Predecir la generación de energía a partir de energía eólica y solar.
Se está utilizando tecnología de aprendizaje automático para predecir con precisión la generación de energía a partir de energía eólica y solar para su integración con la red nacional, como parte de una colaboración entre Centro de innovación Grid de la Universidad de Monash, Worley y Palisade Energía.
Un espacio para hacer una pausa, reflexionar y reconectarse en privado. Agencia Australiana de Energías Renovables (ARENA) tiene como objetivo proporcionar a los generadores de energía eólica y solar herramientas de autopronóstico con cinco minutos de antelación más precisas y fiables.
Al mejorar la precisión de los pronósticos con cinco minutos de anticipación requeridos por el Mercado Eléctrico Nacional, las soluciones de pronóstico desarrolladas por el equipo de Worley y Monash pueden permitir una red más segura y confiable. Esto es posible gracias a mejores pronósticos para reducir la frecuencia del despacho deficiente, respaldando así una mayor participación de las energías renovables en el mercado sin comprometer la estabilidad general de la red.
El desarrollo de la máquina de aprendizaje La metodología de pronóstico fue dirigida por el Dr. Christoph Bergmeir del Departamento de Ciencia de Datos y AI en la Facultad de Tecnología de la Información (TI) de la Universidad de Monash, en colaboración con el Departamento de Econometría y Estadísticas Empresariales de la Escuela de Negocios de Monash, y fue iniciado por Grid del Instituto de Energía de Monash. Innovación: Centro.
“Predecir a corto plazo energía renovable “La generación de energía no es una tarea fácil. La energía renovable no se puede producir según la demanda, ya que está ligada a recursos naturales como el viento y el sol. Por lo tanto, para lograr una red estable y una generación de energía suficiente, necesitamos un método de predicción confiable a corto plazo”, dijo el Dr. Bergmeir.
“Al introducir metodologías de aprendizaje automático en este proceso de pronóstico a corto plazo, podemos aplicar algoritmos entrenados con datos de series de tiempo históricas, lo que da como resultado un pronóstico preciso del viento y energía solar."
Los beneficios clave del proyecto incluyen una mayor penetración de energía renovable en la red debido a una mejor capacidad de despacho de la generación renovable y una reducción en los pagos por servicios auxiliares de control de frecuencia (FCAS) por parte de los generadores como resultado del incumplimiento de los objetivos previstos.
“Nuestra solución de pronóstico proporciona valor inmediato a nuestros clientes existentes de energías renovables, ya que apuntan a cargos FCAS más bajos. Y con Poder predecir Lanzado oficialmente, los generadores renovables en Australia e internacionalmente pueden beneficiarse de nuestra tecnología de pronóstico de energía”, dijo Denis Marshment, vicepresidente global de soluciones para clientes de ciencia de datos en Worley.
Se espera que la investigación y el desarrollo de estos modelos aumenten el conjunto general de conocimientos sobre la aplicación del aprendizaje automático y otras tecnologías de inteligencia artificial a la previsión eólica y solar.
“Las variaciones naturales del clima dificultan que los generadores renovables pronostiquen con precisión sus niveles de generación de energía a corto plazo, y esto afecta la estabilidad de la red. Solo en 2020, las predicciones de energía inexactas costaron a los generadores australianos 210 millones de dólares, por lo que utilizar algoritmos de aprendizaje automático para ver cinco minutos en el futuro es increíblemente valioso. Nuestros algoritmos de pronóstico lograron una mejora del 45% en las predicciones de producción de energía de nuestros clientes”, dijo Marshment.
La tecnología tiene el potencial de reducir los precios de la energía en todos los ámbitos y potencialmente abrir vías para la energía hidroeléctrica y otras formas de energía limpia.
“Si los generadores renovables pueden reducir sus factores de remuneración del causante, pueden producir electricidad más barata y, eventualmente, ese ahorro podría trasladarse a los clientes. También haría que las energías renovables fueran más competitivas, lo que también es un resultado deseable”, afirmó el Dr. Bergmeir.
El profesor asociado Ariel Liebman, director del Monash Energy Institute, añadió: “Esta es una aplicación emocionante y oportuna de uno de los equipos estrella de informática e inteligencia artificial del Monash Energy Institute y Grid Innovation Hub. Este proyecto muestra cómo la industria, representada por nuestros socios visionarios Worley, y el mundo académico pueden crear verdaderas el impacto juntos tanto comercialmente como para contribuir al esfuerzo global para detener cambio climático."
Predecir la generación de energía a partir de energía eólica y solar. fue publicado originalmente por La sostenibilidad importa.
