Διπλωματική Εργασία Πρόβλεψη Αιολικής Παραγωγής στην Ελλάδα

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΏΝ & ΜΗΧΑΝΙΚΩΝ Η/Υ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ Διπλωματική Εργασία Πρόβλεψη Αιολικής Παραγωγής στην Ελλάδα Ιπποκράτης Μπόμπορας Συμεών Περσίδης Επιβλέπων: Μηνάς Αλεξιάδης Λέκτορας Θεσσαλονίκη,

2 Περιεχόμενα ΚΕΦΑΛΑΙΟ 1: ΑΙΟΛΙΚΗ ΕΝΕΡΓΕΙΑ Εκμετάλλευση ανέμου Αιολικά πάρκα και τεχνολογία Η αιολική ενέργεια στην Ελλάδα... 6 ΚΕΦΑΛΑΙΟ 2: ΠΡΟΒΛΕΨΗ ΑΙΟΛΙΚΗΣ ΠΑΡΑΓΩΓΗΣ Αντικείμενο - Στόχοι της διπλωματικής Ανασκόπηση Βιβλιογραφίας Στατιστική ανάλυση της χρονοσειράς των ταχυτήτων ανέμου Μελέτη της χωρικής συσχέτισης των ταχυτήτων ανέμου Θέματα Μακροπρόθεσμης Πρόβλεψης Βιβλιογραφία ΚΕΦΑΛΑΙΟ 3: ΒΡΑΧΥΠΡΟΘΕΣΜΗ ΠΡΟΒΛΕΨΗ ΑΙΟΛΙΚΗΣ ΙΣΧΥΟΣ Μοντέλα βραχυπρόθεσμης πρόβλεψης Μοντέλο πρόβλεψης Αιολικής Ισχύος μέσω τεχνητών Νευρωνικών Δικτύων Πρόβλεψη Συνολικής Αιολικής Ισχύος στην Ελλάδα (Διασυνδεδεμένο Σύστημα) Εφαρμογή και Αποτελέσματα Πρόβλεψης Σφάλμα persistence Περιθώρια Σφάλματος ΚΕΦΑΛΑΙΟ 4: ΜΑΚΡΟΠΡΟΘΕΣΜΗ ΠΡΟΒΛΕΨΗ ΑΙΟΛΙΚΗΣ ΙΣΧΥΟΣ Παρουσίαση προβλήματος δεδομένων Επεξεργασία και Ανάλυση δεδομένων Μοντέλο μακροπρόθεσμης πρόβλεψης Αιολικής Ισχύος Αποτελέσματα Μοντέλου Μακροπρόθεσμης Πρόβλεψης ΠΑΡΑΡΤΗΜΑ Α: ΤΕΧΝHTΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Α.1 Μοντέλα Νευρωνικών Δικτύων (ΝΔ) Α.2 Το τεχνητό νευρικό κύτταρο Α.3 Νευρωνικά Δίκτυα και πρόβλεψη αιολικής παραγωγής

3 ΚΕΦΑΛΑΙΟ 1:ΑΙΟΛΙΚΗ ΕΝΕΡΓΕΙΑ 1.1 Εκμετάλλευση ανέμου Η εκμετάλλευση της ενέργειας του ανέμου από τον άνθρωπο αποτελεί μία πρακτική που βρίσκει τις ρίζες της στην αρχαιότητα. Χαρακτηριστικά παραδείγματα εκμετάλλευσης της αιολικής ενέργειας είναι τα ιστιοφόρα και οι ανεμόμυλοι. Σήμερα, για την αξιοποίηση της αιολικής ενέργειας χρησιμοποιούμε τις ανεμογεννήτριες (Α/Γ). Οι ανεμογεννήτριες είναι μηχανές οι οποίες μετατρέπουν την κινητική ενέργεια του ανέμου σε ηλεκτρική ενέργεια. Η μετατροπή αυτή γίνεται σε δύο στάδια. Στο πρώτο στάδιο, μέσω της πτερωτής, έχουμε την μετατροπή της κινητικής ενέργειας του ανέμου σε μηχανική ενέργεια με την μορφή περιστροφής του άξονα της πτερωτής και στο δεύτερο στάδιο, μέσω της γεννήτριας, επιτυγχάνουμε την μετατροπή της μηχανικής ενέργειας σε ηλεκτρική. Οι Α/Γ χρησιμοποιούνται για την πλήρη κάλυψη ή και τη συμπλήρωση των ενεργειακών αναγκών. Το παραγόμενο από τις ανεμογεννήτριες ηλεκτρικό ρεύμα είτε καταναλώνεται επιτόπου, είτε εγχέεται και διοχετεύεται στο ηλεκτρικό δίκτυο για να καταναλωθεί αλλού. Η παραγόμενη ηλεκτρική ενέργεια από τις Α/Γ, όταν η παραγωγή είναι μεγαλύτερη από τη ζήτηση, συχνά αποθηκεύεται για να χρησιμοποιηθεί αργότερα, όταν η ζήτηση είναι μεγαλύτερη από την παραγωγή. Η αποθήκευση σήμερα γίνεται με δύο οικονομικά βιώσιμους τρόπους, ανάλογα με το μέγεθος της παραγόμενης ενέργειας. Οι ηλεκτρικοί συσσωρευτές (μπαταρίες) είναι η πλέον γνωστή και διαδεδομένη μέθοδος αποθήκευσης Η/Ε, η οποία χρησιμοποιείται για μικρής κλίμακας παραγωγικές μη διασυνδεδεμένες στο κεντρικό δίκτυο μονάδες. Η άντληση ύδατος με χρήση Η/Ε παραγόμενης από Α/Γ και η ταμίευσή του σε τεχνητές λίμνες κατασκευασμένες σε υψόμετρο το οποίο είναι ικανό να τροφοδοτήσει υδροηλεκτρικό σταθμό, είναι η μέθοδος αποθήκευσης που χρησιμοποιείται όταν η παραγόμενη Η/Ε είναι μεγάλη. 3

4 Η αιολική ενέργεια αποτελεί σήμερα μια ελκυστική λύση στο πρόβλημα της ηλεκτροπαραγωγής. Το «καύσιμο» είναι άφθονο, αποκεντρωμένο και δωρεάν. Δεν εκλύονται αέρια θερμοκηπίου και άλλοι ρύποι, και οι επιπτώσεις στο περιβάλλον είναι μικρές σε σύγκριση με τα εργοστάσια ηλεκτροπαραγωγής από συμβατικά καύσιμα. Επίσης, τα οικονομικά οφέλη μιας περιοχής από την ανάπτυξη της αιολικής βιομηχανίας είναι αξιοσημείωτα. Οι ανεμογεννήτριες μπορεί να προκαλέσουν τραυματισμούς ή θανατώσεις πουλιών, κυρίως αποδημητικών γιατί τα ενδημικά «συνηθίζουν» την παρουσία των μηχανών και τις αποφεύγουν. Γι αυτό καλύτερα να μην κατασκευάζονται αιολικά πάρκα σε δρόμους μετανάστευσης πουλιών. Σε κάθε περίπτωση, πριν τη δημιουργία ενός αιολικού πάρκου ή και οποιασδήποτε εγκατάστασης ΑΠΕ θα πρέπει να έχει προηγηθεί Μελέτη Περιβαλλοντικών Επιπτώσεων (ΜΠΕ). Πάντως η συχνότητα ατυχημάτων πουλιών σε αιολικά πάρκα είναι πολύ μικρότερη αυτής των ατυχημάτων με αυτοκίνητα. Με την εξέλιξη όμως της τεχνολογίας και την αυστηρότερη επιλογή του τόπου εγκατάστασης (π.χ. πλωτές πλατφόρμες σε ανοικτή θάλασσα) το παραπάνω πρόβλημα, αλλά και ο θόρυβος από τη λειτουργία των μηχανών, έχουν σχεδόν λυθεί. Επιπλέον, για τη δημιουργία αιολικών πάρκων θα πρέπει να ληφθεί υπόψη η επιβάρυνση που θα προκληθεί στην τοποθεσία, διότι για να χτιστεί η εγκατάσταση θα πρέπει να κοπούν δέντρα η γενικώς να καταστραφεί μέρος της γης στην οποία θα γίνει το εγχείρημα. Με την εξέλιξη όμως της τεχνολογίας και την αυστηρότερη επιλογή του τόπου εγκατάστασης (π.χ. πλωτές πλατφόρμες σε ανοικτή θάλασσα) το παραπάνω πρόβλημα, αλλά και ο θόρυβος από τη λειτουργία των μηχανών, έχουν σχεδόν λυθεί. 1.2 Αιολικά πάρκα και τεχνολογία Η σημερινή τεχνολογία βασίζεται σε ανεμογεννήτριες οριζοντίου άξονα 2 ή 3 πτερυγίων, με αποδιδόμενη ηλεκτρική ισχύ kW. Όταν εντοπιστεί μια ανεμώδης περιοχή και εφόσον βέβαια έχουν προηγηθεί οι απαραίτητες μετρήσεις και μελέτες για την αξιοποίηση του αιολικού της δυναμικού τοποθετούνται μερικές δεκάδες ανεμογεννήτριες, οι οποίες απαρτίζουν ένα «αιολικό πάρκο». Η εγκατάσταση κάθε ανεμογεννήτριας διαρκεί 1-3 μέρες. Αρχικά ανυψώνεται ο πύργος και τοποθετείται τμηματικά πάνω στα θεμέλια. Μετά ανυψώνεται η άτρακτος στην κορυφή του πύργου. Στη βάση του πύργου συναρμολογείται ο ρότορας ή δρομέας (οριζοντίου άξονα, πάνω στον οποίο είναι προσαρτημένα τα πτερύγια), ο οποίος αποτελεί το κινητό μέρος της ανεμογεννήτριας. Η άτρακτος περιλαμβάνει το σύστημα μετατροπής της μηχανικής ενέργειας σε ηλεκτρική. Στη συνέχεια ο ρότορας ανυψώνεται και συνδέεται στην άτρακτο. Τέλος, γίνονται οι απαραίτητες ηλεκτρικές συνδέσεις. 4

