Przejdź do treści

IMGW-PIB: Prognozowanie zasobów energetyki wiatrowej w Polsce na podstawie numerycznych prognoz pogody

Rośnie rola odnawialnych źródeł energii w polskim systemie elektroenergetycznym. Największy udział mocy zainstalowanej przypada na energię wiatrową i słoneczną. Oba źródła charakteryzują się dużą zmiennością produkcyjną i bardzo małą dyspozycyjnością. Biorąc pod uwagę charakter systemu elektroenergetycznego, konieczne jest przewidywanie przyszłej produkcji energii w celu ekonomicznego planowania wykorzystania konwencjonalnych generatorów.

W najnowszym artykule ekspertów z Centrum Modelowania Meteorologicznego IMGW-PIB, który powstał we współpracy z Politechniką Wrocławską, przedstawiono możliwości przewidywania mocy wiatrowej na następny dzień w oparciu o różne metody uczenia maszynowego. Do analiz wykorzystano numeryczny model pogody (NMP), stosowany operacyjnie w Instytucie Meteorologii i Gospodarki Wodnej – Państwowym Instytucie Badawczym, oraz dane godzinowe zarejestrowanej generacji wiatrowej w Polsce. Opierając się na popularnym algorytmie Extreme Gradient Boosting, uzyskano prognozę energii wiatrowej w Polsce w 2020 roku na następny dzień ze średnim bezwzględnym błędem procentowym na poziomie 26,7 oraz błędem średniokwadratowym wynoszącym 4,5 procent.
Autorzy opracowania podkreślają, że możliwe jest przewidywanie produkcji energii wiatrowej na następny dzień z dużą dokładnością, niekoniecznie poprzez zastosowanie modelu fizycznego lub statystycznego dla każdej farmy wiatrowej, ale poprzez zbudowanie modelu opartego na uczeniu maszynowym z prognozami prędkości wiatru dla całego kraju. Zaproponowana metoda wymaga dokładnego numerycznego modelu pogody oraz odpowiednio długiej bazy danych.

Opracowana metoda może być wykorzystana w innych krajach, zwłaszcza w Europie, o ile dostępne są dane na temat godzinowej produkcji energii. Jednym z ograniczeń proponowanego rozwiązania jest wrażliwość metodyki na wszelkie zmiany konfiguracji danych wejściowych, m.in. liczby zainstalowanych turbin, wyników modelu NMP czy wystąpienia ekstremalnych warunków pogodowych.

Eksperci z Centrum Modelowania Meteorologicznego IMGW-PIB kontynuują prace nad prezentowaną metodyką. W planach są testy z użyciem innych modeli NMP dostępnych w IMGW-PIB. Analizowane będą również możliwości wykorzystania większego zakresu wskaźników meteorologicznych (kierunku wiatru, temperatury, wilgotności i ciśnienia) oraz innych narzędzi do modelowanie i predykcji, w tym: sieci uogólnionej regresji GRNN, sieci radialnej RBFNN, wielomianowego modelu autoregresyjnego oraz metodologii SSOFC-Apriori-WRP.

Prof. Mariusz Figurski, Dyrektor Centrum Modelowania Meteorologicznego IMGW-PIB: „Prognozowanie produkcji energii z odnawialnych źródeł ma kluczowe znaczenie wobec ich wzrastającej roli na rynku energii. Najdokładniejsze prognozy produkcji energii z OZE uzyskuje się z numerycznych prognoz pogody. Jednak powszechnie stosowane do tego celu modele globalne są mało dokładne. W naszym opracowaniu wykorzystaliśmy modele wysokiej rozdzielczości (2 km), które stanowią fundament systemu prognozowania w IMGW-PIB. Z uwagi na nieliniową zależność między warunkami meteorologicznymi i rzeczywistą produkcją energii, występują błędy w prognozach, które kompensujemy dodatkowymi danymi o produkcji energii z systemu energetycznego Polski za pomocą głębokiego uczenia maszynowego i sztucznej inteligencji. Na podstawie wykonanych badań uzyskaliśmy błąd prognozy z wyprzedzeniem 24 godzin poniżej 5%. Osiągniecie takiego wyniku jest możliwe przy stabilnym systemie produkcji energii i braku ekstremalnych zjawisk meteorologicznych. W kolejnych badaniach zajmować się będziemy problemem modelowania odporności systemu prognozowania na zjawiska ekstremalne”.