Πρόβλεψη ηλιακής ακτινοβολίας με χρήση μεθόδων μηχανικής μάθησης και αξιοποίηση δεδομένων νεφοκάλυψης

Abstract

Η αυξανόμενη διείσδυση των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) στα συστήματα ηλεκτρικής ενέργειας δημιουργούν προκλήσεις που οφείλονται στην στοχαστική φύση των ΑΠΕ. Η φωτοβολταϊκή παραγωγή, τα τελευταία χρόνια, παρουσιάζει ραγδαία ανάπτυξη και η ενσωμάτωσή της στα δίκτυα αυξάνεται με την πάροδο των χρόνων. Ωστόσο, η παραγωγή ηλεκτρικής ενέργειας από φωτοβολταϊκά πλαίσια αποτελεί στοχαστική διαδικασία, καθώς εξαρτάται από την ηλιακή ακτινοβολία και άλλους μετεωρολογικούς παράγοντες που μεταβάλλονται με στοχαστική συμπεριφορά. Συνεπώς, η πρόβλεψη της ηλιακής ακτινοβολίας αποτελεί σημαντική διαδικασία για την ομαλή ενσωμάτωση της φωτοβολταϊκής παραγωγής στα συστήματα ηλεκτρικής ενέργειας. Σκοπός της παρούσας Διπλωματικής Εργασίας είναι η πολύ βραχυπρόθεσμη πρόβλεψη της ηλιακής ακτινοβολίας και της φωτοβολταϊκής παραγωγής με την χρήση συνελικτικών νευρωνικών δικτύων και δικτύων μακράς βραχύχρονης μνήμης. Η πρόβλεψη πραγματοποιείται μέσω της κατασκευής και της εκπαίδευσης τριών συνελικτικών νευρωνικών δικτύων που βασίζονται στις αρχιτεκτονικές των μοντέλων VGG16 και ResNet50, και την κατασκευή και την εκπαίδευση ενός υβριδικού μοντέλου που συνδυάζει τις δυνατότητες των συνελικτικών δικτύων και των δικτύων μακράς βραχύχρονης μνήμης. Η εκπαίδευση και η αξιολόγηση των μοντέλων βασίζεται σε επίγειες εικόνες του ουρανού που παρέχουν δεδομένα νεφοκάλυψης από φωτοβολταϊκό πάρκο και αντίστοιχες μετρήσεις μετεωρολογικών παραγόντων. Κατά την εκπαίδευση εκτελείται αξιολόγηση με χρήση κατάλληλων δεικτών παρακολούθησης των σφαλμάτων. Η απόδοση των αναπτυσσόμενων μοντέλων αξιολογείται με τη χρήση κατάλληλων δεικτών αξιολόγησης. Γίνεται αξιολόγηση μεταξύ των προβλέψεων που παράγονται από τα μοντέλα σε διαφορετικές καιρικές συνθήκες για την ανάλυση της συμπεριφοράς και της ακρίβειάς τους. Η ανάπτυξη του κώδικα για την δημιουργία των μοντέλων, την επεξεργασία του συνόλου δεδομένων και την εξαγωγή των αποτελεσμάτων υλοποιήθηκε στη γλώσσα προγραμματισμού Python. Η καινοτομία της παρούσας διπλωματικής εργασίας είναι η χρήση δεδομένων νεφοκάλυψης από επίγειες εικόνες του ουρανού και ο συνδυασμός τους με μετρήσεις μετεωρολογικών παραγόντων, καθώς και η ανάλυση σε διαφορετικές καιρικές συνθήκες και καταστάσεις των νεφών.