PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER
Частка вітрової енергетики в загальному споживанні електроенергії зростає, що викликає значний неконтрольований вплив на енергетичну систему. Це створює проблеми для планування роботи традиційних електростанцій та розподільчих електромереж, ринкових процедур з продажу електроенергії. Одним з шляхів...
Збережено в:
| Видавець: | Institute of Renewable Energy National Academy of Sciences of Ukraine |
|---|---|
| Дата: | 2018 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Institute of Renewable Energy National Academy of Sciences of Ukraine
2018
|
| Теми: | |
| Онлайн доступ: | https://ve.org.ua/index.php/journal/article/view/12 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Організація
Vidnovluvana energetika| id |
veorgua-article-12 |
|---|---|
| record_format |
ojs |
| institution |
Vidnovluvana energetika |
| collection |
OJS |
| language |
Ukrainian |
| topic |
power grid wind plants forecasting methods wind speed энергосистема ветроэлектрические станции методы прогнозирования скорость ветра енергосистема вітроелектричні станції методи прогнозування швидкість вітру |
| spellingShingle |
power grid wind plants forecasting methods wind speed энергосистема ветроэлектрические станции методы прогнозирования скорость ветра енергосистема вітроелектричні станції методи прогнозування швидкість вітру Uzheyko, S. PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER |
| topic_facet |
power grid wind plants forecasting methods wind speed энергосистема ветроэлектрические станции методы прогнозирования скорость ветра енергосистема вітроелектричні станції методи прогнозування швидкість вітру |
| format |
Article |
| author |
Uzheyko, S. |
| author_facet |
Uzheyko, S. |
| author_sort |
Uzheyko, S. |
| title |
PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER |
| title_short |
PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER |
| title_full |
PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER |
| title_fullStr |
PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER |
| title_full_unstemmed |
PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER |
| title_sort |
probabilistic forecasting methods for wind plants current power |
| title_alt |
ІМОВІРНІСНІ МЕТОДИ ПРОГНОЗУВАННЯ ПОТОЧНОЇ ПОТУЖНОСТІ ВІТРОЕЛЕКТРИЧНИХ СТАНЦІЙ ВЕРОЯТНОСТНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЕ ТЕКУЩЕЙ МОЩНОСТИ ВЕТРОЭЛЕКТРИЧЕСКИХ СТАНЦИЙ |
| description |
Частка вітрової енергетики в загальному споживанні електроенергії зростає, що викликає значний неконтрольований вплив на енергетичну систему. Це створює проблеми для планування роботи традиційних електростанцій та розподільчих електромереж, ринкових процедур з продажу електроенергії. Одним з шляхів усунення проблеми є запровадження короткострокового прогнозування роботи вітроелектричних станцій,звичайно в межах двох діб. Для отримання достовірних прогнозів розроблено багато методів, які можна розділити на дві категорії − фізичні методи, які використовують багато фізичних понять для досягнення найкращої точності прогнозування, та статистичні методи, щонамагаються знайти зв'язок між великою кількістю змінних, включаючи результати фізичних прогнозів і історичні масиви даних. Популярності набувають різні моделі штучного інтелекту, просторової кореляції. Типові ланки узагальненої моделі прогнозування включаютьмасштабування швидкості вітру до висоти осі ротора вітроустановок. Ці дані потім перераховуються в генеровану потужність.
Традиційно прогноз формулюється у вигляді певного детермінованого значення потужності, Перевагою такого прогнозування є менша трудомісткість. Однак зростання частки відновлюваної енергетики збільшує вимоги до якості прогнозування, і елементарної оцінки стає недосить. Очікується зміна парадигми на користь імовірнісних прогнозів. Сучасні методи прогнозування можуть забезпечити більше інформації, і часто у вигляді прогнозованої невизначеності. Статистичні методи при цьому використовуються для визначення таких показників, як "надійність", "чіткість", "розділова здатність" . Основними джерелами невизначеності в метеорології є атмосферна непередбачуваність, невизначеність у інтерпретації даних, похибки при складанні прогнозу та інтерпретація результатів прогнозування. Застосування невизначеності прогнозу в енергетиці базується на трьох основних процедурах:статистичних методах імовірнісних прогнозів; застосуванню ансамблів прогнозованих сценаріїв на основі статистичних даних; застосуванні ансамблів прогнозу на основі фізичних принципів.
