Prognossystem för förnyelsebar energiproduktion baserade på artificiell intelligens förbättras kontinuerligt, vilket gör integreringen i det globala elnätet lättare.
I fjol kunde Googles AI-program DeepMind stoltsera med ännu en bedrift. Men denna gång handlade det inte om en schackvinst, utan om att förutse produktion av vindkraft.
Genom att använda sig av artificiella neuroner som förutser väderleken, och väga ihop det med turbinernas historiska produktion, har en vindkraftspark i USA kunnat förutse vindkraftsproduktionen 36 timmar i förväg. Det gör att man kunnat vara betydligt mer exakt i vilka mängder och vid vilka tidpunkter man kan leverera elektricitet.
”Vare sig man talar om vind-, sol- eller vattenkraft är alla tre beroende av väderleken, och därför är de digitala systemens kraft och analyskapacitet väldigt viktig”, säger Antoine de Broves, Business Development & Marketing Manager på Omexom, VINCI Energies företag fokuserat på energiomvandling.
Värderingsproblematiken
Problemen med att inte veta hur mycket elektricitet man kan leverera har gjort att förnyelsebar energi haft det svårt vid förhandlingsbordet.
”Med tanke på hur oförutsägbar produktionen av förnyelsebar energi har varit, ger möjligheten att förutse producerade megawatttimmar ett oumbärligt mervärde”.
Men det har funnits fler problem. I flera länder, bland annat Frankrike, så bestraffas all försäljning av megawattimmar som inte levererats. Ekonomiska böter bestäms av kommissionen för energireglering (Commission de régulation de l’énergie, CRE) via RTE, som förvaltar det offentliga elöverföringsnätet och som har ansvaret för balansen mellan inkommande och utgående flöden.
”Med tanke på hur oförutsägbar produktionen av förnyelsebar energi har varit så ger möjligheten att förutse producerade megawatttimmar ett stort mervärde”, säger Antoine de Broves.
Digitala modeller som blir allt mer avancerade
DeepMind-exemplet visar att de modeller som gör det möjligt att tolka väderleksprognoser för att förutse produktionen blir allt mer avancerade, tack vare AI. Sådana modeller grundar sig på data som samlas in från satelliter som analyserar moln, lågtryck, luftmassa etc. Tillsammans med andra källor som kan avläsa vindvariationer och Fish Eye-kameror som analyserar molnens rörelser så blir prognoserna allt mer detaljerade.
”Lägg därtill energilagring, som kommer att göra det möjligt att leverera den produktion som saknas eller lagra ett eventuellt överskott”, säger Antoine de Broves.
Men fördelarna med en AI-optimerad prognos är inte bara ekonomiska. Genom att ta bort en del av opålitligheten med förnyelsebar energi stärks leveranssäkerheten för hela elsystemet och det ger ökad trovärdighet till nya energikällor.
20/02/2020
