DE602004010281T2 - Verfahren und system zur vorhersage der solarenergieproduktion - Google Patents

Verfahren und system zur vorhersage der solarenergieproduktion Download PDF

Info

Publication number
DE602004010281T2
DE602004010281T2 DE602004010281T DE602004010281T DE602004010281T2 DE 602004010281 T2 DE602004010281 T2 DE 602004010281T2 DE 602004010281 T DE602004010281 T DE 602004010281T DE 602004010281 T DE602004010281 T DE 602004010281T DE 602004010281 T2 DE602004010281 T2 DE 602004010281T2
Authority
DE
Germany
Prior art keywords
area
solar energy
solar
irradiance
energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE602004010281T
Other languages
English (en)
Other versions
DE602004010281D1 (de
Inventor
James M. Concord BING
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEO Virtus Engineering Inc
Original Assignee
New Energy Options Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by New Energy Options Inc filed Critical New Energy Options Inc
Publication of DE602004010281D1 publication Critical patent/DE602004010281D1/de
Application granted granted Critical
Publication of DE602004010281T2 publication Critical patent/DE602004010281T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06Asset management; Financial planning or analysis
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • H02J3/003Load forecast, e.g. methods or systems for forecasting future load demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • H02J3/004Generation forecast, e.g. methods or systems for forecasting future energy generation
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • H02J3/008Circuit arrangements for power supply or distribution technologies responsive to energy trading
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Technology Law (AREA)
  • Atmospheric Sciences (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Photovoltaic Devices (AREA)

Description

  • HINTERGRUND DER ERFINDUNG
  • Seit die erste praktische Demonstration von Foto(PV)elementen, Bauelementen, die verwendet werden, um Sonnenlicht direkt in elektrische Energie umzuwandeln, in 1954 durchgeführt wurde, haben Menschen versucht, die Technologie in immer zunehmenderem Maße zur terrestrischen Energieproduktion zu verwenden. Damit diese und andere Solartechnologien, wie z. B. solarthermische und solarthermisch-elektrische Systeme, optimal ausgeführt werden können, sind Auswert-Verfahren und -Prozesse von Wissenschaftlern und Forschern entwickelt worden, um die relative Konzentration von Sonnenstrahlung, die die Oberfläche der Erde in unterschiedlichen geographischen Stellen trifft, kartographisch darzustellen. Dieser Prozess einer kartographischen Darstellung der Sonnenintensität wird im Allgemeinen als Solarressourcenbewertung bezeichnet. Eine herkömmliche Solarressourcenbewertung kann auf viele Weisen mit Prospektieren, wenn auch mit der Verwendung von komplizierten Instrumenten und peinlich genauen wissenschaftlichen Verfahren und Praktiken, verglichen werden. Einige der Produkte dieses Bewertungsprozesses sind Datenbanken, die die regionale Intensität der Solarressource auf einer Stundenbasis über den Verlauf vieler Jahre katalogisieren. Diese Datenbanken werden mit einer topographischartigen Abgrenzung und Schattierungen entsprechend der Intensität der durchschnittlichen jährlichen Solarressource häufig als Karten wiedergegeben. Weil die die Oberfläche der Erde treffende Sonnenstrahlung sehr von den örtlichen meteorologischen Bedingungen abhängt, kann sie von einem Tag, Woche, Monat oder Jahr zum nächsten variieren. Deshalb enthalten die Datenbanken normalerweise Zeitintervalle, die groß genug sind (vielleicht so viel wie dreißig Jahre), um die Jahr-zu-Jahr-Variation zu glätten und die charakteristischen jährlichen klimatischen Bedingungen des Orts, der bewertet wird, zu approximieren. Ein einzelnes repräsentatives Jahr von Bewertungsdaten für einen Ort kann aus einem Durchschnitt einer größeren Mehrjahresdatenbank synthetisiert sein. Ein Verfahren, das verwendet wird, um ein solches repräsentatives Jahr zu erzeugen, besteht darin, die "typischsten" einzelnen Monate aus einer Datenbank von dreißig Jahren auszuwählen und sie zu kombinieren, um ein typisches meteorologisches Jahr (TMY) zu bilden. Die sich ergebende Einjahresdatenbank von Bestrahlungsstärke- und Wetterdaten sagt die Bedingungen voraus, die für einen Ort über eine Periode erwartet werden können, die der ursprünglichen Abtastungsperiode von dreißig Jahren ähnelt.
