Cerca nel sito per parola chiave

rapporti - Deliverable

Sistema per la previsione a breve termine della produzione di parchi eolici

rapporti - Deliverable

Sistema per la previsione a breve termine della produzione di parchi eolici

Il presente rapporto descrive le attività di Ricerca di Sistema svolte nell’ambito del progetto “Governo del sistema elettrico”, WP 4.2 “Transizione verso le reti di distribuzione attive”. L’attività si propone di rendere disponibile uno strumento per la previsione della produzione a breve termine (fino a 72 ore), in base a previsioni meteorologiche, a beneficio di una più oculata gestione dei parchi eolici ma soprattutto del gestore della rete che, in un sistema di generazione in cui l’energia eolica venga ad assumere un’importanza significativa, verrebbe messo in condizione di meglio programmare i fabbisogni di energia da altre fonti per far fronte alla domanda prevista. Il sistema integrato di previsione della produzione elettrica da impianti eolici è stato basato su diversi moduli che includono un modello meteorologico prognostico, reti neurali e un filtro di Kalman. Durante questo lavoro sono stati applicati preliminarmente i singoli moduli senza arrivare ad un integrazione completa che è l’obiettivo del proseguimento dell’attività. La prima fase consiste nell’utilizzo di un modello meteorologico prognostico ad area limitata (LAM) che prevede la velocità e la direzione del vento in una certa posizione sul territorio. Queste stime sono una delle componenti più critiche dell’intero processo di previsione, perché sono spesso affette da errori di natura più o meno sistematica. Nel nostro caso sono stati esaminati ed applicati due differenti sistemi di correzione della previsione meteorologica: il filtro di Kalman e le reti neurali. Non essendo inizialmente disponibili valori di produzione relativi ad un parco eolico esistente, questa fase del lavoro, cioè la correzione delle previsioni del modello RAMS con un filtro di Kalman o una rete neurale, è stata basata sui dati anemometrici raccolti su piattaforme situate a qualche decina di chilometri dalla linea di costa all’altezza di Pescara. Sono state utilizzate le simulazioni del modello meteorologico RAMS che hanno coperto un periodo di 2 anni (1994-95) fornendo campi tridimensionali di vento a cadenza oraria sui domini prescelti con una risoluzione orizzontale di 2 km e di circa 50 m in verticale in prossimità del suolo. Durante la seconda fase, il filtro di Kalman è stato applicato considerando una serie di un anno (1994) di dati orari di intensità del vento misurati dalle piattaforme, che rappresentano il processo osservato, e quelli previsti da RAMS sulla griglia a passo orizzontale di 2 km che costituiscono il processo da correggere. Tramite un confronto statistico si è visto che la previsione dell’intensità del vento da parte della catena RAMS+filtro di Kalman risulta particolarmente accurata fino a 6 ore. L’altro sistema di correzione applicato durante questa fase comporta l’utilizzo di una rete neurale, che deve migliorare le previsioni di RAMS in modo da minimizzare errori sistematici rispetto alle misure. Si è scelto così di dividere le serie misurate e previste da RAMS in differenti categorie con condizioni meteorologiche simili ed effettuare un addestramento specifico della rete su ognuna, fornendo come dati di input una serie di coppie delle componenti u e v previste da RAMS ed il corrispondente valore di intensità misurato. Da un punto di vista statistico la rielaborazione delle previsioni si è rivelata efficace migliorando il confronto con i dati sperimentali. La terza ed ultima fase del processo di previsione comporta la stima dell’energia prodotta partendo dalla previsione della direzione ed intensità del vento dei moduli precedenti. E’ stato possibile, per verificare l’opportunità di applicare una rete neurale anche in questo passaggio, analizzare in modo preliminare i dati di potenza prodotta dall’impianto San Giorgio la Molara e le misure anemologiche effettuate in prossimità del parco, fornite dalla società EDENS. In analogia a quanto sopra effettuato, si è scelto di dividere le serie misurate in diverse classi basate sulla stagione e l’orario del giorno, effettuando su ognuna un addestramento separato della rete. I dati di input per il training sono rappresentati da una serie di coppie delle componenti u e v misurate dall’anemometro ed il corrispondente valore di potenza prodotta. I test eseguiti su alcune classi di dati dimostrano l’efficacia di utilizzare questo metodo per stimare la potenza prodotta dal parco eolico che risulta più affidabile rispetto ad altre metodologie semplificative, applicate nel corso di questa attività .

Progetti

Commenti