Säkra solprognoser styr upp eluttag efter tillgång
En ny matematisk modell som utvecklats vid Uppsala universitet för att förutsäga variationer i solinstrålningen, och som kan hjälpa till att utnyttja el från solenergi effektivare, har nu testats mot olika datamodeller och visat sig kunna ge mycket träffsäkra prognoser.
Solproduktionen från en anläggning skiftar snabbt när moln passerar över solpanelerna. För den som producerar sin solel lokalt, till exempel i en fastighet, och vill styra sitt eluttag efter tillgången, kan behöva veta hur ljuset förändras i detalj. Prognoser för solinstrålningen kan vara ett sätt att få kontroll över solproduktionen.
– Vår modell, som vi kallar MCM-modellen, bygger på att förutspå vad som händer nästa minut, timme eller dag baserat på vad som vanligen sker efter en viss nivå av solinstrålning. Modellen är enkel i design, lättränad, lättanvänd och ger förvånansvärt skarpa prognoser för solinstrålningen, säger projektledaren Joakim Munkhammar vid institutionen för samhällsbyggnad och industriell teknik vid Uppsala universitet.
Förutspår mellan vilka nivåer solljuset hoppar
Modellen som presenterades vetenskapligt förra året, bygger på en så kallad dold Markovmodell, det vill säga en statistisk modell för att känna igen och förutsäga processer och mönster. MCM-modellen, som står för Markov Chain Mixture Distribution, delar in solinstrålningen i nivåer och räknar ut sannolikheten för att solljuset i nästa och nästkommande skeden hoppar till andra nivåer.
Utifrån detta går det att göra prognoser för när och mellan vilka nivåer solljuset hoppar och stämma av med faktiska observationer för att se hur väl detta stämmer med verkligheten.
Nu har modellen testats av både forskare som jobbat med den tidigare och av andra forskare. Den provkördes mot flera andra modeller. I den ena studien där modellen testades mot fem vedertagna så kallade benchmark-modeller, som används för att jämföra och utvärdera nya modellers prestanda, gav den de mest tillförlitliga prognoserna, i synnerhet för närtid.
Vill testa modellen på batterilager
Uppsalaforskarna hoppas nu att deras modell ska kunna användas för styrning av tekniska system:
– Vi ser fram emot att samarbeta med andra forskare och företag för att testa modellen på verkliga system som exempelvis batterilager. Där vill vi försöka öka kostnadseffektiviteten hos batterilagret genom att styra laddningen utifrån prognoser över den lokala solproduktionen, säger Joakim Munkhammar.
Kontakt:
Joakim Munkhammar, forskare vid Institutionen för samhällsbyggnad och industriell teknik, Uppsala universitet, joakim.munkhammar@angstrom.uu.se
Vetenskapliga artiklar:
Doubleday K. et al. (2020) Benchmark probabilistic forecasts: Characteristics and recommendations, Solar Energy
Yang D et al. (2020) Probabilistic solar forecasting benchmarks on a standardized dataset at Folsom, California. Solar Energy
