Nuovi strumenti aumentano l’accuratezza delle previsioni a breve termine per le fonti di energia rinnovabili
Le fonti di energia rinnovabile (FER) stanno diventando una parte più consistente del mix di produzione di elettricità in molti Paesi europei, ma la loro natura intermittente rappresenta una sfida operativa. La chiave per un funzionamento sicuro ed economico dei sistemi energetici fortemente dipendenti dalle FER è migliorare la previsione a breve termine della generazione di energia da tali fonti. Il progetto Smart4RES, finanziato dall’UE, intende affrontare queste sfide con una prospettiva olistica. «Il nostro approccio abbraccia l’intero modello e la filiera della previsione delle FER, a partire dalle previsioni meteorologiche fino alle applicazioni finali», osserva George Kariniotakis, coordinatore del progetto. «Il nostro obiettivo è ottenere miglioramenti rivoluzionari nella tecnologia di previsione delle FER, piuttosto che semplici progressi incrementali.»
Miglioramenti su scale temporali e spaziali ampie
L’obiettivo finale di Smart4RES era quello di sviluppare e convalidare strumenti di nuova generazione per migliorare le previsioni delle FER di almeno il 15 %. I partner del progetto hanno lavorato al perfezionamento dei modelli numerici di previsione meteorologica per questo settore, integrando i dati provenienti dai satelliti e dalle immagini del cielo. «Abbiamo sviluppato un approccio di simulazione large eddy ad altissima risoluzione, in grado di fornire previsioni meteorologiche estremamente localizzate. Per migliorare la previsione delle variabili meteorologiche, abbiamo utilizzato per la prima volta una rete di telecamere aeree distribuite su una vasta zona: un passo avanti rispetto al metodo tradizionale che prevede una sola telecamera in un sito», spiega Kariniotakis. «L’uso delle immagini delle telecamere aeree per la previsione dell’energia solare ha aumentato le prestazioni del 20 %, in particolare per le previsioni prodotte con 15-30 minuti di anticipo.» «Abbiamo anche sviluppato un modello di previsione snello, che semplifica le catene di modelli tradizionali, fornendo un unico modello continuo per la previsione probabilistica della produzione solare ed eolica, con un anticipo di pochi minuti o pochi giorni. Questo metodo riduce drasticamente il carico di calcolo del 99 %, e offre risultati paragonabili ai modelli esistenti», aggiunge Kariniotakis. Inoltre, per migliorare l’accuratezza a breve termine, sono stati definiti metodi per condividere i dati tra diversi impianti di energia rinnovabile, mantenendo le informazioni riservate e sicure. Ciò ha contribuito a migliorare il punteggio probabilistico fino al 20 % con un anticipo fino a 6 ore.
Aumentare il valore delle previsioni e favorire il processo decisionale
L’équipe del progetto ha costruito un prototipo di mercato dei dati all’avanguardia, per la condivisione dei dati provenienti da fonti energetiche distribuite, dotato di nuovi algoritmi e modelli aziendali. «Questo sistema non è solo accurato, ma estrae dai dati il massimo valore, per migliorare le previsioni sulle energie rinnovabili», afferma Kariniotakis. «Il processo decisionale per l’integrazione delle FER nei sistemi e nei mercati energetici è ora più efficiente, grazie al dispacciamento predittivo per i sistemi autonomi per la produzione di energia, alle opzioni di accumulo multiservizio, al commercio di energia rinnovabile basato sui dati e agli algoritmi di controllo locale che gestiscono le congestioni della rete. Siamo riusciti, ad esempio, a ridurre del 30 % i costi di attivazione della flessibilità per gli operatori della rete elettrica.» «Per semplificare le cose rispetto al tradizionale modello di previsione e ottimizzazione, abbiamo proposto un approccio analitico prescrittivo, basato sull’IA interpretabile, che consente di semplificare l’apprendimento dai dati disponibili al processo decisionale», aggiunge Kariniotakis.
Collaudo dei modelli in condizioni reali
I partner del progetto hanno integrato i nuovi metodi di previsione meteorologica nei modelli operativi di Meteo-France e Whiffle. Questi modelli migliorati sono stati confrontati con le previsioni commerciali e utilizzati per valutare gli indicatori chiave di prestazioni per lo scambio di FER nei mercati dell’elettricità. Inoltre, le strategie di controllo della frequenza per isole autonome sono state collaudate tramite simulazioni in tempo reale, che rispecchiavano un elevato utilizzo delle FER. Infine, è stata condotta un’analisi costi-benefici degli strumenti di previsione e di supporto decisionale relativi alle FER. L’obiettivo era identificare le combinazioni più efficaci di fonti di dati e comprendere i potenziali vantaggi di un supporto decisionale avanzato, tra cui, ad esempio, la possibilità di ritardare gli aggiornamenti della rete gestendo in modo intelligente la flessibilità locale. «Abbiamo gettato le basi per creare strumenti di previsione avanzati per la produzione di FER dipendenti dal tempo atmosferico. Questi strumenti di nuova generazione mirano a mitigare gli effetti dell’intermittenza delle FER nei sistemi energetici con quote elevate di rinnovabili, fornendo energia per molti intervalli temporali, da pochi minuti a oltre 10 giorni, e per molte scale spaziali, dai singoli impianti di FER fino al livello regionale o nazionale», conclude Kariniotakis.
Parole chiave
Smart4RES, previsioni meteorologiche, processo decisionale, previsioni a breve termine, fonti di energia rinnovabili, condivisione dei dati, mercati dei dati, gestione del sistema energetico, commercio di energia
