12/12/2016 - Höhere Genauigkeit bei der kurzfristigen Sonneneinstrahlung durch den Einsatz von künstlichen Neuronennetzen

Menéame

Eine Studie, die von einem Team von Forschern der Polytechnische Universität Madrid (UPM) und Nicaragüense Institut für Territoriale Studien (INETER) führt eine neue Methodik ein auf der Grundlage von Bemerkungen parallel von Sensoren an verschiedenen Standorten und Werten für unterschiedliche Variablen (Temperatur, Feuchtigkeit, Druck, Wind und andere Schätzungen).

Die Experimente wurden unter Verwendung von Künstliche neuronale Netze mit unterschiedlichen Architekturen und Parametern, um herauszufinden, welche die besten Vorhersagen für die verschiedenen untersuchten Zeiten generierten. Die Ergebnisse ermöglichten die Entwicklung von Modellen, die dieGlobale Solarstrahlung Kurzfristig mit Fehlerraten von weniger als 20%, was Unternehmen, die Solar- und Solaranlagen betreiben, bei der Schätzung der Produktionskapazität ihrer Anlagen sehr nützlich sein kann.

Eine der Herausforderungen der modernen Gesellschaft ist die effiziente Nutzung der natürlichen Ressourcen und die Minimierung der Umweltauswirkungen infolge steigender Energienachfrage und -verbrauch. Hier wird eine der erneuerbaren Energien, die Solarenergie, als eine der langfristigen Lösungen mit dem größten Potenzial, der nachhaltigsten und mit den geringsten Auswirkungen konsolidiert. Insbesondere sprechen wir über Photovoltaik, die an das Übertragungs- und Verteilungsnetz angeschlossen werden kann, aber eine angemessene Steuerung des Energieangebots und der Energienachfrage erfordert. Die Betreiber von Solarsystemen müssen ihrerseits in allen Phasen (Planung, Bau und anschließender Betrieb) rechtzeitig die Sonnenstrahlung kennen, die ihre Anlagen erhalten werden. Hier wird die Vorhersage der globalen Sonnenstrahlung (ISG) innerhalb weniger Stunden und mit dem geringsten Fehler notwendig, um die erwartete Energieerzeugung zu schätzen.

Es gibt verschiedene Methoden zur Schätzung der globalen Sonnenstrahlung: numerische Vorhersagen auf Basis von Lokalisierung und Zeit, ergänzt durch verschiedene Korrekturmodelle, Satellitenbilder, die Wolken erfassen und Verluste im Idealmodell schätzen, andere auf Zeitreihe und andere auf künstliche Intelligenz. Jede Methode hat Vor- und Nachteile. So hat sich beispielsweise die Vorhersage auf Satellitenbildern als universell erwiesen, da sie Schätzungen für große geografische Ausdehnungen liefert; sie hat jedoch den Nachteil, dass diese Bilder für bestimmte Regionen des Planeten verfügbar sind und vor der Verarbeitung von Bildern u.a... Bei Vorhersagen, die auf numerischen Methoden basieren, wird die Dynamik der Atmosphäre realistisch durch Datenaufnahme geschätzt; sie gewährleisten jedoch die allgemeine Stabilität der Prognose über lokale Wetterereignisse, die in kurzen Raum-Zeit-Skalen erzeugt werden. Darüber hinaus verwendeten die bisher entwickelten Methoden der künstlichen Intelligenz nur die historischen endogenen Daten, die mit dem Ort der Vorhersage verbunden waren.

Die Untersuchung der UPM- und INETER-Forscher konzentrierte sich auf die Hypothese, dass die kurzfristige Prognose der globalen Solarstrahlung durch die Entwicklung von Modellen auf der Grundlage von künstlichen neuronalen Netzwerken unter Verwendung vieler Wettereingangsvariablen, die sowohl am Ort des Interesses als auch an nahe gelegenen Orten beobachtet wurden und sowohl im Weltraum als auch im Zeitverlauf verteilt wurden, verbessert werden kann (etwa 900 Variablen wurden verwendet). Das folgende Bild ist eine vereinfachte Darstellung eines der Modelle, die entwickelt wurden, um die globale Sonneneinstrahlung in einer zukünftigen Zeit zu vorhersagen, indem als Eingabedaten die aufgezeichneten Beobachtungen (in Raum und Zeit) an den festgelegten Orten (in der Grafik von "A" bis "J" gekennzeichnet) verwendet werden. In diesem Bild können Sie sehen, wie jeder Standort neun verschiedene Variablen mit einer Geschichte in der Zeit von 10 Werten liefert.

