Прогноз обсягів генерації сонячними електростанціями

Базові методи для прогнозування генерації електроенергії при роботі сонячної електростанції

Ясна сонячна погода призводить до зростання генерації електрики, а дощові дні і похмура погода з щільною хмарністю викликають падіння обсягів вироблення електроенергії. Але погодою ми управляти ще не навчилися, тому актуальним питанням є необхідність прогнозування обсягів електроенергії, яку виробить сонячна електростанція. Якісні прогнози майбутньої генерації електрики дозволяють виробникам електроенергії та мережевим операторам активно управляти змінною продуктивністю сонячних електростанцій, тим самим оптимально інтегруючи сонячні ресурси в загальну енергосистему країни.

Прогноз обсягів вироблення електроенергії сонячною станцією – це, в першу чергу, прогнозування кількості сонячної радіації, яку отримають сонячні панелі. Вона залежить від безлічі факторів, основними з яких є кліматичні і метеорологічні умови – положення сонця на небі, тривалість світлового дня, хмарність, опади, сила вітру і т.д.

Вибір методу прогнозу також залежить від того, які саме дані необхідно отримати в результаті. Наприклад, прогноз сумарного вироблення електроенергії за певну кількість часу (за годину, кілька годин або добу) або зміна обсягів генерації протягом певного відрізка часу вимагають використання різних математичних моделей і підходів. Зупинимося на аналізі методів прогнозування генерації електрики сонячними електростанціями для двох найбільш поширених в світі варіантів: прогноз на термін до 6 годин і прогноз на добу (24 години) вперед.

Методи прогнозування сонячної активності на термін до 6 годин

Розглянемо два основні методи прогнозування сонячної активності, які використовуються для короткострокових (до 6 годин) прогнозів і подальшого передбачення майбутньої генерації від сонячної електростанції на термін менше доби.

Метод Total sky imagery

Total sky imagery – метод, який використовується для прогнозування генерації електрики сонячною електростанцією буквально в режимі реального часу. Цей метод дозволяє досить точно передбачити генерацію на 10-30 хвилин вперед.

Прогноз генерації електроенергії на основі аналізу зображення неба складається з 4 операцій:

• Отримання зображення неба в районі установки сонячної електростанції – для цього роблять знімки хмарної ситуації з поверхні землі;
• Аналіз отриманих даних, визначення типу хмар (розрізняють тонкі і товсті хмари);
• Оцінка вектора руху хмар – для цього використовується послідовність з декількох знімків;
• Використовуючи розташування хмар, а також отримані дані про вектор їх руху для короткострокового імовірнісного хмарного покриву, розраховує потужність сонячного опромінення і створюється прогноз генерації електрики.

Спеціалізовані метеорологічні служби типу Whole Sky Imager разом з фотографіями розташування хмар надають детальну інформацію про масштаби, структуру та рух хмар. Спираючись на це дані, можна скласти дуже точний прогноз, але в досить маленькому тимчасовому обрії – до 30 хвилин. Точність прогнозу на більший час різко знижується через те, що дуже важко передбачити розвиток руху хмарного поля, а також зміну геометрії хмар. На сьогоднішній день немає чіткої математичної моделі розвитку хмарних полів. Як варіант – можна використовувати зображення з хмарною обстановкою, яка сфотографована в прилеглих областях і провести прогноз з урахуванням вектора переміщення хмар. Але при цьому слід врахувати, що хмари на різних висотах володіють різними характеристиками, наприклад, низькі хмари пересуваються значно швидше, а ось високі – значно повільніше. Ще одна складність – на фото нижні хмари можуть закривати собою високі – все це в цілому позначається на точності прогнозу.

Метод аналізу хмарної обстановки по знімках з космосу

В цілому ідея другого методу повторює Total sky imagery, тільки замість фотографій неба і хмарної обстановки, отриманих з землі, використовують зображення, отримані з космічних супутників. При цьому зображення хмар може бути отримано як в традиційному вигляді (оптична зйомка), так і з використанням інфрачервоних датчиків. Основна перевага цього методу – отримання масштабів хмарності на значно більшій площі, до того ж високоякісні супутникові зйомки більш доступні і охоплюють практично всю територію планети, в той час як Total sky imagery реалізований на обмеженій території. Крім того, завдяки точному вимірюванню коефіцієнта відбиття, отриманого з супутника, можна дуже точно розрахувати індекс хмари, який пропорційний оптичній глибині (прозорості) хмари. Цей метод досить добре вивчений і активно застосовується при вивченні і нанесенні на карту сонячних ресурсів – визначення інсоляції для місцевості.

