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

Un total de 105 estudiantes de Ingeniería de la Universidad Pública de Navarra (UPNA) participaron los días 2 y 3 de octubre en la quinta edición del Navarra Talent Challenge, una iniciativa que les enfrentó durante 24 horas a ocho desafíos reales planteados por empresas industriales de Navarra. El certamen, impulsado en el marco de la Cátedra Colegio de Ingenieros...

Madrid se convertirá los próximos 28 y 29 de octubre en punto de encuentro internacional de la ingeniería y las infraestructuras con la celebración del World Infrastructure Forum (WIF), una cumbre que reunirá a más de 350 líderes procedentes de más de 40 países y a más de 50 ponentes para analizar los grandes desafíos que determinarán el futuro de...

Smart City Expo World Congress 2026(SCEWC) es el evento internacional más influyente sobre innovación urbana y ciudades inteligentes. Se celebra del 3 al 5 de noviembre de 2026 en el recinto Gran Via de Fira Barcelona, bajo el lema "Urban Solutions. Real Impact". El congreso reúne a más de 27.000 profesionales, 1.100 expositores y 600 expertos globales de 130 países...

Mateu Oliver Montserrat, vicepresidente segundo del Consejo General de Colegios Oficiales de Ingenieros Industriales (CGCOII) y decano del Colegio Oficial de Ingenieros Industriales de Baleares, ha sido elegido presidente de EUREL, la organización europea que reúne a asociaciones profesionales de ingeniería y promueve la cooperación entre sus miembros y la representación de la profesión ante las instituciones europeas. La elección...

Die Entscheidung des Obersten Gerichtshofs von Xustiza de Galicien (TSXG) zur Anwendung der Doktrin des Obersten Gerichtshofs und zur Ablehnung der Klage gegen die Vorabgenehmigung und den Bau des Windparks Bustelo war die Hauptrolle bei der Eröffnung der XIII Windtag Wind Galicien 2026, im Forum gerahmt Energy Days Diese Informationen wurden sowohl vom Cluster der erneuerbaren Energien Galiciens (Cluergal) als...