De zon wordt een steeds belangrijkere bron van schone elektriciteit. Nauwkeurige zonlichtvoorspellingen die door A*STAR-onderzoekers worden ontwikkeld, kunnen de prestaties van zonne-energiecentrales aanzienlijk verbeteren, waardoor het een levensvatbaar alternatief is voor op koolstof gebaseerde energiebronnen.

Een fotovoltaïsche elektriciteitscentrale kan tot 50 vierkante kilometer van het aardoppervlak bedekken en kan tot een miljard watt aan elektriciteit opwekken. Dit vermogen is afhankelijk van de hoeveelheid zonlicht op die plek, dus het vermogen om zonnestraling te voorspellen is cruciaal om te weten hoeveel stroom de centrale op een bepaalde dag aan het net zal bijdragen.

"Voorspellingen zijn een belangrijke stap in de integratie van hernieuwbare energie in het elektriciteitsnet, ", zegt Dazhi Yang van het Singapore Institute of Manufacturing Technology (SIMTech) van A*STAR. "Het is een opkomend onderwerp dat een breed spectrum aan interdisciplinaire kennis vereist, zoals statistieken, gegevenswetenschap, of machinaal leren."

Yang, samen met Hao Quan van het A*STAR Experimental Power Grid Center en collega's van de University of Tennessee in Chattanooga en de National University of Singapore, heeft een numerieke benadering van weersvoorspelling ontwikkeld die meerdere datasets efficiënt combineert om de nauwkeurigheid van zonnestralingsvoorspellingen te verbeteren.

Elk uur veranderingen in de atmosfeer, jaarlijkse veranderingen in de afstand tussen de aarde en de zon, of 10-jaarlijkse veranderingen in de interne cycli van de zon kunnen allemaal de hoeveelheid zonlicht die het aardoppervlak bereikt veranderen. Deze veranderingen vinden plaats op zeer verschillende tijdschalen, en dus modelleren conventionele voorspellingsmethoden variabiliteit op verschillende tijdschalen afzonderlijk, wat de computerverwerking eenvoudiger maakt. Echter, deze methoden berusten op een eenvoudige toevoeging van prognoses, zonder weging die meer gebruik maakt van subreeksen met betere prognoses. Bovendien, de voorspellingen die ze genereren zijn alleen nauwkeurig op de tijdschaal van de originele serie.

Yang en het team ontwikkelden een raamwerk dat de verschillende tijdschalen met elkaar verzoent door een tijdelijke hiërarchie te vormen die voorspellingen verzamelt die op verschillende tijdschalen zijn verkregen, zoals hoge frequenties, uurgegevens en laagfrequente, dagelijkse gegevens. "Tijdelijke afstemming is een soort ensemble-voorspellingsmodel dat de zonne-opwekking van de volgende dag vele malen voorspelt, afzonderlijk, met behulp van gegevens van verschillende temporele granulariteiten, elk uur, twee uur, en dagelijks, " legt Yang uit. "Deze verschillende voorspellingen worden vervolgens optimaal gecombineerd door middel van statistische modellen om tot een definitieve voorspelling te komen."

De onderzoekers testten hun numerieke weersvoorspellingsmethode met behulp van gegevens van 318 fotovoltaïsche elektriciteitscentrales in Californië gedurende een jaar. Hun temporele reconciliatiemethode bleek significant beter te presteren dan andere numerieke day-ahead-voorspellingen.