Analiza statystyczna danych oraz prognozy generacji energii w farmie wiatrowej z wyprzedzeniem do 24 godzin (część 1.)
![Rys. 1. Moc instalacji wykorzystujących energię wiatru w Polsce na przestrzeni lat [1] rys. Hubert Dryja](https://www.elektro.info.pl/media/cache/typical_view/data/202105/analiza-statystyczna-danych-rys-1.jpg)
Rys. 1. Moc instalacji wykorzystujących energię wiatru w Polsce na przestrzeni lat [1] rys. Hubert Dryja
Dokładne prognozy generacji energii w farmach wiatrowych są bardzo ważną informacją umożliwiającą efektywne planowanie i sterowanie pracą sieci elektroenergetycznej.
Zobacz także
dr inż. Tomasz Bakoń Wpływ energetyki wiatrowej na stabilność małych systemów energetycznych na przykładzie Malty
Autor artykułu przedstawia wpływ energetyki odnawialnej na stabilność małego systemu elektroenergetycznego w oparciu o analizy dokonane na podstawie rzeczywistego systemu Wysp Maltańskich, który dopiero...
Autor artykułu przedstawia wpływ energetyki odnawialnej na stabilność małego systemu elektroenergetycznego w oparciu o analizy dokonane na podstawie rzeczywistego systemu Wysp Maltańskich, który dopiero w 2015 roku został połączony kablem podmorskim z Sycylią.
mgr inż. Zbigniew Kończak „Słupy hybrydowe” – nowe, polskie, odnawialne źródło energii z wiatru
Wprowadzone w ostatnich latach przepisy dotyczące wykorzystania wiatru do uzyskania energii elektrycznej na lądzie sprawiły, że jedynie mikrogeneracja ma tam szansę rozwoju. W artykule przedstawiam propozycję...
Wprowadzone w ostatnich latach przepisy dotyczące wykorzystania wiatru do uzyskania energii elektrycznej na lądzie sprawiły, że jedynie mikrogeneracja ma tam szansę rozwoju. W artykule przedstawiam propozycję innowacyjnych, korzystnych zarówno dla inwestorów, jak i gospodarki narodowej słupów hybrydowych – połączenia słupa podtrzymującego przewody linii elektroenergetycznej z mikrogeneracyjną, bezśmigłową turbiną wiatrową i magazynem energii elektrycznej.
homelook.pl Poznaj 5 sposobów jak skutecznie walczyć z wysokimi rachunkami za prąd
Masz dość wysokich rachunków za prąd? Szukasz sposobu, jak zaoszczędzić, nawet jeśli masz w domu sporo urządzeń elektrycznych? Na wysokość taryfy za prąd nie zawsze mamy wpływ. Istnieje jednak parę sposobów,...
Masz dość wysokich rachunków za prąd? Szukasz sposobu, jak zaoszczędzić, nawet jeśli masz w domu sporo urządzeń elektrycznych? Na wysokość taryfy za prąd nie zawsze mamy wpływ. Istnieje jednak parę sposobów, dzięki którym zyskasz pewność, że wina za wysokie rachunki nie leży po Twojej stronie. Sprawdź, jak możesz obniżyć koszt comiesięcznych rachunków za energię.
Za początek rozwoju energetyki wiatrowej w Polsce uznawany jest rok 2000. W tym roku przez uchwałę Rady Ministrów zatwierdzona została „Strategia rozwoju energetyki odnawialnej”. Na przestrzeni lat można było obserwować ciągły wzrost zainstalowanej mocy generatorów, wykorzystujących energię wiatru. Wzrost ten uległ jednak spowolnieniu w 2016 roku z uwagi na wprowadzenie ustawy o inwestycjach w elektrownie wiatrowe. Szczegóły przedstawiono na rysunku 1. Większość dostępnej mocy z farm wiatrowych w Polsce jest zlokalizowana na północy kraju.
