Short term cloud nowcasting for a solar power plant based on irradiance historical data
- Caballero, Rafael
- Zarzalejo, Luis F.
- Otero, Álvaro
- Piñuel, Luis
- Wilbert, Stefan
ISSN: 1666-6038
Año de publicación: 2018
Título del ejemplar: Special Issue JCC&BD 2018; e27
Volumen: 18
Número: 3
Tipo: Artículo
Otras publicaciones en: Journal of Computer Science and Technology
Resumen
Es este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particular se muestra un método capaz de predecir el valor de radiación en los siguientes minutos a partir de los valores de los minutos anteriores. El método emplea el tipo de red neuronal recurrente conocido como LSTM, capaz de aprender patrones complejos y predecir el próximo elemento de una serie temporal. Los resultados muestran una mejora apreciable en con respecto a los métodos de predicción empleados habitualmente en el estudio de series temporales.
Referencias bibliográficas
- D. Renne, Semi-Annual Status. Task 36: Solar. Resource Knowledge Management. Solar Resource Knowledge Management. 2009.
- E Lorenz, A Hammer, and D Heinemann. Short term forecasting of solar radiation based on satellite data. In EUROSUN 2004 (ISES Europe Solar Congress), pages 841- 848, 2004.
- Bosch, J. L. y Kleissl, J. Cloud motion vectors from a network of ground sensors in a solar power plant. Solar Energy 95(1), 13-20, 2013.
- G. Reikard. Predicting solar radiation at high resolutions: A comparison of time series forecasts. Solar Energy, 83(3):342-349, 2009.
- Martín, L., Zarzalejo, L. F., Polo, J., Navarro, A., Marchante, R. y Cony, M. Prediction of global solar irradiance based on time series analysis: Application to solar thermal power plants energy production planning. Solar Energy 84(10), 1772-1781, 2010.
- C. Paoli, C, Voyant, M. Muselli, and M.L. Nivet. Forecasting of preprocessed daily solar radiation time series using neural networks. Solar Energy, 84(12), 2146-2160, 2010
- A. Mellit and A. M. Pavan. A 24-h forecast of solar irradiance using artificial neural network: Application for performance prediction of a grid-connected PV plant at Trieste, Italy. Solar Energy, 84(5), 807-821, 2010.
- M. Bou-Rabee, S. A. Sulaiman, M. Saleh, and S. Marafi. Using artificial neural networks to estimate solar radiation in Kuwait. Renewable and Sustainable Energy Reviews, 72, 434-438. 2017.
- M. Diagne, M. David, P. Lauret, J. Boland, and N. Schmutz. Review of solar irradiance forecasting methods and a proposition for small-scale insular grids. Renewable and Sustainable Energy Reviews, 27, 65-76. 2013.
- I. A. Walter, R. G. Allen, R. Elliott, M.E. Jensen, D. Itenfisu, B Mecham, ... and T Spofford. ASCE's standardized reference evapotranspiration equation. In Watershed Management and Operations Management 2000 (pp. 1-11). 2000.
- T. Caliński, and J. Harabasz A dendrite method for cluster analysis. Communications in Statistics-theory and Methods, 3(1), 1-27. 1974
- D. Kwiatkowski, P. C B Phillips, P. Schmidt, and Y. Shin. 1992. Testing the Null Hypothesis of Stationarity Against the Alternative of a Unit Root: How Sure Are We That Economic Time Series Have a Unit Root? Journal of Econometrics 54 (1-3): 159–78. 1992.
- R. J. Hyndman and G. Athanasopoulos. Forecasting: principles and practice. OTexts. 2018.
- S. Makridakis, S.C. Wheelwright, and R.J. Hyndman. Forecasting: methods and applications. John Wiley & Sons, 1998.
- S. Haykin. Neural Networks: A Comprehensive Foundation Upper. Saddle River. NJ, USA, pp. 1–842. 1998.
- S. Hochreiter and J. Schmidhuber. Long Short-Term Memory. Neural Computation. 9 (8): 1735–1780. 1997
- F. A. Gers , J. Schmidhuber and F. Cummins. Learning to Forget: Continual Prediction with LSTM. Neural Computation Volume 12-10. p.2451-2471. 2000
- F. Wilcoxon. Individual Comparisons by Ranking Methods. Biometrics 1, 80-83. 1945