Prognozowanie pogody wkracza w nową erę

Energia słoneczna była najszybciej rozwijająca się forma wytwarzania energii elektrycznej w Stanach Zjednoczonych w 2014 r. Ponieważ energia odnawialna nadal się rozwija, rośnie zapotrzebowanie na lepszy sposób przewidywania, ile energii z tych przerywanych źródeł będzie dostępne dla sieci.

Drobne zmiany w formacjach chmur mogą w ciągu kilku sekund obniżyć moc wyjściową paneli słonecznych.

IBM udostępnił w zeszłym tygodniu nowe szczegóły dotyczące swojego programu wykorzystania potężnych komputerów do prognozowania pogody i innych czynników, które określają wydajność instalacji słonecznych i wiatrowych. Wykorzystując uczenie maszynowe i zaawansowaną analizę danych, IBM agresywnie naciska na dostarczanie przedsiębiorstwom użyteczności publicznej, kierownikom zakładów i operatorom sieci jaśniejszych wskazówek dotyczących tego, co ich macierze wygenerują dziś, jutro, w przyszłym tygodniu, a nawet za kilka miesięcy.

Na zeszłotygodniowej Europejskiej Konferencji Kontroli w Linz w Austrii naukowcy z IBM i National Renewable Energy Laboratory (NREL) powiedzieli, że udostępnią prognozy bezpłatnie użytkownikom w kontynentalnych Stanach Zjednoczonych.

Według Hendrika Hamanna, kierownika ds. badań w IBM, prognozy dotyczące energii słonecznej i wiatru opracowane przez technologię IBM są nawet o 30 procent dokładniejsze niż prognozy konwencjonalne. Taka precyzja może umożliwić uniknięcie generowania setek megawatów nadwyżki mocy każdego roku i zmniejszenie zapotrzebowania na nowe elektrownie szczytowe dostarczające energię w okresach szczytowego zapotrzebowania, potencjalnie obniżając emisje dwutlenku węgla i oszczędzając miliony dolarów przedsiębiorstwom użyteczności publicznej i płatnikom podatku. Badanie NREL przeprowadzone przez niezależnego operatora systemu w Nowej Anglii wykazało, że zwiększenie dokładności prognozowania energii słonecznej o 25% przyniosłoby potencjalne oszczędności w wysokości 46,5 miliona dolarów rocznie w całym regionie.

Supermodel IBM może łączyć i zestawiać prognozy z wielu modeli, aby uzyskać bardzo dokładne prognozy.

To, co robimy, to łączenie wielu modeli w jeden „supermodel”, mówi Hamann. Ten program do metaprognozowania może ważyć różne prognozy pogody na podstawie historycznych danych dotyczących wydajności związanych z różnymi warunkami atmosferycznymi, lokalizacjami i okolicznościami. Dane wyjściowe można dostosować do różnych użytkowników — przedsiębiorstw użyteczności publicznej na Środkowym Zachodzie, operatorów fotowoltaicznych w Nevadzie, kierowników farm wiatrowych i tak dalej.

Producenci energii słonecznej są szczególnie podatni na nagłe wahania produkcji; panel słoneczny, który jest częściowo zacieniony, może stracić 70 procent swojej mocy wytwórczej w ciągu kilku sekund. Przedsiębiorstwa użyteczności publicznej obsługujące dużą liczbę gospodarstw domowych lub firm o rozproszonej mocy wytwórczej muszą również przewidzieć, ile energii będzie wpływało do sieci z instalacji słonecznych na dachach.

W rezultacie rośnie zapotrzebowanie na lepsze prognozowanie. W ciągu ostatnich kilku lat grupa start-upów i firm o ugruntowanej pozycji przeniosła się, aby zaspokoić to zapotrzebowanie (patrz 10 Przełomowe technologie 2014: Smart Wind and Solar Power ). Operatorzy w Kalifornii potrzebują ciągłych aktualizacji, aby zasilać ich system prognozowania obciążenia, więc co 15 minut symulujemy 200 000 systemów fotowoltaicznych, modelując każdą pojedynczą lokalizację wraz z prognozami napromieniowania, mówi Jeff Ressler, szef grupy usług oprogramowania dla Clean Power Research, który zapewnia narzędzia prognozowania dla zakładów użyteczności publicznej, takich jak Departament Wody i Energii w Los Angeles, Edison w Południowej Kalifornii oraz Salt River Project w Arizonie.

Technologia Clean Power Research oparta jest na pracy Richard Perez , profesor na State University of New York’s Atmospheric Research Center w Albany, który był pionierem w wykorzystaniu zdjęć satelitarnych do pomiaru irradiancji, czyli ilości światła słonecznego docierającego do Ziemi. W przypadku prognoz długoterminowych (z wyprzedzeniem) Clean Power Research obejmuje również dane wejściowe z numeryczna prognoza pogody (NWP), który wykorzystuje informacje z globalnego (choć nierównomiernie rozłożonego) systemu stacji detekcyjnych i przeprowadza symulacje komputerowe w celu ich ekstrapolacji. Amerykańska National Weather Service wykorzystuje tę technikę do budowania własnych modeli pogodowych, w tym Globalny system prognoz i Północnoamerykańska mezoskala System prognozowania. Według Johna Zacka, dyrektora ds. prognozowania w Prawdziwa moc AWS , który dostarcza prognozy dla wiatru i słońca w Ameryce Północnej, prognostyczni sektora prywatnego dostarczają technologię, która działa na szczycie modeli NWP. Gra o prognozowanie dnia następnego polega na tym, jak dobrze twoja technologia koryguje błędy systematyczne w modelach NWP, mówi Zack. System IBM szczegółowo omówiony w zeszłym tygodniu wnosi jak dotąd największą moc obliczeniową do rozwiązania tego problemu.

Ostatecznym celem jest zintegrowanie bardzo dokładnych prognoz w czasie rzeczywistym z zasobami generacyjnymi połączonymi przez sieci obliczeniowe w chmurze. Powstałe wirtualne elektrownie automatycznie wysyłałyby energię w najbardziej wydajny sposób z najbardziej opłacalnych (i najczystszych) zasobów, unikając korzystania z drogiej i brudnej rezerwy mocy.

Jednak tak wyrafinowana, jak ta technologia staje się coraz bardziej wyrafinowana, żaden model nie jest i nigdy nie będzie doskonały. Prognozowanie słoneczne jest archetypowym przykładem efekt motyla , gdzie drobne zmiany mogą mieć skutki na dużą skalę w czasie i przestrzeni. Nie da się wymodelować każdej kropli deszczu i turbulentnego wiru, mówi Zack. Musisz dokonać przybliżeń.

ukryć