Vereinfachte Darstellung der entwickelten RNA-Modelle Quelle: UPM

Die Forschungsergebnisse zeigen die Fähigkeit entwickelter Modelle, die auf künstlichen Neuronennetzen basieren, sowohl lineare als auch nichtlineare Beziehungen zwischen den verschiedenen untersuchten Variablen zu erfassen. Wie die Forscher sagen, "hat uns dies ermöglicht, kurzfristige globale Sonnenstrahlung mit einer signifikanten Vorhersagefähigkeit (forecast skill) und einem standardisierten quadratischen Fehler von weniger als 20% im Vergleich zu anderen Modellen auf der Grundlage von künstlichen Neuronalnetzen vorherzusagen. Es hat uns auch ermöglicht, ein Verhältnis zwischen den temporären Vorhersagefenstern von 1-3 Stunden und 4-6 Stunden in Bezug auf den Referenzabstand von 55 km (repräsentiert durch einen blauen Kreis im Bild) zu identifizieren und eine Forschungslinie offen zu lassen, um verschiedene Referenzstrecken für verschiedene Vorhersagefenster zu verwenden."

Das Ergebnis dieser Untersuchung hat verschiedene Anwendungen, die am unmittelbarsten in Unternehmen, die Solar- und Wärmeanlagen betreiben, eingesetzt werden, um die Produktionskapazität ihrer Anlagen nach den geltenden Rechtsvorschriften und den Betreibern der nationalen elektrischen Systeme zu schätzen. Sie können beide nutzen, um ihre Ziele effizienter zu gestalten: Maximierung der Investitionsrendite und Anpassung der Angebots- und Energienachfragekurven.

Ref.

Gutierrez-Corea, FV; Manso-Callejo, MA; Moreno-Regidor, MP; Manrique-Sancho, MT. Forecasting short-term solar irradiance based on artificial neural networks and data from neighboring meteorological stations. SOLAR ENERGY 134: 119-131. DOI: 10.1016/j.solener.2016.04.020. SEP 2016.

_______________________

UPM

El Colegio Oficial de Ingenieros Industriales de Madrid (COIIM) acogió este pasado 21 de octubre una jornada técnica sobre la seguridad contra incendios en establecimientos industriales y los desafíos específicos de las grandes plataformas logísticas. El encuentro fue organizado por la Comisión de Seguridad Industrial, Prevención de Riesgos Laborales y Protección contra Incendios del COIIM/AIIM junto con la Asociación de...

La Escuela de Ingeniería y Arquitectura (EINA) de la Universidad de Zaragoza ha difundido la convocatoria de la nueva temporada de Technovation Girls 2027 Aragón, una iniciativa internacional que acerca la tecnología, la inteligencia artificial y el emprendimiento a niñas y jóvenes de entre 8 y 18 años. La presentación de la edición se celebró este pasado 23 de octubre...

AMB Green Power ha recibido el Premio de la Energía 2026 en la categoría de Digitalización Energética por EnergestIA, un proyecto desarrollado por el Instituto Tecnológico de Aragón (ITA) para mejorar el dimensionamiento y la operación de baterías en instalaciones de autoconsumo fotovoltaico. Este reconocimiento se entregó el 22 de octubre en Zaragoza durante la quinta edición de la Noche...

El Boletín Oficial del Estado publicó el 23 de octubre el Real Decreto 845/2026, de 21 de octubre, que establece las normas españolas necesarias para aplicar dos reglamentos europeos destinados a reforzar el suministro de materias primas fundamentales y la fabricación de tecnologías de cero emisiones netas. La disposición entró en vigor el 24 de octubre de 2026. Su objetivo...

El Instituto de Materiales Avanzados (INAM) de la Universitat Jaume I de Castellón programó para el 1 de octubre de 2026 su VII Jornada de Transferencia Tecnológica UCIE-INAM, bajo el lema «De la investigación básica al producto comercial». La convocatoria se centró en acercar los resultados de la investigación a empresas, profesionales y agentes de innovación. Del laboratorio a las...