La predicción solar en la operación de
plantas termosolares
Departamento Técnico, Área de meteorología
Mercedes Fernández León
12/11/2018
1
Índice
1 Introducción
2 Análisis de previsiones en plantas operadas por Abengoa
3 Estudios previsiones de IDN
a. Intercomparación de proveedores en España. Forecasting
b. Nowcasting con satélite frente a nowcasting con MPN+tiempo real (España)
c. Nowcasting con satélite y modelo
d. Nowcasting con satélite y forecasting con MPN en Sudáfrica
2
4
España5 plataformas
Distribución de Plantas termosolares operadas por AbengoaIntroducción
EE.UU.2 plantas CCP ▪ Solana 280 MW con
almacenamiento• Mojave 200 MW
Sudáfrica3 plantas 2 CCP y 1 torre ▪ Khi Solar One, 100 MW con
almacenamiento vapor• Kaxu Solar One, 100 MW con
almacenamiento• Xina Solar One, 100 MW con
almacenamiento
5
Ubicaciones en España de las plantas termosolares operadas por AbengoaIntroducción
Plataforma de Extremadura (Logrosán)4 plantas CCP de 50 MW
Plataforma de Ciudad Real (Arenas de San Juan)2 plantas CCP de 50 MW
Plataforma de Écija 2 plantas CCP de 50 MW
Plataforma de Córdoba (El Carpio)2 plantas CCP de 50 MW
Plataforma de Solúcar(Sanlúcar la Mayor, Sevilla)3 plantas CCP de 50 MW2 plantas de torre 20+10 MW
2 4
5
3
1
El tiempoPlanta
Termosolar
Predictabilidad
Gestionabilidad
Operación de la planta
Introducción
Las plantas termosolares depende fuertemente del recurso solar
Por tanto, las mejoras de las previsiones meteorológicas incrementan la gestionabilidad, predictabilidad y la operación de las plantas
¿Por qué se necesitan previsiones meteorológicas?
¿Por qué se necesitan previsiones meteorológicas?
Mercado eléctrico
El conocimiento de la previsión meteorológica permite estimar la producción de la planta pudiéndose adaptar a las necesidades de la red y así mismo, obtener el mayor rendimiento posible en función del precio de venta de la energía.
Previsiones meteorológicas
(radiación, viento, temperatura, humedad,
etc.)
Mercado eléctrico
Mediante el conocimiento de la previsión se puede operar las plantas termosolares de forma óptima y con un mayor aprovechamiento del recurso.
Apoyándose en la previsión meteorológica se pueden planificar las actividades de mantenimiento evitando riesgo personales y materiales.
Operación de la planta
MantenimientoMantenimiento
Operación de la planta
7
Introducción
Alcances de la predicción meteorológica en las plantas termosolares
Ambos tipos de predicciones son necesarios para la operación de plantas termosolares
Predicción muy corto plazo - Nowcasting2•
•
•
•
•
•
Predicción medio- corto plazo - Forecasting1
8
Predicción IDNIntroducción
15 ‘
Sistemas de nowcasting estadístico
Cámara de cielo
Imágenes de satélite
MNP
Descripción del nowcasting
1h 5h2h 3h 4h 5h 6h
Introducción
Organigrama 2 - Funciones por departamento
Sistemas de cámaras
Algoritmos de decisión de nubes
Movimiento de nubes
Mediante modelos globales, de área
limitada o mesoescalares
Técnicas de machine learning a la salida de los
modelos
Satélite Modelo numéricoModelo técnico de
la planta
Predicción del mapa de IDN
10
Estudio de imágenes consecutivas
Derivar vector de movimiento
Identificación de pixeles con nube a 6 horas vista
Paso de pixel a IDN mediante inteligencia artificial
