Previsión de energía solar

Previsión de energía

Parte de una serie sobre
Energía sostenible
Visión general Combustible neutro en carbono Eliminación de combustibles fósiles Transición de energías renovables
Conservación de energía Cogeneración Uso eficiente de la energía Almacen de energia Edificio verde Bomba de calor Microgeneracion
Energía renovable Hidroelectricidad Solar Viento Bioenergía Geotermia Energía marina
Transporte sustentable Vehículo eléctrico Vehículo verde Plug-in hybrid
Portal de energías renovables  Categoría
v t mi

La previsión de energía solar es el proceso de recopilación y análisis de datos para predecir la generación de energía solar en varios horizontes de tiempo con el objetivo de mitigar el impacto de la intermitencia solar. Los pronósticos de energía solar se utilizan para una gestión eficiente de la red eléctrica y para el comercio de energía. ^[1]

A medida que continúan cayendo las principales barreras para la implementación de la energía solar, como el costo de los materiales y la baja eficiencia de conversión, los problemas de intermitencia y confiabilidad han pasado a primer plano. ^[2] El problema de la intermitencia se ha abordado con éxito y se ha mitigado mediante la predicción solar en muchos casos. ^{[3] [4] [5]}

La información utilizada para el pronóstico de energía solar generalmente incluye la trayectoria del Sol , las condiciones atmosféricas , la dispersión de la luz y las características de la planta de energía solar .

Generalmente, las técnicas de predicción solar dependen del horizonte de predicción.

• Nowcasting (pronóstico de 3 a 4 horas antes),
• Previsión a corto plazo (hasta siete días antes) y
• Previsión a largo plazo (semanas, meses, años)

Se propusieron muchas metodologías de pronóstico de recursos solares desde 1970 y la mayoría de los autores están de acuerdo en que los diferentes horizontes de pronóstico requieren diferentes metodologías. Los horizontes de pronóstico por debajo de 1 hora generalmente requieren imágenes del cielo basadas en tierra y series de tiempo sofisticadas y modelos de aprendizaje automático. Los horizontes intradiarios, que normalmente pronostican valores de irradiancia con hasta 4 o 6 horas de anticipación, requieren imágenes de satélite y modelos de irradiancia. Los horizontes de pronóstico que exceden las 6 horas generalmente se basan en resultados de modelos de predicción numérica del tiempo (NWP). ^[6]

Nowcasting

El pronóstico inmediato de energía solar se refiere a la predicción de la producción de energía solar en horizontes temporales de decenas a cientos de minutos antes de tiempo con hasta un 90% de previsibilidad. ^[7] Los servicios de predicción inmediata de energía solar suelen estar relacionados con resoluciones temporales de 5 a 15 minutos, con actualizaciones tan frecuentes como cada minuto.

La alta resolución requerida para técnicas precisas de transmisión inmediata requiere entrada de datos de alta resolución, incluidas imágenes terrestres, así como sensores de irradiancia de forma de adquisición de datos rápida y velocidades de procesamiento rápidas.

El pronóstico actual real se mejora con frecuencia mediante, por ejemplo, técnicas estadísticas . En el caso de la predicción inmediata, estas técnicas se basan generalmente en el procesamiento de series de tiempo de los datos de medición, incluidas las observaciones meteorológicas y las mediciones de producción de energía de una instalación de energía solar. Lo que sigue es la creación de un conjunto de datos de entrenamiento para ajustar los parámetros de un modelo, antes de la evaluación del rendimiento del modelo con un conjunto de datos de prueba separado. Esta clase de técnicas incluye el uso de cualquier tipo de enfoque estadístico, como medias móviles autorregresivas (ARMA, ARIMA, etc.), así como técnicas de aprendizaje automático como redes neuronales , máquinas de vectores de soporte.(etc.) ^[8] .

