Прогностична модель фотоелектричної станції з урахуванням термічного зниження потужності фотоелектричних модулів

Abstract

Прогнозування виробітку електричної енергії є обов’язковим для мережевих фотоелектричних станцій. Згідно з вимогами енергоринку прогнозуванню підлягає щогодинний виробіток електричної енергії на добу наперед, що обумовлено термінами купівлі/продажу електричної енергії. Це прогнозування виконується за допомогою прогностичних моделей процесів фотогальванічного перетворення сонячної енергії. Така модель зазвичай включає дві складові, перша з яких є суто аналітична, детер-мінована модель, що враховує на момент прогнозу взаємне положення Сонця та точки геолокації фотогальванічної станції, а друга — стохастична модель з машинним навчанням, яка за результатами навчання будує функцію впливу метеорологічних факторів на рівень виробітку електроенергії. Але, як показали результати випробувань, суттєвим недоліком такого підходу, що значно погіршує результати прогнозів, є неврахування ефекту термічного зниження потужності фотоелектричної станції. З метою вдосконалення прогностичної моделі фотоелектричної станції з урахуванням ефекту термічного зниження її потужності у разі надкритичного підвищення температури її панелей побудована та досліджена імітаційна модель ефекту термічного зниження потужності фотогальва-нічних модулів, з яких складаються робочі панелі фотогальванічних станцій. Особливу увагу в стат-ті приділено виявленню та дослідженню найпоширеніших метеорологічних факторів, які впливають на тепловий режим фотогальванічних модулів. За результатами проведених досліджень побудована третя складова прогностичної моделі, яка враховує ефект термічного зниження потужності фото-гальванічних модулів. Результати дослідження вдосконаленої трикомпонентної прогностичної моделі мережевої фотоелектричної станції для прогнозування щогодинного виробітку електричної енергії на добу наперед показали суттєве зниження небалансу між прогнозованою та фактично виробленою електричною енергією.

Forecasting the generation of electrical energy is mandatory for grid photoelectric plants. According to the requirements of the energy market, the hourly production of electricity for a day in advance is subject to forecasting, which is determined by the terms of purchase/sale of electricity. This forecasting is performed using predictive models of photovoltaic solar ener-gy conversion processes. Such a model usually includes two components: the first of which is a purely analytical, determin-istic model that takes into account the relative position of the Sun and the geolocation points of the photovoltaic station at the time of the forecast, and the second is a stochastic model with machine learning, which, based on the results of the training, builds a function of the influence of meteorological factors on level of electricity generation. But, as the results of the tests showed, a significant drawback of this approach, which significantly worsens the forecast results, is the failure to take into account the effect of thermal reduction of the power of the photovoltaic plant. In order to improve the prediction model of a photovoltaic plant, taking into account the effect of thermal reduction of its power at a supercritical increase in the tem-perature of its panels, a simulation model of the effect of thermal reduction of the power of photovoltaic modules, which make up the working panels of photovoltaic plants, was built and studied. Special attention is paid in this paper to the identi-fication and study of the dominant meteorological factors, influencing the thermal mode of photovoltaic modules. According to the results of the research, the third component of the prediction model was built, which takes into consideration the effect of thermal reduction of photovoltaic modules power. The results of the study of the revised three-component prediction model of the grid photoelectric station for the forecasting the hourly production of electric energy a day in advance showed a significant decrease in the imbalance between the predicted and actually produced energy.