W artykule
|
StreszczenieW artykule przedstawiono analizę statystyczną danych z farmy wiatrowej oraz prognozy generacji energii z wyprzedzeniem do 24 godzin. |
AbstractStatistical Analysis of Data and Forecasts of Energy Generation in the Wind Farm Up to 24 Hours Ahead – Part 1The article presents a statistical analysis of wind farm data and energy generation forecasts up to 24 hours ahead. |
Aktualnie zainstalowana moc farm wiatrowych stanowi ponad połowę całkowitej ilości mocy OZE w Polsce. Z danych na 1 stycznia 2021 r. w Polsce było zainstalowane 6570 MW [2] mocy z generatorów wykorzystujących energię wiatrową. Na rysunku 2. przedstawiono strukturę dostępnych mocy produkcyjnych energii elektrycznej w Polsce – stan na 1 stycznia 2021 r. Natomiast na rysunku 3. przedstawiono strukturę wygenerowanej energii elektrycznej w Polsce w 2020 roku. Uwagę zwraca różnica procentowa pomiędzy potencjałem OZE a generacją z OZE. Potencjał (procentowy) jest większy niż generacja, przy czym w przypadku systemów fotowoltaicznych ta różnica jest znacznie większa niż w przypadku turbin wiatrowych.
Rys. 1. Moc instalacji wykorzystujących energię wiatru w Polsce na przestrzeni lat [1] rys. Hubert Dryja
Rys. 2. Struktura dostępnych mocy produkcyjnych energii elektrycznej w Polsce – stan na 1 stycznia 2021 r. [2] rys. Hubert Dryja
Rys. 3. Struktura wygenerowanej energii elektrycznej w Polsce w 2020 roku [2] rys. Hubert Dryja
Przewidywany rozwój generacji energii z wiatru na lądzie, w perspektywie kolejnych lat, nie będzie zapewne tak dynamiczny jak w poprzednich latach. Zakłada się wzrost mocy elektrowni na lądzie do około 9,6 GW w 2030 roku i utrzymanie podobnej wartości generacji do 2040 roku [3]. W dokumencie „Polityka energetyczna Polski do 2040” zatwierdzonym 2 lutego 2021 r. przez Radę Ministrów, energetyka wiatrowa wskazywana jest jako jeden z filarów przyszłego polskiego, zeroemisyjnego systemu energetycznego. Polska ma potencjał umożliwiający budowę morskich farm wiatrowych, przez co zakładany jest znaczący rozwój energetyki wiatrowej na morzu. Już w 2030 roku planowane jest osiągniecie 5,9 GW mocy przyłączonej z turbin na morzu i kontynuowanie tego trendu tak, aby w 2040 roku osiągnąć 11 GW [4].
W związku z planem znaczącego rozwoju energetyki wiatrowej, a w szczególności rozbudowy farm wiatrowych na morzu, potrzebne jest zapewnienie adekwatnych możliwości magazynowania i przesyłania wytworzonej energii z farm offshore. Wobec tego faktu widać wyraźnie potrzebę badań nad metodami przewidywania generacji energii elektrycznej pozyskiwanej z wiatru. Zwiększająca się moc pochodząca z wiatru w KSE będzie wymagała dokładnych prognoz z wyprzedzeniem do 24 godzin, co pozwoli na zmniejszenie problemów z bilansowaniem systemu, jak i również wpłynie na zwiększenie efektywności działania magazynów energii.
Analiza statystyczna danych
Dostępne do analizy dane obejmują okres od 4.04.2017 do 1.10.2019. Dane pochodzą z dużej farmy wiatrowej o dużym rozproszeniu turbin wiatrowych. Wszystkie dane zostały znormalizowane w celu zachowania anonimowości. W przypadku wartości produkcji energii dane zostały znormalizowane względem mocy znamionowej – wartość 1 [j.w.] oznacza, że w okresie danej godziny farma wiatrowa produkowała energię z mocą znamionową. Pozostałe dane zostały znormalizowanej przyjmując jako 1 wartość maksymalną z danego szeregu czasowego. Analiza statystyczna danych z całego dostępnego okresu wykazała dość silną zmienność dobową generacji energii z farmy wiatrowej. Ilustruje to rysunek 4. Szczyt generacji przypadający na okres od godziny 22 do godziny 23 jest o ponad 30% większy niż najmniejsza generacja godzinowa w okresie pomiędzy godziną 7 a 8 rano. Z rysunku 3. wynika, że produkcja energii w zależności od godziny w okresie doby odbywa się średnio na poziomie od 22% do 33% potencjalnej produkcji energii z mocą znamionową. Zmienność sezonowa (roczna) charakteryzuje się dość dużą losowością generacji w poszczególnych miesiącach. Przy czym największa generacja miała miejsce w kwietniu i grudniu, a najmniejsza w lipcu (tylko 17% potencjalnej produkcji energii z mocą znamionową).
