Sebagai persentase dari energi angin memberikan kontribusi ke jaringan listrik terus meningkat, sifat variabel angin dapat membuat sulit untuk menjaga generasi dan beban seimbang.
Tapi karya terbaru oleh Lawrence Livermore National Laboratory, dalam hubungannya dengan AWS Truepower, keseimbangan ini dapat membantu melalui proyek yang alert operator ruang kontrol dan prakiraan kondisi angin energi sehingga mereka dapat membuat keputusan yang terinformasi dengan baik penjadwalan.Hal ini terutama penting selama kejadian ekstrem, seperti landai, ketika ada peningkatan tajam atau penurunan kecepatan angin selama periode waktu yang singkat, yang mengarah ke kenaikan besar atau jatuh dalam jumlah daya yang dihasilkan.
"Kami mencoba untuk meramalkan energi angin pada waktu tertentu," kata Chandrika Kamath, memimpin LLNL pada proyek."Salah satu tujuan kami adalah untuk membantu orang-orang di ruang kontrol di utilitas menentukan kapan acara jalan mungkin terjadi dan bagaimana yang akan mempengaruhi pembangkit listrik dari sebuah peternakan angin tertentu."
Proyek, dijuluki WindSENSE, didanai oleh Departemen Energi Kantor Efisiensi Energi dan Energi Terbarukan.
Untuk memahami peristiwa jalan yang lebih baik, Kamath menggunakan data-mining teknik untuk menentukan apakah kondisi cuaca di daerah peternakan angin dapat menjadi indikator yang efektif dari hari-hari ketika peristiwa jalan yang mungkin terjadi. Dia menggunakan energi angin dan data cuaca dari dua daerah - Pass Tehachapi di California Selatan dan wilayah Columbia Basin di perbatasan Oregon-Washington.
"Pekerjaan kami mengidentifikasi variabel cuaca penting yang terkait dengan peristiwa jalan," kata Kamath. "Informasi ini dapat digunakan oleh penjadwal untuk mengurangi jumlah stream data yang mereka butuhkan untuk memantau ketika mereka jadwal energi angin pada jaringan listrik."
Dengan peternakan angin diperkirakan untuk menyediakan lebih banyak energi untuk grid, Kamath mengatakan perlu untuk mendapatkan prediksi kecepatan angin pada target.
Angin peternakan di Tehachapi Pass saat ini memproduksi 700 megawatt (MW) kekuasaan, tapi segera akan memproduksi 3.000 MW. Di Cekungan Columbia, peternakan yang memproduksi 700 MW listrik di 2007, tetapi pada tahun 2009, mereka memproduksi 3.000 MW. Jadi sangat penting bahwa prakiraan angin akurat, terutama selama acara jalan, ketika energi dapat berubah oleh lebih dari 1.000 MW dalam satu jam.
"Pengamatan sasaran penelitian yang dilakukan sebagai bagian dari proyek WindSENSE menghasilkan dalam pengembangan dan pengujian algoritma untuk memberikan bimbingan di mana untuk mengumpulkan data untuk meningkatkan kinerja angin perkiraan," kata John Zack, direktur peramalan AWS Truepower."Ini perangkat lunak baru memiliki potensi untuk membantu memperkirakan penyedia dan pengguna membuat keputusan dan memaksimalkan investasi mereka sensor cuaca penyebaran."
Perkiraan generasi angin digunakan oleh utilitas didasarkan pada simulasi komputer, didorong oleh pengamatan berasimilasi dengan perkembangan waktu simulasi. Pengamatan variabel tertentu pada lokasi tertentu memiliki nilai lebih daripada yang lain dalam mengurangi kesalahan perkiraan dalam peristiwa ekstrim, lokasi acara dan periode melihat-depan.
Bagian dari upaya WindSENSE adalah untuk mengidentifikasi lokasi dan jenis sensor yang dapat paling meningkatkan perkiraan jangka pendek dan ekstrim-acara. Tim menggunakan pendekatan Ensemble Analisis Sensitivitas untuk mengidentifikasi lokasi-lokasi dan variabel.
