0

Ứng dụng mạng nơron nhân tạo dự báo sản lượng điện của nhà máy điện mặt trời

5 7 0
  • Ứng dụng mạng nơron nhân tạo dự báo sản lượng điện của nhà máy điện mặt trời

Tài liệu liên quan

Thông tin tài liệu

Ngày đăng: 15/01/2022, 11:37

Nghiên cứu này đã ứng dụng mạng nơron nhân tạo dự báo sản lượng điện của nhà máy điện mặt trời dựa trên các yếu tồ về thời tiết. Nghiên cứu được ứng dụng dự báo điện lượng ngày của nhà máy điện mặt trời công suất 752KWp tại tỉnh Hưng Yên cho kết quả tin cậy. BÀI BÁO KHOA HỌC ỨNG DỤNG MẠNG NƠRON NHÂN TẠO DỰ BÁO SẢN LƯỢNG ĐIỆN CỦA NHÀ MÁY ĐIỆN MẶT TRỜI Trịnh Quốc Cơng1, Hồ Ngọc Dung1 Tóm tắt: Việt Nam đánh giá quốc giá có tiềm lớn lượng mặt trời Đây nguồn lượng thân thiện với môi trường tái tạo thiên nhiên Trong năm gần đây, với nhiều chế khuyến khích, dự án điện lượng mặt trời phát triển mạnh nước ta, góp phần đảm bảo an ninh lượng quốc gia Tuy nhiên với phát triển nhanh kể số lượng dự án, tổng công suất lắp đặt sản lượng điện nhà máy điện mặt trời nên công tác vận hành hệ thống điện gặp khó khăn Để có sở phối hợp vận hành hợp lý nguồn điện hệ thống cần có cơng tác dự báo công suất sản lượng điện nhà máy điện mặt trời Nghiên cứu ứng dụng mạng nơron nhân tạo dự báo sản lượng điện nhà máy điện mặt trời dựa yếu tồ thời tiết Nghiên cứu ứng dụng dự báo điện lượng ngày nhà máy điện mặt trời công suất 752KWp tỉnh Hưng Yên cho kết tin cậy Kết nghiên cứu cung cấp phương pháp hữu ích dự báo sản lượng điện nhà máy điện mặt trời, góp phần xây dựng chế độ vận hành hợp lý cho hệ thống điện Từ khóa: Năng lượng điện mặt trời, mạng thần kinh nhân tạo ANN, dự báo điện lượng ĐẶT VẤN ĐỀ * Những năm qua, tác động nghiêm trọng từ biến đổi khí hậu, Việt Nam chuyển hướng phát triển mạnh ngành lượng tái tạo Các nguồn lượng gió lượng mặt trời có nhiều chế khuyến khích để phát triển Đến thời điểm tại, tổng công suất lắp đặt điện mặt trời nước đạt tới 19.400 MWp (trong có gần 9.300 MWp điện mặt trời mái nhà), tương ứng 16.500 MW, chiếm khoảng 25% tổng công suất lắp đặt nguồn điện hệ thống điện quốc gia Theo dự thảo Quy hoạch điện 8, đến năm 2030 tổng công suất lắp đặt điện mặt trời khoảng 22.040 MW đến năm 2045 công suất lắp đặt điện mặt trời đạt khoảng 63.640 MW (Dự thảo Quy hoạch phát triển điện quốc gia, 2021) Các dự án điện mặt trời đóng góp lớn vào việc đảm bảo an ninh lượng quốc gia, góp phần phát triển đất nước Tuy nhiên với phát Khoa Công trình, Trường Đại học Thủy lợi 90 triển nhanh kể số lượng dự án, tổng công suất lắp đặt sản lượng điện nên công tác vận hành hệ thống điện gặp khó khăn Để có sở phối hợp vận hành hợp lý nguồn điện hệ thống cần có cơng tác dự báo cơng suất sản lượng điện nhà máy điện hệ thống, đặc biệt công tác dự báo ngắn trung hạn sản lượng điện nhà máy điện mặt trời Công suất phát điện lượng nhà máy điện mặt trời phụ thuộc vào xạ chiếu xuống bề mặt pin lượng Sự biến thiên xạ chiếu xuống pin phụ thuộc lớn vào yếu tố khí hậu nhiệt độ khơng khí, chế độ mưa, chế độ mây phủ, số nắng …vv Do dự báo điện nhà máy điện mặt trời dựa yếu tố thời tiết Các số liệu thời tiết nhiệt độ khơng khí, số mưa, chế độ mây phủ lưu trữ trạm khí tượng trang web dự báo uy tín Trong nghiên cứu này, tác giả sử dụng phương pháp mạng nơron nhân tạo (ANN) dự báo sản lượng điện nhà KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ ĐẶC BIỆT (12/2021) máy điện mặt trời