5 Τα πρώτα δείγματα ηλεκτροπαραγωγής από αιολική ενέργεια εμφανίστηκαν στις αρχές του 20 ου αιώνα, όμως από το 1980 και μετά η τεχνολογία άρχισε να εξελίσσεται σε τέτοιο βαθμό που να μπορεί να υποστηρίζει ηλεκτροπαραγωγή σε υψηλή κλίμακα. Μέχρι το 2011 ο μέσος ετήσιος ρυθμός ανάπτυξης της αιολικής ενέργειας την τελευταία δεκαετία ήταν περίπου 20%, με MW εγκατεστημένη ισχύ στο τέλος του Σχήμα 1. Παγκόσμια εγκατεστημένη ισχύς αιολικής ενέργειας Πηγή: Global Wind Energy Council, 2011 Ο τρόπος με τον οποίο η αιολική ενέργεια μετατρέπεται σε ηλεκτρισμό είναι η ανεμογεννήτρια. Υπάρχουν δύο τύποι ανεμογεννητριών, οριζόντιου και κάθετου άξονα, με αυτές του οριζόντιου άξονα να είναι οι πιο διαδεδομένες αυτή τη στιγμή στον κόσμο. Η ονομαστική ισχύς μίας ανεμογεννήτριας έχει εύρος από μερικές δεκάδες Watt μέχρι MW σήμερα, ανάλογα με το μέγεθος και τα τεχνικά χαρακτηριστικά κάθε συσκευής. Κάθε ανεμογεννήτρια έχει μια χαρακτηριστική καμπύλη ταχύτητας- ισχύος (powercurve) που φανερώνει τη σχέση μεταξύ της παραγόμενης ενέργειας και της ταχύτητας του ανέμου για κάθε τύπο ανεμογεννήτριας. Η καμπύλη αυτή εξαρτάται από διάφορες ιδιότητες της ανεμογεννήτριας όπως η επιφάνεια σάρωσης της φτερωτής, η αεροδυναμική και οι αποδόσεις των κιβωτίων ταχυτήτων και της μηχανής. 5

6 1.3 Ηαιολική ενέργεια στην Ελλάδα Η Ελλάδα είναι μια χώρα με μεγάλη ακτογραμμή και τεράστιο πλήθος νησιών. Ως εκ τούτου, οι ισχυροί άνεμοι που πνέουν κυρίως στις νησιωτικές και παράλιες περιοχές προσδίδουν ιδιαίτερη σημασία στην ανάπτυξη της αιολικής ενέργειας στη χώρα. Το εκμεταλλεύσιμο αιολικό δυναμικό εκτιμάται ότι αντιπροσωπεύει το 13,6% του συνόλου των ηλεκτρικών αναγκών της χώρας. Ενέργειες για την ανάπτυξη της αιολικής ενέργειας έχουν γίνει σε ολόκληρη τη χώρα, ενώ στο γεγονός αυτό έχει συμβάλλει και η πολιτική της Ευρωπαϊκής Ένωσης για τις ΑΠΕ, η οποία ενθαρρύνει και επιδοτεί επενδύσεις στις Ήπιες μορφές ενέργειας. Αλλά και σε εθνική κλίμακα, ο νέος αναπτυξιακός νόμος 3299/04, σε συνδυασμό με το νόμο για της ανανεώσιμες πηγές ενέργειας 3468/06, παρέχει ισχυρότατα κίνητρα ακόμα και για επενδύσεις μικρής κλίμακας. Η περιφέρεια της Δυτικής Ελλάδας αν και έχει μικρότερο αιολικό δυναμικό σε σύγκριση με άλλες περιοχές, διαθέτει ένα ισχυρό ηλεκτρικό δίκτυο και το γεγονός αυτό σε συνδυασμό με την ύπαρξη ανεμωδών «νησίδων» (λόφοι, υψώματα κλπ. με εκμεταλλεύσιμο αιολικό δυναμικό) την καθιστούν ενδιαφέρουσα για την ανάπτυξη αιολικών πάρκων. Αιολικά πάρκα υπάρχουν και σε πλήθος νησιών, όπως το Αιολικό Πάρκο «Μανολάτη - Ξερολίμπα» του Δ.Δ. Διλινάτων Δήμου Αργοστολίου στην Κεφαλονιά. Στο ίδιο νησί έχουν ήδη δημιουργηθεί δύο ακόμη αιολικά πάρκα: το Αιολικό Πάρκο "Αγία Δυνατή" του Δήμου Πυλαρέων, και το Αιολικό Πάρκο "Ημεροβίγλι" στα διοικητικά όρια των Δήμων Αργοστολίου και Πυλαρέων. Με τη λειτουργία των τριών αιολικών πάρκων ο Νομός Κεφαλληνίας τροφοδοτεί το δίκτυο ηλεκτροδότησης της χώρας με σύνολο 75,6 MW ηλεκτρικής ισχύος. Επιπλέον, σε διαδικασία αδειοδότησης βρίσκονται πέντε ακόμη μονάδες. Αξίζει να σημειωθεί ότι οι ανάγκες του νησιού σε ηλεκτρική ενέργεια και σε περίοδο αιχμής (Αύγουστος) ανέρχονται σε 50MW. Η αντιστοιχία μεταξύ της ισχύος που αποδίδει η Κεφαλονιά στο δίκτυο και της ισχύος που καταναλώνει είναι εξαιρετικά ενθαρρυντική για την εξάπλωση της αιολικής ενέργειας και σε πολλά ακόμη νησιά της επικράτειας. 6

7 Στην Ελλάδα, η ανάπτυξη της αιολικής ενέργειας, αντιμετωπίζει μέχρι τώρα αρκετά προβλήματα. Παρά τη σημαντική αύξηση της εγκατεστημένης ισχύος τα τελευταία χρόνια, είναι κοινά αποδεκτό ότι αυτή η αύξηση είναι πολύ μικρή δεδομένου του πλούσιου αιολικού δυναμικού της χώρας μας. Σχήμα 2: Εγκατεστημένη ισχύς αιολικής ενέργειας στην Ελλάδα Κύριος λόγος για τη μικρή ανάπτυξη μέχρι το 2001 ήταν το νομοθετικό καθεστώς και το μονοπωλιακό μοντέλο της οικονομίας στην παραγωγή ηλεκτρικής ενέργειας. Μετά τις νομοθετικές αλλαγές στο χώρο των ΑΠΕ και την απελευθέρωση της αγοράς ηλεκτρικής ενέργειας, η κατάσταση βελτιώθηκε σημαντικά. Η Ελλάδα εφαρμόζει το σύστημα feed- in και η νομοθεσία προσφέρει επιπλέον αρκετά ικανοποιητικά κίνητρα για τους επενδυτές. Αυτό έχει ως αποτέλεσμα το αυξημένο ενδιαφέρον των επενδυτών για ανάπτυξη πολλών MW αιολικής ενέργειας (μεταξύ των οποίων και η EuniceEnergyGroup). Όμως το επενδυτικό ενδιαφέρον είναι φανερό ότι δεν είναι αρκετό. Χαρακτηριστικά, ο στόχος της χώρας μας για το 2010 ως προς την ηλεκτροπαραγωγή από αιολική ενέργεια ήταν η εγκατεστημένη ισχύς να φτάσει περίπου τα 3500MW ενώ στο τέλος του 2010 η πραγματικά εγκατεστημένη ισχύς ανήλθε μόλις στα 1320 MW. Είναι φανερό ότι σε μια χώρα για την οποία υπάρχει στόχος και καλή θέληση ενώ και οι επενδυτικές προτάσεις δεν είναι λίγες, η ανάπτυξη των αιολικών πάρκων καθυστερεί σημαντικά, με αποτέλεσμα, ο στόχος να έχει πλέον μετατεθεί για το 2020 με εγκατεστημένη ισχύ που θα πρέπει να φτάσει περίπου τα 7500 MW. Οι προβλέψεις μέχρι τώρα δεν είναι ευοίωνες, οι καθυστερήσεις στην έκδοση αδειών παραγωγής και εγκατάστασης είναι σημαντικές και οι προβλέψεις είναι συγκρατημένες. Κύριοι λόγοι για αυτές τις καθυστερήσεις είναι, η, τουλάχιστον μέχρι το 2009, μακροσκελής και περίπλοκη αδειοδοτική διαδικασία, η αδυναμία του δικτύου σε πολλές περιπτώσεις (π.χ. Εύβοια, Κρήτη) να υποστηρίξει επιπλέον εγκατεστημένη ισχύ, οι αντιδράσεις των κατοίκων κυρίως για θέματα οπτικής όχλησης και η έλλειψη χωροταξικού σχεδιασμού. Τα παραπάνω προβλήματα έχουν τεθεί υπό συζήτηση και έχουν καταβληθεί σημαντικές προσπάθειες για την επίλυση τους, όπως η δημιουργία, 7

8 αρχικά, του νόμου 3468/2006, ο οποίος απλοποίησε κατά ένα μέρος τον τρόπο λήψης άδειας παραγωγής, και, σε δεύτερη φάση, του νόμου 3851/2010 ο οποίος έχει επιταχύνει σημαντικά την αδειοδοτική διαδικασία (ιδιαίτερα στο τμήμα της περιβαλλοντικής αδειοδότησης), χωρίς όμως να λείπουν και σε αυτή την περίπτωση κενά ή αντικρουόμενες αρμοδιότητες μεταξύ κρατικών φορέων. Επίσης, έχουν δρομολογηθεί επεκτάσεις και ενισχύσεις του δικτύου μεταφοράς ρεύματος, ένα έργο το οποίο ενδέχεται να βοηθήσει μακροπρόθεσμα και την αδειοδότηση αλλά και την γρήγορη εισαγωγή των έργων αιολικής ενέργειας στο δίκτυο. Τα προβλήματα των κοινωνικών αντιδράσεων, εφόσον αυτά οφείλονται σε οπτική όχληση από την ύπαρξη των ανεμογεννητριών είναι πάντα δύσκολο να αντιμετωπιστούν, υπό την έννοια ότι το αν σε κάποιον αρέσει ή όχι η όψη μιας ανεμογεννήτριας είναι κάτι το υποκειμενικό. Είναι βέβαιο όμως ότι ένας επενδυτής ο οποίος θα σχεδιάσει και θα τοποθετήσει τις ανεμογεννήτριες, αποφεύγοντας τις υπερβολές και τις μαζικές παρεμβάσεις στο τοπίο μιας περιοχής και με κατανόηση στις ιδιαιτερότητες των τοπικών κοινωνιών, θα αντιμετωπίσει και τα λιγότερα προβλήματα. Το θέμα του χωροταξικού σχεδιασμού οριοθετείται από το Ειδικό Πλαίσιο Χωροταξικού Σχεδιασμού για τις ΑΠΕ το οποίο από τις αρχές του Δεκέμβρη του 2008 βρίσκεται σε εφαρμογή και έχει ενταχθεί στην αδειοδοτική διαδικασία των αιολικών πάρκων. 8

