Точное прогнозирование солнечной энергии превращает переменный возобновляемый ресурс в управляемый и предсказуемый источник энергии. Для сетевых операторов прогнозирование солнечной энергии имеет важное значение для планирования диспетчеризации и балансировки. Для операторов аккумуляторных хранилищ прогнозы выработки напрямую влияют на графики зарядки/разрядки BESS и определяют, какой доход от арбитража или вспомогательных услуг можно получить. Поскольку проникновение солнечной энергии растет во всем мире, возможности прогнозирования становятся основным конкурентным преимуществом.
Почему прогнозирование солнечной активности важно для операций BESS
BESS, расположенная рядом с солнечной электростанцией, может оптимально работать только в том случае, если оператор с достаточной степенью уверенности знает, сколько солнечной энергии следует ожидать в ближайшие 2–48 часов. Без прогноза:
- BESS может разряжаться в течение дня (ожидая, что солнечная энергия выдержит нагрузку), когда облачный покров снижает солнечную выработку, что приводит к одновременному импорту электроэнергии из сети и разрядке BESS.
- BESS может удерживать плату (ожидая события пикового спроса, которое не наступит), упуская возможности арбитража TOU.
- Торги на оптовом рынке требуют прогнозирования на 24–48 часов вперед; плохие прогнозы приводят к штрафам за дисбаланс недостаточного/перепроизводства на рынках в реальном времени
Горизонты прогнозирования и применения
| Горизонт | Имя | Приложение | Лучший метод |
|---|---|---|---|
| 0–2 часа | Прогноз текущей погоды / внутридневной | Диспетчеризация BESS в режиме реального времени, вспомогательные услуги | Камеры неба, спутниковые снимки |
| 2–6 часов | Краткосрочный | Внутридневные рыночные торги, планирование BESS | Численный прогноз погоды (ЧПП) + ML |
| 6–48 часов | На день вперед | Торги на рынке на сутки вперед, планирование технического обслуживания | Ансамбли ЧПП, статистическая постобработка |
| 7–30 дней | Среднесрочный | Планирование ресурсов, планирование эксплуатации и технического обслуживания | Сезонные модели ЧПП, климатологические данные |
| 1–30 лет | Долгосрочная (оценка ресурсов) | Финансирование проекта, анализ энергетической эффективности | Наборы спутниковых данных TMY (Solargis, Meteonorm) |
Методы прогнозирования освещенности
1. Численный прогноз погоды (ЧПП)
Модели ЧПП (GFS, ECMWF, NAM) моделируют атмосферу на основе основных принципов, создавая сеточные прогнозы глобальной горизонтальной освещенности (GHI), температуры, ветра и облачного покрова с пространственным разрешением 1–25 км. ECMWF, как правило, является наиболее точной моделью ЧПП в мире; GFS находится в свободном доступе. Ограничения: модели ЧПП имеют низкое пространственное разрешение и систематические отклонения в сложной местности и прибрежных зонах. Горизонт: от 6 часов до 10+ дней.
2. Спутниковое прогнозирование текущей погоды
Геостационарные спутники (GOES-16/17 в Америке, Meteosat в Европе, Himawari в Азии) предоставляют прогнозы вектора движения облаков (CMV) — отслеживая движение облаков для прогнозирования уровня радиации на 0–6 часов вперед. Спутниковые методы превосходят ЧПП на коротких горизонтах (0–4 часа), поскольку они позволяют увидеть текущее состояние облаков с высоким пространственным разрешением (1–4 км).
3. Машинное обучение/статистическая постобработка
Современные системы прогнозирования объединяют данные ЧПП и спутниковые данные в качестве входных данных для моделей машинного обучения (повышение градиента, нейронные сети LSTM), которые корректируют локальные отклонения — эффекты рельефа для конкретного участка, характер аэрозолей, затенение от близлежащих холмов. Постобработка ML обычно улучшает RMSE на 10–25 % по сравнению с необработанным ЧПП. Для обучения требуются данные об облучении на месте за 1–2 года.
Показатели точности прогноза
- RMSE (среднеквадратическая ошибка): основной показатель точности прогноза; выражается в % от установленной мощности или кВтч. Типичное среднеквадратическое отклонение на сутки вперед для солнечной электростанции мощностью 10 МВт: 8–15% мощности для участков ясного неба; 15–25% в облачном/переменном климате
- nRMSE (нормализованное RMSE): Среднеквадратическое отклонение выражается в % от средней производительности, что позволяет сравнивать объекты с различной производительностью.
- MAE (средняя абсолютная ошибка): менее чувствителен к выбросам, чем RMSE; полезно для расчета штрафов по контракту, когда ошибки, превышающие пороговое значение, влекут за собой затраты.
- Оценка навыков: улучшение по сравнению с прогнозом устойчивости (наивное предположение, что текущая генерация равна генерации в следующий час); показатель навыка >30% указывает на значимую ценность прогнозирования.
Интеграция прогнозов в диспетчеризацию BESS
Диспетчерская система BESS с прогнозирующим управлением моделью (MPC) использует скользящий прогноз солнечной активности на 24–48 часов для оптимизации планирования зарядки/разрядки:
- Получайте обновленный прогноз солнечной активности на основе NWP каждые 6 часов (или каждые 15 минут для спутниковых данных).
- Запустите оптимизацию на горизонте прогноза, учитывая уровень заряда BESS, тарифный график TOU, прогноз спроса и прогноз солнечной энергии.
- Выполнять оптимальный график; обновляются каждые 15–30 минут по мере обновления прогнозов
- Отслеживайте фактическую и прогнозируемую генерацию; вводить фактические данные в модель машинного обучения для постоянной коррекции предвзятости
Платформа iSolarCloud от Sungrow интегрирует прогнозирование энергопотребления с BESS EMS, позволяя операторам BESS осуществлять диспетчеризацию на основе прогнозов без сторонних систем. Для проектов, участвующих в оптовых рынках, сертифицированный поставщик прогнозных услуг (например, Solargis Energy, Solcast, DNV GL Energy Transition) предоставляет приемлемые для банка прогнозы для рыночных торгов.