Introducción Descripción del nowcasting
Título diapositiva - augue
11
Organigrama 2 - Funciones por departamentoIntroducción Descripción del nowcasting
Parámetros de desvío de IDN
14
Análisis de previsiones en plantas operadas por Abengoa
Parámetros estadísticos
Parámetros de desvío de IDN
16
Análisis de previsiones en plantas operadas por Abengoa
Tabla de contingencia
Parámetros de desvío de IDN
17
Análisis de previsiones en plantas operadas por Abengoa
• Tipo A IDNdía < 0.25*IDNMax
• Tipo B 0.25*IDNMax< IDNdía < 0.5*IDNMax
• Tipo C 0.5*IDNMax< IDNdía < 0.75*IDNMax
• Tipo D IDNdía > 0.75*IDNMax
Tipos de días (IDN mensual acumulada máxima, IDNMax)
Intercomparación proveedores
19
Abril a Septiembre 2014
MI4 ASE Proveedor 1 Proveedor 2 Proveedor 3 Proveedor 4 Proveedor 5Noviembre 32,0% 34,7% 29,8% NaN NaN NaNDiciembre 21,2% 28,3% 25,3% NaN NaN NaN
Enero 57,1% 65,4% 42,6% NaN NaN NaNFebrero 50,8% 58,9% 48,8% NaN 64,3% 74,3%Marzo 35,9% 46,1% 33,7% NaN 35,2% 33,8%Abril 36,7% 43,6% 38,1% 42,4% 44,7% 41,6%Mayo 22,6% 23,2% 20,3% 23,0% 25,6% 22,7%Junio 29,0% 33,7% 29,2% 28,5% 29,9% 28,9%Julio 20,9% 25,2% 23,4% 22,8% 21,0% 21,2%
Agosto 11,1% 15,5% 16,7% 22,8% 13,4% 12,0%Septiembre 45,1% 49,9% 51,6% 45,3% 43,1% 44,2%
Sanlucar MD MI1 MI2 MI3 MI4 MI5 MI6ASE 26,93% 25,46% 26,89% 25,18% 25,18% 23,85% 24,89%Proveedor 1 30,40% 29,34% 30,74% 29,22% 29,22% 28,19% 31,23%Proveedor 2 27,33% 27,33% 27,33% 27,33% 27,24% 24,44% 26,36%Proveedor 3 35,13% 29,69% 29,69% 29,35% 29,35% 26,70% 27,20%Proveedor 4 27,22% 27,30% 27,52% 27,21% 27,21% 24,83% 24,98%Proveedor 5 26,30% 26,30% 25,94% 25,94% 25,94% 22,65% 23,31%
Plataforma de Sanlúcar
127 días (6 nov 2013 – 12 mar 2014)
31% de días con transitorios
Tipo de día
A B C D
nº 42 18 22 46
% 33 14 17 36
Intervalo de DNI
1 2 3 4
< 200 400 800 1000
≥ 0 200 400 800
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
A
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
0
100
200
300
400
500
600
700
800
900
DN
I (W
/m2 )
A127 días (6 nov 2013 – 12 mar 2014)
31% de días con transitorios
Tipo de día
A B C D
nº 42 18 22 46
% 33 14 17 36
Intervalos de DNI
1 2 3 4
< 200 400 800 1000
≥ 0 200 400 800
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
DNI (muestreo 1h, alcance 1 h) predicción vs. real
Tipo de día
A B C D Σ
MAE(W/m2)
166 294 171 82 152
rMAE(%)
>100 0,95 35 12 39
MBE(W/m2)
138 179 84 -53 61
RMSE(W/m2)
293 374 239 139 251
rRMSE(%)
>100 >100 49 21 64
CC 0,39 0,43 0,76 0,93 0,78
SMAE -2,13 -0,50 0,06 0,39 -0,21
SRMSE -1,59 -0,48 -0,02 0,28 -0,310 100 200 300 400 500 600 700 800 900 1000
0
100
200
300
400
500
600
700
800
900
1000
DNI real (W/m2)
DN
I pre
dic
ha
(W/m
2 )
DAB+C
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
DNI (muestreo 1 h, alcance 1 h) predicción vs. real
0 100 200 300 400 500 600 700 800 900 10000
100
200
300
400
500
600
700
800
900
1000
DNI real (W/m2)
DN
I pre
dic
ha
(W/m
2 )
DAB+C
Intervalo Real
PC 0,65 1 2 3 4 SR
1 379 34 34 0 0,85
2 30 6 17 0 0,11
3 63 36 153 47 0,51
4 26 21 93 201 0,59
POD 0,76 0,06 0,51 0,81
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
1 2 3-50
0
50
100
150
200
250
300
Alcance (h)
W/m
2
MAE MBE RMSE
DNI (muestreo 1 h, alcance 1-3 h) predicción vs. real vs. Nowcasting real-time