"Kami sedang berusaha untuk mengurangi hambatan untuk mengintegrasikan energi angin di grid dengan menganalisis data historis dan mengidentifikasi data baru kita harus mengumpulkan sehingga kita dapat meningkatkan pengambilan keputusan oleh operator ruang kontrol," kata Chandrika. "Pekerjaan kami adalah menuju pemahaman yang lebih baik karakteristik dan prediktabilitas dari variabilitas terkait dengan sumber daya generasi angin."
"Kami mencoba untuk meramalkan energi angin pada waktu tertentu," kata Chandrika Kamath, memimpin LLNL pada proyek."Salah satu tujuan kami adalah untuk membantu orang-orang di ruang kontrol di utilitas menentukan kapan acara jalan mungkin terjadi dan bagaimana yang akan mempengaruhi pembangkit listrik dari sebuah peternakan angin tertentu."
Proyek, dijuluki WindSENSE, didanai oleh Departemen Energi Kantor Efisiensi Energi dan Energi Terbarukan.
Untuk memahami peristiwa jalan yang lebih baik, Kamath menggunakan data-mining teknik untuk menentukan apakah kondisi cuaca di daerah peternakan angin dapat menjadi indikator yang efektif dari hari-hari ketika peristiwa jalan yang mungkin terjadi. Dia menggunakan energi angin dan data cuaca dari dua daerah - Pass Tehachapi di California Selatan dan wilayah Columbia Basin di perbatasan Oregon-Washington.
"Pekerjaan kami mengidentifikasi variabel cuaca penting yang terkait dengan peristiwa jalan," kata Kamath. "Informasi ini dapat digunakan oleh penjadwal untuk mengurangi jumlah stream data yang mereka butuhkan untuk memantau ketika mereka jadwal energi angin pada jaringan listrik."
Dengan peternakan angin diperkirakan untuk menyediakan lebih banyak energi untuk grid, Kamath mengatakan perlu untuk mendapatkan prediksi kecepatan angin pada target.
Angin peternakan di Tehachapi Pass saat ini memproduksi 700 megawatt (MW) kekuasaan, tapi segera akan memproduksi 3.000 MW. Di Cekungan Columbia, peternakan yang memproduksi 700 MW listrik di 2007, tetapi pada tahun 2009, mereka memproduksi 3.000 MW. Jadi sangat penting bahwa prakiraan angin akurat, terutama selama acara jalan, ketika energi dapat berubah oleh lebih dari 1.000 MW dalam satu jam.
"Pengamatan sasaran penelitian yang dilakukan sebagai bagian dari proyek WindSENSE menghasilkan dalam pengembangan dan pengujian algoritma untuk memberikan bimbingan di mana untuk mengumpulkan data untuk meningkatkan kinerja angin perkiraan," kata John Zack, direktur peramalan AWS Truepower."Ini perangkat lunak baru memiliki potensi untuk membantu memperkirakan penyedia dan pengguna membuat keputusan dan memaksimalkan investasi mereka sensor cuaca penyebaran."
Perkiraan generasi angin digunakan oleh utilitas didasarkan pada simulasi komputer, didorong oleh pengamatan berasimilasi dengan perkembangan waktu simulasi. Pengamatan variabel tertentu pada lokasi tertentu memiliki nilai lebih daripada yang lain dalam mengurangi kesalahan perkiraan dalam peristiwa ekstrim, lokasi acara dan periode melihat-depan.
Bagian dari upaya WindSENSE adalah untuk mengidentifikasi lokasi dan jenis sensor yang dapat paling meningkatkan perkiraan jangka pendek dan ekstrim-acara. Tim menggunakan pendekatan Ensemble Analisis Sensitivitas untuk mengidentifikasi lokasi-lokasi dan variabel.
"Kami sedang berusaha untuk mengurangi hambatan untuk mengintegrasikan energi angin di grid dengan menganalisis data historis dan mengidentifikasi data baru kita harus mengumpulkan sehingga kita dapat meningkatkan pengambilan keputusan oleh operator ruang kontrol," kata Chandrika. "Pekerjaan kami adalah menuju pemahaman yang lebih baik karakteristik dan prediktabilitas dari variabilitas terkait dengan sumber daya generasi angin."
No comments:
Post a Comment