроэнергии в изолированных энергосистемах. В настоящее время для решения данной проблемы используются два основных подхода – математическое моделирование ожидаемых уровней солнечной инсоляции на основании анализа ретроспективных массивов данных по фактическим уровням инсоляции в соответствующие периоды; актуальный прогнозный уровень инсоляции, основанный на глобальных и локальных климатических исследованиях и прогнозах. Развитие систем получения климатологической информации с использованием наземных и космических систем имеет тенденции к повышению уровня погодного прогнозирования до приемлемого для прикладных задач энергетики.

   Цель данного исследования заключается в возможности повысить точность среднесрочного прогнозирования электропотребления за счет использования метеорологических данных и кластеризации метеорологических условий.

   В работе рассмотрено использование глобальных климатических моделей для прогнозирования энерговыработки установками возобновляемой энергетики на примере солнечного модуля. Рассмотрена методика расчёта прихода солнечной радиации на наклонную площадку. Проведено сравнение прогнозных данных, полученных при помощи климатических моделей ECMWF, WRF и фактической энерговыработкой солнечного модуля. Полученные результаты свидетельствуют о высокой точности климатических моделей и возможности использовать эти данные для среднесрочного прогнозирования выработки энергии на солнечных электростанциях и, соответственно, снизить затраты топлива на компенсацию недовыработки энергии солнечными электростанциями.

1. Федоров Е. В., Щеклеин С. Е., Акифьева Н. Н. Оценка зависимости времени нахождения энергосистемы в зоне дефицита мощности от масштабного фактора использования ветроэнергетических установок // Электрические станции. – 2018. – № 8 – С. 52-59.

2. Российская Ассоциация Ветроиндустрии (РАВИ): [сайт]. URL: http://rawi.ru/ru/faq (дата обращения 12. 03. 2017).

3. Системный оператор Единой энергетической системы : [сайт]. URL: http://so-ups.ru/ (дата обращения 15. 02. 2017).

4. Huber Matthias Integration of wind and solar power in Europe: Assessment of flexibility requirements / M. Huber, D. Dimkova, T. Hamacher // Energy. – 2014. – No. 69. – pp. 236-246.

5. Руданец В. С. Современные тенденции ВИЭ в мире и России // Российский внешнеэкономический вестник. – 2023. – №. 8. – С. 99-109

6. Хорошко В. В., Аксенов О. Д., Осмоловская Т. Н., Шнейдеров Е. Н., Бруй Н. М. Прогнозирование энергетических характеристик фотоэлектрических станций методами обучения деревьев решений // Big Data and Advanced Analytics. – 2021. – № 7-1. – С. 390-394.

7. 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.

8. 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.

9. Бобыль А. В., Малышкин В. Г., Тарасенко А. Б., Теруков Е. И., Шахрай И. С., Эрк А. Ф. Анализ применимости коммерческих программ в задачах технико-экономического моделирования солнечных энергоустановок // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. – 2019. – № 2 (99). – С. 32-50.

10. Snegirev, D. A., Pazderin, A. V., Samoylenko, V. O., Berdin, A. S. Short-term wind power forecasting based on gaussian process regression // 2023 6sup>th</sup> International Scientific and Technical Conference Relay Protection and Automation, RPA. – 2023.

11. Eroshenko, S. A., Khalyasmaa, A. I., Snegirev, D. A., Romanov, A. M., Butusov, D. N. The impact of data filtration on the accuracy of multiple time-domain forecasting for photovoltaic power plants generation // Applied Sciences (Switzerland), 2020, 10(22), p. 1-22, 8265.

12. Khalyasmaa, A., Eroshenko, S., Chung Tran, D., Denis, S. Photovoltaic power plant production operational forecast based on its short-term forecasting model // Proceedings of the International Conference on Smart Technologies in Computing, Electrical and Electronics, ICSTCEE 2020, 2020, с. 560-563, 9276846.

13. Киселева С. В., Лисицкая Н. В., Фрид С. Е. Прогнозирование выработки солнечных станций и фотоэлектрических установок: основные подходы и результативность // Альтернативная энергетика и экология (ISJAEE). – 2020. – №. 7-18. – С. 24-42.

14. Мустафаев А. Г. Нейросетевая модель прогнозирования уровня солнечной энергии для задач альтернативной энергетики // Программные системы и вычислительные методы. – 2016. – №. 2. – С. 150-157.

15. Е. А., Энгель Н. Е. Методы машинного обучения для задач прогнозирования и максимизации выработки электроэнергии солнечной электростанции // Вестник ВГУ. Серия: Системный анализ и информационные технологии. – 2023. – №. 2. – С. 146-170.

16. Абруков, В. С., Кочаков, В. Д., Абруков, С. В., Ануфриева, Д. А., Васильев, А. И., & Смирнов, А. В. (2017). Интеллектуальная система прогнозирования работы солнечных электростанций. Международный научный журнал Альтернативная энергетика и экология, (16-18), 30-42.

17. Погода и климат – мониторинг погоды и климата: [сайт]. URL: http://pogodaiklimat.ru/ (дата обращения 10. 02. 2017).

18. Виссарионов В. И., Дерюгина Г. В., Кузнецова В. А., Малинин Н. К. Солнечная энергетика : учеб. пособие для вузов. М.: Издательский дом МЭИ, 2008. – 320 с.

19. Денисов К. С., Велькин В. И., Тырсин А. Н. Решение задачи комплексного энергоснабжения. Денисов, К. С. Решение задачи комплексного энергоснабжения автономного потребителя с целью уменьшения экономических затрат // Вестник ЮУрГУ. Серия «Энергетика». – 2019. – Т. 19, № 3. – С. 84-92.

20. Щеклеин, С. Е., Матвеев, А. В., Белобородов, И. В., Немихин, Ю. Е., & Власов, В. В. Исследование эффективности фотоэлектрической станции, интегрированной в энергосистему, в годовом цикле // Международный научный журнал Альтернативная энергетика и экология, № 11-12 (199-200), 2016, с. 37-51.

21. Windy.com // [Электронный ресурс]. Режим доступа: windy.com / (дата обращения 10. 10. 2023).

22. Meteoprog.com // [Электронный ресурс]. Режим доступа: https://www.meteoprog.com/ru-UA/meteograms/Ekaterinburg/ / (дата обращения 10. 10. 2023).

23. ВИЭСХ // [Электронный ресурс]. Режим доступа: https://viesh.ru/pre/catalog// (дата обращения 31. 10. 2023).