Вибір методів прогнозування та переліку розрахункових результатів залежать від потреб споживачів, При цьому важливо визначити, які методи є прийнятними або можуть містити обмеження. Це забезпечується вивченням методології прогнозування та зростаючого рівня вимог до надійності забезпечення електроенергією. |
| publisher |
Institute of Renewable Energy National Academy of Sciences of Ukraine |
| publishDate |
2018 |
| url |
https://ve.org.ua/index.php/journal/article/view/12 |
| work_keys_str_mv |
AT uzheykos ímovírnísnímetodiprognozuvannâpotočnoípotužnostívítroelektričnihstancíj AT uzheykos probabilisticforecastingmethodsforwindplantscurrentpower AT uzheykos veroâtnostnyemetodyprognozirovanietekuŝejmoŝnostivetroélektričeskihstancij |
| first_indexed |
2024-06-01T13:57:53Z |
| last_indexed |
2024-06-01T13:57:53Z |
| _version_ |
1804810616008867840 |
| spelling |
veorgua-article-122019-09-04T16:41:53Z ІМОВІРНІСНІ МЕТОДИ ПРОГНОЗУВАННЯ ПОТОЧНОЇ ПОТУЖНОСТІ ВІТРОЕЛЕКТРИЧНИХ СТАНЦІЙ PROBABILISTIC FORECASTING METHODS FOR WIND PLANTS CURRENT POWER ВЕРОЯТНОСТНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЕ ТЕКУЩЕЙ МОЩНОСТИ ВЕТРОЭЛЕКТРИЧЕСКИХ СТАНЦИЙ Uzheyko, S. power grid wind plants forecasting methods wind speed энергосистема ветроэлектрические станции методы прогнозирования скорость ветра енергосистема вітроелектричні станції методи прогнозування швидкість вітру Частка вітрової енергетики в загальному споживанні електроенергії зростає, що викликає значний неконтрольований вплив на енергетичну систему. Це створює проблеми для планування роботи традиційних електростанцій та розподільчих електромереж, ринкових процедур з продажу електроенергії. Одним з шляхів усунення проблеми є запровадження короткострокового прогнозування роботи вітроелектричних станцій,звичайно в межах двох діб. Для отримання достовірних прогнозів розроблено багато методів, які можна розділити на дві категорії − фізичні методи, які використовують багато фізичних понять для досягнення найкращої точності прогнозування, та статистичні методи, щонамагаються знайти зв'язок між великою кількістю змінних, включаючи результати фізичних прогнозів і історичні масиви даних. Популярності набувають різні моделі штучного інтелекту, просторової кореляції. Типові ланки узагальненої моделі прогнозування включаютьмасштабування швидкості вітру до висоти осі ротора вітроустановок. Ці дані потім перераховуються в генеровану потужність. Традиційно прогноз формулюється у вигляді певного детермінованого значення потужності, Перевагою такого прогнозування є менша трудомісткість. Однак зростання частки відновлюваної енергетики збільшує вимоги до якості прогнозування, і елементарної оцінки стає недосить. Очікується зміна парадигми на користь імовірнісних прогнозів. Сучасні методи прогнозування можуть забезпечити більше інформації, і часто у вигляді прогнозованої невизначеності. Статистичні методи при цьому використовуються для визначення таких показників, як "надійність", "чіткість", "розділова здатність" . Основними джерелами невизначеності в метеорології є атмосферна непередбачуваність, невизначеність у інтерпретації даних, похибки при складанні прогнозу та інтерпретація результатів прогнозування. Застосування невизначеності прогнозу в енергетиці базується на трьох основних процедурах:статистичних методах імовірнісних прогнозів; застосуванню ансамблів прогнозованих сценаріїв на основі статистичних даних; застосуванні ансамблів прогнозу на основі фізичних принципів. Вибір методів прогнозування та переліку розрахункових результатів залежать від потреб споживачів, При цьому важливо визначити, які методи є прийнятними або можуть містити обмеження. Це забезпечується вивченням методології прогнозування та зростаючого рівня вимог до надійності забезпечення електроенергією. The share of wind energy in total electricity consumption is increasing, which causes a significant uncontrolled impact on the energy system. This makes the problems for the traditional power plants planning and distribution grids stability, so as electricity market procedures. One of the ways to solve the problem is to improve the wind power short-term forecasting, usually within two days time horizon. To obtain reliable forecasts, many methods have been developed that can be divided into two categories – physical methods that use many physical concepts to achieve the best prediction accuracy, and statistical methods trying to find links between a large number of variables, including the results of physical predictions and historical