Tomasz Rubanowicz pracuje nad dokładniejszymi prognozami mocy wytwórczej farmy wiatrowej
Nad metodą obliczeniową i narzędziem programowym, które pozwoli przewidzieć moc wytwórczą farmy wiatrowej, pracuje Tomasz Rubanowicz z Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej. Jego aplikacja może uchronić właścicieli farm wiatrowych przed płaceniem kar umownych wynikających z błędnych założeń. Dokładne prognozy ułatwią operatorom sterowanie siecią elektroenergetyczną i optymalne wykorzystanie zasobów.
Moc farmy wiatrowej zależy w dużej mierze od prędkości wiatru. Błędy prognozy łączą w sobie błąd oszacowania mocy i błąd prognozy pogody. Prognozowanie prędkości wiatru jest bardzo istotne, a osiągnięcie założonego błędu prognozy może poprawić sterowanie rozpływami mocy w sieci. "Dzięki współpracy z inwestorami będę mógł udoskonalać opracowaną metodę oraz zbudować aplikację, która w przyszłości może być udostępniona każdemu potencjalnemu właścicielowi małej, jak i dużej farmy wiatrowej" - zapowiada w rozmowie z PAP Tomasz Rubanowicz. Jak tłumaczy, dostępne obecnie aplikacje są drogie i właścicieli małych farm wiatrowych nie stać na ich zakup. Ponadto są one niedokładne i błędy w prognozach sięgają 15-20 proc. Mała dokładność prognoz mocy może mieć dla przedsiębiorstwa negatywne skutki ekonomiczne, wynikające z dodatkowych opłat. Badacz zamierza zwiększyć dokładność prognoz 24-godzinnych przy zastosowaniu sztucznych sieci neuronowych. Szuka też odpowiedzi na pytanie, czy możliwa jest prognoza z błędem 10 proc. na podstawie standardowej prognozy pogody.
Znane narzędzia wspomagające prognozowanie oparte są na prostym modelu analitycznym. Uwzględnia on tylko charakterystyki turbin, prędkość wiatru, ciśnienie i temperaturę powietrza, co nie zapewnia wymaganej dokładności. Nieco więcej czynników obejmują modele rekurencyjne. "Zadanie staje się szczególnie trudne, gdy chcemy oprzeć estymację mocy na prognozie pogody dla pewnego obszaru, a nie konkretnej lokalizacji" - stwierdza Rubanowicz. Jego zdaniem, w modelu prognozy należy uwzględnić nie tylko profil wiatru, kierunek wiatru, przesłonięcie, ale także dynamikę zmian kierunku wiatru. Tak złożony model wymaga zastosowania dynamicznej sieci neuronowej o odpowiedniej strukturze.
Naukowiec, pod kierunkiem prof. nadzw. PG dr hab. inż. Elżbiety Bogaleckiej, prowadzi badania związane z oceną wiarygodności danych produkcyjnych i meteorologicznych, wyborem struktury modelu prognozy; oceną znanych modeli analitycznych, określeniem struktury modelu neuronowego, symulacją i eksperymentem. Jego celem jest wdrożenie metody obliczeniowej. Opracowane narzędzie będzie użyteczne dla podmiotów odpowiedzialnych za bilansowanie mocy w sieci elektroenergetycznej i dla właścicieli farm wiatrowych.
"Wykorzystanie zbudowanego narzędzia nie ma ograniczeń regionalnych, dotyczy każdej farmy wiatrowej, inna jest tylko próbka ucząca, czyli końcowe parametry sieci" - zapewnia Tomasz Rubanowicz.
Zaznacza, że jego zadanie jest aktualne naukowo, o czym świadczą liczne publikacje międzynarodowe oraz fakt, że temat ten jest często poruszany przez naukowców i inwestorów na konferencjach branżowych. "Najtrudniejszym etapem współpracy z gospodarką, z punktu widzenia doktoranta, jest przekonanie inwestorów, że otrzymane dane produkcyjne posłużą tylko i wyłącznie do celów badawczo-naukowych" - ocenia rozmówca PAP. KOL