До недоліків цього методу можна віднести той факт, що звичайні космічні супутники передають дані, використовуючи тільки видимий спектр, тому ранкові прогнози виходять не дуже точними через відсутність накопичення інформації. Втім, цей недолік можна компенсувати за рахунок зображень, отриманих в інфрачервоному випромінюванні. Набагато важливішим є той факт, що розподільна якість геостаціонарних супутників достатню невелике і складає близько 1 км – це набагато менше, ніж у знімків хмарності, які робляться з землі. Це призводить до того, що на фото відображаються великі конвективні хмари, в той час як більш дрібні хмарні утворення можуть не проглядати на фото – це призводить до зниження точності розрахунку інсоляції. Крім того, частота отримання /оновлення інформації (зображень) набагато менше, ніж при методі Total sky imagery. Варто також відзначити, що для обробки супутникових зображень буде потрібно набагато більше часу, що погіршує точність прогнозів для невеликого (до 1 години) горизонту часу.

В цілому, за рахунок покриття великої площі хмарного покриття, використання супутникових зображень дозволяє давати досить точний прогноз до 6 годин, який дуже часто перевершує дані числових методів прогнозу погоди.

Прогнозування сонячної активності на термін до 1 доби

Більшість прогнозів метеорологічної ситуації на тривалі, більше 1 доби, відрізки часу засновані на використанні чисельних прогнозів погоди (від англійської Numerical weather prediction – NWP), які активно використовуються практично у всіх сферах діяльності, де необхідно враховувати вплив природних факторів.

Сучасна модель NWP – це набір сучасних комп’ютерних програм, в яких за допомогою математичних і фізичних алгоритмів/рівнянь описані процеси, що відбуваються в атмосфері і характер їх змін з часом. Вихідні дані для розрахунків чисельних прогнозів погоди беруться з результатів і аналізу метеорологічних спостережень, при цьому – чим точніше і якісніше вихідні дані (погодна обстановка), тим набагато точніше і результат прогнозу. При цьому використовуються не тільки дані для конкретної місцевості, для якої проводиться прогнозування розвитку погодної ситуації, але і дані спостереження верхніх шарів атмосфери, зон океану і наземних зон.

Залежно від сфери застосування, можуть використовуватися різні види моделей чисельних прогнозів погоди – від глобальних моделей (дають прогноз погоди на термін більше 15 діб) до мезомасштабних моделей, які дають можливість розраховувати короткочасні прогнози для відносно невеликих (порядку 15-100 км) регіонів і можливістю дуже частого поновлення/корекції отриманих результатів.

Просторово-часова інтерполяція і згладжування

Так як чисельні прогнози погоди прораховуються для окремих точок простору, їх використання в конкретній точці місцевості вимагає деякої форми інтерполяції. Найпростіший спосіб – це взяти результати прогнозів для двох найближчих точок і провести згладжування/усереднення результатів. Чим більше прогнозів для сусідніх точок, розташованих біля необхідної точки на місцевості, буде використано, тим точніший результат буде отримано в результаті. Існують різні алгоритми і математичних моделей, які дозволяють автоматично проводити згладжування отриманих результатів як для відносно невеликих площ (близько 100 на 100 км), так і для досить великих районів (300 на 300 км). У районах, де активно використовуються поновлювані джерела енергії (вітрові та сонячні електростанції), наприклад, для деяких регіонів Німеччини та Швейцарії, розроблені спеціальні програми, що дозволяють проводити оптимальне згладжування для площ 10х10 км.

Модель чисельного прогнозу погоди з корекцією на основі статистики

Після отримання точкових прогнозів з використанням чисельних прогнозів погоди, вони можуть бути скориговані шляхом порівняння з даними метеоспостережень протягом попередніх спостережень – такий підхід дозволяє значно поліпшити точність прогнозів, тому що вони враховують місцеві особливості.