Desvíos relativamente estables en el tiempo
Metodología consistente
Desvíos estables en alcance
Metodología consistente
rMAE (nowcasting satélite) ~ 40%
rRMSE (nowcasting satélite) ~ 70%
Mejores resultados con real-time feed-back
rMAE (nowcasting realtime) ~ 30%
rRMSE (nowcasting realtime) ~ 45%
Satelite Tipo de día
A B C D Σ
MAE(W/m2)
166 294 171 82 152
rMAE(%)
>100 0,95 35 12 39
MBE(W/m2)
138 179 84 -53 61
RMSE(W/m2)
293 374 239 139 251
rRMSE(%)
>100 >100 49 21 64
CC 0,39 0,43 0,76 0,93 0,78
SMAE -2,13 -0,50 0,06 0,39 -0,21
SRMSE -1,59 -0,48 -0,02 0,28 -0,31
Tiempo real Tipo de día
A B C D Σ
MAE(W/m2)
86 210 169 74 113
rMAE(%)
68 35 11 29
MBE(W/m2)
45 -4 -43 -38 -9
RMSE(W/m2)
135 268 229 110 172
rRMSE(%)
87 47 17 44
CC 0,32 0,38 0,68 0,95 0,88
SMAE -0,62 -0,08 0,06 0,45 0,10
SRMSE -0,20 -0,06 0,02 0,43 0,10
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
28
1h - May 1h - June 2h - May 2h - June
MAE (W/m2)/ rMAE (%) 135.6 (22.7) 116.0 (19.7) 154.1 (25.1) 122.0 (20.3)
RMSE (W/m2)/ rRMSE (%) 208.9 (35.0) 196.8 (33.5) 241.1 (39.3) 212.2 (35.3)
MBE(W/m2) 84.8 39.8 89.4 50.3
Skill MAE (%) 3.4 21.0 27.9 42.0
Plataforma de SanlúcarNowcasting con Satéite
Nowcasting con Satélite
30
1h - Mayo 1h - Junio 24h – Mayo 24h - Junio
MAE (W/m2)/ rMAE (%) 112.8 (21.2) 100.9 (20.1) 115.8 (21.8) 116.6 (23.2)
RMSE (W/m2)/ rRMSE (%) 154.3 (29.0) 155.5 (31.0) 163.7 (30.8) 187.0 (37.3)
MBE(W/m2) 9.8 17.6 14.6 41.0
Nowcasting con modelo MPN nowcasting/forecasting
Plataforma de SanlúcarNowcasting con Satélite en P. Sanlúcar
En mayo, la diferencia máxima del rMAE para todo el horizonte temporal es de 3.5 %, mientrasque en junio la diferencia es de 4.5 %.
En la predicción de IDN con MPN el rMAE no cambia en el rango del nowcasting ambos meses…
….. No es el mejor producto para el nowcasting de IDN (2 primeras horas).
Plataforma de Sanlúcar Nowcasting de producción: Metodología
IDN medida por pirheliómetro
Predicción de IDN mediante satélite
Predicción de IDN basada en MPN meteorológico
Producción bruta predicha (FGP)
Producción real bruta de una planta de 50 MW de la Plataforma de Sanlúcar
IDN real Producción bruta
de la planta (OPG)
Performance Model
Producción bruta modelada (MGP)
Satélite FGP
MPN FGP
Planta termosolar
Performance Model
Performance Model
Plataforma de Sanlúcar Nowcasting de producción: Desviación de la producción real
Comparación entre MGP y OPG
- La inercia del fluido produce un desplazamiento entre las curvas de IDN y de producción.
- En condiciones de saturación la producción no se afectada por bajadas de la curva IDN
(800-1000 W/M2 en verano).
- La diferencia entre ambas producciones es de un 8% para toda la bases de datos elegida. .
Plataforma de Sanlúcar Nowcasting de producción: Desviación de la producción real
Para el día 9 de junio de 2015 , día con nubosidad, la desviación entre la producción bruta modelada y
la producción bruta de la planta es del 12 %.
- Está más condicionada por factores técnicos y humanos.
- Son plantas no totalmente automáticas.
Plataforma de Sanlúcar Nowcasting de producción: Desviación de la producción real
Para el 5 de junio de 2015, día sin nubes, la desviación entre la producción bruta modelada y la
producción bruta real de la planta es del 3%.