  • Sobald diese Solarressourcendatenbanken kompiliert sind, können sie als Eingaben in Softwareprogramme verwendet werden, die eine elektrische Energieproduktion von Solarenergieerzeugungssystemen simulieren. Diese Simulationsprogramme verwenden die Solarressourcendaten für eine gegebene Stelle in Kombination mit den physischen Parametern eines speziellen Solarerzeugungssystems – wie z. B. Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Kennmerkmale, Abschattungshindernisse, geographische Breite, geographische Länge, Höhe über einer Bezugsebene und andere Merkmale, die benötigt werden, um den Solargenerator zu charakterisieren –, um die Nutzenergie zu veranschlagen, die von dem System über den Verlauf einer Zeitspanne erwartet werden kann, die mit der ursprünglichen Datenabtastungsperiode vergleichbar ist. Unter Verwendung eines solchen Prozesses ist es möglich, die Nutzenergie zu veranschlagen, die durch ein Solarenergieerzeugungssystem über seine Lebensdauer von dreißig Jahren erzeugt werden würde.
  • Gegenwärtig trägt Sonnenenergie nur einen sehr kleinen Bruchteil der elektrischen Energie bei, die im elektrischen Netz verbraucht wird. In seiner gegenwärtigen Form ist das elektrische Netz sowohl in seiner physischen Struktur als auch in seiner Marktkonfiguration nicht ausgelegt, um einen signifikanten Prozentsatz seiner täglichen Energietransaktionen aus Sonnenenergie einzuverleiben. Weil mit gegenwärtiger Technologie keine großen Mengen von elektrischer Energie kostenwirksam gespeichert werden können, erfordert das Netz ein dauerndes Management, um Produktion mit Bedarf ins Gleichgewicht zu bringen. Elektrizität ist ein Produkt, das verbraucht werden muss, sobald es erzeugt ist. Weil es so wesentlich und kritisch für unsere Gesellschaft ist, sind Zuverlässigkeitsstandards außerordentlich hoch, wobei häufig darauf Bezug genommen wird, dass sie in den "hohen Neunern" liegen. Dieser Standard zeigt an, dass es erwartet wird, dass eine Versorgung 99,999% der Zeit vorhanden ist und innerhalb von Spezifikationen liegt. Für Ingenieure, die die prompte Ausführung einer Erzeugung, die Reserven und die Übertragungsbeschränkungen des Netzes verwalten müssen, stellt eine netzgebundene Sonnenenergie kein Problem dar, vorausgesetzt dass ihr Beitrag ein kleiner Prozentsatz der Energie ist, die durch das System fließt. Für Händler in deregulierten Großhandelsenergiemarkten, die Energie zu Endbenutzern wiederverkaufen und die den Bedarf ihrer Kunden antipizieren müssen, stellt eine Solarenergieerzeugung, die unter diesen Kunden verteilt wird, kein Problem dar, wiederum vorausgesetzt, dass eine Erzeugung nur einen kleinen Prozentsatz des Gesamtbedarfs bildet.
  • Die JP-A-10 108 486 beschreibt ein System zum Bestimmen einer Energieproduktion für Solarenergieerzeugungssysteme in einem Gebiet, das bekannte äußere Kennmerkmale aufweist, wobei das System umfasst: eine Einrichtung zum Sammeln von meteorologischen Daten für einen gegebenen Bereich des Gebiets, eine Einrichtung zum Veranschlagen von Bestrahlungsstärkeniveaus unter Verwendung von Parametern, die von den meteorologischen Daten gesammelt sind, und eine Einrichtung zum Simulieren einer Solarenergieproduktion unter Verwendung der gesammelten meteorologischen Daten, veranschlagten Bestrahlungsstärkeniveaus und äußeren Kennmerkmale des Solarenergieerzeugungssystems in dem gegebenen Bereich des Gebiets.