Rys. 4. Zmienność dobowa generacji energii z analizowanej farmy wiatrowej Rys. Paweł Makowski
Rys. 5. Zmienność sezonowa (roczna) generacji energii z analizowanej farmy wiatrowej rys. Paweł Makowski
Objaśnienia: 1 0 h oznacza moment, dla którego prognoza czynnika meteorologicznego jest generowana (prognoza produkcji godzinowej energii elektrycznej dotyczy okresu od godziny poprzedniej do godziny 0 h)
Tab. 1. Szczegółowy opis potencjalnych zmiennych wejściowych do modeli prognostycznych
Szczegółowy opis kompletnego zestawu potencjalnych zmiennych wejściowych do modeli prognostycznych przygotowany na podstawie dostępnych danych przedstawia tabela 1. Wartości rzeczywiste danych meteorologicznych nie były dostępne. W celu zwiększenia potencjału informacyjnego wykorzystano prognozy czynników meteorologicznych z dwóch źródeł NWP – GFS (Numerical Weather Prediction – Global Forecast System) oraz ECMWF (European Center for Medium-range Weather Forecast).
Rys. 6. Zależność pomiędzy prognozami modułów prędkości wiatru [j.w.] oraz rzeczywistą produkcją energii elektrycznej [j.w.] dla farmy wiatrowej (GFS NWP model) rys. Paweł Piotrowski
Rys. 7. Zależność pomiędzy prognozami modułów prędkości wiatru [j.w.] oraz rzeczywistą produkcją energii elektrycznej [j.w.] dla farmy wiatrowej (ECMWF NWP model) rys. Paweł Piotrowski
Na rysunku 6. oraz na rysunku 7. przedstawiono wykresy rozrzutu – zależności pomiędzy prognozami modułów prędkości wiatru [j.w.] (odpowiednio dla danych z modelu NWP GFS oraz modelu NWP ECMWF) oraz rzeczywistą produkcją energii elektrycznej [j.w.] dla analizowanej farmy wiatrowej. Wykres rozrzutu wskazuje na nieliniowy związek pomiędzy modułem prędkości wiatru oraz produkcją energii elektrycznej. Skupienie danych jest małe i nie jest zbyt dobrze widoczna typowa dla pojedynczej turbiny wiatrowej krzywa mocy. Przy czym nieco większe skupienie danych jest widoczne w przypadku prognoz z modelu NWP ECMWF. Należy podkreślić, że dane zawierają prognozy prędkości wiatru, a nie rzeczywiste, zaobserwowane wartości prędkości wiatru oraz, że dane pochodzą z bardzo dużej farmy wiatrowej położonej na rozległym obszarze z różnie ukształtowanym terenem.
W drugiej części artykułu przedstawiona zostanie sieć neuronowa typu MLP zastosowana do prognozowania generacji energii w farmach wiatrowych oraz zaprezentowane zostaną wnioski końcowe z wykonanych prognoz i analiz statystycznych.
Literatura
[1] [Urząd Regulacji Energetyki https://www.ure.gov.pl/pl/oze/potencjal-krajowy-oze] Potencjał krajowy OZE w liczbach
[2] [European Network of Transmission System Operators for Electricity https://transparency.entsoe.eu/] Central collection and publication of electricity generation, transportation and consumption data and information for the pan-European market.
