Większe zyski dzięki niezawodnym prognozom produkcji energii z OZE

Prognozy produkcji energii dla rozproszonych źródeł fotowoltaicznych i wiatrowych

O projekcie

Dowiedz się, jak Globema opracowała niezawodne prognozy pogody dla 250 rozproszonych źródeł energii solarnej i wiatrowej, dzięki modelom hybrydowym, wykorzystującym sztuczną inteligencję/ uczenie maszynowe (AI/ML) i obliczenia analityczne wspomagając Tradeę w zmniejszeniu kosztów udziału firmy w rynku bilansującym.

Spis treści:

tradea
Branża: Energetyka
Kraj: Polska
Rozwiązanie / Usługa: 4RES
Kategoria: Prognozy produkcji energii z OZE

TRADEA Sp. z o.o. jest niezależną, koncesjonowaną spółką obrotu energią elektryczną, działającą na polskim i europejskim rynku energii. Działalność operacyjną Spółka rozpoczęła w 2010 roku.

Wyzwania

Handel energią pochodzącą z Odnawialnych Źródeł Energii (OZE) wiąże się z ryzykiem odchyleń produkcji rzeczywistej od prognozowanej i w konsekwencji ponoszeniem dodatkowych kosztów udziału w rynku bilansującym. Przy rosnącym wolumenie energii generowanej ze źródeł odnawialnych, wyzwaniem stało się podniesienie trafności prognoz i ograniczenie błędów w każdej godzinie doby.

Rozwiązanie

Rozpoczęcie współpracy – etap wstępny

Pod koniec 2019 roku Globema i Tradea nawiązały współpracę, aby wypracować optymalne metody prognozowania produkcji energii w farmach wiatrowych i słonecznych. W roku 2020 przeprowadziliśmy prace obejmujące:

  • kompletowanie danych pomiarowych produkcji energii i korekty tych danych, np. pod kątem identyfikacji punktów pomiarowych (PPE) i wartości mocy zainstalowanych oraz danych technicznych urządzeń – po stronie Tradei,
  • weryfikację tych danych pod kątem poprawności, kompletności i ewentualnych anomalii – po stronie Globemy,
  • budowanie wstępnych modeli predykcyjnych i weryfikację ich dokładności – po stronie Globemy.

Formuła współpracy bazowała na spotkaniach, podczas których prezentowaliśmy klientowi wyniki badań i wspólnie decydowaliśmy o dalszym przebiegu prac. Po wypracowaniu satysfakcjonującego modelu predykcyjnego, rozpoczęliśmy półroczny etap testowy dostarczania i weryfikacji jakości prognoz.

Dalsza współpraca

Półroczny okres próbny zakończył się pozytywną weryfikacją zarówno samej usługi jak i poziomu błędów prognoz produkcji. Tradea dobrze oceniła wyniki naszej współpracy i zdecydowała się uruchomić usługi, bazujące na produkcie 4RES, od początku 2021 roku.

Prognozowanie obejmuje niemal 250 obiektów o łącznej mocy zainstalowanej około 240 MW, rozsianych na terenie Polski.
Jest ono oparte na obszarowej prognozie pogody, która powstaje na bazie modeli meteorologicznych UM i GFS, i stanowi pewien kompromis pomiędzy precyzją punktowych prognoz pogody, a ich kosztem – biorąc pod uwagę tak dużą liczbę obiektów dla których tworzone są prognozy.
Przekształcenie prognozy pogody na prognozę produkcji odbywa się za pomocą modeli hybrydowych, które łączą obliczenia analityczne ze sztuczną inteligencją/ uczeniem maszynowym (AI/ML).
Prognozy są dostarczane codziennie, przed godziną 9:00 rano, dwoma kanałami: mailem i FTP, w postaci plików tekstowych. Obejmują godziny od 1:00 do 24:00 dnia następnego, dla każdej farmy energetycznej z osobna. Farmy są grupowane w jednostki bilansowe wg sposobu rozliczania na rynku, m.in. według ceny stałej, rynku bilansującego, rynku dnia następnego itd.
Przypisanie farm do grup zmienia się z miesiąca na miesiąc, przybywa także nowych instalacji, które, na życzenie klienta, są włączane do systemu prognozowania z dnia na dzień.
Uzgodnione z klientem postać i sposób przekazywania plików umożliwiają ich automatyczną obsługę po stronie Tradei i przygotowanie grafików produkcji dla podmiotów odpowiedzialnych za bilansowanie handlowe. Ingerencja w przygotowane pliki jest konieczna jedynie w bardzo sporadycznych przypadkach, np. gdy nastąpi awaria któregoś ze źródeł.

Doskonalenie prognoz

Globema prowadzi monitoring jakości usługi w cyklu miesięcznym. Błędy prognoz w danym miesiącu są porównywane z błędami w miesiącach poprzedzających oraz odpowiednim miesiącem roku poprzedniego. Sprawdzamy także możliwość zmniejszenia błędu przez douczenie modelu najnowszymi danymi pomiarowymi.

