Skip to Main Content

Usługi badawcze w sieci VIA CARPATIA

Uslugi Badawcze

Nazwa Badania
Modele prognostyczne przeznaczone do krótko- i średnioterminowego prognozowania mocy turbin i farm wiatrowych
Techniki
• krótko- i średnioterminowe prognozowanie mocy wyjściowej turbin i farm wiatrowych zlokalizowanych w dowolnym miejscu na świecie, • wykorzystanie uczenia maszynowego i uczenia głębokiego w branży energetyki wiatrowej (np. prowadzenie ruchu sieci elektroenergetycznych do których przyłączone są źródła energetyki wiatrowej, procesy podejmowania decyzji o planowej obsłudze turbin wiatrowych, prognozowanie stanu technicznego elementów turbin wiatrowych itp.).
Aparatura
Nie dotyczy
Normy
Nie dotyczy
Uczelnia
Politechnika Białostocka
Kontakt
Katedra Elektrotechniki, Energoelektroniki i Elektroenergetyk, Wydział Elektryczny dr inż. Robert Adam Sobolewski, pok. WE-121, tel. 85 7469385, e-mail: r.sobolewski@pb.edu.pl
Opis
Z uwagi na stochastyczny charakter produkcji energii elektrycznej przez turbiny wiatrowe i systematycznie zwiększający się udział energetyki wiatrowej w bilansie wytwórczym energii elektrycznej niezbędne jest prognozowanie tej produkcji, w szczególności przez takie podmioty, jak: operatorzy turbin i farm wiatrowych, operatorzy sieci dystrybucyjnych, operatorzy sieci przesyłowych, operatorzy handlowi oraz operatorzy techniczno-handlowi. Oferowane modele przeznaczone są do krótko- i średnioterminowego (maksymalnie 10 dni) prognozowania mocy wyjściowej turbin i farm wiatrowych. Rozdzielczość prognoz wynosi 1 godz., natomiast horyzont czasowy prognoz sięga 240 godz. Lokalizacja turbin lub farm wiatrowych dowolna – zarówno obszary lądowe jak też morskie. Prognozowanie odbywa się na podstawie danych historycznych mocy wyjściowej turbin wiatrowych i powszechnie dostępnych prognoz meteorologicznych. Proces trenowania modeli prognostycznych może być powtarzany wielokrotnie i ma na celu poprawę wiarygodności prognoz. W odniesieniu do farmy wiatrowej prognozowana jest moc wyjściowa każdej turbiny wiatrowej indywidualnie i na tej podstawie wyznaczana jest prognoza mocy farmy. Do budowy modeli prognostycznych wykorzystywane są wybrane algorytmy uczenia maszynowego i uczenia głębokiego oraz dobiera się najbardziej adekwatne algorytmy pod kątem wiarygodności prognozowania. Wiarygodność prognoz, zależna między innymi od indywidualnych cech turbin wiatrowych i miejsca ich lokalizacji, przekracza tę uzyskiwaną przez większość dostępnych na rynku modeli, a w przypadku prognoz średnioterminowych (kilkudniowy horyzont czasowy) wykazuje dużo większą wiarygodność aniżeli inne znane modele.
Slowa Kluczowe
prognozowanie, energetyka wiatrowa, uczenie maszynowe, uczenie głębokie

Informacje o projekcie

Stopka
Minister Nauki

Zadanie finansowane w ramach zlecenia
Ministra Nauki pod nazwą "Politechniczna Sieć VIA CARPATIA im. Prezydenta RP Lecha Kaczyńskiego" w latach 2022-2025

MNiSW
Wersja: 0.1b Właścicielem i administratorem danych zawartych w bazie danych są uczelnie: Politechnika Rzeszowska, Politechnika Lubelska oraz Politechnika Białostocka. Zaprojektowanie witryny: Paweł Kuraś, Krzysztof Demidowski, Veronika Vanivska
Built with using Oracle APEX