Predicción a corto plazo en España, experiencia de GH

Transcripción

1 Predicción a corto plazo en España, experiencia de GH Luis Muñoz Jeremy Parkes Madrid, 17 de Marzo del 2006 Slide 1

2 Contenidos Descripción del GH Forecaster Metodología del GH Forecaster Resultados y precisión alcanzada Análisis de incertidumbres y sus posibles aplicaciones Job number/bt/ serial number/ page number Slide 2

3 GH Forecaster alrededor del mundo GH Forecaster comercialmente disponible desde 2003 Actualmente servicios operativos en 5 países para un total de 24 parques eólicos con una capacidad instalada de 900 MW GH compara y selecciona los mejores servicios meteorológicos para cada región/país Metodología flexible que permite una modelización bajo cualquier tipo de régimen de vientos Experiencia de GH en estudios de viento y de rendimiento de parques sirve para una selección idónea de los datos de entrada al modelo y una modelización correcta de la curva potencia del parque eólico Job number/bt/ serial number/ page number Slide 3

4 Servicio de Predicción - Visión global Entrada de datos Previsión meteorológica (cada 6 horas) Datos del SCADA (cada hora, cada N horas) Valoración del ingeniero L PTN Salida de Datos Pronóstico de Producción Energética (cada hora, cada N horas) Job number/bt/ serial number/ page number Slide 4

5 Metodología del GH Forecaster PTN 1 PTN 2 PTN 3 Datos SCADA Modelo Estadístico Predicción Viento Combinación óptima de previsiones meteorológicas: GFS UK Met Office Varios suministradores de modelo mesoescala (3-5kms) Algoritmos de aprendizaje para: Meteorología Modelos de curva de potencia Curva de Potencia Predicción Producción Job number/bt/ serial number/ page number Slide 5

6 Beneficios de la metodología de GH Meteorólogos Creamos un marco competitivo entre distintos meteorólogos Meteorólogos regionales/nacionales expertos en sus condiciones climáticas y orográficas Poseen programas de I+D importantes en mejoras de las predicciones meteorológicas GH Aplicación del modelo estadístico y valoración técnica de los ingenieros en la puesta en marcha y a lo largo del servicio operativo para obtener los mejores resultados 40 GW de estudios del recurso eólico y de rendimiento de parques se aplican al modelo de potencia del parque Mejora continua de la precisión del servicio con la experiencia adquirida Job number/bt/ serial number/ page number Slide 6

7 Alojamiento y robustez del servicio Telehouse es uno de los alojamientos (hostings) más seguros en Europa Usado por el London Internet Exchange (LINX), 96% de todo el tráfico en el Reino Unido Tres conexiones independientes al sistema eléctrico nacional Multiplicidad de SAIs Multiplicidad de conexiones independientes 1Gb/s a Internet Objetivo es proporcionar predicciones regulares 24/7/365 Alerta automática para problemas de hardware y software Procedimiento establecido del personal técnico en caso de avería Job number/bt/ serial number/ page number Slide 7

8 Mejora de las predicciones Precisión media mensual del GH Forecaster para los parques eólicos en España 70% Error absoluto medio como % de la producción mensual 60% 50% 40% 30% Algoritmos del GH Forecaster mejorados Mejora y combinación óptima de las previsiones 20% Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Mes Job number/bt/ serial number/ page number Slide 8

9 Ejemplo de resultados del GH Forecaster Precisión de la predicción para un caso típico en España Comparación de previsiones, con o sin la aplicación del ajuste estadístico 50% Error absoluto medio como % de la produccion del parque 45% 40% 35% 30% 25% 20% PTN1 PTN2 GH1 GH2 GH combi Horizonte de predicción (Horas) Job number/bt/ serial number/ page number Slide 9

10 Valor de las predicciones con datos SCADA en tiempo real Ejercicio para estimar el valor de las predicciones con suministro regular de datos SCADA Hipótesis en datos de mercado Precio diario = Precio intradiarios Precio medio pool = 56 por MWh (precio medio OMEL para 2005) Penalización del desvío = 27% precio mercado TMR = 76.6 por MWh Garantía de potencia = 4.8 por MWh Bonus = 40% TMR Incentivo = 10% TMR Complemento por reactiva = 4% TMR Tarifa = per MWh penalización Job number/bt/ serial number/ page number Slide 10

11 Valor de la predicción con datos SCADA en tiempo real Ingreso ( /MWh) Mercado Diario 1º Intradiario 2º Intradiario 3º Intradiario 4º Intradiario 5º Intradiario 6º Intradiario Predicciones horarias Ingreso por ventas > 87/MWh. Suministro regular de datos de SCADA supone un incremento de 2/MWh en los ingresos Ingreso en el mercado diario usando persistencia Horizonte de predicción (Horas) Job number/bt/ serial number/ page number Slide 11

12 Optimización del valor de las predicciones Información adicional como la incertidumbre de la predicción se puede usar para incrementar el valor de dicha predicción La incertidumbre puede ayudar a minimizar errores y penalizaciones, por ejemplo, - margen de confianza para acudir a un intradiario - aplicabilidad para los servicios complementarios GH está colaborando con varios agentes vendedores para usar la incertidumbre como herramienta de decisión Job number/bt/ serial number/ page number Slide 12

13 Potencia (% potencia nominal) Incertidumbre en las predicciones Predicción del GH Forecaster para un horizonte de programación de T + 12 horas 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 25% probabilidad de que la producción real exceda el valor P25 75% probabilidad de que la producción real exceda el valor P75 P50 Producción real P75 P25 23-Apr 24-Apr 25-Apr 26-Apr 27-Apr 28-Apr 29-Apr 30-Apr 01-May 02-May Fecha Job number/bt/ serial number/ page number Slide 13

14 Para cualquier consulta: Luis Muñoz, Coordinador del GH Forecaster en España Tel Jeremy Parkes, Responsable del GH Forecaster Tel +44 (0) Muchas gracias por su atención!! Job number/bt/ serial number/ page number Slide 14