9 ΚΕΦΑΛΑΙΟ 2:ΠΡΟΒΛΕΨΗΑΙΟΛΙΚΗΣ ΠΑΡΑΓΩΓΗΣ 2. 1 Αντικείμενο - Στόχοι της διπλωματικής Εξαιτίας της αυξανόμενης ανάγκης χρήσης των ανανεώσιμων πηγών ενέργειας από τη μία και τη δυσκολία ελέγχου της παραγωγής τους λόγω της μεταβλητότητας που παρουσιάζουν από την άλλη καθίσταται επιτακτική η ανάγκη δημιουργίας μοντέλων πρόβλεψης. Η πρόβλεψη της αιολικής παραγωγής σε ένα Σύστημα Ηλεκτρικής Ενέργειας (ΣΗΕ)επηρεάζει την ασφάλεια και τη διαχείρισή του. Βελτίωση της πρόβλεψης σημαίνει αύξηση στην ασφάλεια του συστήματος και στην αποδοτικότητα των επενδύσεων σε Αιολικά Πάρκα (Α/Π). Η πρόβλεψη ανεμολογικών και μετεωρολογικών δεδομένων γινόταν ανέκαθεν για διάφορες εφαρμογές (αεροπλοΐα, ναυσιπλοΐα, γεωργία κλπ.). Εδώ και δυο περίπου δεκαετίες με την ευρεία χρήση των Α/Π σε μικρά και μεγάλα ΣΗΕ αυξήθηκε το ενδιαφέρον για την πρόβλεψη ανέμου. Εκείνο που ενδιαφέρει σε αυτή την περίπτωση είναι όχι μόνο το άνυσμα της ταχύτητας (μέτρο, κατεύθυνση) αλλά κυρίως η αντίστοιχη ηλεκτρική ισχύς που προκύπτει από τις χρονοσειρές ταχύτητας ανέμου με χρήση ενός φίλτρου που εκφράζει τη σχέση ταχύτητας- ισχύος. Η διπλωματική αυτή πραγματοποιείται στα πλαίσια της δράσης «Αριστεία» και αφορά τις περιπτώσεις βραχυπρόθεσμης αλλά και μακροπρόθεσμης πρόβλεψης. Οι μέχρι σήμερα εφαρμοσθείσες μέθοδοι, έτσι όπως αναφέρονται στη διεθνή βιβλιογραφία, δεν δίνουν πάντα ικανοποιητικά αποτελέσματα, ορισμένες δε, παραμένουν χωρίς εξέλιξη επί μια δεκαετία.. Στόχος της εργασίας ήταν να βελτιώσει την ακρίβεια της πρόβλεψης προτείνοντας προσθήκες και παραλλαγές που αφενός βασίζονται σε θεμελιώδεις μετεωρολογικές αρχές και αφετέρου κάνουν χρήση των πλέον σύγχρονων μεθόδων τεχνητής νοημοσύνης. Με τον όρο Βραχυπρόθεσμη καλύπτουμε μια μεγάλη ποικιλία προβλέψεων με χρονικό ορίζοντα 1 λεπτό, 10 λεπτά, μία ή μερικές ώρες μπροστά, όσο δηλ. χρειάζεται για να προσδιοριστεί ή να ενημερωθεί ο προγραμματισμός ενός αιολικού πάρκου και η συνεργασία του με τα άλλα συμβατικά μέσα παραγωγής ηλεκτρικής ενέργειας. Ουσιαστικά πρόκειται για πρόβλεψη της μεταβολής της έντασης των ανέμων στο αμέσως προσεχές διάστημα σε κάποια συγκεκριμένη θέση ή ευρύτερη έκταση. Στη συνέχεια βάσει της προβλεφθείσας ταχύτητας ανέμου σε ένα ή περισσότερα σημεία αναφοράς. μπορεί εύκολα να υπολογιστεί η αντίστοιχη παραγόμενη ισχύς μιας ανεμογεννήτριας ή ενός αιολικού πάρκου. Η πρόβλεψη της ταχύτητας ανέμου μπορεί να βασιστεί: α) στην ανάλυση των ιδιοτήτων της χρονοσειράς των ταχυτήτων, τον εντοπισμό δηλ. συχνοτήτων, περιοδικοτήτων, μεσοπρόθεσμων τάσεων κλπ. Τα ανάλογα μοντέλα μπορούν να δώσουν αξιόπιστη πρόβλεψη μερικά λεπτά έως και μία ώρα μπροστά, υπό κανονικές συνθήκες β) στη παρακολούθηση και τον έγκαιρο εντοπισμό των επερχόμενων μετώπων με τη χρήση ενός δικτύου μετεωρολογικών σταθμών πέριξ του αιολικού πάρκου. Με τον τρόπο αυτό είναι δυνατό να προβλεφθούν απότομες μεταβολές της ταχύτητας ανέμου σε έκτακτες περιπτώσεις. 9

10 Στο Σχ. 3 απεικονίζονται οι βασικές κατηγορίες στις οποίες ταξινομούνται τα μοντέλα βραχυπρόθεσμης πρόβλεψης της παραγωγής των αιολικών σταθμών και οι χρονικοί ορίζοντες εφαρμογής τους. Καταγραφές Ανέμου από γειτονικούς Μετεωρολογικούς Σταθμούς & Αιολικά Πάρκα Αριθμητικές Μετεωρολογικές Προβλέψεις Ανέμου Ατμοσφαιρικές Μεταβλητές (βήμα 1-3 h) Δεδομένα SCADA Μοντέλα Χωρικής Συσχέτισης (βήμα 5-15 min) Προσαρμογή στα δεδομένα του Αιολικού Πάρκου (Πρόβλεψη Ισχύος) Ανάγλυφο, Τραχύτητα Εδάφους, Ύψος & Ισχύς Α/Γ Καμπύλη Ισχύος Α/Γ κλπ Μοντέλα Χρονοσειρών (βήμα 5-60 min) Στατιστικά Μοντέλα Διόρθωσης Προσαρμογή στις πραγματικές Χρονοσειρές Ισχύος, Απαλοιφή Συστηματικών Σφαλμάτων, Υστέρησης, Πόλωσης κλπ Μοντέλα Χρονοσειρών (βήμα 1 min) 0-15min 0-3h 3-6h 6-72 h t Σχήμα 3: Μοντέλα Πρόβλεψης Ανεμοπαραγωγής Αντίστοιχα η Μακροπρόθεσμη Πρόβλεψη αφορά το διάστημα 0-72 ώρες μπροστά όπου οι στατιστικές ιδιότητες του ανέμου δεν μπορούν να βοηθήσουν. Έτσι βασίζεται συνήθως στις προσεγγιστικές αριθμητικές προβλέψεις καιρού που παρέχουν διάφορες διεθνείς μετεωρολογικές υπηρεσίες. Οι προτεινόμενες αυτές τιμές προσαρμόζονται με κάποιο έξυπνο φίλτρο στα μέτρα του κάθε Αιολικού Πάρκου, γίνεται δηλαδή αναγωγή της ταχύτητας ανέμου στο συγκεκριμένο γεωγραφικό στίγμα και το κατάλληλο υψόμετρο πάνω από το έδαφος και στη συνέχεια υπολογισμός της παραγόμενης ισχύος του Α/Π. Δίνεται ιδιαίτερη έμφαση στη δημιουργία στατιστικών μεθόδων βελτίωσης και διόρθωσης των προβλέψεων. Τα αναπτυχθέντα μοντέλα αξιολογήθηκαν πάνω σε μια ευρεία βάση δεδομένων από Θεσσαλονίκη, νησιά των Κυκλάδων και διάφορες περιοχές της Κρήτης. Μεγάλο μέρος των δεδομένων προέρχεται από δικές μας ανεμολογικές μετρήσεις συνολικής διάρκειας 3 περίπου ετών. Για λόγους ευκολίας στην ανάγνωση μέρος της μαθηματικής ανάλυσης βρίσκεται σε παραρτήματα στο τέλος της διπλωματικής Ανασκόπηση Βιβλιογραφίας Η ασφαλής και επωφελής χρήση της αιολικής ενέργειας για την τροφοδοσία ενός συστήματος ηλεκτρικής ενέργειας προϋποθέτει ότι έχουν λυθεί ορισμένα τεχνικά προβλήματα που είναι συνυφασμένα με τη μεταβλητότητα της ταχύτητας του ανέμου. Τα προβλήματα αυτά συνδέονται με την τάση, τη συχνότητα και επομένως με την επιτρεπόμενη διείσδυση αιολικής ισχύος στο δίκτυο, τις δεσμεύσεις μονάδων συμβατικής παραγωγής, την 10

11 εφεδρεία, την αξιοπιστία και τελικά το κόστος. Όσο ακριβέστερες είναι οι προβλέψεις των ταχυτήτων ανέμου τόσο μεγαλύτερη μπορεί να είναι η διείσδυση ενέργειας και χαμηλότερο το κόστος όπως αυτά θα εξηγηθούν παρακάτω. Στην περίπτωση όπου δεν υπάρχει πρόβλεψη πχ. για την αμέσως επόμενη ώρα, μπορεί να γίνει ανεκτή στο δίκτυο μια διείσδυση της τάξης μεγέθους 3-4 %. Όταν υπάρχει πρόβλεψη, τα ποσοστά αυτά μπορούν να πολλαπλασιασθούν. Οπωσδήποτε σε ένα εκτεταμένο ή μικρό δίκτυο μεγάλα ποσοστά διείσδυσης αιολικής ισχύος (>5%) θα έπρεπε να ελεγχθούν για να επιτευχθεί λειτουργία με ανεκτά όρια μεταβολής τάσης, συχνότητας, αξιοπιστίας. Αναφέρεται ένα μεγάλο πλήθος προτεινόμενων στρατηγικών πάνω στην αντιμετώπιση αυτού του προβλήματος. Μεγάλος είναι επίσης ο αριθμός των εμπλεκόμενων παραμέτρων καθώς και των επιμέρους περιπτώσεων: Υπάρχουν δίκτυα ισχυρά - διασυνδεδεμένα και δίκτυα ασθενή - αυτόνομα, υβριδικά δίκτυα όπου οι Α/Γ συνεργάζονται με ντιζελογεννήτριες, υδροηλεκτρικούς σταθμούς ή φωτοβολταϊκά στοιχεία. Κατά περίπτωση προτείνεται η ένταξη των μονάδων να μη μένει στάσιμη βάσει ενός προγραμματισμού πχ. 24 ωρών, αλλά να ενημερώνεται και να επαναπροσδιορίζεται κάθε 15 λεπτά ή και κάθε 1 λεπτό λόγω της ύπαρξης των Α/Γ. Τα προβλήματα οικονομικής βελτιστοποίησης (ελαχιστοποίηση συνολικού κόστους λειτουργίας) επιλύονται με χρήση τεχνικών δυναμικού προγραμματισμού. Ιδιαίτερη έμφαση δίνεται στις εφεδρείες του δικτύου (στιγμιαία, γρήγορη, αργή εφεδρεία), ενώ οι περιορισμοί της εγκατεστημένης ισχύος του αιολικού πάρκου λαμβάνονται υπόψη και σαν σχεδιαστική αλλά και σαν λειτουργική παράμετρος [1]. Σε κάθε περίπτωση η διαδικασία κεντρικού ελέγχου ενός αιολικού πάρκου συνοψίζεται ως εξής: α) πρόβλεψη φορτίου (σε 24ωρη ή ωριαία βάση) β) πρόβλεψη ταχυτήτων ανέμου (ή επαναπροσδιορισμός της) ανά 1 λεπτό, 15 λεπτά και 1 ώρα γ) Ανάληψη κατάλληλης δράσης βάσει σχεδίου. Οποιοδήποτε σχέδιο δράσης περιλαμβάνει κάποιο, έστω απλοϊκό, μοντέλο πρόβλεψης ανέμων, λαμβάνει δε υπόψη την αβεβαιότητα (σφάλμα) αυτού του μοντέλου και τα προβλήματα που πιθανώς θα ανακύψουν εξαιτίας της. Η βραχυπρόθεσμη πρόβλεψη ταχυτήτων ανέμου αντλεί το υλικό της από μεγάλη ποικιλία επιστημονικών εργασιών οι οποίες δύναται να ταξινομηθούν ως εξής: 2.3Στατιστική ανάλυση της χρονοσειράς των ταχυτήτων ανέμου. Οι πρώτες απόπειρες προσομοίωσης βασίζονται στα πολύ γνωστά από τη δεκαετία του 70 μοντέλα Box - Jenkins [2]. Τα μοντέλα αυτά διακρίνονται σε α) Μοντέλα αυτοπαλινδρόμησης (AR(p)) όπου η παρούσα τιμή x(i) εκφράζεται σαν γραμμικός συνδυασμός των p πιο πρόσφατων τιμών x(i-1) ως x(i-p). Το απλούστερο αυτών των μοντέλων x(i) = x(i-1) συνιστά την λεγόμενη παραμένουσα πρόβλεψη (persistent) η οποία είναι απλοϊκή μεν, αλλά όχι ευκαταφρόνητη ως προς την αποτελεσματικότητά της. Στην συνέχεια της παρούσας εργασίας το σφάλμα που προκύπτει από αυτή τη μέθοδο (παραμένον σφάλμα) θα χρησιμοποιείται ως μέτρο σύγκρισης για την αποδοτικότητα κάθε προτεινόμενου μοντέλου πρόβλεψης. β) Μοντέλα κινούμενου μέσου όρου (MA(q)) όπου η παρούσα τιμή x(i) εκφράζεται σαν γραμμικός συνδυασμός των q πιο πρόσφατων σφαλμάτων e(i-1) ως e(i-q). γ) Μικτά μοντέλα ARMA(p,q) που αποτελούν συνδυασμό των 2 προηγουμένων. 11