  • ZUSAMMENFASSUNG DER ERFINDUNG
  • Die Wirtschaftlichkeit von elektrischer Energie ändert sich und während sich die Kosten von Energie, die von Solarerzeugungssystemen erzeugt ist, denjenigen von herkömmlichen Erzeugungstechnologien annähern, wird Sonnenenergie auf dem Energieversorgungsnetz häufiger werden. Solarbestrahlungsstärke ist im Mittel auf einer Jahresbasis periodisch und voraussagbar. Jedoch ist auf einer Stundenbasis Sonnenenergie auf der Oberfläche der Erde grundsätzlich mit Unterbrechungen vorhanden und wird im Allgemeinen nicht als voraussagbar betrachtet. Wenn Solarenergieerzeugungssysteme zunehmen, so dass sie einen signifikanten Bruchteil des Tagesenergiebedarfs des elektrischen Netzes decken, stellen sie, sei es auf der Kundenseite oder auf der Versorgungsseite des Elektrizitätszählers, eine ernste Managementherausforderung in Bezug auf die Stabilität, Sicherheit und Zuverlässigkeit des Netzes dar, außer wenn ihre Produktion genau auf derselben Stundenbasis wie diejenige vorausgesagt werden kann, die verwendet wird, um herkömmliche erzeugende Ressourcen promt zuzuteilen. Dieselben Überlegungen gelten für Energiemärkte. Wenn Solarenergieerzeugungssysteme ein Hauptbeitragender zum Gesamtenergiemix in einem Betriebsterritorium werden, würden sie den zugeordneten Großhandelselektroenergiemarkt auch potenziell stark stören, außer wenn ihr Beitrag genau auf einer Stundenbasis vorausgesagt werden kann. Ausführungsformen der vorliegenden Erfindung können verwendet werden, um eine stündliche Solarenergiesystemproduktion in der nächsten Stunde oder bis zur nächsten Woche vorauszusagen.
  • Herkömmliche Solarressourcenbewertungsverfahren sammeln Langzeit-Bestrahlungsstärkedaten, die speziellen geographischen Orten zugeordnet sind, entweder durch eine direkte Messung oder durch Modellieren von meteorologischen Beobachtungen. Die Rohdatensätze können Dekaden überbrücken. Diese historischen Daten werden für jeden geographischen Ort in ein einziges repräsentatives Jahr destilliert. Die destillierten ortsspezifischen Einjahres-, "durchschnittlichen" oder "typischen" Datensätze können dann als Eingänge zu Solarenergiegeneratorsimulationsprogrammen verwendet werden. Dieser Prozess veranschlagt die jährliche elektrische Energieproduktion, die das spezifische simulierte System liefern würde, wenn es über einen Zeitrahmen laufen müsste, der mit der ursprünglichen Datensammelzeit vergleichbar ist. Das Problem bei Verwendung dieses Prozesses als ein Veranschlagungsverfahren besteht darin, dass der historische Langzeit-Datensatz statisch ist. Jedes Mal, wenn eine Simulation auf Grundlage eines historischen meteorologischen und Bestrahlungsstärkeprofils einer Stelle in Kombination mit den eindeutigen Kennmerkmalen eines spezifischen Solarenergiegeneratorsystems durchgeführt wird, ergibt sich eine einzige Lösung – eine Einjahresvoraussage einer stündlichen elektrischen Energieproduktion. Diese Simulation erzeugt für ein spezifisches System an einem spezifischen Ort immer dieselbe Lösung. Die Lösung stellt so etwas wie einen Langzeitdurchschnitt für die geographische Stelle und den Solargenerator, der simuliert oder modelliert wird, dar.