data arrays. Different models of artificial intelligence and spatial correlations are gaining popularity. A typical step of the generalized forecasting model includes scaling the wind speed to the height of the wind turbine rotor axis. This data is then transferred to the generated power. Traditionally, the forecast is formulated in the form of a certain deterministic power value. The advantage of such prediction is less complexity. However, the increase in the renewable energy share leads to the new requirements for predictive quality, and the elementary assessment becomes inadequate. The paradigm shift in favor of probabilistic forecasts is expected. Modern forecasting methods can provide more information, and often in the form of uncertainty forecasts. Statistical methods are used to determine such indicators as “reliability”, “sharpness” and “resolution”. The main sources of uncertainty in meteorology are atmospheric unpredictability, an uncertainty of data interpretation, errors in the forecast composing and the forecast interpretation. Forecast uncertainty for application in the power industry contains next procedures: statistical methods of probabilistic forecasts, statistically-based ensemble scenarios, physically based ensemble forecasts. The choice of prediction methods and the list of calculated results depends on the needs of end-users. It is important to determine which methods are acceptable or may contain restrictions. This is provided by studying the forecasting methodology and the growing requirements for the reliability of electricity supply. The share of wind energy in total electricity consumption is increasing, which causes a significant uncontrolled impact on the energy system. This makes the problems for the traditional power plants planning and distribution grids stability, so as electricity market procedures. One of the ways to solve the problem is to improve the wind power short-term forecasting, usually within two days time horizon. To obtain reliable forecasts, many methods have been developed that can be divided into two categories – physical methods that use many physical concepts to achieve the best prediction accuracy, and statistical methods trying to find links between a large number of variables, including the results of physical predictions and historical data arrays. Different models of artificial intelligence and spatial correlations are gaining popularity. A typical step of the generalized forecasting model includes scaling the wind speed to the height of the wind turbine rotor axis. This data is then transferred to the generated power. Traditionally, the forecast is formulated in the form of a certain deterministic power value. The advantage of such prediction is less complexity. However, the increase in the renewable energy share leads to the new requirements for predictive quality, and the elementary assessment becomes inadequate. The paradigm shift in favor of probabilistic forecasts is expected. Modern forecasting methods can provide more information, and often in the form of uncertainty forecasts. Statistical methods are used to determine such indicators as “reliability”, “sharpness” and “resolution”. The main sources of uncertainty in meteorology are atmospheric unpredictability, an uncertainty of data interpretation, errors in the forecast composing and the forecast interpretation. Forecast uncertainty for application in the power industry contains next procedures: statistical methods of probabilistic forecasts, statistically-based ensemble scenarios, physically based ensemble forecasts. The choice of prediction methods and the list of calculated results depends on the needs of end-users. It is important to determine which methods are acceptable or may contain restrictions. This is provided by studying the forecasting methodology and the growing requirements for the reliability of electricity supply. Institute of Renewable Energy National Academy of Sciences of Ukraine 2018-04-30 Article Article application/pdf https://ve.org.ua/index.php/journal/article/view/12 Возобновляемая энергетика; № 1 (52) (2018): Научно-прикладной журнал Возобновляемая энергетика; 70-77 Відновлювана енергетика; № 1 (52) (2018): Науково-прикладний журнал Відновлювана енергетика; 70-77 Vidnovluvana energetika ; No. 1 (52) (2018): Scientific and Applied Journal Vidnovluvana energetika; 70-77 2664-8172 1819-8058 uk https://ve.org.ua/index.php/journal/article/view/12/7 https://creativecommons.org/licenses/by/4.0/ |