Options to Improve the Quality of Wind Generation Output Forecasting with the Use of Available Information as Explanatory Variables

• Autorzy: Magulski R. , Pakulski T.

Identyfikatory

DOI

10.12736/issn.2300-3022.2015203

Warianty tytułu

PL

Możliwości poprawy jakości prognoz generacji wiatrowej przy wykorzystaniu dostępnych informacji jako zmiennych objaśniających

• Języki publikacji: EN PL

Abstrakty

EN

Development of wind generation, besides its positive aspects related to the use of renewable energy, is a challenge from the point of view of power systems’ operational security and economy. The uncertain and variable nature of wind generation sources entails the need for the for the TSO to provide adequate reserves of power, necessary to maintain the grid’s stable operation, and the actors involved in the trading of energy from these sources incur additional of balancing unplanned output deviations. The paper presents the results of analyses concerning the options to forecast a selected wind farm’s output exercised by means of different methods of prediction, using a different range of measurement and forecasting data available on the farm and its surroundings. The analyses focused on the evaluation of forecast errors, and selection of input data for forecasting models and assessment of their impact on prediction quality improvement.

PL

Rozwój generacji wiatrowej, oprócz pozytywnych aspektów związanych z wykorzystaniem energii odnawialnej, stanowi wyzwanie z punktu widzenia bezpieczeństwa i ekonomiki funkcjonowania systemów elektroenergetycznych. Niepewny i zmienny charakter generacji źródeł wiatrowych pociąga za sobą konieczność zapewnienia przez operatora systemu przesyłowego (OSP) odpowiednich rezerw mocy, niezbędnych dla zachowania stabilnej pracy sieci, zaś podmioty zaangażowane w handel energią z tych źródeł ponoszą dodatkowe koszty bilansowania nieplanowanych odchyleń produkcji. W artykule przedstawiono wyniki analiz dotyczących możliwości prognozowania generacji wybranej farmy wiatrowej, realizowanych za pomocą zróżnicowanych metod predykcyjnych, wykorzystujących odmienny zakres danych pomiarowych i prognostycznych, dostępnych na farmie i w jej otoczeniu. Analizy koncentrowały się na ocenie błędów uzyskiwanych prognoz oraz doborze danych wejściowych do modeli prognostycznych i ocenie ich wpływu na poprawę jakości predykcji.

Słowa kluczowe

EN

forecasting; statistical methods; neural networks

PL

prognozowanie; metody statystyczne; sieci neuronowe

• Wydawca: ENERGA SA
• Czasopismo: Acta Energetica
• Rocznik: 2015
• Tom: nr 2
• Strony: 24--35
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Magulski R.

• Gdańsk Branch of the Institute of Power Engineering

autor

Pakulski T.

• Gdańsk Branch of the Institute of Power Engineering

Bibliografia

• 1. Sweeney C., Lynch P., Nolan P., Reducting errors of wind speed forecasts by an optimal combination of post-processing methods, Department of Meteorology and Climate Centre, Dublin, 2011.
• 2. Prondziński Z., Rubanowicz T., Zryczałtowana usługa operatora handlowo-technicznego na potrzeby rozwoju energetyki wiatrowej w Polsce [The flat-rate service of commercial and technical operator for the development of wind power generation in Poland], Acta Energetica 2004, No. 19.
• 3. Hernandez L., Artificial Neural Network for Short-Term Load Forecasting in Distribution Systems, Energies 2014, 7 1576-1598, ISSN1996-1073, March 2014, collective study.
• 4. Perez-Llera C., Fernandez-Baizan M.C., Gonzalez del Valle V., Local Short-Term Prediction of Wind Speed: A Neural Network Analysis, Universidad Politecnica de Madrid, Spain.
• 5. Moghaddas-Tafreshi, S.M., Panahi D., One-hour-ahead forecasting of wind turbine power generation using artificial neural networks, K.N. Toosi University of Technology, Teheran, Iran.
• 6. Mao J., Zhang X., Li J., Wind power forecasting based on the BP neural network, Beifang University of Nationalities, Yinchuan, China.
• 7. Sweeney C. et al., Post-processing COSMO output for improved wind forecast, Meteorology and Climate Centre, University College Dublin, Ireland, April 2012.
• 8. Selcuk Nogay H., Akinci T.C., Eidukeviciute M., Application of artificial neural networks for short term wind speed forecasting in Mardin, Turkey, Journal of Energy in Southern Africa, November 2012, Vol. 23, No. 4.