  • Ausführungsformen der vorliegenden Erfindung können einen prospektiven Datensatz statt eines statischen retrospektiven Datensatzes verwenden. Weiter kann in Übereinstimmung mit der vorliegenden Erfindung eine eindeutige Lösung mit jeder Iteration der Simulation erzielt werden (außer wenn zwei stündliche Einwochenvorhersagen zu genau identischen meteorologischen und Bestrahlungsstärkebedingungen für die ganze Vorhersageperiode führen), indem meteorologische Vorhersagedaten verwendet werden, um ein zukünftiges Sofort-Kurzzeit-Bestrahlungsstärkeprofil einer Stelle vorauszusagen. Weiter können Ausführungsformen der vorliegenden Erfindung stündliche regionale Wochevoraus- und Stundevoraus-Voraussagen einer Solarenergieproduktion erzielen, indem Stand-der-Technik-Einwochenwettervorhersage, -Bestrahlungsstärkemodellbildungstechnologie und -Solarenergieerzeugungssimulationstechniken kombiniert werden. Mit diesem Lösungsansatz kann ein Stromnetz funktionieren, wobei ein signifikanter Anteil seiner Erzeugungskapazität, die durch Solarenergiesysteme geliefert wird, überall in seinem Netzwerk verteilt wird. Ein anderer Aspekt der Erfindung liefert eine Verbesserung für die Vorhersagewerkzeuge, die Netzoperatoren im Augenblick verwenden, um ihre Last zu antipizieren. Ein anderer Aspekt liefert ein Verfahren für Energiehändler, um ihre kurzfristigen Kontraktverpflichtungen zu antipizieren und ihre Position im Markt anzupassen. Zusätzlich können neue handelbare Energieprodukte definiert werden, die einen Mechanismus liefern, um das finanzielle Risiko zu managen, das mit dem inhärenten zeitweiligen Aussetzen von Sonnenenergie verbunden ist.
  • Demgemäß wird ein Verfahren zur Vorhersage einer Energieproduktion für Solarenergieerzeugungssysteme in einem Gebiet bereitgestellt, indem meteorologische Daten von einer Kurzzeitwettervorhersage für einen gegebenen Bereich des Gebiets gesammelt werden, Bestrahlungsstärkeniveaus unter Verwendung von Parametern, die von den meteorologischen Daten gesammelt sind, veranschlagt werden und eine Solarenergieproduktion unter Verwendung der gesammelten meteorologischen Daten, veranschlagten Bestrahlungsstärkeniveaus und äußeren Kennmerkmale jedes Solarenergieerzeugungssystems in dem gegebenen Bereich des Gebiets simuliert werden. Die Parameter können Globalbestrahlungsstärke auf einer horizontalen Fläche (GH), Diffusbestrahlungsstärke auf einer horizontalen Fläche (DH) und senkrechte Direktbestrahlungsstärke (DN) umfassen. Die meteorologischen Daten können auf einer Wochevoraus-Stundenbasis gesammelt werden. Die äußeren Kennmerkmale des Solarerzeugungssystems können umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Kennmerkmale, Abschattungshindernisse, geographische Breite, geographische Länge und Höhe über einer Bezugsebene.
  • Das Verfahren kann verwendet werden, um die durch eine einzelne Einrichtung mit einem Solarerzeugungssystem importierte oder exportierte elektrische Netto-Energie von der simulierten Solarenergieproduktion und dem vorhergesagten Energiebedarf für diese Einrichtung vorherzusagen.
  • Das Verfahren kann eine elektrische Netto-Energieproduktion oder -verbrauch für ein Gebiet mit Einrichtungen, die Solarerzeugungssysteme besitzen, bestimmen, indem eine durch diese Einrichtungen importierte oder exportierte Netto-Energie in Kombination mit dem elektrischen Energieverbrauch von Einrichtungen in dem Gebiet, die keine Solarenergieerzeugungssysteme besitzen, simuliert wird. Das Verfahren kann die auf einer Zieloberfläche einfallende Sonnenenergie unter Verwendung der gesammelten meteorologischen Daten, veranschlagten Bestrahlungsstärkeniveaus und äußeren Kennmerkmale der Zieloberfläche auf einer Stundenbasis vorhersagen. Die äußeren Kennmerkmale der Zieloberfläche können umfassen: Oberflächengröße, Orientierungswinkel, Abschattungshindernisse, geographische Breite, geographische Länge und Höhe über einer Bezugsebene.
