Intra-day Solar and Power Forecast for Optimization of Intraday Market Participation

要約

太陽放射照度の予測により、太陽光発電 (PV) 太陽光発電所の発電とグリッド統合の信頼性が向上します。
コロンビアでは、エネルギー生産量が日中市場のオファーから政府の基準を超えた場合、太陽光発電所は罰金に直面する。
この研究では、長短期記憶 (LSTM) モデルと双方向 LSTM (Bi-LSTM) モデルを採用し、コロンビア州セザールのエルパソにある太陽光発電所からの気象データを利用して、6 時間の水平線と 10 時間の太陽放射量を予測します。
微細な解像度。
Bi-LSTM は優れたパフォーマンスを示しましたが、LSTM モデルは大幅に短縮されたトレーニング時間 (6 時間対 18 時間) で同等の結果を達成し、計算的に有利になりました。
LSTM 予測を平均して時間ごとの分解能モデルを作成し、平均絶対誤差、二乗平均二乗誤差、正規化二乗平均平方根誤差、および平均絶対パーセント誤差メトリクスを使用して評価しました。
Global Forecast System (GFS) との比較では、どちらのモデルも毎日の太陽放射照度パターンを効果的に捕捉しており、同様のパフォーマンスを示しています。
この予測モデルはオブジェクト指向の発電モデルと統合されており、ペナルティコストを最小限に抑えながら日中市場での正確なエネルギーオファーを可能にします。

要約(オリジナル)

The prediction of solar irradiance enhances reliability in photovoltaic (PV) solar plant generation and grid integration. In Colombia, PV plants face penalties if energy production deviates beyond governmental thresholds from intraday market offers. This research employs Long Short-Term Memory (LSTM) and Bidirectional-LSTM (Bi-LSTM) models, utilizing meteorological data from a PV plant in El Paso, Cesar, Colombia, to predict solar irradiance with a 6-hour horizon and 10-minute resolution. While Bi-LSTM showed superior performance, the LSTM model achieved comparable results with significantly reduced training time (6 hours versus 18 hours), making it computationally advantageous. The LSTM predictions were averaged to create an hourly resolution model, evaluated using Mean Absolute Error, Root-Mean-Square Error, Normalized Root-Mean-Square Error, and Mean Absolute Percentage Error metrics. Comparison with the Global Forecast System (GFS) revealed similar performance, with both models effectively capturing daily solar irradiance patterns. The forecast model integrates with an Object-Oriented power production model, enabling accurate energy offers in the intraday market while minimizing penalty costs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google