Un elemento importante de la energía solar de pronóstico inmediato son las observaciones del cielo basadas en tierra y, básicamente, todos los pronósticos intradiarios. ^[9]

Previsión de energía solar a corto plazo

Un ejemplo de generador de imágenes del cielo utilizado para detectar, rastrear y predecir las condiciones de la cobertura de nubes en las cercanías de una instalación de energía solar de interés. Muy a menudo, estos dispositivos se utilizan para realizar estimaciones de la irradiancia solar a partir de las imágenes mediante la calibración local de un piranómetro. Los pronósticos de irradiancia solar a corto plazo se incorporan a las rutinas de modelado de energía fotovoltaica para generar un pronóstico de energía solar.
Crédito: UC San Diego

La previsión a corto plazo proporciona predicciones con hasta siete días de antelación. Debido a la regulación del mercado de la energía en muchas jurisdicciones, los pronósticos intradiarios y los pronósticos de energía solar para el día son los horizontes temporales más importantes en esta categoría. Básicamente, todos los métodos de pronóstico a corto plazo de alta precisión aprovechan los flujos de entrada de datos servales, como las variables meteorológicas, los fenómenos meteorológicos locales y las observaciones terrestres, junto con modelos matemáticos complejos.

Observaciones terrestres del cielo

Para los pronósticos intradiarios, la información de las nubes locales es adquirida por uno o varios generadores de imágenes del cielo terrestres a alta frecuencia (1 minuto o menos). La combinación de estas imágenes y la información de medición del clima local se procesa para simular los vectores de movimiento de las nubes y la profundidad óptica para obtener pronósticos con hasta 30 minutos de anticipación. ^[10]

Métodos basados ​​en satélites

Estos métodos aprovechan los diversos satélites meteorológicos geoestacionarios de observación de la Tierra (como la flota Meteosat Second Generation (MSG) ) para detectar, caracterizar, rastrear y predecir las ubicaciones futuras de la cobertura de nubes . Estos satélites permiten generar pronósticos de energía solar en amplias regiones mediante la aplicación de procesamiento de imágenes y algoritmos de pronóstico . Algunos algoritmos de predicción basados ​​en satélites incluyen vectores de movimiento de nubes (CMV) ^[11] o enfoques basados ​​en simplificación . ^[12]

Predicción numérica del tiempo

La mayoría de los enfoques de pronóstico a corto plazo utilizan modelos numéricos de predicción del tiempo (PNT) que proporcionan una estimación importante del desarrollo de las variables meteorológicas. Los modelos utilizados incluyeron el Sistema de Pronóstico Global (GFS) o datos proporcionados por el Centro Europeo de Pronóstico del Tiempo a Medio Plazo ( ECMWF ). Estos dos modelos se consideran el estado del arte de los modelos de predicción global, que proporcionan predicciones meteorológicas en todo el mundo.

Para aumentar la resolución espacial y temporal de estos modelos, se han desarrollado otros modelos que generalmente se denominan modelos de mesoescala. Entre otros, HIRLAM , WRF o MM5 . Dado que estos modelos de PNT son muy complejos y difíciles de ejecutar en computadoras locales, estas variables generalmente se consideran entradas exógenas a los modelos de irradiancia solar y se ingieren del respectivo proveedor de datos. Los mejores resultados de predicción se obtienen con la asimilación de datos .

Algunos investigadores abogan por el uso de técnicas de posprocesamiento, una vez obtenido el resultado de los modelos, para obtener un punto de vista probabilístico de la precisión del resultado. Esto generalmente se hace con técnicas de ensamble que mezclan diferentes salidas de diferentes modelos perturbados en valores meteorológicos estratégicos y finalmente brindan una mejor estimación de esas variables y un grado de incertidumbre, como en el modelo propuesto por Bacher et al. (2009).

Previsión de energía solar a largo plazo

El pronóstico a largo plazo generalmente se refiere a técnicas de pronóstico aplicadas a horizontes de tiempo del orden de semanas a años. Estos horizontes temporales pueden ser relevantes para que los productores de energía negocien contratos con entidades financieras o empresas de servicios públicos que distribuyan la energía generada.

En general, estos horizontes de predicción a largo plazo suelen basarse en modelos climatológicos y de PNT . Además, la mayoría de los métodos de pronóstico se basan en modelos de mesoescala alimentados con datos de reanálisis como entrada. La salida también puede procesarse posteriormente con enfoques estadísticos basados ​​en datos medidos. Debido al hecho de que este horizonte de tiempo es menos relevante desde una perspectiva operativa y mucho más difícil de modelar y validar, solo alrededor del 5% de las publicaciones de predicción solar consideran este horizonte.

