En los últimos años, Clean Power Research ha creado un método de previsión solar para predecir con exactitud la producción de energía de los sistemas fotovoltaicos "invisibles" que se encuentran detrás del contador, típicamente los que se encuentran en casas y edificios comerciales. En nuestro método, las previsiones se generan simulando la producción de energía de un sistema individual en base a su especificación definida y a la radiación solar prevista en su ubicación específica, y luego agregando la producción de energía de todos los sistemas dentro de un territorio de servicio particular.
Esta metodología se utiliza ahora para previsión de la producción total de todos los sistemas fotovoltaicos detrás del contador en el territorio del Operador del Sistema Independiente de California (CAISO). Como parte de su investigación en curso, financiada por un Premio SUNRISE del Departamento de Energía (SUNRISE significa Sustainable Utility Network Repeatable Innovations in Solar Energy), Clean Power Research empezó a introducir la predicción detrás del contador en las herramientas de previsión de carga utilizadas por el CAISO. El resultado: con el entrenamiento adecuado del modelo, la predicción de la producción fotovoltaica detrás del contador mejora las previsiones de carga de la compañía eléctrica.
Como líder en Estados Unidos en capacidad fotovoltaica instalada detrás del contador, el estado de California es un campo de pruebas ideal para las nuevas tecnologías de previsión fotovoltaica. La incorporación de las predicciones fotovoltaicas detrás del contador de SolarAnywhere® FleetView®. en los modelos de previsión de carga permitirá a las empresas de servicios públicos y a los operadores de la red de todo el país adelantarse al crecimiento de la energía fotovoltaica, al tiempo que se mantiene la fiabilidad de la red y se gestiona el coste del desequilibrio.
La predicción de la producción fotovoltaica detrás del contador mejora las previsiones de carga de las compañías eléctricas
Las empresas de servicios públicos y las zonas de equilibrio son responsables de equilibrar la generación y la carga (términos de las empresas de servicios públicos para "oferta" y "demanda") en sus redes. Como se ha documentado por la CAISOse está observando un cambio dinámico en la forma de la carga. Se cree que este cambio está causado en gran medida por la energía fotovoltaica detrás del contador.
Los edificios con sistemas fotovoltaicos suelen consumir menos energía de la red. Cuando se instalan suficientes sistemas fotovoltaicos, la reducción de la demanda de energía de la red puede afectar a las previsiones de carga global. La pérdida de precisión en las previsiones puede provocar una exposición al mercado a corto plazo y aumentar los costes para los participantes en el mercado.
Los modelos de previsión de carga utilizan técnicas de aprendizaje que encuentran correlaciones entre las variables de entrada previstas (como la temperatura del aire) y los valores medidos (como la demanda del sistema medido o la carga), pero (hasta ahora) han funcionado en gran medida independientemente de cualquier predicción fotovoltaica detrás del contador. Como resultado, la producción fotovoltaica real puede llevar a una previsión de carga que sobrepase o infravalore las necesidades de carga durante las horas de luz.
Un ejemplo de esto ocurre cuando los modelos de carga utilizan la temperatura del aire para predecir las cargas eléctricas de los días siguientes. En el ejemplo de la Figura 1, la nubosidad es más densa y las temperaturas son más altas el primer día, lo que provoca un aumento de las cargas por el mayor uso del aire acondicionado.
El segundo día, sin embargo, la temperatura es más moderada y se combina con condiciones de cielo más despejado. Esto hace que la producción fotovoltaica sea mayor, pero que la carga sea menor debido al menor uso del aire acondicionado. Como resultado, la previsión de carga del segundo día -que se basa, en parte, en la previsión del día anterior- es incorrectamente superior a la real.
Después de ver este fenómeno en los modelos de predicción de carga, empezamos a probar el impacto de la integración de las previsiones fotovoltaicas detrás del contador de FleetView. Para estas pruebas, el modelo de previsión de carga se ejecutó en dos configuraciones: con y sin la previsión fotovoltaica detrás del contador.
La conclusión: el uso de las previsiones fotovoltaicas detrás del contador tiene más en cuenta la generación fotovoltaica detrás del contador dentro de la previsión de carga tanto en días nublados como soleados. Esto se muestra en la Figura 2, donde la carga prevista con la predicción fotovoltaica se ajusta más a la carga real.
Es necesario un entrenamiento preciso del modelo de carga
A medida que nuestra investigación se desarrollaba, nos dimos cuenta de que para influir en la previsión de carga con previsiones fotovoltaicas detrás del contador, un primer paso era entrenar el modelo de carga existente para que reconociera la "señal" fotovoltaica.
La predicción de la producción actual de la energía fotovoltaica implica el uso de modelos de previsión que funcionan en tiempo real para proporcionar datos a las herramientas operativas del operador de la red. Una simulación histórica, sin embargo, trata de predecir el impacto que la energía fotovoltaica detrás del contador habría tenido en la carga durante un período reciente (es decir, de enero de 2012 a diciembre de 2015). Esta simulación histórica, descubrimos, fue clave para la mejora del modelo de previsión de carga, y para el consumo operativo de la previsión.
Para comprobar la solidez de la mejora del modelo de carga, medimos la reacción del modelo de carga a cada unidad incremental de producción fotovoltaica detrás del contador. En la figura 3, presentamos la simulación histórica utilizada para una subregión de la CAISO. Este gráfico muestra una serie de características, como el rápido crecimiento de la energía fotovoltaica a lo largo del periodo de tiempo y la variación en los meses de verano basada en las condiciones reales de las nubes de esos años.
Con el crecimiento de la capacidad fotovoltaica detrás del contador, se necesitan nuevas soluciones para mantener el funcionamiento eficiente de la red eléctrica. Departamento de Energía SUNRISE La financiación ha dado a Clean Power Research una gran oportunidad para comprobar que las predicciones de la energía fotovoltaica detrás del contador darán lugar a una mejor previsión de la carga, y aprender más sobre la mejor manera de integrar estas previsiones en las operaciones de las empresas eléctricas y los operadores de la red.
Con el estado de California como banco de pruebas, Clean Power Research demostró cómo FleetView hace posible que los pronosticadores de carga y los operadores de la red midan, por primera vez, el impacto de estos sistemas fotovoltaicos "invisibles" en las operaciones diarias. Los resultados del proyecto demuestran que los resultados de FleetView pueden evitar que las herramientas operativas existentes fallen ante el cambiante panorama energético, y reducir las pérdidas debidas a la exposición al mercado a corto plazo que resultan de las previsiones de carga inexactas.