Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Γεωστατιστική ανάλυση δεδομένων παραγωγής αιολικής ενέργειας

Gafa Panagiota

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/A889944B-EEFF-4FC0-9947-567146BEC158
Έτος 2020
Τύπος Μεταπτυχιακή Διατριβή
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Παναγιώτα Γκάφα, "Γεωστατιστική ανάλυση δεδομένων παραγωγής αιολικής ενέργειας", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Ορυκτών Πόρων, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020 https://doi.org/10.26233/heallink.tuc.85755
Εμφανίζεται στις Συλλογές

Περίληψη

Τα τελευταία χρόνια πολλές χώρες προσπαθούν να μειώσουν την εξάρτησή τους από τα ορυκτά καύσιμα και να ενισχύσουν την συμβολή των ανανεώσιμων πηγών στην παραγωγή ενέργειας. Οι ανανεώσιμες πηγές ενέργειας περιλαμβάνουν τον άνεμο, τον ήλιο, τις γεωθερμικές πηγές και την κυματική ενέργεια. Ο άνεμος είναι η πλέον συνήθης πηγή ανανεώσιμης ενέργειας, τόσο για οικιακή όσο και για βιομηχανική χρήση. Ως εκ τούτου, η ανάλυση της μεταβλητότητας και η πρόβλεψη της ταχύτητας του ανέμου καθώς και της δυνατικής παραγωγής ισχύος είναι σημαντικά ερευνητικά θέματα. Η συγκεκριμένη μεταπτυχιακή εργασία διερευνά την μεταβλητότητα της παραγόμενης αιολικής ενέργειας στην Ολλανδία. Για την εκτίμηση των χωρικών και των χρονικών μοντέλων χρησιμοποιούνται γεωστατιστικές μέθοδοι και μέθοδοι χρονοσειρών αντίστοιχα. Τα διαθέσιμα δεδομένα είναι οι μέσες ημερήσιες μετρήσεις της παραγωγής ενέργειας από 46 σταθμούς στην Ολλανδία. Τα δεδομένα καταγράφονται κατά την εξαετή χρονική περίοδο από το 2001 έως το 2006. Οι περισσότερες διαθέσιμες έρευνες στη βιβλιογραφία αναλύουν δεδομένα που αφορούν την ταχύτητα του ανέμου. Σε αυτήν την περίπτωση, γίνεται εκτίμηση αρχικά της ταχύτητας του ανέμου στον χώρο ή στον χρόνο. Στη συνέχεια εκτιμάται η αντίστοιχη αιολική ενέργεια, χρησιμοποιώντας μία τυπική ``καμπύλη ενέργειας'', η οποία συσχετίζει την ταχύτητα του ανέμου με την παραγόμενη ισχύ. Σε αντίθεση, τα μοντέλα που ερευνήθηκαν στη συγκεκριμένη εργασία (τόσο τα γεωστατιστικά μοντέλα για την χωρική εκτίμηση, όσο και τα χρονικά μοντέλα για την πρόβλεψη στο χρόνο) βασίζονται άμεσα σε δεδομένα παραγόμενης ισχύος. Η ταχύτητα του ανέμου συνήθως εξαρτάται από το υψόμετρο. Ωστόσο, λόγω της επίπεδης τοπογραφίας της Ολλανδίας, δεν είναι απαραίτητο να ληφθεί υπόψη κάποια τοπογραφική τάση στο χωρικό μοντέλο. Προκειμένου να διερευνηθεί η χωρική μεταβλητότητα της αιολικής ισχύος, υπολογίζεται το εμπειρικό βαριόγραμμα παραγόμενης ισχύος από τα ενεργειακά δεδομένα. Στη συνέχεια το εμπειρικό βαριόγραμμα προσαρμόζεται σε τρία θεωρητικά μοντέλα (Γκαουσσιανό, Εκθετικό και Σφαιρικό). Το σφαιρικό μοντέλο βαριογραμμάτος επιλέγεται ως το βέλτιστο, βάσει του ελάχιστου αθροίσματος των σταθμισμένων τετραγωνικών σφαλμάτων. Στη συνέχεια το Κανονικό Kriging εφαρμόζεται στα δεδομένα με σκοπό τη δημιουργία των χαρτών παρεμβολής για το αιολικό ενεργειακό δυναμικό σε όλη την έκταση της χώρας, και την κατασκευή των αντίστοιχω χαρτών αβεβαιότητας. Για να εξεταστεί η απόδοση του χωρικού μοντέλου, χρησιμοποιήθηκε η μέθοδος της διασταυρωτικής επιβεβαίωσης και συγκεκριμένα της αφαίρεσης ενός σημείου εκ περιτροπής (leave-one-out cross-validation). Σύμφωνα με το συντελεστή συσχέτισης του Pearson ο οποίος είναι ίσος με 85% τα χωρικά μοντέλα παρουσιάζουν μια αρκετά καλή απόδοση. Οι παραγόμενοι χάρτες βάσει του kriging, απεικοινίζουν το αιολικό ενεργειακό δυναμικό και την αβεβαιότητά του. Οι υψηλότερες τιμές της εκτιμώμενης αιολικής ισχύος παρατηρούνται στη Δυτική περιοχή της χώρας (δίπλα στη Βόρεια Θάλασσα (North Sea)), ενώ οι χαμηλότερες στην Ανατολή. Σε αντίθεση, η αβεβαιότητα είναι χαμηλή στη Δύση και υψηλή στην Ανατολή. Το ίδιο σταθερό μοτίβο παρατηρείται για όλα τα χρόνια της μελέτης (2001--2006). Στη χρονική ανάλυση, χρησιμοποιούμε τη μέση μηνιαία ισχύ ανά σταθμό. Η εφαρμογή της μεθοδολογίας παρουσιάζεται για έναν χερσαίο και έναν υπεράκτιο σταθμό στη Βόρεια Θάλασσα. Τα δεδομένα εμφανίζουν μία εποχικότητα με ετήσιο κύκλο. Για την μοντελοποίηση των δεδομένων, χρησιμοποιήθηκαν δύο διαφορετικές προσεγγίσεις. Στην πρώτη προσέγγιση, προσαρμόζουμε ένα αιτιοκρατικό περιοδικό μοντέλο, και στη συνέχεια εφαρμόζουμε ένα μοντέλο SARIMA στα στοχαστικά υπόλοιπα. Στη δεύτερη προσέγγιση, εφαρμόζουμε τα μοντέλα SARIMA απευθείας στους μηνιαίους μέσους όρους της αιολικής ισχύος. Στη συνέχεια, γίνεται εκτίμηση των παραμέτρων του μοντέλου βάσει των υπαρχόντων χρονοσειρών. Οι βέλτιστες παράμετροι, χρησιμοποιούνται για να γίνει πρόβλεψη τους επόμενους 12 μήνες. Έτσι η πρόβλεψη αποτελείται από μηνιαίους μέσους όρους αιολικής ισχύος για το έτος 2007. Για να εξεταστεί η αποδοτικότητα του μοντέλου, χρησιμοποιούμε τη μέθοδο της διασταυρωτικής επιβεβαίωσης βασισμένη στην πρόβλεψη της επόμενης χρονικής στιγμής (one-step-ahead forecast). Σύμφωνα με tη ρίζα του μέσου τετραγωνικού σφάλματος (RMSE), (το RMSE έχει εύρος 0.04--0.22 MW, δηλαδή ανέρχεται στο 21%--43% της μέσης τιμής των μηνιαίων μέσων όρων σε κάθε σταθμό), τα μοντέλα SARIMA παρουσιάζουν σχετικά καλή απόδοση.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά