Новости

Научная модель способна выбрать месторасположение ветропарка и спрогнозировать его производительность

Опубликовано

Ветер всегда есть в том или иной местности, но определить конкретный район размещения ветроэлектростанции немного сложнее, чем просто подняв вверх смоченный слюной палец. Теперь в распоряжении команды исследователей университета штата Пенсильвания есть модель, которая способна не только обнаружить лучшую возможную площадку для новой ВЭС, но даже помочь в составлении прогноза энерговыработки на ближайшие 24 часа.

«Обычно при планировании ветряной электростанции ищется подходящая местность со средней скоростью ветра – не слишком высокой и не слишком низкой – но постоянной», – поделился профессор географии, метеорологии и науки об атмосфере Гвидо Сервоун (Guido Cervone). Мы обнаружили более точный и эффективный способ оценить на конкретных площадках постоянство скорости ветра, т.е. ключевой фактор, учитываемый при рассмотрении вопроса о строительстве новой ветроэлектростанции. С ископаемыми источниками энергии и мирным атомом можно заранее знать, какой будет энерговыработка. Но с ветром всё не так просто».

Для производства электроэнергии важно не только местоположение, но также важно иметь возможность предсказать, сколько энергии ветра ветропарк сможет получить в течение последующих 24 часов. Когда поставщики электроэнергии закупают электроэнергию, произведенную ВЭС, они хотят надёжности. Операторы ВЭС, в свою очередь, регулярно продают выработанную электроэнергию поставщикам, но и последние также хотели бы иметь возможность планировать за сутки, какой объём первые смогут выработать.

«Поставщикам электроэнергии необходимо знать, сколько электроэнергии можно приобрести ещё за день до непосредственной покупки», – заявил г-н Сервоун, который также является по совместительству директором институт кибернетической науки при университете штата Пенсильвания. «У них должны быть надёжные источники, потому что прекращения электроснабжения допустить нельзя. Они также не хотят покупать излишки на оперативном рынке электроэнергии, потому что такие покупки, произведённые в тот же день, обходятся дороже».

Для анализа ошибок в прогнозах производства электроэнергии ветроэлектростанциями по всей стране Сервоун и Мехди Шахриар (Mehdi Shahriar), недавно получивший степень доктора наук в области энергетики и минералогии в университете штата Пенсильвания, использовали технологию «Analog Ensemble» (AnEn), разработанную американским Национальным научно-исследовательским центром по изучению атмосферы.

AnEn использует среднестатистические сведения о прошлых наблюдениях и прогнозах, охватывающих периоды от нескольких месяцев до двух лет, что является более предпочтительным вариантом. Технология составляет вероятностную модель прогноза погоды, в конкретном случае – доступности ветра для производства электроэнергии.

«Было отмечено, что в районах, где зафиксирована более высокая средняя скорость ветра, ей сопутствует и бόльшая степень неопределённости прогнозов, что усложняет успешное прогнозирование скорости ветра в таких местах», – говорится в недавнем отчёте исследователей.

Воспользовавшись прошлыми прогнозами с потенциальных площадок для размещения ветропарков, строители смогут выбрать места, вероятно, с более низкой средней скоростью ветра, но при этом более постоянной и предсказуемой.

С помощью подхода, используемого исследователям, нельзя просто ответить «да» или «нет» на вопрос о том, будет ли на некотором участке ветер. Модель используется для создания кривой распределения вероятностей наличия ветра, необходимого для генерации, основываясь на которой компании смогут принимать решения, полностью осознавая риски. Если модель покажет, что вероятность наличия ветра, достаточного для производства электроэнергии, составляет около 80 %, то как владельцы ВЭС, так и покупатели электроэнергии будут знать, что особых рисков нет. Если же вероятность составит 20 %, то, несомненно, обе стороны будут понимать, что полагаться на энергию ветра в целях генерации в некоторой местности – слишком опрометчиво.

«Раз мы сможем предсказать скорость ветра, то сможем предсказать, и сколько энергии выработаем за определённый период», – считает Сервоун.

Представленная модель показывает чрезвычайно эффективные результаты. Она берёт за основу текущий прогноз, далее просматривает среднестатистические данные на предмет совпадений и указывает фактическую скорость ветра и его продолжительность в конкретный ранее зафиксированный период времени.

«Она эффективна в вычислительном отношении», – заявляет Сервоун. «Может непрерывно работать с большими объёмами данных без особых проблем».

Источник: www.sciencedaily.com