12 δ) Μοντέλα ARIMA(p,d,q) τα οποία είναι όμοια με τα ARMA, δεν αναφέρονται όμως στην αρχική χρονοσειρά αλλά στην d τάξης παράγωγό της. Η μεθοδολογία των Box - Jenkins στοχεύει στην αναγνώριση εκείνου του θεωρητικού μοντέλου που περιγράφει καλύτερα (δηλ. με το μικρότερο σφάλμα) την πραγματική χρονοσειρά. Ειδικά, σε μια διαδικασία πρόβλεψης, στόχος είναι η επιλογή του μοντέλου εκείνου που θα δώσει τα ελάχιστα σφάλματα όχι μόνο στην διαδικασία προσομοίωσης γνωστών δεδομένων αλλά κυρίως στην μετέπειτα εφαρμογή του στην πράξη επί νέων αγνώστων δεδομένων. Ως συνηθέστερα χαρακτηριστικά της χρονοσειράς ταχυτήτων ανέμου αναφέρονται η μη στασιμότητά της (δηλ. η έντονη μεταβολή του μέσου όρου από μέρα σε μέρα) και η μη συμμετρική κατανομή των τιμών της. Κατά περίπτωση εντοπίζεται η επίδραση του ημερησίου κύκλου ως ίχνος 24ωρης περιοδικότητας, ιδίως τους καλοκαιρινούς μήνες. Διάφοροι ερευνητές έχουν κατά καιρούς προτείνει διάφορα μοντέλα αναφερόμενοι σε χρονοσειρές με δείγματα ωριαία έως και δείγματα του ενός λεπτού. Τα πιο ενδιαφέροντα εξ αυτών παρουσιάζονται παρακάτω. Ο Desrochers [3] χρησιμοποιεί δεδομένα ώρας που καλύπτουν διάστημα ενός έτους. Εξετάζει διάφορα μοντέλα και επιλέγει το πιο ταιριαστό για κάθε μήνα. Τα μοντέλα ARMA (2, 1), ARMA (1, 2) και ARMA (3, 1) προτείνονται ως τα καταλληλότερα. Όταν το μοντέλο εφαρμόζεται επί της αρχικής χρονοσειράς οι ΜΑ όροι αναλαμβάνουν ρόλο διόρθωσης σφάλματος. Προσαρμόζουν δηλ. το υπάρχον μοντέλο στις ιδιαιτερότητες των πιο πρόσφατων δεδομένων και προλαμβάνουν φαινόμενα όπως εμμονή και πόλωση του σφάλματος επί διαδοχικών προβλέψεων. Ένα μοναδικό AR μοντέλο συνήθως αδυνατεί να περιγράψει αξιόπιστα μια χρονοσειρά με μεγάλη ποικιλία τιμών, μη στάσιμη και μη συμμετρική ως προς την κατανομή της. Για αυτό το λόγο οι παρακάτω ερευνητές μετασχηματίζουν την αρχική χρονοσειρά ώστε να αποβάλλουν τα ανεπιθύμητα χαρακτηριστικά της, εφαρμόζουν το μοντέλο επί της μετασχηματισμένης χρονοσειράς και στο τέλος αναγάγουν τις προβλέψεις στην αρχική μορφή της χρονοσειράς. Ο Daniel [4] ασχολείται με ωριαία δεδομένα επίσης. Υψώνει τις αρχικές τιμές σε κάποια δύναμη μεταξύ 0.6 και 1 μετατρέποντας έτσι την κατανομή τους σε συμμετρική, σχεδόν κανονική. Η μη στασιμότητα αποβάλλεται αφαιρώντας την μέση τιμή και διαιρώντας με την τυπική απόκλιση, όπως αυτές προέκυψαν χωριστά για κάθε μια από τις 24 ώρες της ημέρας. Η ίδια διαδικασία ακολουθείται για τρεις διαφορετικούς μήνες (Ιούνιο, Ιούλιο και Αύγουστο) και καταλήγει στο μοντέλο AR(2). Ο Hu [5] αντίστοιχα παίρνει την τετραγωνική ρίζα των αρχικών τιμών έτσι ώστε η κατανομή των νέων δεδομένων να πλησιάζει την κανονική κατανομή. Λόγω μη στασιμότητας χρησιμοποιεί διαφορισμένα μοντέλα (ARI). Χρησιμοποιεί κριτήρια που συνεκτιμούν την ανάγκη ελαχιστοποίησης του σφάλματος αλλά και την ανάγκη χρήσης φειδωλών μοντέλων. Ως συμβιβαστική λύση προτείνεται το μοντέλο ARI(4,1), τόσο για την χρονοσειρά της μίας ώρας, όσο και γι αυτήν του ενός λεπτού. Κατάδηλη είναι και η αδυναμία αυτών των μοντέλων για πρόβλεψη με χρονικό ορίζοντα πέραν της μίας ώρας.[6] Η φειδώ σε ένα μοντέλο (δηλαδή ο μικρός αριθμός παραμέτρων) θεωρείται ότι προσδίδει αξιοπιστία και δυνατότητα γενίκευσης στο μοντέλο, εγγυάται δηλαδή ένα σφάλμα πρόβλεψης ανάλογο ποιοτικά με το σφάλμα προσομοίωσης. Οι αρχικές παράμετροι του μοντέλου μπορούν να επιλεχθούν τυχαία ή με τη βοήθεια κάποιων κριτηρίων. (Για παράδειγμα οι εξισώσεις Yule-Walker εξάγουν αρχικές τιμές παραμέτρων βασιζόμενες στους συντελεστές μερικής αυτοσυσχέτισης της χρονοσειράς). Στη συνέχεια οι παράμετροι βελτιώνονται βαθμιαία στην κατεύθυνση ελαχιστοποίησης του σφάλματος με την χρήση κάποιας μεθόδου κλίσης. Οι μέθοδοι αυτές γίνονται περισσότερο πολύπλοκες στην περίπτωση μοντέλων ARMA. Ως μειονέκτημά τους παραδοσιακά 12

13 αναφέρεται η παγίδευσή τους σε τοπικά ελάχιστα και γενικά η οδήγηση τους σε τελικές τιμές ριζικά εξαρτώμενες από την επιλογή των αρχικών. Έτσι προτιμούνται μεταγενέστερα μοντέλα όπως τα φίλτρα Kalman όπου στην περίπτωση γραμμικών εξισώσεων, εντοπίζεται αμέσως το ολικό ελάχιστο με την μέθοδο ελαχίστων τετραγώνων. Μία προσπάθεια για μοντελοποίηση της αβεβαιότητας της πρόβλεψης ταχυτήτων ανέμου και ανεμοπαραγωγής σε μία ή περισσότερες τοποθεσίες, παρουσιάζεται στις εργασίες του Sοder[7]. Η χρήση μοντέλων παλινδρόμησης με αυξημένο θόρυβο (ARWIN και MARWIN) για πρόβλεψη μέχρι και 30 ή 50 ώρες μπροστά υπαινίσσεται πως καθώς ο χρονικός ορίζοντας πρόβλεψης Τ μεγαλώνει, το αντίστοιχο σφάλμα αποκτά πέραν της στοχαστικής και μια συστηματική συνιστώσα με εύρος ανάλογο του. Με βάση αυτές τις προβλέψεις μπορεί να γίνει η προσομοίωση της ημερήσιας λειτουργίας ενός συστήματος παραγωγής και η εκτίμηση του κόστους διείσδυσης της αιολικής ενέργειας σε αυτό. Αντίστοιχα, ο Jensen[8], στην προσπάθεια του να προβλέψει την συνολική ανεμοπαραγωγή σε 10 διεσπαρμένα αιολικά πάρκα στη Δανία για διάστημα 12 έως 36 ωρών προτείνει ένα μοντέλο το οποίο συσχετίζει την ταχύτητα του ανέμου με την ανεμοπαραγωγή εισάγοντας ταυτόχρονα και μια περιοδικότητα. Στο μοντέλο αυτό γίνεται επίσης και ένας μετασχηματισμός λαμβάνοντας την τετραγωνική ρίζα των αρχικών τιμών έτσι ώστε η κατανομή των νέων δεδομένων να πλησιάζει την κανονική κατανομή. Και στις δύο περιπτώσεις το λογικότερο θα ήταν να γίνει εκμετάλλευση και των αντίστοιχων μακροπρόθεσμων προβλέψεων της Μετεωρολογικής Υπηρεσίας. Ενδιαφέρον παρουσιάζουν και οι εργασίες επί της συνθετικής παραγωγής χρονοσειρών ταχυτήτων ανέμου (Κουργιτάκος[9],Μπαλουκτσής [10], κλπ) όπου βέβαια εξετάζεται η φύση των ανέμων. Ο Κουργιτάκος παρουσιάζει μία μέθοδο για την παραγωγή ωριαίων τιμών ταχυτήτων ανέμου χρησιμοποιώντας τη μέση τιμή, τη διασπορά και την αυτοσυσχέτιση ωριαίων τιμών ταχυτήτων ανέμου σε κάποια τοποθεσία. Μία παρόμοια διαδικασία χρησιμοποιείται για την παραγωγή χρονοσειρών της ισχύος εξόδου από διάσπαρτες Α/Γ. Η πιστοποίηση των αποτελεσμάτων όμως, αναφέρεται ότι ήταν περιορισμένη. Ο Μπαλουκτσής χρησιμοποιεί σαν δεδομένα τη μέση τιμή και τυπική απόκλιση των ταχυτήτων ανέμου ανά μήνα, για την παραγωγή ημερήσιων τιμών ταχυτήτων ανέμου, με τη βοήθεια ενός πίνακα μετάβασης Markov 1ης τάξεως. Για την παραγωγή ωριαίων τιμών, χρησιμοποιεί επιπλέον σαν δεδομένα τη μέση τυπική απόκλιση των ωριαίων τιμών ανά μήνα και ένα μη εποχικό μοντέλο AR(2). Ο Beyer [11] ισχυρίζεται ότι μπορεί να συνθέσει χρονοσειρές ωριαίων τιμών βασιζόμενος στο λεγόμενο ανεμολογικό «αποτύπωμα» μιας θέσης όπως τη δίνει ο Ευρωπαϊκός Άτλαντας Ανέμου και το σύστημα WASP. Αυτό περιλαμβάνει το μέσο ημερήσιο προφίλ για κάθε μήνα (ντετερμινιστική συνιστώσα) και τη φασματική πυκνότητα ισχύος των αποκλίσεων που αποδίδει την στοχαστική συνιστώσα. Οι παραγόμενες χρονοσειρές διορθώνονται ώστε τα δεδομένα για κάθε ώρα της ημέρας να παρουσιάζουν κατανομή Weibul. Άλλες αντίστοιχες προσπάθειες που βασίζονται στην ανάλυση του ανέμου στο πεδίο της συχνότητας δεν αποδεικνύονται ιδιαίτερα γόνιμες [12]. Συνοψίζοντας, μπορούμε να αναφέρουμε τα κυριότερα προβλήματα των σχετικών εργασιών ως εξής: 1. Πολλές εργασίες θίγουν επιφανειακά το πρόβλημα της πρόβλεψης ανέμων ως ένα δευτερεύουσας σημασίας κομμάτι κάποιου μοντέλου ελέγχου. Μεταξύ αυτών ο Κονταξής[13] εντοπίζει μια ελαφριά περιοδικότητα του ανέμου το Καλοκαίρι. Προτείνει ένα μοντέλο AR(3) για δεδομένα τριανταλέπτου, το οποίο στην εφαρμογή του δίνει σφάλμα πρόβλεψης περίπου 15%. T 13