dựa số liệu nhiệt độ khơng khí, số mưa, số mây phủ Nghiên cứu áp dụng dự báo sản lượng điện cho nhà máy điện mặt trời áp mái công suất 752,4kWp huyện Tiên Lữ, tỉnh Hưng Yên PHƯƠNG PHÁP NGHIÊN CỨU 2.1.Tính tốn điện lượng nhà máy điện mặt trời Điện sản xuất khoảng ti ngày tính theo cơng thức (Kandasamy CP, 2013): E SPV ,i  N mod ul ,i Z t. SPV (1) Trong đó: Nmodul, Z, Δt, ηSPV - tương ứng công suất phát, số lượng modul, thời gian phát điện hiệu suất thời đoạn i ngày nhà máy điện mặt trời Thành phần công suất phát điện pin công thức (1) xác định vào đường đặc tính cơng suất pin: (2) N mod ul ,i  f G  ,tt ,i , N mod ul ,G  nước ta ứng dụng mơ hình tốn ANN vào giải toán dự báo cho kết đáng tin cậy Mạng thần kinh nhân tạo có ưu điểm khả học xử lý chuỗi số liệu đầu vào, tận dụng triệt để thông tin liệu đo đạc có khứ, dựa vào mối quan hệ liệu đầu vào để từ đưa dự báo Trong mơ hình ANN mơ hình Mạng thần kinh nhân tạo truyền thẳng nhiều lớp (Multilayer Perceptron MLP) sử dụng phổ biến để giải toàn phi tuyến, phức tạp, mà mối quan hệ q trình khơng dễ thiết lập cách tường minh Cấu trúc mạng ANN truyền thẳng MPL gồm lớp biến đầu vào input, lớp kết đầu output lớp ẩn hidden (Vũ Hữu Tiệp, 2018)  Trong đó: G  ,tt ,i tổng xạ chiếu xuống bề mặt pin N mod ul ,G  công suất phát điện ứng với cường độ xạ chiếu tới bề mặt pin nhà sản xuất cung cấp Đối với cơng trình lắp đặt, sản lượng điện phát thời đoạn i phụ thuộc vào tổng xạ chiếu xuống bề mặt pin Tổng xạ phụ thuộc nhiều vào điều kiện thời tiết điều kiện nắng, mưa, sương mù vv… nên công suất phát sản lượng điện nhà máy điện mặt trời phụ thuộc vào yếu tố thời tiết Từ sử dụng mạng nơron nhân tạo để dự báo sản lượng điện phát ngày nhà máy điện mặt trời dựa yếu tố thời tiết dự báo 2.2 Mạng thần kinh nhân tạo Mạng nơron nhân tạo, Artificial Neural Network (ANN), gọi tắt mạng nơron mơ hình xử lý thơng tin theo cách thức xử lý thông tin hệ nơron sinh học Nó tạo nên từ số lượng lớn phần tử (gọi phần tử xử lý hay nơron) kết nối với thông qua liên kết (gọi trọng số liên kết) làm việc thể thống để giải vấn đề cụ thể Trong thập niên gần đây, giới Hình Cấu trúc mạng nơron nhân tạo Các trọng số liên kết nơron lớp ANN xác định qua trình luyện mạng (học) từ liệu khứ Quá trình học trình cập nhật trọng số liên kết cho giá trị hàm lỗi (sai số) nhỏ Một mạng nơron huấn luyện cho với tập vec-tơ đầu vào X, mạng có khả tạo tập vec-tơ đầu mong muốn Y Tập X sử dụng cho huấn luyện mạng gọi tập huấn luyện (training set) Các phần tử x thuộc X gọi mẫu huấn luyện (training example) Quá trình huấn luyện chất thay đổi trọng số liên kết mạng Trong trình này, trọng số mạng hội tụ dần tới giá trị cho với vec-tơ đầu vào x từ tập huấn luyện, mạng cho vec-tơ đầu y có sái số so với giá trị thực đo nhỏ Có nhiều thuật giải để xác định trọng số liên kết thuật giải lan truyền KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ ĐẶC BIỆT (12/2021) 91 ngược (back-propagation algorithm) ứng dụng phổ biến Các bước luyện mạng xác định trọng số liên kết cho sơ đồ sau: Hình Sơ đồ khối luyện mạng ANN Sau xác định trọng số, mạng ANN sử dụng dự báo tập số liệu kiểm định (testing set) Độ xác kết dự báo điện lượng đánh giá thông qua trị số sai số quân phương (RMSE) phần trăm sai số tuyệt đối trung bình (MAPE) KẾT QUẢ TÍNH TỐN 3.1 Thơng số nhà máy điện mặt trời 752KWp Sử dụng mạng nơron nhân tạo dự