Gli scienziati classificano i tipi di meteo in base agli eventi estremi di produzione fotovoltaica

I ricercatori del China Electric Power Research Institute hanno delineato una nuova classificazione dei tipi di meteo basata su eventi di produzione fotovoltaica anomali e, sulla base di questa nuova tassonomia, hanno sviluppato un semplice modello di previsione della produzione estrema.

“Attualmente il nostro modello è basato sulla regione della Cina orientale, ma crediamo che il modello abbia il potenziale per essere applicato in altre regioni”, ha dichiarato l’autore corrispondente, Fan Yang, a pv magazine. “Il modello individua essenzialmente i processi meteorologici associati alla produzione anomala e cerca di utilizzarli come base per la previsione di futuri eventi di produzione anomala. Pertanto, riteniamo che in regioni diverse, i tipi di tempo associati a eventi di produzione anomala possano differire da quelli riportati nel documento”.

L’analisi si è basata sui dati di produzione di 76 centrali fotovoltaiche distribuite nella Cina orientale, abbinati ai dati meteorologici del Centro europeo per le previsioni meteorologiche a medio raggio, dataset Reanalysis di quinta generazione. Per la clusterizzazione sono stati utilizzati i dati relativi all’intero anno 2022, mentre per la convalida sono stati utilizzati i dati dal 1° gennaio 2023 al 31 marzo 2023.

“Eventi estremi di produzione fotovoltaica alta o bassa possono causare notevoli sprechi o carenze di energia elettrica, ponendo elevate esigenze di stoccaggio dell’energia e di configurazioni di alimentazione di riserva, fino a rappresentare una seria minaccia per il funzionamento sicuro e stabile della rete elettrica, e quindi ricevere particolare attenzione da parte del dipartimento di dispacciamento della rete elettrica”, ha dichiarato il gruppo. “Di conseguenza, la previsione di eventi di produzione estremi è diventata uno dei punti caldi della ricerca attuale”.

Gli studiosi hanno utilizzato le medie mobili e le deviazioni standard per identificare gli eventi anomali. Quindi, l’algoritmo di apprendimento automatico K-means è stato utilizzato per raggruppare i diversi giorni anomali sulla base di variabili meteorologiche come la temperatura, la pressione superficiale, la velocità del vento a 100 metri, l’umidità relativa, la copertura nuvolosa totale e le precipitazioni giornaliere. Inoltre, per analizzare l’impatto di ciascuna variabile è stata utilizzata la regressione lineare a variabili multiple, una tecnica statistica che utilizza diverse variabili esplicative per prevedere il risultato di una variabile di risposta.

“Su 121 giorni di produzione anomala, ci sono un totale di 72 giorni di produzione anomala bassa e 49 giorni di produzione anomala alta”, hanno dichiarato i ricercatori. “Per quanto riguarda la distribuzione di frequenza mensile, il numero di giorni di produzione anomala nei mesi di luglio e agosto 2022 è relativamente basso, per un totale di 3 giorni, mentre i giorni di produzione anomala sono più frequenti durante le stagioni invernale e primaverile, con occorrenze che superano i 10 giorni”.

Utilizzando il clustering delle diverse variabili, il team ha anche scoperto che gli eventi anomali di alta produzione sono correlati alle alte temperature, al tempo sereno portato da sistemi stabili di bassa pressione e ai processi di raffreddamento ventoso controllati dall’alta pressione. Gli eventi anomali di bassa produzione, invece, sono legati a processi meteorologici di transizione, come le ondate di freddo, il tempo nuvoloso e senza precipitazione e il tempo nuvoloso e piovoso nei sistemi di bassa pressione.

“Fattori come l’umidità, le precipitazioni e le variazioni di temperatura variano di importanza in base ai diversi tipi di tempo, ma la radiazione e la copertura nuvolosa sono sempre fattori chiave”, ha aggiunto il team.

Gli scienziati hanno anche utilizzato i dati per costruire un semplice modello di previsione di eventi estremi. “Dopo aver inserito gli elementi meteorologici in un determinato momento futuro, il modello si divide in base alla misurazione della distanza euclidea. Se gli elementi meteorologici in un certo momento sono conformi alle caratteristiche degli elementi meteorologici durante i periodi di alta e bassa anomalia di produzione, si ritiene che un evento di anomalia di produzione possa verificarsi in quel momento”, hanno spiegato.

Per rafforzare il loro modello, hanno anche aggiunto un metodo di previsione meteorologica soggettivo basato sui modelli di circolazione atmosferica. Testato sui primi tre mesi del 2023, il modello ha mostrato 16 risultati positivi, 4 falsi allarmi e 4 mancati allarmi per i giorni di produzione anormalmente bassa. Per i giorni di produzione anormalmente alta, ci sono stati 12 riscontri, 9 falsi allarmi e 6 mancati allarmi.

“Prendendo come esempio un caso di evento di potenza estremamente bassa nel gennaio 2023, il modello di previsione della potenza fotovoltaica estrema proposto in questo documento e il metodo di previsione soggettivo basato sul modello di circolazione atmosferica sono stati convalidati rispettivamente”, ha concluso il gruppo. “È emerso che i metodi sopra descritti contribuiscono a migliorare la previsione oggettiva e soggettiva degli eventi di potenza estrema del fotovoltaico e che la combinazione di questi due metodi può migliorare ulteriormente la capacità di prevedere la produzione del fotovoltaico”.

I risultati sono stati presentati nel documento “Comprehensive evaluation methods for photovoltaic output anomalies based on weather classification”, pubblicato su Renewable Energy.

I presenti contenuti sono tutelati da diritti d’autore e non possono essere riutilizzati. Se desideri collaborare con noi e riutilizzare alcuni dei nostri contenuti, contatta: editors@nullpv-magazine.com.