Dự báo công suất nguồn điện mặt trời sử dụng trí tuệ nhân tạo

Bài viết Dự báo công suất nguồn điện mặt trời sử dụng trí tuệ nhân tạo trình bày một nghiên cứu tại PECC2 áp dụng phương pháp trí tuệ nhân tạo xây dựng mô hình dự báo công suất tất định ngày tới (24h tới) cho nhà máy điện mặt trời Sơn Mỹ 3.1, trong đó sử dụng cả phương thức dự báo công suất trực tiếp và phương thức dự báo công suất gián tiếp thông qua dự báo bức xạ.
Nội dung trích xuất từ tài liệu:
Dự báo công suất nguồn điện mặt trời sử dụng trí tuệ nhân tạo KỶ YẾU HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC NĂM 2022 DỰ BÁO CÔNG SUẤT NGUỒN ĐIỆN MẶT TRỜI SỬ DỤNG TRÍ TUỆ NHÂN TẠO SOLAR POWER FORECASTING USING ARTIFICIAL INTELLIGENT 1 1 1 Trần Huỳnh Ngọc , Nguyễn Thanh Hằng , Nguyễn Mỹ Linh , 1 1 1 Trần Hoàng Phúc , Ôn Văn Nhân , Nguyễn Đỗ Yến Nhi , 1 1 1 Nguyễn Hữu Huy , Nguyễn Hoàng Trọng Khoa , Trương Ngọc Thùy Trang 1 Công ty Cổ phần Tư vấn Xây dựng Điện 2 (PECC2), 0903708980, ngoc.th@pecc2..com Tóm tắt: Bài báo này trình bày một nghiên cứu tại PECC2 áp dụng phương pháp trí tuệ nhân tạo xây dựng mô hình dự báo công suất tất định ngày tới (24h tới) cho nhà máy điện mặt trời Sơn Mỹ 3.1, trong đó sử dụng cả phương thức dự báo công suất trực tiếp và phương thức dự báo công suất gián tiếp thông qua dự báo bức xạ. Dữ liệu đầu vào cho dự báo bao gồm dữ liệu bức xạ, công suất, nhiệt độ không khí và độ ẩm trước ngày cần dự báo, và dữ liệu thời tiết được dự báo từ công ty dự báo khí tượng. Phương thức dự báo trực tiếp sử dụng mạng bộ nhớ dài – ngắn hạn (LSTM) với đầu ra là công suất được dự báo. Trong phương thức dự báo gián tiếp, nghiên cứu thực hiện mô-đun dự báo bức xạ với mạng LSTM và mô-đun quan hệ giữa bức xạ và công suất phát tại nhà máy sử dụng lần lượt kỹ thuật mạng nơ-ron nhiều tầng truyền thẳng (MLP), kỹ thuật hồi quy, và mô hình vật lý tấm pin mặt trời. Độ chính xác của phương thức dự báo trực tiếp hay gián tiếp đều ở mức 89% khi chưa sử dụng dữ liệu độ che mây dự báo, và đều được cải thiện lên đến khoảng 94% khi sử dụng thêm dữ liệu nhiệt độ và độ che mây dự báo. Bên cạnh đó, mô-đun quan hệ bức xạ-công suất có độ chính xác cao nhất khi được xây dựng bởi mạng MLP. Kết quả nghiên cứu cho thấy khả năng ứng dụng trí tuệ nhân tạo vào công tác dự báo bức xạ, công suất điện mặt trời ngày tới, và tầm quan trọng của dữ liệu độ che mây đối với công tác dự báo. Từ khóa: Dự báo công suất điện mặt trời; Trí tuệ nhân tạo; Mạng bộ nhớ dài – ngắn hạn; Độ che mây; Abstract: This paper presents a study conducted at PECC2 to build the deterministic model for 24-hour ahead solar power forecast at the solar power plant Son My 3.1 utilizing artificial intelligent techniques, with both direct and indirect ways of power forecasting. The input data of the forecast model includes history data of irradiance, power, air temperature, humidity and the predicted weather data. In the direct way of power forecast, solar power is forecasted directly using long-short term memory (LSTM) network. In the indirect way of power forecast, firstly the irradiance forecast is performed using a module of LSTM network, and the solar power is calculated from the forecasted irradiance using another module built based on their relationship, using multi-layer perceptron network, regression techniques, and physical modeling of solar panel, respectively. The test results show that both direct and indirect ways have the same accuracy level, around 89%, if the predicted cloud coverage is not used in the forecast model. Their accuracy level can be improved to 94% if the predicted cloud 30 CHUYỂN ĐỔI SỐ VÀ NÂNG CAO HIỆU QUẢ VẬN HÀNH HỆ THỐNG ĐIỆN QUỐC GIA coverage is utilized. Besides, the relationship module of solar irradiance and power reaches the best performance with MLP network. The study shows the ability of artificial intelligent techniques ‘s utilization for 24-hour ahead solar power forecasting, and the importance role of cloud coverage data in the forecast model. Keywords: Solar power forecast; Artificial Intelligent; Long – short term Memory; Cloud coverage. CHỮ VIẾT TẮT ĐMT Điện mặt trời NWP Dự báo thời tiết bằng phương pháp số trị GHI Tổng bức xạ phương ngang MAE Sai số trung bình tuyệt đối MAPE Sai số trung bình tuyệt đối phần trăm RSME Sai số căn trung bình bình phương MLP Mạng nơ-rôn nhiều tầng truyển thẳng RNN Mạng nơ-rôn tái lập LSTM Mạng trí nhớ dài – ngắn hạn 1. GIỚI THIỆU Nhiều năm trở lại đây, do thực trạng khan hiếm nhiên liệu hóa thạch và tính cấp thiết của nhu cầu bảo vệ môi trường, năng lượng điện tái tạo trở thành một lựa chọn quan trọng và chiếm tỉ trọng ngày càng cao trong lưới điện các quốc gia. Bên cạnh các lợi ích như bù đắp năng lượng thiếu hụt, tận dụng năng lượng tại chỗ, giảm thiểu khí nhà kính, việc các nguồn điện mặt trời tham gia vào lưới điện với tỉ trọng công suất cao cũng gây ra nhiều ảnh hưởng cho việc vận hành lưới điện, đặc biệt là tạo ra các thách thức cho công tác vận hành HTĐ trong ngắn hạn và dài hạn, như quản lý chất lượng điện năng, bảo đảm ổn định HTĐ, điều khiển ổn định điện áp, tần số, quản lý nghẽn mạch truyền tải, vận hành tối ưu các nhà máy nhiệt điện và thủy điện, cân bằng năng lượng… Việc dự báo chính xác công suất phát, sản lượng của các nguồn điện mặt trời có một vai trò rất quan trọng để bảo đảm tính hiệu quả và tối ưu của các giải pháp khắc phục các thách thức trên. Ngay cả khi mức độ nguy hiểm của các thách thức này chưa cao, việc dự báo công suất của các nguồn điện mặt trời cũng rất cần thiết cho công tác lập kế hoạch, quản lý và vận hành hệ thống điện. Đã có nhiều nghiên cứu quốc tế thực hiện việc dự báo công suất ĐMT và NLTT nói chung, sử dụng các phương pháp dự báo khác nhau như ...