14 2. Άλλες ολισθαίνουν προς σύνθετες και αναλυτικές μεθόδους μετασχηματισμού των δεδομένων, δημιουργώντας μοντέλα προσομοίωσης και όχι πρόβλεψης, τα οποία δεν εξετάζεται αν μπορούν να γενικεύσουν για δεδομένα οποιουδήποτε χρονικού διαστήματος. Ενίοτε δεν είναι καν μέθοδοι εφαρμόσιμες σε πραγματικό χρόνο. Ο Fellows [14], πχ. κάνει πολύ ενδιαφέρουσες προτάσεις για την τμηματική αφαίρεση μέσου όρου και την αποβολή τάσης από την αρχική χρονοσειρά που προϋποθέτουν όμως την χρήση δεδομένων μελλοντικών σε σχέση με τη στιγμή της πρόβλεψης. 3. Σε όλες τις περιπτώσεις ακολουθείται τυπική ανάλυση χρονοσειρών, δηλαδή έχουμε ομοειδή δεδομένα στις εισόδους και στην έξοδο (π.χ. τιμές λεπτού - λεπτού, ώρας - ώρας κλπ.). Γενικώς τέτοιες μέθοδοι είναι καταδικασμένες σε σφάλματα μεγαλύτερα ή έστω ίσα του παραμένοντος. Αντίθετα συμπεράσματα οφείλονται συνήθως στο γεγονός ότι τα μοντέλα εφαρμόζονται σε μικρό όγκο δεδομένων ή σε δεδομένα με ευνοϊκά χαρακτηριστικά (όπως σταθερές και έντονες τάσεις). [15] Οι Bossanyi[16]και Beyer [17] αντιμετωπίζουν το τελευταίο πρόβλημα χρησιμοποιώντας μάλιστα μεταγενέστερα μοντέλα (φίλτρα Kalman και νευρωνικά δίκτυα αντίστοιχα). Σ αυτούς ο χρόνος δειγματοληψίας στις εισόδους είναι μικρότερος από αυτόν στην έξοδο. Ο Beyer, για παράδειγμα, στηρίζεται στις πρόσφατες ταχύτητες των 10 ή 30 δευτερολέπτων για να προβλέψει το επόμενο λεπτό ή δεκάλεπτο. Καθώς το νευρωνικό δίκτυο πολλών στρωμάτων που χρησιμοποιεί εκφυλίζεται σε ένα απλό νευρώνιο (perceptron), ουσιαστικά έχουμε ένα γραμμικό μοντέλο η έξοδος του οποίου φιλτράρεται μέσω μιας σιγμοειδούς συνάρτησης. Οι μέθοδοι αυτές δίνουν κατά περίπτωση σφάλμα 5-20% καλύτερο του παραμένοντος. Ο Sfetsos [18] κάνει σύγκριση πολλών μεθόδων πρόγνωσης χρονοσειράς με εφαρμογή σε ωριαίες τιμές ταχύτητας ανέμου για ένα μήνα (744 h) μετρημένες στην Κρήτη στην τοποθεσία Οδηγήτρια. Η σύγκριση γίνεται ως προς την ακρίβεια των αποτελεσμάτων (συγκριτικά με την παραμένουσα) και ως προς την ταχύτητα της εξαγωγής τους. Χρησιμοποιούνται τεχνικές τεχνητής νοημοσύνης (ΤΝ) που στηρίζονται σε γραμμικά μοντέλα (παρόμοια των Box Jenkins), σε Νευρωνικά Δίκτυα (ΝΔ) (Feed ForwardNeuralNetworks, RadialBasisFunctionNetworks, ElmanRecurrentNetworks) και σε συνδυασμούς ΝΔ με ασαφή λογική (AdaptiveNetworkBasedFuzzyInferenceSystem ANFIS, NeuralLogicNetwork NLN κλπ). Η διαδικασία χωρίζεται σε τρία μέρη: την εκπαίδευση (1 500 h), την αποτίμηση ( h) και την πρόβλεψη ( h). Η επιλογή των μεταβλητών έγινε με βάση την αυτοσυσχέτιση της χρονοσειράς σαν πρώτο βήμα και την ανάλυση ευαισθησίας σαν δεύτερο. Το βασικό συμπέρασμα του άρθρου είναι ότι τα μοντέλα ΤΝ υπερτερούν των γραμμικών και πως όλα τα μη γραμμικά μοντέλα έχουν περίπου ίδιο RMS σφάλμα. Το μοντέλο με τα καλύτερα αποτελέσματα (μικρότερο τετραγωνικό σφάλμα) είναι το NLN με ενσωματωμένους λογικούς κανόνες (LogicRules). 2.4Μελέτη της χωρικής συσχέτισης των ταχυτήτων ανέμου Στην χρονοσειρά των ταχυτήτων ανέμου παρατηρούνται βασικά οι παρακάτω τρεις καταστάσεις: α) Βραχυχρόνιες ταλαντώσεις γύρω από έναν σχετικά σταθερό μέσο όρο, β) Απότομη άνοδος ή πτώση του μέσου όρου λόγω της άφιξης ή αποχώρησης ενός μετεωρολογικού συμβάντος, γ) Σταθερή ανοδική ή καθοδική τάση της ταχύτητας για μεγάλο χρονικό διάστημα (μερικές ώρες το πολύ). Έτσι ένα μοντέλο πρόβλεψης σαν τα προηγούμενα που απλώς προεκτείνει στο μέλλον τις πιο πρόσφατες τιμές της ταχύτητας χρησιμεύει μόνο στην περίπτωση (γ), ισοδυναμεί με την 14

15 παραμένουσα πρόβλεψη στην περίπτωση (α) και αποτυγχάνει πλήρως στην περίπτωση (β). Η διαπίστωση αυτή, καθώς και το ιδιαίτερο ενδιαφέρον για έγκαιρη πρόγνωση των απότομων μεταβολών οδήγησαν σύντομα σε μια διαφορετική στρατηγική πρόβλεψης που βασίζεται στην παρακολούθηση της μεταφοράς των μετεωρολογικών συμβάντων (μετώπων) που κατευθύνονται προς το αιολικό πάρκο. Συχνά γίνονται μελέτες για την συσχέτιση ταχυτήτων ανέμου σε δύο ή περισσότερες περιοχές (τοποθεσίες), οι οποίες βρίσκονται σε κάποια λογική απόσταση μεταξύ τους (μέγιστη απόσταση που έχει αναφερθεί είναι τα 100 km). Οι τοποθεσίες αυτές μπορεί ενδεχομένως να είναι διατεταγμένες κατά την κύρια διεύθυνση κίνησης των τοπικών μετεωρολογικών φαινομένων. Χονδρικά, μπορούμε να δεχθούμε ότι, όταν οι αποστάσεις είναι μικρές (< 1 km), η συσχέτιση δύναται να αφορά μικροδιακυμάνσεις ανέμου διάρκειας ενός λεπτού. Για μεγαλύτερες αποστάσεις (μερικές δεκάδες χιλιόμετρα), η καμπύλη ταχύτητας, που προβλέπεται από την περιοχή εκκίνησης, θα προσεγγίζει μόνο τις λιγότερο βραχείες μεταβολές ανέμου της θέσης άφιξης. Για το λόγο αυτό γίνεται αναγκαία η δημιουργία ενός δικτύου μετεωρολογικών σταθμών τοποθετημένων σε κατάλληλες θέσεις και αποστάσεις γύρω από το αιολικό πάρκο. Στους σταθμούς αυτούς θα είναι δυνατός ο έγκαιρος εντοπισμός των μετώπων ανέμου που οδηγούνται προς το πάρκο και πρόκειται να φτάσουν εκεί με κάποια καθυστέρηση και μικρή μεταβολή. Υπάρχουν πολλές μελέτες χωρικής συσχέτισης ταχυτήτων ανέμου, που δεν καταλήγουν όμως πάντα σε αξιόλογα αποτελέσματα. Ο Corotis [19] εντοπίζει σημαντική συσχέτιση σε μέσες τιμές ώρας και ημέρας, σε αποστάσεις ως 100 km. Μεγαλύτερη συσχέτιση υπάρχει το Χειμώνα, σε αντίθεση με το Καλοκαίρι. Όμως, και στις δύο εποχές, παρατηρούνται συσχετίσεις μεγαλύτερες του 0.8 (ικανοποιητικές) σε τοποθεσίες με απόσταση κοντά στα 100 km. Σημαντική χωρική συσχέτιση υπάρχει στο πρώτο μισό κάθε μέρας, σε σχέση με την υπόλοιπη μέρα. Ο Beyer [20] μελετά την συμπεριφορά Α/Γ διεσπαρμένων σε μια απολύτως επίπεδη έκταση km και καταλήγει ότι η ετεροσυσχέτιση των ωριαίων τιμών ισχύος (pu) φθίνει όσο μεγαλώνει η απόσταση μεταξύ των Α/Γ αλλά και όσο μεγαλώνει η απόκλιση από τον άξονα της κύριας διεύθυνσης του ανέμου. Το ίδιο συμπέρασμα ισχύει και για την συσχέτιση των μεταβολών ισχύος από ώρα σε ώρα. Στα προηγούμενα ο Palomino [21] προσθέτει ότι η ετεροσυσχέτιση φθίνει και με την αύξηση της υψομετρικής διαφοράς μεταξύ των 2 σημείων. Οι διαπιστώσεις του βασίζονται σε δείγματα μετεωρολογικών σταθμών εντός μιας κοιλάδας με αποστάσεις μεταξύ των έως 10 km και υψομετρικές διαφορές ως 450 m. Τα συμπεράσματα αυτά επαληθεύονται χωριστά για διάφορες συνοπτικές καταστάσεις όπως ισχυροί άνεμοι, ασθενείς θερμικοί κατά τη διάρκεια της ημέρας και της νύχτας κλπ. Ο Chan[22]ενδιαφέρεται για συσχετίσεις ανέμου σε μικρές αποστάσεις (ως 15 km) με καλύτερα αποτελέσματα σε απόσταση 675 μέτρων. Η συσχέτιση αφορά μεταβολές ανέμου ανά 4-λεπτα, 10-λεπτα και 30-λεπτα, καθώς και αποκλίσεις ενός λεπτού από τη μέση τιμή ημιώρου. Το μοντέλο του προσπαθεί να λάβει υπ' όψιν την τραχύτητα του εδάφους και το ύψος πάνω από το έδαφος, μετασχηματίζοντας κατάλληλα τα αρχικά δεδομένα. Συνδέει ορθώς τη συσχέτιση με τη διεύθυνση του ανέμου, καταλήγει όμως σε φτωχά αποτελέσματα, πιθανότατα επειδή διαθέτει μικρό αριθμό δειγμάτων και επειδή δεν χρησιμοποιεί κανενός είδους χρονική καθυστέρηση. Το ίδιο ισχύει και για τη Γληνού [23]η οποία καταγράφει τη χωρική συσχέτιση, τις διαφοροποιήσεις του ανεμορόμβιου και την επίδραση τοπικών επιταχύνσεων σε επιλεγμένες θέσεις εντός μιας ημιορεινής έκτασης 3500 km 2 ιδιαίτερα πολύπλοκου ανάγλυφου. Τα σημεία μέτρησης βρίσκονται σε πλαγιές με μικρή ή μεγάλη κλίση, εκτιμάται δε ότι 15