Conclusión
Se debe tener en cuenta al MGP para determinar la influencia de factores humanos y
técnicos.
Plataforma de Sanlúcar Nowcasting de producción: Predicción MPN y Satélite
- Ambos meses las desviaciones de IDN y del producción bruta presentan curvas paralelas con el tiempo. La causa de este paralelismo se debe a que hay una relación directa entre la desviación de producción y de
IDN . Este efecto se observa tanto con predicciones basadas en productos satelitales como de MPN.
- En junio la diferencia entre rMAE de la IDN y el de la producción bruta decrece a lo largo del tiempo.
Plataforma de Sanlúcar Nowcasting de producción: Predicción MPN y Satélite
- Ambos meses las desviaciones de IDN y del producción bruta presentan curvas paralelas con el tiempo. La causa de este paralelismo se debe a que hay una relación directa entre la desviación de producción y de
IDN . Este efecto se observa tanto con predicciones basadas en productos satelitales como de MPN.
- En junio la diferencia entre rMAE de la IDN y el de la producción bruta decrece a lo largo del tiempo.
Plataforma de Sanlúcar Nowcasting de producción: Predicción MPN y Satélite
- En las primera 5 horas, las predicciones de MPN (IDN y producción bruta) presentan un rMAEestable mientras que las prediccines de satélite tienen una pendiente positiva que producen un
incremento de rMAE con el tiempo.
- En las primeras 2 horas, el rMAE del FGP con satélite es menos que el valor obtenido con satélitepor tanto bajo este horizonte el uso de satélite es más adecuado que modelo.
Futuro
Trás el estudio anteriormente presentado se extrajo la necesidad de
reducer el error de las predicciones con satélite. La propuesta fue el uso
de técnicas de postproceso que incorporen las medidas de IDN en tiempo
real de la planta.
Además, sería necesario ver el tipo de previsión que el modelo técnico
precisa en base a su diseño. Está preparado para la entrada de radiación
real.
Plataforma de Sanlúcar Conclusiones del estudio
Proveedor 1 Proveedor 2 Proveedor 3
IDNMAE 94,72 142,60 131,24
RMSD 144,82 203,85 192,63Correl 0,9679 0,9391 0,9415
ProducciónMAE 7,17 8,53 9,35RMSD 15,45 17,07 18,14Correl 0,9669 0,9582 0,9527
Planta de Xina Forecasting de IDN y producción
Proveedor 1 Proveedor 2 Proveedor 3
IDNMAE 29% 43% 40%
RMSD 44% 62% 59%
Correl 0,9679 0,9391 0,9415
ProducciónMAE 9% 11% 12%
RMSD 19% 21% 22%Correl 0,9669 0,9582 0,9527
Periodo: 14/04/2017-14/05/2017
Proveedor 1 Proveedor 2 Proveedor 3
IDNMAE 94,72 142,60 131,24
RMSD 144,82 203,85 192,63
Correl 0,9679 0,9391 0,9415
ProducciónMAE 7,17 8,53 9,35RMSD 15,45 17,07 18,14
Correl 0,9669 0,9582 0,9527
Planta de Xina Forecasting de IDN y producción
Proveedor 1 Proveedor 2 Proveedor 3
IDNMAE 29% 43% 40%
RMSD 44% 62% 59%
Correl 0,9679 0,9391 0,9415
ProducciónMAE 9% 11% 12%
RMSD 19% 21% 22%Correl 0,9669 0,9582 0,9527
Periodo: 14/04/2017-14/05/2017
Planta de Xina Nowcasting de IDN
rMAEHorizonte Enero Febrero Marzo
30 min 14,87% 15,57% 21,02%45 min 15,05% 15,77% 21,40%
1h 15,47% 15,91% 21,51%2h 16,51% 17,69% 21,58%3h 16,36% 18,20% 24,80%
- Se observa que el desvío aumenta con el horizonte temporal.
- La previsión con satélite es mejor que el método de la persistencia por encima de 1 hora (SMAE >0).
SMAE
Horizonte Enero Febrero Marzo30 min -0,04 -0,10 -0,4945 min 0,18 0,13 -0,20
1h 0,28 0,26 0,012h 0,49 0,48 0,373h 0,61 0,60 0,45
Periodo: enero-febrero-marzo 2018