Pronóstico probabilístico a un día de la energía renovable a nivel de sistema y la demanda de electricidad

Área de la Ciencia:

• Ingeniería de Sistemas de Potencia
• Aprendizaje Automático
• Integración de Energías Renovables

Sus antecedentes:

• La creciente generación de energía eólica y solar aumenta la incertidumbre operativa de la red.
• Los pronósticos precisos de la demanda de electricidad y la generación renovable a un día son vitales para la confiabilidad de la red y la eficiencia de costos.

Objetivo del estudio:

• Desarrollar y evaluar modelos avanzados de pronóstico para mejorar la predicción de la demanda de electricidad y la generación renovable a un día.
• Evaluar el impacto del pronóstico probabilístico en la asignación de reservas operativas y la estabilidad de la red.

Principales métodos:

• Se desarrollaron múltiples modelos de pronóstico a un día que combinan el aprendizaje automático para la identificación de variables meteorológicas y enfoques probabilísticos para la cuantificación de la incertidumbre.
• Se evaluó el rendimiento del modelo utilizando reglas de puntuación adecuadas con datos del Operador Independiente del Sistema de California.
• Se compararon los pronósticos probabilísticos de distribución conjunta con los enfoques deterministas convencionales.

Principales resultados:

• El modelo con mejor rendimiento demostró una mejora del 25% en la habilidad de pronóstico en comparación con los puntos de referencia existentes.
• Los pronósticos probabilísticos basados en distribuciones conjuntas condujeron a una asignación más efectiva de las reservas operativas.
• Los modelos utilizaron datos meteorológicos disponibles públicamente para la predicción.

Conclusiones:

• El aprendizaje automático probabilístico ofrece un potencial significativo para mejorar la eficiencia del mercado y la estabilidad de la red en sistemas de energía con alta penetración renovable.
• El pronóstico de la distribución de probabilidad conjunta mejora sustancialmente el rendimiento del pronóstico a nivel de sistema.
• Los modelos desarrollados proporcionan un camino para operaciones de red más confiables y rentables.