Jeśli taka próba, potwierdzona 3-miesięcznym okresem testowym, przynosi poprawę, jest aplikowana w modelu docelowym. Notowany błąd nMAE usługi, definiowany jako średni absolutny błąd bezwzględny normalizowany mocą maksymalną farmy, wynosi od 1,8% do 7,3%, zależnie od miesiąca (latem z powodu większych wartości nasłonecznienia i długości dnia słonecznego błędy są większe).

Co istotne, wartości te spadają do 0,9%-3,2%, jeśli rozpatrywać nie średni błąd pojedynczych farm, lecz błąd całej grupy rozliczeniowej (VPP). Można to wytłumaczyć wzajemnym kompensowaniem się błędów różnych instalacji w różnych lokalizacjach. Efekt ten potwierdza również słuszność podejścia obszarowego w przypadku dużej liczby rozproszonych instalacji OZE o małych mocach jednostkowych.

4res

Niezawodność usług

Cały czas systematycznie pracujemy nad tym, aby nasz mechanizm dostarczania najbardziej aktualnych prognoz był niezawodny. Wspomniana wcześniej redundancja kanału dostawy (FTP i mail) zwiększa niezawodność w przypadku awarii jednego z nich. Wykonujemy także zapasowe prognozy z większym wyprzedzeniem na wypadek awarii samego serwisu prognoz pogody – wówczas w przypadku braku najnowszej prognozy pogody usługa nie zawodzi, choć wysyłana prognoza produkcji ma statystycznie nieco mniejszą precyzję.

Czy wiesz, że…

W ramach działalności Centrum Badawczo-Rozwojowego Globemy, prowadzimy także ciągłe badania doskonalenia jakości naszych prognoz, we współpracy z klientami i dostawcą prognoz pogody – Interdyscyplinarnym Centrum Modelowania Matematycznego i Komputerowego UW (ICM).

Ciekawym przykładem takiej współpracy jest zgłoszone przez Tradeę zagadnienie wpływu opadów śniegu i jego zalegania na panelach fotowoltaicznych na błąd prognozowania. Co prawda, wraz z ocieplaniem się klimatu, obfite opady śniegu, zwłaszcza na nizinach, odchodzą powoli do historii, jednak w sezonie 2020/21 miały one zauważalny wpływ na błędy prognozowania. Na bazie tych doświadczeń opracowaliśmy model pokrycia paneli śniegiem, który został przetestowany na najbardziej śnieżnym okresie w styczniu i lutym 2021, i jest gotowy do wdrożenia w najbliższym sezonie zimowym.

Efekty

Uruchomiona i systematycznie rozwijana usługa prognozowania i generowania godzinowych grafików produkcji energii pozwoliła naszemu klientowi zmniejszyć udział w rynku bilansującym, a tym samym ograniczyć ryzyko pojawiania się dodatkowych, często nieprzewidywalnych, kosztów tego udziału.

Elastyczność narzędzia pozwala dodatkowo w łatwy sposób i na bieżąco, uwzględniać zmiany w zainstalowanej mocy i przypisaniu jednostek wytwórczych do odpowiednich grup bilansowych, co oszczędza czas pracowników i gwarantuje poprawność rozliczeń.

Codzienne generowanie prognoz produkcji na dzień następny jest podwaliną naszego biznesu, gdyż przekłada się na finansowe efekty naszej gry rynkowej.

Wybraliśmy Globemę po projekcie pilotażowym, który toczył się w 2019 i 2020 roku, ponieważ przekonaliśmy się, że jakość tych prognoz opracowywanych profesjonalną metodą opartą na sztucznej inteligencji, znacząco przewyższa nasze wcześniejsze próby samodzielnego prognozowania.

Radosław Bartnicki
Analityk rynku energii elektrycznej, Tradea

Poznaj inne historie klientów

Polenergia

Wsparcie zarządzania majątkiem sieciowym w Polenergii

Dowiedz się, jak ujednoliciliśmy standard zarządzania siecią u największego w Polsce dystrybutora energii elektrycznej i jak uporządkowaliśmy dane dla 30 obszarów z 11 tysiącami klientów.

EL.GIS / Smallworld | Zarządzanie Majątkiem Sieciowym | Energetyka

PERN

Stały rozwój systemu zarządzania majątkiem sieciowym w modelu Pay-As-You-Go

System SeZaM oparty na platformie GE Smallworld obsługuje ropociągi oraz sieć telekomunikacyjną i energetyczną w PERN.

GE Global Transmission Office/Smallworld | Zarządzanie Majątkiem Sieciowym | Ropa i gaz

Umów się z nami na spotkanie, by osiągnąć podobne rezultaty w swojej firmie!