báo sản lượng điện trung bình ngày dựa yêu tố thời tiết nhiệt độ trung bình ngày, số mưa số mây phủ ngày nhà máy điện mặt trời áp mái công suất 752,4kWp huyện Tiên Lữ, tỉnh Hưng Yên Nhà máy có thơng số sau: Thơng số chung nhà máy: Công suất lắp máy 752,4kWp Cường độ xạ trung bình: 3,83 kWh/m²/ngày Điện lượng trung bình năm: 857.500 kWh/năm Hiệu suất hệ thống (PR): 80,1% 92 Pin lượng mặt trời: Loại pin mặt trời: Đơn c- Si Công suất pin: 440 Wp Số lượng pin: 1710 Tấm Hiệu suất pin: 19,8% Inverter Loại máy inverter: String Số lượng inverter: 06 Công suất inverter: 110kWac Hiệu suất inverter: 98,7% Trạm biến áp: Công suất máy biến áp: 750kVA Điện áp: 0,4/22kV 3.2 Số liệu sử dụng dự báo Số liệu sử dụng số liệu quan sát từ ngày 01/01/2021 đến ngày 25/8/2021 nhiệt độ trung bình ngày, số mưa ngày, số mây phủ ngày sản lượng điện trung bình ngày Theo quan sát, nhà máy điện mặt trời bắt đầu phát điện từ khoảng sáng đến chiều nên để tránh gây nhiễu cho mơ hình, số liệu sử dụng tính tốn lấy khoảng thời gian từ sáng đến chiều Do đặc điểm khí hậu miền Bắc khác mùa nên tính tốn luyện mơ hình ANN, số liệu đầu vào phân theo mùa để tính Số liệu nhiệt độ trung bình ngày, số mưa, số có mây phủ từ ngày 01/01/2021 đến tháng 25/8/2021 lấy từ website https://www.wunderground.com/ Điện lượng trung bình ngày từ ngày 01/01/2021 đến ngày 25/8/2021 lấy từ số liệu vận hành nhà máy có website: https://www.isolarcloud.com Hình Đường trình nhiệt độ trung bình ngày KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ ĐẶC BIỆT (12/2021) Sử dụng số liệu thời tiết điện lương từ tháng đến tháng để luyện mạng ANN ngôn ngữ R (Bradley Boehmke, 2020) với cấu trúc mạng gồm lớp đầu vào thơng số nhiệt độ trung bình ngày, số mưa, số có mây phủ; lớp đầu điện lượng phát ngày; 02 lớp ẩn Kết tính tốn trọng số liên kết cho hình Hình Số mưa ngày Hình Số có mây phủ ngày Hình Trọng số liên kết mạng ANN dự báo điện lượng Hình Đường trình điện lượng ngày 3.3 Kiểm định kết dự báo Ứng dụng mô hình dự báo điện lượng ngày cho nhà máy điện mặt trời 752.4kWp tỉnh Hưng Yên để kiểm định kết tính tốn mơ hình Bộ liệu tính tốn kiểm định liệu thời tiết điện lượng 25 ngày đầu tháng năm 2021 Kết dự báo so sánh với số liệu thực đo bảng sau: Bảng So sánh điện lượng dự báo thực đo Ngày/tháng Nhiệt độ Số mưa (giờ) Số mây phủ (giờ) Điện lượng thực tế (MWh) Điện lượng dự báo (MWh) Ngày/tháng Nhiệt độ Số mưa (giờ) Số mây phủ (giờ) Điện lượng thực tế (MWh) Điện lượng dự báo (MWh) 1/8 28.0 4.5 1.46 1.28 15/8 29.0 4.5 5.5 1.26 1.47 2/8 32.2 0.5 3.42 3.71 16/8 31.4 3.95 4.43 3/8 32.8 0 4.04 3.74 17/8 31.6 3.55 3.22 4/8 33.2 0 3.80 3.80 18/8 31.4 0 4.31 3.82 5/8 34.0 0 3.71 3.91 19/8 31.3 0 3.90 3.51 6/8 35.1 0 3.65 4.05 20/8 32.0 2.5 3.30 3.34 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ ĐẶC BIỆT (12/2021) 7/8 35.4 0 4.14 4.10 21/8 32.9 3.96 4.19 8/8 30.9 1.72 1.78 22/8 32.4 3.02 3.44 10/8 28.4 1.28 1.35 23/8 28.4 2.32 2.55 11/8 29.0 7.5 2.39 2.28 24/8 31.5 2.99 3.10 12/8 29.0 2.24 2.18 25/8 31.1 2.92 3.01 13/8 31.5 3.04 2.67 93 Kết dự báo điện lượng có: Sai số quân phương: RMSE = 0.29MWh, Phần trăm sai số tuyệt đối trung bình: MAPE = 7,7% Kết tính tốn cho thấy giá trị dự báo giá trị thực tế điện lượng sai số khơng lớn, dùng kết dự báo phục vụ công tác vận hành nhà máy điện mặt trời hệ thống điện Hình Đường trình điện lượng dự báo thực tế KẾT