Cerca nel sito per parola chiave

rapporti - Deliverable

Ottimizzazione dei metodi di previsione di generazione FRNP e domanda

rapporti - Deliverable

Ottimizzazione dei metodi di previsione di generazione FRNP e domanda

Sono illustrate le attività sviluppate nel triennio sulle previsioni a breve e a brevissimo termine di generazione fotovoltaica e domanda energetica. È anche descritto il metodo ARTEMIS (Automatic Radiative TransfEr Model for Irradiation with Satellite data) per il calcolo della radiazione solare spettrale diretta normale e globale in condizioni di cielo sereno, componenti necessarie per determinare l’energia realmente utilizzabile dai sempre più diffusi sistemi fotovoltaici innovativi.

La gestione ottimale delle reti elettriche sia di trasmissione sia di distribuzione richiede una conoscenza puntuale dello stato attuale e futuro dei flussi che vi transitano. Indicazioni accurate e affidabili della produzione da fonti rinnovabili e del fabbisogno sono elementi indispensabili per ridurre la richiesta di riserve, costose e non sempre disponibili, e per limitare le congestioni di rete, ad es. utilizzando una gestione dinamica delle linee aeree. L’incertezza e la variabilità indotta dalle fonti rinnovabili è legata alla meteorologia e climatologia della località ove sono installate, come anche la domanda elettrica ad uso domestico. Occorre quindi effettuare previsioni su differenti orizzonti spaziali e temporali della produzione fotovoltaica ed eolica e del fabbisogno energetico. Le attività svolte sono state improntate a definire metodologie predittive innovative e performanti sia per la generazione sia per la domanda, costruendo sistemi ibridi multi-model meteorologici e di post-elaborazione basati su metodi statistici e di machine learning. Gli orizzonti temporali esaminati vanno dal breve termine (+3 giorni, con passo orario) al brevissimo termine (+3 ore, con passo quartodorario), mentre le tecniche sperimentate hanno spaziato dalla persistenza intelligente a metodi statistici (Analog Ensemble, functional Principal Component Analysis), machine learning (Support Vector Regression, Random Forest, Quantile Random Forest, Neural Network con serie 1-dim e 2-dim) e regressivi (ARIMAX con forzanti esogene fornite dalle previsioni a breve termine e satellitari). Inoltre, la presenza sempre più diffusa di sistemi fotovoltaici innovativi, quali quelli a concentrazione, piani ad inseguimento azimutale, bifacciali e celle tandem, richiedono un’informazione a livello spettrale della componente diretta e diffusa. La metodologia ARTEMIS (Automatic Radiative TransfEr Model for Irradiation with Satellite data), che si sta attualmente sviluppando, è un metodo ibrido che, usando informazioni fornite dal satellite meteorologico geostazionario Meteosat Second Generation (MSG) e da alcuni modelli numerici meteorologici, ricostruisce ad alta risoluzione spaziale e temporale e per l’intero territorio italiano gli spettri di radiazione in condizioni di cielo sereno. Il sistema è stato validato utilizzando i dati di alcuni spettrofotometri solari di RSE installati a Milano, Piacenza e Cagliari (presso Sardegna Ricerche).

Progetti

Comments