Модельна статистика результатів (Model Output Statistics) дозволяє усунути систематичні помилки в прогнозах. Крім того, за рахунок використання MOS для конкретних регіонів можна з більшою ймовірністю прогнозувати бінарні події – сильні грози або ймовірність опадів. Для створення надійних коригувальних даних необхідні дані мінімум за два роки спостережень, при яких система чисельного прогнозу погоди (рівняння, які її описують) повинні залишатися незмінними. Накопичені дані – реальні і прогнозовані – дозволяють обчислити коригуючі коефіцієнти, які усунуть постійні помилки при найширшому діапазоні метеорологічних подій – сильних вітрів, снігопадів, злив і т.д. Чим більше архів моделі і дані спостережень, тим точніше можна розраховувати коригувальні коефіцієнти. При цьому моделі MOS можуть суттєво відрізнятися в залежності від кількості природних факторів, які в них враховуються: хмарний покрив, температура, вологість, напрямок і сила вітру, ймовірність опадів. Для прогнозування обсягів генерації сонячних електростанцій додатково враховується потужність сонячного випромінювання, а також змінні, які відносяться до геометрії Сонця (час, прозорість неба, хмарна обстановка, кут розташування сонця).

Фактори, які впливають на точність прогнозу сонячної генерації

Сьогодні у світовій сонячній енергетиці прогнозування обсягів вироблення сонячної енергії на короткі періоди (день, кілька днів, тиждень) не має до кінця відпрацьованої і випробуваної технології і часто пов’язане з великими похибками, які можуть становити 60-65% від прогнозу. При цьому чим більше період прогнозу – тим більше точно можна спрогнозувати результат генерації. Дане правило цілком справедливо і для площі – точковий прогноз завжди менш точний, точність прогнозу сонячної ефективності значно зростає в міру збільшення площі географічної області, для якої складається прогноз.

На нашій планеті немає єдиного загального механізму погодоутворення, тому для різних місць і кліматичних поясів при порівняно однакових умовах можуть виникати істотно розрізняються ефекти. Існуючі моделі прогнозування метеоумов враховують тільки основні чинники, які впливають на утворення погоди в даній місцевості. При цьому жодна з моделей не враховує такі особливості, наприклад, для регіонів у моря – обрис берегової лінії, нічні і денні бризи і т.д. Навіть відносно невеликі водні об’єкти – озера, річки, водоймища – мають досить сильний вплив на погодні умови в конкретній місцевості. Крім того, дуже проблематичним є прогнозування погоди для гірських місцевостей, навіть починаючи з невеликих висот. Саме тому кожна модель протягом певного часу повинна пройти адаптацію для конкретних кліматичних умов місцевості, щоб надалі з високою ймовірністю отримувати достовірні прогнози погоди.

Є ще деякі фактори, які впливають на точність прогнозу погоди, з яких варто виділити кут піднесення Сонця над горизонтом – чим він нижчий, наприклад, в зимові час для наших широт, тим нижче точність прогнозів.

Окремо варто відзначити фактори, які побічно пов’язані з природними особливостями. Наприклад, ступінь запиленості панелей, яка зростає при тривалій жаркій погоді без опадів. А також наскільки збільшиться генерація електроенергії після опадів (дощу), які змивають накопичилася пил – ці чинники також необхідно враховувати при складанні прогнозів генерації.

Як показує практичний досвід, кращий метод прогнозування генерації електроенергії сонячними електростанціями – це об’єднання / усереднення прогнозів, отриманих від різних моделей чисельного прогнозування погоди. Як варіант – усереднення прогнозів погоди, отриманих від різних метеорологічних служб.

На сьогоднішній день прогнозування обсягів генерації сонячної енергії виконується кількома великими компаніями, розташованими в країнах з розвиненою сонячною енергетикою: в США (Clean Power Research, Windlogic Inc), в Європі, перш за все в Німеччині (WEPROG), в Іспанії (IRSOLAV) і в Норвегії (DNV-GL). Україні ще належить побудувати власні системи прогнозування, які зможуть стати ефективними інструментами і будуть практично застосовними для сонячної енергетики з урахуванням особливостей як місцевого законодавства, так і кліматичних і метеоумов нашої країни. Даний процес вимагає якнайшвидшого об’єднання зусиль держави, провідних гравців ринку сонячної енергетики та інших зацікавлених сторін. Для попередньої оцінки сумарної річної та щомісячної генерації від вашої майбутньої сонячної електростанції, будь-ласка, звертайтесь в компанію Авенстон.