LUẬN Ứng dụng mạng nơron nhân tạo dự báo sản lượng điện trung bình ngày thơng qua u tố dự báo thời tiết nhiệt độ trung bình ngày, số mưa, số mây phủ đồng thời kể đến yếu tổ ảnh hưởng thời tiết theo mùa cho kết phù hợp Do nhà máy điện mặt trời công suất 752,4KWp tỉnh Hưng Yên vào hoạt động từ tháng năm 2021 nên số liệu sử dụng để dự báo cịn Trong trình làm việc nhà máy điện mặt trời, liệu dùng để dự báo sản lượng điện thường xuyên cập nhật nên kết dự báo ngày tin Dự báo sản lượng điện nhà máy điện mặt trời ứng dụng mạng thần kinh nhân tạo có ý nghĩa quan trọng, góp phần cải thiện chế độ vận hành nhà máy điện mặt trời toàn hệ thống điện nước ta TÀI LIỆU THAM KHẢO Chính phủ (2021), Dự thảo Quyết định phê duyệt Quy hoạch điện lực quốc gia thời kỳ 2021 – 2030, tầm nhìn đến năm 2045 Vũ Hữu Tiệp (2018), Machine learning Nhà xuất Khoa học Kỹ thuật Bradley Boehmke & Brandon Greenwell (2020), Hands-On Machine Learning with R, CRC Kandasamy CP, Prabu P, Niruba K (2013), Solar Potential Assessment Using PVSYST Software IEEE 667-672 https://www.wunderground.com https://www.isolarcloud.com Abtrast: APPLICATION OF ARTIFICIAL NEUTRAL NETWORK FOR PREDICTING ENERGY OUTPUT OF SOLAR POWER PLANTS Vietnam is assessed as a country with great potential for solar energy This is an environmentally sustainable and renewable energy source In recent years, with many incentive mechanisms, solar power projects have developed in our country rapidly These projects have contributed to ensuring national energy security However, with the rapid development in terms of the number of projects, total installed capacity, and electricity output of solar power plants, the operation of the electricity system faces difficulties In order to opperate energy sources in the electricity system reasonably, it is necessary to forecast the capacity as well as the electricity output of solar power plants This study has applied the artificial neural network to predict the power output of solar power plants based on weather conditions The study was applied to predict the daily output of 752,4KWp solar power plant in Hung Yen province Results of predicted daily output are reliable This study provides a useful method for predicting the power output of solar power plants to make a reasonable operating mode for power plants in the electricity system Keywords: Solar energy, Artifical neural network ANN, Energy forecast Ngày nhận bài: 10/10/2021 Ngày chấp nhận đăng: 31/10/2021 94 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ ĐẶC BIỆT (12/2021) ... phát sản lượng điện nhà máy điện mặt trời phụ thuộc vào yếu tố thời tiết Từ sử dụng mạng nơron nhân tạo để dự báo sản lượng điện phát ngày nhà máy điện mặt trời dựa yếu tố thời tiết dự báo 2.2 Mạng. .. sử dụng để dự báo cịn Trong trình làm việc nhà máy điện mặt trời, liệu dùng để dự báo sản lượng điện thường xuyên cập nhật nên kết dự báo ngày tin Dự báo sản lượng điện nhà máy điện mặt trời ứng. .. lớn, dùng kết dự báo phục vụ công tác vận hành nhà máy điện mặt trời hệ thống điện Hình Đường trình điện lượng dự báo thực tế KẾT LUẬN Ứng dụng mạng nơron nhân tạo dự báo sản lượng điện trung bình
- Xem thêm -

Xem thêm: Ứng dụng mạng nơron nhân tạo dự báo sản lượng điện của nhà máy điện mặt trời, Ứng dụng mạng nơron nhân tạo dự báo sản lượng điện của nhà máy điện mặt trời

Từ khóa liên quan