16 οποιοδήποτε διερχόμενο συμβάν καταγράφεται από θέση σε θέση δραματικά παραμορφωμένο λόγω της μορφολογίας του εδάφους και των υψομετρικών διαφορών. Σημαντικότερες είναι οι δύο εργασίες του Schlueter[24, 25]. Η πρώτη αφορά συσχέτιση θέσεων μέσα σε ένα αιολικό πάρκο, δηλαδή σε αποστάσεις 150 ως 1000 μέτρα και χρονικές διαφορές 2 ως 4 λεπτά. Η δεύτερη μελετά τη συσχέτιση δύο περιοχών Α και Β, επιλεγμένων έτσι ώστε οι άνεμοι να κινούνται συνήθως από το Α στο Β. Η συσχέτιση δηλώνεται ότι μπορεί να συλλάβει μόνο αργές μεταβολές (μεγαλύτερες από 10 λεπτά) και να συνδέσει περιοχές με αποστάσεις ως 10 μίλια, ή μεγαλύτερες, αρκεί το φαινόμενο να παρακολουθείται με ενδιάμεσους σταθμούς ανά 10 μίλια. Από την καμπύλη ετεροσυσχέτισηςρ ΑΒ (t) των ταχυτήτων v A και v Β, βρίσκεται η χρονική διαφορά ΔΤ, για την οποία μεγιστοποιείται η ρ ΑΒ (t). Η πρόβλεψη βασίζεται στη σχέση: v B (t) forecasted = m B + ρ AB (ΔΤ) (σ Β / σ Α ) [v Α (t - ΔΤ) - m Α ] όπου m Α, m Β και σ Α, σ Β είναι οι μέσες τιμές και οι τυπικές αποκλίσεις των περιοχών Α και Β, δηλαδή μετασχηματίζει την v Α, προσαρμόζοντάς την στα ανεμολογικά χαρακτηριστικά της περιοχής Β. Η μέθοδος εφαρμόστηκε σε δεδομένα τρίλεπτου, για τέσσερα τυπικά για την περιοχή μετεωρολογικά φαινόμενα. Τα δεδομένα είχαν προφιλτραριστεί για την αφαίρεση του θορύβου. Οι συγγραφείς διακριτικά αναφέρουν ότι η χρήση της μεθόδου έχει νόημα μόνο αν επαναλαμβάνεται σταθερά το ίδιο φαινόμενο, δηλαδή ο άνεμος κινείται από το Α προς το Β με την ίδια περίπου διεύθυνση και ταχύτητα. Η Kallstrand[26], τέλος, χρησιμοποιεί μετρήσεις από αεροσκάφος για να παρακολουθήσει ένα συμβάν κατά το οποίο σχετικά ζεστός αέρας μεταφέρεται ισοταχώς προς τη στεριά πάνω από την κρύα θάλασσα (της Βαλτικής). Ταυτόχρονα παρακολουθεί και τη διαμόρφωση του συμβάντος ως προς το ύψος πάνω από την επιφάνεια της θάλασσας επιβεβαιώνοντας ότι το φαινόμενο εξελίσσεται ομαλά κοντά στην επιφάνεια της θαλάσσης αλλά και σε πολύ μεγάλο ύψος (πχ m) ενώ διαταραχές (όπως αεροχείμαρροι) εμφανίζονται συνήθως στο ύψος των m. Στην εργασία καταγράφεται μια δραστική μείωση (σχεδόν στο μισό) της έντασης του ανέμου και αντίστοιχος διπλασιασμός του στροβιλισμού μόλις το συμβάν φτάσει στις ακτές και αρχίσει να προχωρεί στην ενδοχώρα. Πλήθος εργασιών ασχολούνται με την επίδραση του ανάγλυφου έχοντας ως κύριο σκοπό τον εντοπισμό τοποθεσιών με υψηλό αιολικό δυναμικό. Επομένως προσπαθούν να αντιστοιχίσουν και να αναγάγουν ταχύτητες ανέμου από μια θέση Α σε μια άλλη Β, όταν οι Α και Β βρίσκονται σε διαφορετικό υψόμετρο και παρουσιάζουν η καθεμιά τα δικά της τοπικά χαρακτηριστικά. Στα πρώτα 200 m πάνω από το έδαφος η μεταβολή της ταχύτητας του ανέμου συναρτήσει του ύψους δεν είναι απλή αλλά εξαρτάται έντονα από την σταθερότητα της ατμοσφαιρικής κατάστασης. Ο πλέον κοινός εκθετικός νόμος, από αυτούς που χρησιμοποιούνται ορίζει ότι η ταχύτητα V σε ύψος z είναι ανάλογη του z p, όπου p = 0.14 για ουδέτερη και σταθερή ατμόσφαιρα. Η τραχύτητα του εδάφους επηρεάζει την διαμόρφωση της ταχύτητας του ανέμου κυρίως ως τα 500 m ενώ η επίδραση του ημερησίου κύκλου στην θέρμανση του εδάφους μπορεί σε έκτακτες περιπτώσεις να είναι αισθητή ως τα 2000 m. Από το 1975 κε., έχουν προταθεί σχετικοί αλγόριθμοι που ουσιαστικά προσπαθούν να χρησιμοποιήσουν χονδρικές μετρήσεις ή εκτιμήσεις που αφορούν το οριακό στρώμα της ατμόσφαιρας, να τις αναγάγουν στην επιφάνεια του εδάφους και να τις προσαρμόσουν στην τοπική μορφολογία. Η ακρίβεια αυτών των μοντέλων φαίνεται πως είναι περιορισμένη σε σχέση με τις απαιτήσεις του αντικειμένου της παρούσης εργασίας. Κι αυτό επειδή τα μοντέλα αυτά μπορούν να δώσουν τη γενική στάσιμη κατάσταση, δηλ. μέσες πχ. μηνιαίες τιμές των ταχυτήτων ανέμου σε κάποια περιοχή εκτάσεως της τάξης του1 km 2 τουλάχιστον. Επί της συγκεκριμένης περιοχής δημιουργείται ένα σύνολο συνδυασμών από τα υπάρχοντα δεδομένα για την ταχύτητα και τη διεύθυνση του ανέμου και μια διαστρωμάτωση των συνθηκών που συναντιούνται εκεί. Αυτές οι συνθήκες μπορούν να χρησιμοποιηθούν σαν αρχικές ή οριακές 16