[3] [https://www.gov.pl/web/aktywa-panstwowe/krajowy-plan-na-rzecz-energii-i-klimatu-na-lata-2021-2030-przekazany-do-ke] Krajowy plan na rzecz energii i klimatu na lata 2021-2030 przekazany do KE
[4] [https://www.gov.pl/web/klimat/polityka-energetyczna-polski] Polityka energetyczna Polski do 2040
[5] [A. A., S. R., M. P. https://doi.org/10.1016/j.solener.2018.05.089] Solar irradiance forecast using aerosols measurements: A data driven approach
[6] [S. K. S., M. G. U. https://doi.org/10.7323/ijeset/v1_i2_12 ] Short-term load forecasting using ann technique
[7] [M. H., Y. S.] https://doi.org/10.5281/zenodo.1328642] Artificial Neural Network Approach for Short Term Load Forecasting for Illam Region
[8] [R. M. D., M. T. M., M. J. P. https://doi.org/10.1016/j.apr.2016.05.008] Forecasting O3 levels in industrial area surroundings up to 24 h in advance, combining classification trees and MLP models
[9] Piotrowski P., Kopyt M., Baczyński D., Robak S., Gulczyński T., Hybrid and Ensemble Methods of Two Days Ahead Forecasts of Electric Energy Production in a Small Wind Turbine, Energies 2021, 14(5), 1225, pp.1-25; doi.org/10.3390/en14051225
[10] Parol M., Piotrowski P., Kapler M., Piotrowski M., Forecasting of 10-Second Power Demand of Highly Variable Loads for Microgrid Operation Control, Energies 2021, 14(5), 1290, pp.1-29; doi.org/10.3390/en14051290
[11] Baczyński D., Parol M., Piotrowski P.: Współczesne problemy prognozowania w elektroenergetyce. Zagadnienia wybrane, Pod redakcją naukową Mirosława Parola, OWPW, Warszawa 2020
[12] Piotrowski P., Baczyński D., Kopyt M., Szafranek K., Helt P., Gulczyński T.: Analysis of forecasted meteorological data (NWP) for efficient spatial forecasting of wind power generation, Electric Power Systems Research, Volume 175 (October 2019), 105891, https://doi.org/10.1016/j.epsr.2019.105891
[13] Grzyb A., Piotrowski P.: Ultrakrótkoterminowe prognozy 15-minutowych wartości zapotrzebowania na energię elektryczną dla odbiorców nn z wykorzystaniem wybranych modeli statystycznych oraz sztucznych sieci neuronowych, (ISSN 0033-2097), nr.1/2017, R.93, s.316-319, doi:10.15199/48.2017.01.74
[14] Piotrowski P.: Analiza zastosowań sztucznych sieci neuronowych do krótkoterminowego prognozowania mocy w systemach fotowoltaicznych, Przegląd Elektrotechniczny (Electrical Review), (ISSN 0033-2097), nr.8/2015, R.91, s.162-165, doi:10.15199/48.2015.08.40
[15] Piotrowski P., Baczyński D.: Prognozowanie dobowej produkcji energii elektrycznej przez turbinę wiatrową z horyzontem 1 doby, Przegląd Elektrotechniczny (Electrical Review), (ISSN 0033-2097), nr.9/2014, R.90, s.113-117, doi:10.12915/pe.2014.09.31
[16] Piotrowski P.: Prognozowanie w elektroenergetyce w różnych horyzontach czasowych. Prace Naukowe Politechniki Warszawskiej „Elektryka”, z. 144, ISBN 978-83-7814-232-4, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2013
[17] Piotrowski P.: Analiza statystyczna danych do prognozowania ultrakrótkoterminowego produkcji energii elektrycznej w systemach fotowoltaicznych, Przegląd Elektrotechniczny (Electrical Review), (ISSN 0033-2097), nr.4/2014, R.90, s.1-4, doi:10.12915/pe.2014.04.01
[18] Piotrowski P.: Analiza doboru zmiennych w zadaniu prognozowania ultrakrótkoterminowego produkcji energii elektrycznej w systemach fotowoltaicznych, Przegląd Elektrotechniczny (Electrical Review), (ISSN 0033-2097), nr.4/2014, R.90, s.5-9, doi:10.12915/pe.2014.04.02
