Universiteit Utrecht presenteert nieuwe modellen om stroomproductie zonnepanelen te voorspellen

De day-aheadhandel verwijst naar de handel in elektriciteit voor de volgende dag. De onderzoekers die de pv-voorspellingsmodellen hebben ontwikkeld, hebben ook hun economische prestaties in day-aheadmarkten beoordeeld.

Nauwkeurig
De modellen zijn getest voor individuele en geaggregeerde pv-systemen in verschillende regio’s.

‘Nauwkeurige voorspellingen van de stroomproductie van pv-systemen zijn essentieel om de blijvende werking van het stroomnet te ondersteunen en een hoge penetratiegraad van zonnepanelen in het elektriciteitsnet mogelijk te maken’, aldus de onderzoekers.

Variërende afstand
‘In de studie hebben we het effect van het samenvoegen van meerdere pv-systemen onderzocht met een variërende afstand tussen systemen. De modellen zijn beoordeeld op zowel technische als economische prestaties. Vanuit technisch perspectief laten de resultaten een positief effect zien van zowel een toenemende afstand tussen de pv-systemen als een grotere vloot van pv-systemen. Dat is echter niet het geval voor de economische beoordeling. De ensemble- en deep learning-modellen presteren technisch gezien beter dan de alternatieven. Voor de economische beoordeling geven de resultaten de superioriteit aan van het fysiek gebaseerde model, gevolgd door de deep learning-modellen. Ten slotte laten onze bevindingen zien hoe belangrijk het is om rekening te houden met het doel van de gebruiker bij het beoordelen van modellen voor het voorspellen van zonne-energie.’