17 συνθήκες ή περιορισμοί για τη λύση των υδροδυναμικών εξισώσεων. Σε αυτές τις εξισώσεις εισάγονται και άλλες που εξαρτώνται από παράγοντες όπως ο στροβιλισμός που είναι ιδιαίτερα σημαντικός. Οι οριακές συνθήκες γενικά χωρίζονται σε κινητικές και δυναμικές. Οι κινητικές προϋποθέτουν μηδενική ροή στα στερεά όρια όπως το έδαφος και ένα άνω επίπεδο. Οι δυναμικές περιλαμβάνουν την εξακρίβωση τιμών της ροής θερμότητας και αλλαγής της ροπής στο έδαφος και στα άλλα όρια. Αυτό συνεπάγεται πλήρη γνώση των χαρακτηριστικών του εδάφους. Λόγω του ότι όλα αυτά δυσκολεύουν την κατάσταση οι περισσότερες προσομοιώσεις καταφεύγουν σε μεγάλο αριθμό προσεγγίσεων και απλοποιητικών παραδοχών ή περιορίζονται σε μικρό όγκο δεδομένων. Μια πρώιμη και αρκετά πλήρης επισκόπηση των πρώτων παρόμοιων μοντέλων που εμφανίστηκαν (πχ. NOABL, SIGMET, COMPLEX κλπ.) παρουσιάζεται στην [27]. Ανάλογοι είναι οι προβληματισμοί στις εργασίες των Παναγιωτίδηκαι Τρυφωνόπουλου, [28]όπου αναζητείται η συσχέτιση δεδομένων της ταχύτητας στην επιφάνεια του εδάφους με την ταχύτητα στα ανώτερα στρώματα της ατμόσφαιρας. Δηλαδή, αν υπάρξει καλή πρόβλεψη για τη μία ταχύτητα στην άνω ατμόσφαιρα μπορεί κανείς να προβεί σε εκτιμήσεις για την ταχύτητα στην επιφάνεια και αντίστροφα. Αυτό ενδιαφέρει κυρίως για περιοχές όπου δεν υπάρχουν μετρήσεις μετεωρολογικών σταθμών ή δεδομένα για χρήση σε πρόβλεψη. Στην πρόβλεψη αυτή δεν υπεισέρχεται το μέγεθος του χρονικού ορίζοντα. Πρόκειται δηλ. μάλλον για μεθόδους στατιστικής εκτίμησης των γενικών ανεμολογικών χαρακτηριστικών μιας περιοχής για την οποία δεν διατίθενται ανάλογες μετρήσεις. 2.5 Θέματα Μακροπρόθεσμης Πρόβλεψης Η σχετική βιβλιογραφία εξετάζει κυρίως: o o o o τους. Την αξιοποίηση Αριθμητικών Μετεωρολογικών Προβλέψεων Την προσαρμογή τους στις ανάγκες του κάθε Αιολικού Πάρκου Τη διόρθωση τους με χρήση στατιστικών μεθόδων και φίλτρων Την αποτίμηση του τελικού οικονομικού οφέλους που έχουμε από την εφαρμογή Ο όρος Αριθμητικές Μετεωρολογικές Προβλέψεις (NWP) καλύπτει της μεθόδους προσομοίωσης των ατμοσφαιρικών διαδικασιών και φαινομένων σε Η/Υ με σκοπό την πρόβλεψη της μελλοντικής διαμόρφωσης της ατμόσφαιρας, με βάση πάντα τα τωρινά πραγματικά δεδομένα. Η επιτυχία στις προβλέψεις οφείλεται και στο γεγονός ότι σήμερα οι περισσότερες φυσικές διαδικασίες της ατμόσφαιρας είναι γνωστές. Η λήψη των πραγματικών δεδομένων γίνεται από σταθμούς σε όλο το κόσμο και από δορυφόρους. Όλα τα αριθμητικά δεδομένα υπόκεινται σε μια διαδικασία ελέγχου, όπου επιχειρείται να απομονωθούν τα εσφαλμένα δεδομένα και να συμπληρωθούν τα κενά στις γεωγραφικές περιοχές μεταξύ των σταθμών (π.χ στους ωκεανούς). Η παραπάνω διαδικασία είναι σημαντική και για τη διόρθωση χρησιμοποιούνται κυρίως δεδομένα από δορυφόρους. Οι μαθηματικοί υπολογισμοί στηρίζονται σε ένα σύστημα μη γραμμικών μερικών διαφορικών εξισώσεων, που δεν έχουν αναλυτική λύση. Ωστόσο μπορεί να υπολογιστεί μια αριθμητική λύση και για λόγους σταθερότητας πρέπει να υπολογίζονται λύσεις για κάθε μικρό χρονικό βήμα. Επίσης χρησιμοποιείται ένα πλέγμα με κόμβους ανάμεσα στους σταθμούς και οι υπολογισμοί γίνονται ξεχωριστά για κάθε κόμβο. Με τη σύγχρονη υπολογιστική ισχύ, μπορούν να υπολογιστούν πλέγματα διαστάσεων έως και λίγων χιλιομέτρων. Ωστόσο και σε αυτή την κλίμακα, δεν μπορούν να αναλυθούν ορισμένες ατμοσφαιρικές διαδικασίες όπως τοπικές θερμικές καταιγίδες, ρεύματα 17

18 επιτάχυνσης πχ. μέσα από κοιλάδες, πάνω από μικρούς λόφους και όλες οι τοπικές επιδράσεις και παρεμβολές από κτίρια, δενδροφύτευση κλπ. Ο ορίζοντας πρόβλεψης των μετεωρολογικών ινστιτούτων είναι συνήθως 48 ώρες, αλλά μπορεί να φτάσει τις 72 ή ακόμη και τις 144 ώρες. Το πλέον γνωστό μοντέλο είναι αυτό του HIRLAM (HighResolutionLimitedAreaModel). Αποτελείται από 4 υπομοντέλα, καθένα εκ των οποίων καλύπτει κάποια γεωγραφική περιοχή, χρησιμοποιούν όμως όλα ένα κοινό πυρήνα μαθηματικών σχέσεων. Το μεγαλύτερο υπομοντέλο είναι το HIRLAM-G το οποίο καλύπτει το τετράγωνο ανάμεσα στις περιοχές της Καλιφόρνια, της Σιβηρίας, την Αίγυπτο και την θάλασσα της Καραϊβικής, με πλέγμα ανάλυσης 48 Km και χρονικά βήματα 4 min. Οι συνθήκες οριακού στρώματος για αυτό μοντέλο λαμβάνονται από το παγκόσμιο μοντέλο του Ευρωπαϊκού Κέντρου Μετεωρολογικών Προβλέψεων, το οποίο τρέχει δυο φορές την ημέρα και δίνει προβλέψεις με χρονικό βήμα 6 ωρών. Το HIRLAM-E και το HIRLAM-D είναι δυο μικρότερα υπομοντέλα. Το HIRLAM-E περιλαμβάνει την ευρύτερη περιοχή της Ευρώπης και το HIRLAM-D την περιοχή της Δανίας, τη βόρειο Γερμανία, τη δυτική Σουηδία και τη νότιο Νορβηγία. Το πρόγραμμα WAsP (WindAtlasApplication&AnalysisProgram)χρησιμοποιείται για να προσαρμόζει τις μετρήσεις μετεωρολογικών δεδομένων από μια Θέση Α, στις ανάγκες πρόβλεψης μιας θέσης Β της ιδίας περιοχής, λαμβάνοντας υπόψη το ανάγλυφο, τα εμπόδια, την τραχύτητα του εδάφους της περιοχής κλπ. Η κεντρική ιδέα του WAsP είναι να καθαρίζει τις μετρήσεις από τις τοπικές επιδράσεις της θέσης Α, να παράγει τις γενικές κλιματικές συνθήκες που είναι αντιπροσωπευτικές για την ευρύτερη περιοχή και μετά να επανεισάγει τις τοπικές επιδράσεις για τη θέση Β. Τα παραπάνω γίνονται με τη βοήθεια 3 υπομοντέλων, όπου το ένα περιγράφει τις συνέπειες της μορφολογίας του εδάφους, το δεύτερο τις συνέπειες της τραχύτητας του εδάφους και το τρίτο να περιγράφει τις συνθήκες στις υπήνεμες περιοχές (πίσω από εμπόδια). Το PARK είναι πρόγραμμα το οποίο υπολογίζει τη μείωση της ταχύτητας του ανέμου πίσω από τις Α/Γ (φαινόμενο σκίασης Α/Γ). Έτσι προσδιορίζει τη μέση αποδοτικότητα για κάθε Α/Γ μέσα σε ένα Αιολικό Πάρκο. Οι απαραίτητοι είσοδοι του προγράμματος είναι οι συντεταγμένες των Α/Γ, οι καμπύλες ισχύος και πρόωσης, το ύψος του κεντρικού σημείου η διάμετρος του ρότορα και τα μετεωρολογικά δεδομένα της περιοχής. Το πρόγραμμα περιορίζεται σε αιολικά πάρκα με Α/Γ του ιδίου τύπου. Οι μέθοδοι μακροπρόθεσμης πρόβλεψης που αναφέρονται στη συνέχεια κάνουν συχνά χρήση ή αναφορά στα παραπάνω μοντέλα. OPedersen[29]χρησιμοποιεί τα προγράμματα WASP και PARK για την πρόβλεψη της ετήσιας παραγωγής ενέργειας σε 10 αιολικά πάρκα. Παίρνει τα δεδομένα από το Δανέζικο άτλαντα ανέμου τα οποία όμως διορθώνει με κάποιους συντελεστές αναλόγως της περιοχής που αναφέρονται και έχει επίσης σαν εισόδους για το WASP την τραχύτητα του εδάφους, την ορογραφία του χώρου, τοπικά εμπόδια και γενικά χαρακτηριστικά της περιοχής. Οι σχετικές μέθοδοι δύναται να είναι αριθμητικές, εμπειρικές ή ημιεμπειρικές και γενικώς προσπαθούν να εξάγουν τα κλιματικά χαρακτηριστικά στενών γεωγραφικών περιοχών από την ευρύτερη ατμοσφαιρική κυκλοφορία δηλ. την ένταση και τη διεύθυνση των μετώπων, τη θέση των κέντρων πίεσης κλπ. Ο Bogardi[30]διακρίνει 7-8 διαφορετικές περιπτώσεις ατμοσφαιρικής κυκλοφορίας και προτείνει να χρησιμοποιούνται απλές γραμμικές σχέσεις ξεχωριστά για κάθε μήνα και για κάθε κατηγορία. Με τις σχέσεις αυτές εξάγεται η μέση ταχύτητα της αυριανής ημέρας σε πλήθος επιμέρους περιοχών. Ο Akylas [31] συγκρίνει τρεις μεθόδους ωριαίας πρόβλεψης ταχύτητας ανέμου του αυριανού 24ώρου: (1) Με βάση προβλέψεις 6ωρου ή 3ωρου από την ΕΜΥ, προκύπτει 24ωρη καμπύλη με γραμμική παρεμβολή, η οποία στη συνέχεια προσαρμόζεται πάνω στη χαρακτηριστική ημερήσια μορφή (ημιτονοειδής καμπύλη για το καλοκαίρι), (2) Μοντέλα βασισμένα σε προβλέψεις HIRLAM οι οποίες έχουν υψηλούς συντελεστές συσχέτισης με τις 18

