Прогнозирование почасовой выработки электроэнергии солнечной электростанцией с помощью алгоритмов машинного обучения

Abstract

Актуальность исследования заключается в необходимости развития энергосберегающих подходов за счет применения средств интеллектуального анализа данных для повышения эффективности процесса принятия управленческих решений и, как следствие, более оптимального использования энергетических ресурсов. В частности, прогнозирование величины выработки электрической энергии солнечной электростанцией позволит повысить обоснованность решений, принимаемых в процессе управления распределением электроэнергии в децентрализованных системах. При наличии информации о том, сколько электроэнергии будет выработано солнечной электростанцией и передано в сеть в каждый час суток, появится возможность более обоснованно планировать использование выработанной электроэнергии и ее распределение. Также наличие достоверного прогноза позволит встраивать математическую модель в подсистему управления микросетями, что, в свою очередь, будет способствовать интеграции централизованных электрических сетей и объектов распределенной генерации. На практике для реализации прогнозирования не всегда подходят существующие методы расчета выработки электроэнергии солнечными электростанциями по техническим характеристикам оборудования солнечных электростанций. Кроме того, нет стандартов по использованию метеорологических и других факторов при создании прогнозных моделей. Поэтому исследование носит междисциплинарный характер, сочетая в себе важную практическую значимость и выработку новых рекомендаций в части применения алгоритмов машинного обучения, а также учета метеорологических факторов в прогнозных моделях. Целью исследования является повышение обоснованности перспективного планирования объемов выработки электрической энергии объектом альтернативной энергетики (солнечной электростанцией). Объекты: солнечная электростанция им А.А. Влазнева (Сакмарская СЭС), расположенная в Оренбургской области, г. Орск, Октябрьский район, географические координаты: 51.266023 с.ш, 58.474689 з.д. Методы: аналитический метод, методы математической статистики, методы машинного обучения, комплексного обобщения научных достижений и практического опыта применения средств обработки данных в задачах прогнозирования выработки электроэнергии солнечными электростанциями. Результаты. Проведен обзор литературных источников, отражающих результаты применения современных средств интеллектуального анализа данных при прогнозировании величины выработки электроэнергии солнечными электростанциями. Рассмотрены различные подходы к прогнозированию выработки электроэнергии на солнечных электростанциях, проведен анализ факторов, применяемых при прогнозировании. Были получены результаты теоретического и прикладного характера, заключающиеся в рекомендациях по применению экзогенных переменных при прогнозировании выработки электроэнергии на СЭС, а также некоторых алгоритмов машинного обучения при построении прогнозных моделей. Данные рекомендации были получены в процессе обобщения результатов прикладных исследований.

Relevance. The need to develop energy-saving approaches through the use of data mining tools to improve the efficiency of management decision-making and more optimal use of energy resources. Forecasting the amount of electric energy generated by a solar power plant will allow optimal electricity distribution in decentralized systems. Information about the amount of electricity generated by a solar power plant and transmitted to a grid at every hour will allow planning the use of generated electricity and its distribution more reasonably. Also, the presence of a reliable forecast will allow embedding a predictive model into the micro-grid management subsystem. This will facilitate the integration of centralized electrical networks and distributed generation facilities. Aim. To analyze scientific papers containing proposals to improve the accuracy of determining the amount of electricity generated by solar power plants; to develop machine learning models that allow you to create a short-term forecast of electricity generation by a solar power plant. Objects. Solar power plant named after A.A. Vlaznev (Sakmarskaya SPP), Orenburg region, Orsk, Oktyabrsky district, geographical coordinates: 51.266023, 58.474689. Methods. Analytical method, methods of mathematical statistics, methods of machine learning, complex generalization of scientific achievements and practical experience in the use of data processing tools in the tasks of forecasting electricity generation by solar power plants. Results. The authors have carried out the review of literature sources reflecting the results of using modern data mining tools in predicting the magnitude of electricity generation by solar power plants. The paper considers various approaches to forecasting electricity generation at solar power plants. The analysis of factors used in forecasting is carried out. The authors obtained the results of theoretical and applied nature. The results consist in recommendations on using exogenous variables in predicting power generation at SPP, as well as some machine learning algorithms in construction of predictive models. These recommendations were obtained in generalizing the results of the applied research.