XX Simposio Internacional de Ingeniería Eléctrica

SIE 2023

Método de predicción de la potencia generada para plantas fotovoltaicas conectadas al sistema eléctrico

Se desarrolla un método para la predicción a corto plazo de la potencia generada en diferentes parques solares fotovoltaicos del país. Se analizan tanto los preprocesamiento de datos históricos, como postprocesamiento de los resultados primarios de las predicciones mediante modelos, algoritmos y programas computacionales desarrollados para este tipo de pronóstico energético. El método desarrollado se fundamenta en la aplicación de programas de predicción de generación para plantas fotovoltaicas individuales previamente desarrollados aplicando técnicas de inteligencia artificial tales como redes neuronales de aprendizaje profundo (redes recurrentes del tipo Long Short Term Memory, LSTM) y redes neuronales convolucionales. Como variables de entrada se consideran la irradiación solar y la temperatura ambiente, realizando un modelado no lineal entre estas entradas y la potencia generada. Dada la variabilidad de los datos reales procesados se determinó la necesidad de aplicar diversas técnicas de preprocesamiento, e igualmente se analizan determinados procedimientos de postprocesamiento con los datos directos de la predicción, que se considera predicción primaria. Se comprueba la correspondencia de las predicciones con los datos reales obtenidos posteriormente, siendo mejor esta correspondencia en las horas centrales del dia de generación (7 am a 6 pm). En el trabajo se presenta los resultados de las predicciones para un grupo de plantas fotovoltaicas demostrándose la factibilidad de realizar este tipo de predicción para todas aquellas plantas que disponga de las mediciones históricas necesarias a partir de la comparación de estos resultados con los obtenidos con el procedimiento de predicción que se aplican actualmente.

A method is developed for the short-term prediction of the power generated in different photovoltaic solar parks in the country. Both the preprocessing of historical data and postprocessing of the primary results of the predictions are analyzed using models, algorithms and computer programs developed for this type of energy forecast. The developed method is based on the application of generation prediction programs for individual photovoltaic plants previously developed by applying artificial intelligence techniques such as deep learning neural networks (recurrent networks of the Long Short Term Memory, LSTM type) and convolutional neural networks. Solar irradiation and ambient temperature are considered as input variables, performing non-linear modeling between these inputs and the generated power. Given the variability of the real data processed, the need to apply various preprocessing techniques was determined, and certain postprocessing procedures were also analyzed with the direct prediction data, which is considered primary prediction. The correspondence of the predictions with the real data obtained later is checked, this correspondence being better in the central hours of the generation day (7 am to 6 pm). The work presents the results of the predictions for a group of photovoltaic plants, demonstrating the feasibility of making this type of prediction for all those plants that have the necessary historical measurements from the comparison of these results with those obtained with the procedure. of prediction that are currently applied.