Satellite-based Methods for Intra-day Solar Irradiation Forecast in French Guiana
Prévision du rayonnement solaire global par méthodes d'ensemble et imagerie satellitaire
Résumé
Population growth and continuous demand for energy production have prompted electricity producers to focus increasingly on the use of local and clean resources. Renewable energy sources such as the sun and wind have shown an increasing interest. A problem with these power sources are their intermittent and random nature that drives grid operators to restrict their integration into the energy mix. This makes it imperative to combine different production systems to ensure grid stability and safety. French Guiana’s electricity production mainly comes from local renewable energies (64%), compared to 36% from imported fossil fuels. To improve the integration of intermittent renewable energies, solar energy in this study, it is necessary to focus on resource forecasting. Knowing in advance the available power allows optimal management of the coupling between conventional and intermittent production systems.The contribution of this thesis focuses on forecasting the Global Horizontal Irradiation (GHI) at different time horizons combining satellite-derived data instead of ground measurements and statistical methods. Satellite images offer the advantage of providing irradiance products over wide areas and with satisfactory accuracy. We are interested in forecasting the GHI as the generated PV power directly depends on the incoming GHI intensity. In this thesis, we have developed and studied ten solar radiation prediction models. Their methods are the Persistence, Scaled Persistence, AR, ARMA, Gaussian Process, Support Vector Machine, simple regression trees, bagged forests, WRF with Kalman filter, and an aggregation method. Satellites-derived data from the meteorological geostationary satellite GOES-13 are used as input of each model. These models were first developed to predict the GHI using satellite-derived data as input, and then to predict the GHI using ground measurements to be able to quantify discrepancies. The forecast horizons tested are from 1 to 6H per hour time step, to provide useful horizons for network managers. Data from six measurement sites located in French Guiana are used for GHI prediction. Five years of data from the six stations were used for the learning phase and one year for the validation phase.
La croissance démographique et la demande continue de production d'énergie ont incité les producteurs d'électricité à se concentrer de plus en plus sur l'utilisation de ressources locales et propres. Les sources d'énergie renouvelables telles que le soleil et le vent ont montré un intérêt croissant. Un problème avec ces sources d'énergie est leur caractère intermittent et aléatoire qui pousse les gestionnaires de réseau à restreindre leur intégration dans le mix énergétique. Il est donc impératif de combiner différents systèmes de production pour assurer la stabilité et la sécurité du réseau. La production d'électricité de la Guyane française provient principalement d'énergies renouvelables locales (64 %), contre 36 % d'énergies fossiles importées. Pour améliorer l'intégration des énergies renouvelables intermittentes, l'énergie solaire dans cette étude, il est nécessaire de se concentrer sur la prévision des ressources. Connaître à l'avance la puissance disponible permet une gestion optimale du couplage entre les systèmes de production conventionnels et intermittents.La contribution de cette thèse se concentre sur la prévision de l'irradiation horizontale globale (GHI) à différents horizons temporels en combinant des données satellitaires au lieu de mesures au sol et méthodes statistiques. Les images satellitaires offrent l'avantage de fournir des produits d'éclairement sur de larges zones et avec une précision satisfaisante. Nous nous intéressons à la prévision du GHI car la puissance photovoltaïque générée dépend directement de l'intensité du GHI qui entre. Dans cette thèse, nous avons développé et étudié neuf modèles de prédiction du GHI. Leurs méthodes sont la persistance, Scaled persistance, AR, ARMA, processus gaussien, machine à vecteurs de support, arbres de régression simples, forêts ensachées, WRF avec filtre de Kalman et une méthode d'agrégation. Les données dérivées du satellite météorologique géostationnaire GOES-13 sont utilisées comme entrée de chaque modèle. Ces modèles ont d'abord été développés pour prédire le GHI en utilisant des données satellitaires en entrée, puis pour prédire le GHI en utilisant des mesures au sol pour pouvoir quantifier les écarts. Les horizons de prévision testés sont de 1 à 6H par pas de temps horaire, pour prévoir des horizons utiles aux gestionnaires de réseau. Les données de six sites de mesure situés en Guyane française sont utilisées pour la prédiction du GHI. Cinq années de données des six stations ont été utilisées pour la phase d'apprentissage du modèle et une année pour la phase de validation.
| Origine | Version validée par le jury (STAR) |
|---|