Ces dernières années, Clean Power Research a créé une méthode de prévision solaire permettant de prévoir avec précision la production d'électricité des systèmes photovoltaïques " invisibles " situés derrière le compteur, généralement ceux que l'on trouve sur les maisons et les bâtiments commerciaux. Dans notre approche, les prévisions sont générées en simulant la production d'énergie d'un système individuel sur la base de ses spécifications définies et du rayonnement solaire prévu à son emplacement spécifique, puis en agrégeant la production d'énergie de tous les systèmes dans un territoire de service particulier.
Cette méthodologie est maintenant utilisée pour prévoir la production totale de tous les systèmes PV derrière le compteur sur le territoire du California Independent System Operator (CAISO). Dans le cadre de ses recherches en cours financées par un Prix SUNRISE du ministère de l'Énergie (SUNRISE signifie Sustainable Utility Network Repeatable Innovations in Solar Energy), Clean Power Research a commencé à intégrer la prévision derrière le compteur dans les outils de prévision de la charge utilisés par le CAISO. Le résultat : avec la bonne formation du modèle, la prévision de la production photovoltaïque derrière le compteur améliore les prévisions de charge des services publics.
En tant que leader américain de la capacité PV installée derrière le compteur, l'État de Californie est un terrain d'essai idéal pour les nouvelles technologies de prévision PV. L'ajout de prévisions de PV derrière le compteur à partir de SolarAnywhere® FleetView dans les modèles de prévision de la charge permettra aux services publics et aux opérateurs de réseau de tout le pays de rester en tête de la croissance du PV, tout en maintenant la fiabilité du réseau et en gérant le coût du déséquilibre.
La prévision de la production photovoltaïque derrière le compteur améliore les prévisions de charge des services publics
Les services publics et les zones d'équilibrage sont chargés d'équilibrer la production et la charge (termes utilisés par les services publics pour désigner l'"offre" et la "demande") sur leurs réseaux. Comme cela a été documenté par le CAISOun changement dynamique de la forme de la charge est observé. On pense que ce changement est en grande partie causé par le PV derrière le compteur.
Les bâtiments équipés de systèmes photovoltaïques consomment généralement moins d'énergie provenant du réseau. Lorsqu'un nombre suffisant de systèmes PV est installé, la réduction de la demande d'énergie du réseau peut avoir un impact sur les prévisions de charge globale. La perte de précision des prévisions peut entraîner une exposition au marché à court terme et augmenter les coûts pour les participants au marché.
Les modèles de prévision de la charge utilisent des techniques d'apprentissage qui trouvent des corrélations entre les variables d'entrée prévues (telles que la température de l'air) et les valeurs mesurées (telles que la demande ou la charge du système mesuré), mais ont (jusqu'à présent) largement fonctionné indépendamment de toute prévision PV derrière le compteur. Par conséquent, la production PV réelle peut conduire à une prévision de charge qui surestime ou sous-estime les besoins de charge pendant les heures de jour.
Un exemple de ceci se produit lorsque la température de l'air est utilisée par les modèles de charge pour prédire les charges électriques des jours suivants. Dans l'exemple présenté à la figure 1, la couverture nuageuse est plus épaisse et les températures sont plus élevées le premier jour, ce qui entraîne des charges plus importantes dues à l'utilisation accrue de la climatisation.
Le deuxième jour, cependant, la température est plus modérée et le ciel est plus clair. Cela entraîne une production photovoltaïque plus élevée, mais des charges plus faibles en raison d'une utilisation moindre de la climatisation. Par conséquent, la prévision de charge du deuxième jour - qui est basée, en partie, sur la prévision du jour précédent - est incorrectement prédite comme étant plus élevée que la réalité.
Après avoir constaté ce phénomène dans les modèles de prévision de charge, nous avons commencé à tester l'impact de l'intégration des prévisions PV derrière le compteur de FleetView. Pour ces tests, le modèle de prévision de la charge a été exécuté dans deux configurations : avec et sans les prévisions PV derrière le compteur.
La conclusion : l'utilisation des prévisions PV derrière le compteur permet de mieux prendre en compte la production PV derrière le compteur dans les prévisions de charge, que ce soit par temps nuageux ou ensoleillé. C'est ce que montre la figure 2, où la charge prévue avec la prévision PV correspond plus étroitement à la charge réelle.
Une formation précise du modèle de charge est nécessaire
Au fur et à mesure de nos recherches, nous nous sommes rendu compte qu'afin d'influencer les prévisions de charge avec les prévisions PV derrière le compteur, la première étape était d'entraîner le modèle de charge existant à reconnaître le " signal " PV.
La prédiction de la production continue du PV implique l'utilisation de modèles de prévision exploités en temps réel pour fournir des données aux outils opérationnels de l'opérateur de réseau. Une simulation historique, en revanche, s'efforce de prédire l'impact que le PV derrière le compteur aurait eu sur la charge au cours d'une période récente (c'est-à-dire de janvier 2012 à décembre 2015). Nous avons constaté que cette simulation historique était la clé de l'amélioration du modèle de prévision de la charge, et de la façon dont il consommerait la prévision sur le plan opérationnel.
Pour tester la force de l'amélioration du modèle de charge, nous avons mesuré la réaction du modèle de charge à chaque unité supplémentaire de production PV derrière le compteur. Dans la figure 3, nous présentons la simulation historique utilisée pour une sous-région du CAISO. Ce graphique présente un certain nombre de caractéristiques, notamment une croissance rapide du PV au cours de la période et une variation au cours des mois d'été en fonction des conditions nuageuses réelles de ces années.
Avec la croissance de la capacité PV derrière le compteur, de nouvelles solutions sont nécessaires pour que le réseau électrique fonctionne efficacement. Département de l'énergie SUNRISE Le financement de l'énergie solaire a donné à Clean Power Research une excellente occasion de vérifier que les prévisions du PV derrière le compteur permettront de mieux prévoir la charge, et d'en apprendre davantage sur la meilleure façon d'intégrer ces prévisions dans les opérations des services publics d'électricité et des opérateurs de réseau.
Avec l'État de la Californie comme banc d'essai, Clean Power Research a démontré comment le système FleetView FleetView FleetView permet aux prévisionnistes et aux opérateurs de réseau de mesurer, pour la première fois, l'impact de ces systèmes photovoltaïques " invisibles " dans les opérations quotidiennes. Les résultats du projet prouvent que les résultats de FleetView peuvent empêcher les outils opérationnels existants d'échouer face à l'évolution du paysage énergétique, et réduire les pertes dues à l'exposition au marché à court terme qui résulte de prévisions de charge inexactes.