NCAR entwickelt fortschrittliches Solarenergie-Prognosesystem

30. Mai 2023 – von David Hosansky

Das National Center for Atmospheric Research (NCAR) hat erfolgreich ein fortschrittliches Solarenergie-Prognosesystem für New York entwickelt, das das Potenzial bietet, den Staat beim Erreichen seiner Ziele im Bereich erneuerbare Energien zu unterstützen und gleichzeitig den Tarifzahlern Millionen von Dollar zu sparen.

Das Open-Source-System mit dem Namen NYSolarCast nutzt Wettervorhersagen, Beobachtungen der Atmosphärenbedingungen und Techniken des maschinellen Lernens, um genaue Stunden- und Tagesprognosen zur Sonneneinstrahlung und der daraus resultierenden Stromerzeugung zu erstellen. Diese Vorhersagen, die alle 15 Minuten für ein drei Kilometer langes Netz ausgegeben werden, das den gesamten Bundesstaat New York abdeckt, können zur Vorhersage der Solarstromerzeugung sowohl für große Solarparks als auch für Solarmodule auf Dächern verwendet werden.

Die Technologie zeigt nicht nur vielversprechende Ergebnisse für New York, sondern kann auch an anderen Orten in den Vereinigten Staaten und an anderen Orten auf der ganzen Welt eingesetzt werden.

„Dieses System ist weltweit anwendbar“, sagte NCAR-Wissenschaftler Jared Lee, der leitende Entwickler. „Es ist hochgradig konfigurierbar und anpassbar, sodass es Prognosen in jedem gewünschten Zeitintervall für jede Prognoseregion liefern kann, die ein Versorgungsunternehmen benötigt.“

Die Vorhersagen für New York erwiesen sich als äußerst zutreffend. Über einen einjährigen Validierungszeitraum lagen die Prognosen von NYSolarCast durchweg innerhalb von etwa 10 % der tatsächlich erzeugten Strommenge. Erfreulicherweise hielten sich die Über- und Unterprognosen nahezu die Waage.

Die Entwicklung von NYSolarCast war Teil einer größeren, mehrjährigen Studie, die der wachsenden New Yorker Solarindustrie dabei helfen soll, Wettervorhersagen einzusetzen, um die Stromerzeugung besser vorherzusagen und die Zuverlässigkeit ihres Stromnetzes zu verbessern. Genauere Prognosen sind wichtig, damit das Land seine Ziele einer Stromerzeugung von 70 % aus erneuerbaren Quellen bis 2030 und eines emissionsfreien Stromsektors bis 2040 erreichen kann.

Die Studie wurde von der New York Power Authority und der New York State Energy Research and Development Authority finanziert. Es wurde von EPRI, einem unabhängigen, gemeinnützigen Forschungs- und Entwicklungsinstitut im Energiebereich, mitverwaltet. Weitere Partner waren das Brookhaven National Lab und die State University of New York at Albany. Zu den Beratern gehörten der New York Independent System Operator (NYISO) und Central Hudson, ein New Yorker Vertriebsunternehmen.

Eine erfolgreiche Vorhersage der Sonneneinstrahlung ist für die Ausweitung der Solarenergieproduktion von entscheidender Bedeutung. Wenn ein Energieversorger eine Kohle- oder Erdgasanlage in Erwartung von Energie aus der Sonne oder einer anderen erneuerbaren Quelle abschaltet, können diese Kraftwerke möglicherweise nicht schnell genug hochfahren, wenn die Sonneneinstrahlung nicht ausreicht. Die einzige Möglichkeit in einem solchen Szenario besteht darin, Energie am Spotmarkt zu kaufen, was sehr kostspielig sein kann.

NCAR hatte zuvor ein Windenergie-Prognosesystem entwickelt, das den Tarifzahlern von Xcel Energy jährlich Millionen von Dollar einspart.

Bei der Entwicklung von NYSolarCast standen Lee und seine Kollegen vor großen Herausforderungen. New York ist ein klimatisch vielfältiger Staat, wobei der Schneegürtel entlang der Großen Seen und die hohen Gipfel der Adirondacks ganz andere atmosphärische Bedingungen erzeugen als die Küstenregion von Long Island. Darüber hinaus mussten ihre Modelle Wolken mit beträchtlicher Präzision erfassen, da unterschiedliche Wolken unterschiedliche Auswirkungen auf die Sonneneinstrahlung haben. Beispielsweise blockiert eine Reihe tiefliegender Stratuswolken das einfallende Sonnenlicht, wohingegen bauschige Cumuluswolken die Sonneneinstrahlung von ihren Seiten reflektieren können, was zu einer vorübergehend höheren Sonneneinstrahlung an der Oberfläche und einer höheren Sonnenenergieabgabe führt, als dies bei klarem Blau der Fall wäre Himmel.

Um ein nützliches System zu entwickeln, stützten sich Lee und seine Kollegen auf zwei Jahre Wetterbeobachtungen des New York State Mesonet, einem landesweiten Netzwerk von 126 Wetterstationen. Außerdem analysierten sie die Stromproduktionsdaten ausgewählter Solaranlagen. Mithilfe dieser historischen Informationen konnten sie maschinelle Lernmodelle trainieren, um die Wetterbedingungen mit der Leistungsabgabe zu korrelieren.

Anschließend verwendeten sie zwei fortschrittliche Wettermodelle: eine spezielle Version des auf Solaranwendungen abgestimmten NCAR-basierten Wetterforschungs- und Prognosemodells (WRF-Solar) und das NOAA High-Resolution Rapid Refresh (HRRR)-Modell. Die Modelle generierten mehrere Stunden bis einen Tag im Voraus feinskalige Wettervorhersagen, die das maschinelle Lernmodell in die vorhergesagte Solarleistung umwandelte.

„Wir freuen uns sehr, dass das NYSolarCast-System genaue Prognosen sowohl für Solarparks im Versorgungsmaßstab als auch für Solarmodule auf Dächern liefert“, sagte Lee. „Die kontinuierliche Verbesserung der Genauigkeit von Prognosen ist für die Solarindustrie von entscheidender Bedeutung, die die zuverlässige Lieferung erneuerbarer Energie sicherstellen und die Gesamtleistung des Stromnetzes verbessern muss, wenn mehr Solarenergie erzeugt wird.“

Alle Neuigkeiten anzeigen