Modelos energéticos

Cualquier salida de un modelo debe convertirse a la energía eléctrica que producirá una planta solar fotovoltaica en particular. Este paso generalmente se realiza con enfoques estadísticos que intentan correlacionar la cantidad de recurso disponible con la potencia de salida medida. La principal ventaja de estos métodos es que el error de predicción meteorológica, que es el componente principal del error global, podría reducirse teniendo en cuenta la incertidumbre de la predicción.

Como se mencionó anteriormente y se detalló en Heinemann et al. , estos enfoques estadísticos comprenden desde modelos ARMA, redes neuronales, máquinas de vectores de soporte, etc. Por otro lado, también existen modelos teóricos que describen cómo una central eléctrica convierte el recurso meteorológico en energía eléctrica, como se describe en Alonso et al. La principal ventaja de este tipo de modelos es que cuando se ajustan son realmente precisos, aunque son demasiado sensibles al error de predicción meteorológica, que suele ser amplificado por estos modelos. Los modelos híbridos, finalmente, son una combinación de estos dos modelos y parecen ser un enfoque prometedor que puede superar a cada uno de ellos individualmente.

Ver también

 Portal de energía

• Previsión energética

Referencias

1. "Pronóstico diario de la producción de energía solar de plantas fotovoltaicas en el suroeste de Estados Unidos" . Energía renovable . 91 : 11-20. 2016-06-01. doi : 10.1016 / j.renene.2016.01.039 . ISSN  0960-1481 .
2. "Evaluación de recursos y pronósticos de energía solar - 1ª edición" . www.elsevier.com . Consultado el 29 de junio de 2021 .
3. "Beneficios de la previsión solar para los mercados de desequilibrio energético" . Energía renovable . 86 : 819–830. 2016-02-01. doi : 10.1016 / j.renene.2015.09.011 . ISSN 0960-1481 . 
4. "Previsión solar operativa para el mercado en tiempo real" . Revista Internacional de Pronósticos . 35 (4): 1499-1519. 2019-10-01. doi : 10.1016 / j.ijforecast.2019.03.009 . ISSN 0169-2070 . 
5. "Métodos de previsión de generación solar fotovoltaica: una revisión" . Conversión y Gestión de Energía . 156 : 459–497. 2018-01-15. doi : 10.1016 / j.enconman.2017.11.019 . ISSN 0196-8904 . 
6. Nonnenmacher, Lukas (2015). Recursos y previsión de energía solar para la integración optimizada de la red (tesis). UC San Diego.
7. Vorrath, Sophie (31 de mayo de 2019). "La nueva herramienta solar APVI muestra un pronóstico diario basado en el tiempo para cada estado" . RenewEconomy .
8. Sanjari, MJ; Gooi, HB (2016). "Pronóstico probabilístico de generación de energía fotovoltaica basado en la cadena de Markov de orden superior". Transacciones IEEE en sistemas de energía . 32 (4): 2942–2952. doi : 10.1109 / TPWRS.2016.2616902 .
9. "Pronóstico intra-hora con un generador de imágenes del cielo total en el banco de pruebas de energía solar de UC San Diego" . Energía solar . 85 (11): 2881–2893. 2011-11-01. doi : 10.1016 / j.solener.2011.08.025 . ISSN 0038-092X . 
10. "Pronóstico intra-hora con un generador de imágenes del cielo total en el banco de pruebas de energía solar de UC San Diego" . Energía solar . 85 (11): 2881–2893. 2011-11-01. doi : 10.1016 / j.solener.2011.08.025 . ISSN 0038-092X . 
11. "Vector de movimiento de la nube - Glosario AMS" . glossary.ametsoc.org . Consultado el 8 de mayo de 2019 .
12. "Método basado en la racionalización para la previsión solar intradiaria a través de la teledetección" . Energía solar . 108 : 447–459. 2014-10-01. doi : 10.1016 / j.solener.2014.07.026 . ISSN 0038-092X . 

Enlaces externos

• Cómo predecir la producción de energía solar , por Rafał Rybnik, caso de estudio sobre la predicción de la producción de electricidad solar a partir de datos meteorológicos.
• Proyectos de Predicción Solar y Eólica , por Laboratorio Nacional de Energías Renovables (NREL).
• Pronósticos de energía solar a corto plazo por meteo * swift