19 πραγματικές τιμές, (3) Μοντέλα ασαφούς λογικής. Η μέση ημερήσια πρόβλεψη και η πιο πρόσφατη μέτρηση είναι οι είσοδοι υπόθεσης με δύο συναρτήσεις συμμετοχής η καθεμιά. Από τη σύγκριση των τριών μεθόδων, η πρώτη δίνει τα καλύτερα αποτελέσματα. Το μοντέλο ασαφούς λογικής δεν κρίθηκε ικανοποιητικό καθώς οι προβλέψεις του παρουσίαζαν σταθερά υπερεκτίμηση. Όσον αφορά τα HIRLAM καθώς παρουσιάζουν σταθερή πόλωση σφάλματος ανάλογα με την ώρα πρόβλεψης, χρησιμοποιήθηκαν διάφορες παραλλαγές στατιστικής διόρθωσης όπως διαμόρφωση με τη μέθοδο WAsP, με την μέθοδο AIOLOS, πρόσθεση σταθερού όρου στις προβλέψεις, γραμμική παρεμβολή και προσαρμογή στην χαρακτηριστική ημερήσια καμπύλη κοκ. Ο Dutton [32] επιχειρεί ωριαία πρόβλεψη ανέμου για το επόμενο 48ωρο και κάνει συγκρίσεις για διάφορες μεθόδους: "Παραμένουσα", γραμμικά μοντέλα αυτοπαλινδρόμησης ARMA, μοντέλα βασισμένα σε προσαρμόσιμη ασαφή λογική, ασαφές νευρωνικό δίκτυο κλπ. Οι μέθοδοι δοκιμάστηκαν με ωριαία στοιχεία από την Κρήτη (4 μήνες) και το Shetland (1 έτος). Σε ότι αφορά τις δοκιμές με τα μοντέλα ARMA το βέλτιστο μοντέλο με βάση το μέσο τετραγωνικό σφάλμα ήταν το AR(6). Η μέθοδος είναι ισοδύναμη με την "παραμένουσα" για πρόβλεψη στο επόμενο δίωρο ενώ παρουσιάζει μέχρι και 20% βελτίωση σφάλματος για το χρονικό διάστημα 8 12 ώρες μπροστά. Για μεγαλύτερο ορίζοντα πρόβλεψης δεν έχει ικανοποιητικά αποτελέσματα. Τα ασαφή μοντέλα που χρησιμοποιήθηκαν είναι ένα FARX(4;0,0) (4 κανόνες/ 4 προηγούμενες τιμές ταχύτητας ανέμου) για ορίζοντα πρόβλεψης 24 ώρες και FARX(8;2,2) (24 κανόνες/ 8 προηγούμενες τιμές ταχύτητας αέρα) για 8ωρο ορίζοντα πρόβλεψης. Δεν παρατηρείται εντυπωσιακή βελτίωση σε σχέση με τα γραμμικά μοντέλα. Συμπερασματικά προτείνεται η χρήση μεθόδων πρόβλεψης βασισμένων σε μετεωρολογικά δεδομένα και εφιστάται η προσοχή για καλύτερη "μετατροπή" της ταχύτητας ανέμου σε ισχύ ανέμου. Ο Joensen [33] εφαρμόζει μη παραμετρικές στατιστικές μεθόδους στην πρόβλεψη ισχύος Α/Γ. Χρησιμοποιεί σταθμική παλινδρόμηση σε δεδομένα ενός χρόνου για περιοχή της Δανίας. Παρατηρεί ότι το καλοκαίρι υπάρχει έντονη μεταβολή στην ταχύτητα του ανέμου η οποία όμως δεν προβλέπεται από το μοντέλο NWP και ότι η μέση τιμή της ταχύτητας είναι μεγαλύτερη το χειμώνα. Αποδεικνύει την υπεροχή της μεθόδου του σε σύγκριση με την «απλή παραμένουσα» και ένα συνδυασμό παραμένουσας & μέσης τιμής. Ο Landberg [34] περιγράφει το πώς οι στατιστικές μέθοδοι (MOS) μπορούν να συνδυαστούν με μεθόδους NWP. Οι NWP προβλέψεις (HIRLAM) δίνουν 3ωρες τιμές για 36 ώρες μπροστά και μάλιστα για διάφορα υψομετρικά επίπεδα. Με βάση τους συντελεστές συσχέτισης με τις πραγματικές τιμές προκύπτει ότι το καλύτερο είναι να πάρουμε τις προβλέψεις HIRLAM για την επιφάνεια του εδάφους. Επειδή οι παράμετροι του MOS θα μεταβάλλονται με το χρόνο προτείνονται τρεις μέθοδοι «προσαρμογής» (adaptiveestimation): ExtendedKalmanFilter, RecursiveLeastSquares και RecursiveLocalRegression. Η τελευταία είναι και αυτή με τα καλύτερα αποτελέσματα με μεγάλη διαφορά από τις άλλες ειδικά για μεγάλο χρονικό ορίζοντα. Επίσης η ακρίβεια της μεθόδου εξαρτάται και από την τοποθεσία στην οποία εφαρμόζεται. Η πρόβλεψη της ισχύος ενός πάρκου γίνεται και πάλι με βάση φυσικά μοντέλα και χρήση στατιστικής διόρθωσης. Ο Landberg [34] λαμβάνει προβλέψεις HIRLAM και τις διαμορφώνει κατάλληλα στις γεωγραφικές συνθήκες κάθε πάρκου μέσω του μοντέλου WAsP. Για τον υπολογισμό της συνολικής παραγωγής ενός πάρκου χρησιμοποιείται το πρόγραμμα PARK. Χρησιμοποιούνται δύο μοντέλα MOS: το ένα (MOS1) για διόρθωση ταχύτητας και το άλλο (MOS2) για διόρθωση ισχύος. Αναλυτικά: Το MOS1 εφαρμόζεται στις τιμές ταχύτητας μετά από τη διόρθωση WAsP. Τις πολλαπλασιάζει με ένα συντελεστή που έχει 12 διαφορετικές τιμές ανάλογα με τη διεύθυνση του ανέμου. Το MOS2 εφαρμόζεται στις τιμές ισχύος που προκύπτουν μετά την επεξεργασία με το πρόγραμμα PARK και συνίσταται στην πρόσθεση ενός σταθερού όρου b ανεξάρτητου της διεύθυνσης. Το μοντέλο συγκρίνεται με τρεις άλλες μεθόδους πρόγνωσης, την "παραμένουσα", τον συνδυασμό της με τη μέση τιμή της χρονοσειράς (χαρακτηρίζεται 19

20 «Νέο Μοντέλο Αναφοράς»- NRM) και το φυσικό μοντέλο χωρίς το MOS1. Προκύπτουν οι εξής παρατηρήσεις: Tο μοντέλο υπερτερεί όλων των υπολοίπων αλλά είναι χαρακτηριστικό ότι η πρόβλεψη της ταχύτητας είναι καλύτερη από αυτή που δίνει η "παραμένουσα" μόνο για μετά τις 3-6 πρώτες ώρες. Οι στατιστικές μέθοδοι βελτιώνουν πολύ την πρόβλεψη. Το NRM όπως και η παραμένουσα δίνουν σφάλμα που αυξάνει όσο μεγαλώνει ο ορίζοντας της πρόβλεψης. Ο Landberg [35] αναπτύσσει ένα μοντέλο πρόβλεψης συνολικής ισχύος για μια ευρύτερη περιοχή. Γίνεται διαίρεση της περιοχής που ενδιαφέρει σε υποπεριοχές. Αρχικά η πρόβλεψη γίνεται για το κάθε πάρκο μετά ανάγεται σε κάθε υποπεριοχή και στο τέλος γίνεται η τελική πρόβλεψη. Στο μαθηματικό μοντέλο χρησιμοποιούνται δεδομένα από: (1) Προβλέψεις καιρού για ταχύτητα και διεύθυνση ανέμου, (2) On line μετρήσεις παραγωγής ισχύος από κάποια πάρκα αναφοράς. Κάθε υποπεριοχή πρέπει να έχει τουλάχιστον ένα τέτοιο πάρκο. (3) Ωριαία αθροίσματα της παραγωγής για όλες τις γεννήτριες μέσα σε κάθε υποπεριοχή. Το μοντέλο αποτελείται από δύο σκέλη: Στο αριστερό μέλος αρχικά γίνεται πρόβλεψη για κάθε πάρκο χρησιμοποιώντας (1) Χαμηλοπερατό φίλτρο με μεταβλητές τις τοπικές on line μετρήσεις παραγωγής ισχύος (2) Μια εκτίμηση της καμπύλης ισχύος συναρτήσει των καιρικών προγνώσεων. (3) Τρεις συναρτήσεις εξομάλυνσης με μεταβλητές την προβλεπόμενη διεύθυνση και τον ορίζοντα πρόβλεψης. Στη συνέχεια οι προβλέψεις αυτές αθροίζονται και ανάγονται έτσι ώστε να καλυφθούν όλες οι ανεμογεννήτριες στην υποπεριοχή. Η αναγωγή αυτή γίνεται με ένα στατικό μοντέλο που συνδέει την ολική (προβλεφθείσα) ισχύ της υποπεριοχής με την (προβλεφθείσα) ισχύ του αντίστοιχου πάρκου αναφοράς συναρτήσει πάντα των τοπικών καιρικών προβλέψεων. Ομοίως οι προβλέψεις από κάθε υποπεριοχή αθροίζονται για να δώσουν την συνολική πρόβλεψη του αριστερού μέλους. Το δεξιό σκέλος του μοντέλου βασίζεται σε φυσικές μεθόδους. Οι προβλέψεις ισχύος για κάθε υποπεριοχή γίνονται με ένα μοντέλο που εκφράζει τη στατική σχέση της ισχύος της κάθε υποπεριοχής με τοπικές προβλέψεις ταχύτητας και διεύθυνσης ανέμου. Αυτές αθροίζονται και δίνουν την ολική πρόβλεψη για το δεξιό μέλος. Οι δύο ολικές προβλέψεις συγκρίνονται και με βάση το μέσο τετραγωνικό σφάλμα είτε λαμβάνεται η καλύτερη είτε ένας σταθμισμένος συνδυασμός τους. ΟLandberg [35] έχει επίσης αναζητήσει μια μεθοδολογία που θα συνδέει την ταχύτητα και την κατεύθυνση του ανέμου σε ένα υποθετικό αιολικό πάρκο και ένα (μετεωρολογικό) σταθμό αναφοράς με χρόνιες μετρήσεις. Σαν σταθμός αναφοράς λαμβάνεται αυτός στο Εθνικό Εργαστήριο Risoτης Δανίας και σαν υποθετικό πάρκο το Rimi. Τα δυο μέρη απέχουν 2 χλμ. και βρίσκονται σε επίπεδη ομογενή επιφάνεια γεγονός που διευκολύνει τη μεθοδολογία. Προτείνονται τρία μαθηματικά μοντέλα: ένα που θεωρεί ότι οι μετρήσεις στα δυο μέρη γίνονται στο ίδιο ύψος και δύο για διαφορετικό ύψος στα οποία λαμβάνεται υπόψη και η ένταση του ατμοσφαιρικού στροβιλισμού. Το ένα είναι για την περίπτωση που δεν έχουμε κανένα μέτρο για αυτή την ένταση και το άλλο χρησιμοποιείται αν γνωρίζουμε κάποια θερμοκρασιακή διαφορά μεταξύ των δύο υψομέτρων. Για τον υπολογισμό των συναρτήσεων κάθε μοντέλου χρησιμοποιήθηκε τοπική παλινδρόμηση. Το καλύτερο μοντέλο είναι το τελευταίο το οποίο παρουσιάζει σχεδόν ίδια κατανομή ταχύτητας με τις μετρημένες τιμές που χρησιμοποιήθηκαν για σύγκριση. Ο Nielsen[36] επίσης εφαρμόζει στατιστικές μεθόδους σε εξόδους φυσικών μοντέλων πρόβλεψης. Στο μαθηματικό μοντέλο που χρησιμοποιεί γίνεται συνδυασμός των on line μετρήσεων και των μετεωρολογικών προβλέψεων με κατάλληλη στάθμιση μέσω στατιστικών μεθόδων. Για να ληφθούν υπόψη η μη γραμμικότητα και η μη στασιμότητα της ισχύος κάθε πάρκου χρησιμοποιείται η τεχνική των RecursiveLeastSquares. Ο Watson [37] αποτιμά διάφορες μεθόδους πρόβλεψης ταχύτητας στην οικονομία στερεών καυσίμων για την περίπτωση του δικτύου της Αγγλίας και της Ουαλίας. Εξετάζονται τα μοντέλα: i) Παραμένουσα, ii) Συνδυασμός NWP και HIRLAM/ WA s P και iii) 20