  • Das Verfahren kann für Energiehändler, die Langzeit-Energiekontraktverpflichtungen zur Versorgung von Lasten haben, den Kurzzeitbedarf ihrer Kunden bestimmen; von denen einige ein Solarerzeugungsvermögen in ihren Einrichtungen aufweisen. Das Verfahren kann Kurzzeitenergiekäufe oder -verkäufe eines Händlers anpassen, sei es in einem Tagvoraus- oder einem Spotmarkt. Der Energiehändler kann den Prozess verwenden, um eine stündliche Netto-Energieproduktion oder -verbrauch von Kunden in dem Zeitintervall zu veranschlagen, das durch den Kurzzeitmarkt festgelegt ist. Weiter kann das Verfahren Energieverkäufe oder -käufe in einem Tagvoraus-Markt gegen Mangel im Spotmarkt sichern oder absichern. Ein stündlicher Kurzzeitenergieterminmarkt kann definiert werden, der aus Optionen besteht, um Blöcke von Energie in dem Echtzeit- oder Spotmarkt bei vorher vereinbarten Preisen zu kaufen oder zu verkaufen.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • Die vorhergehenden und andere Ziele, Merkmale und Vorteile der Erfindung werden aus der folgenden spezielleren Beschreibung der bevorzugten Ausführungsformen der Erfindung ersichtlich, wie in den beigefügten Zeichnungen veranschaulicht, in denen sich überall in den unterschiedlichen Ansichten gleiche Bezugszeichen auf dieselben Teile beziehen.
  • 1A stellt ein Systemdiagramm zur Voraussage von elektrischer Energieproduktion für Solarenergieerzeugungssysteme eine Woche im voraus auf einer Stundenbasis dar;
  • 1B stellt ein Flussdiagramm des Prozesses von 1A dar;
  • 2A stellt ein Systemdiagramm zur Voraussage der elektrischen Netto-Energieproduktion oder -verbrauch für eine einzelne Einrichtung, die ein Solarenergieerzeugungssystem besitzt, eine Woche im voraus auf einer Stundenbasis dar;
  • 2B stellt ein Flussdiagramm des Prozesses von 2A dar;
  • 3A stellt ein Systemdiagramm zur Voraussage einer elektrischen Energieproduktion für einen Satz von Solarenergieerzeugungssystemen, die über ein Gebiet verteilt sind, eine Woche im voraus auf einer Stundenbasis dar;
  • 3B stellt ein Flussdiagramm des Prozesses von 3A dar;
  • 4A stellt ein Systemdiagramm zur Voraussage der elektrischen Netto-Energieproduktion oder -verbrauch für einen Satz von Einrichtungen, die Solarenergieerzeugungssysteme besitzen, die über ein Gebiet verteilt sind, eine Woche im voraus auf einer Stundenbasis dar;
  • 4B stellt ein Flussdiagramm des Prozesses von 4A dar;
  • 5A stellt ein Systemdiagramm zur Voraussage der Sonnenenergie, die auf eine Oberfläche auffällt, eine Woche im voraus auf einer Stundenbasis dar;
  • 5B stellt ein Flussdiagramm des Prozesses von 5A dar;
  • 6 stellt ein Flussdiagramm eines Verfahrens zum Antipizieren des Kurzzeitbedarfs für Kunden dar, die ein Solarenergieerzeugungsvermögen in ihren Einrichtungen aufweisen; und
  • 7 stellt ein Flussdiagramm für ein Verfahren zum Sichern oder Absichern von Energieverkäufen oder -käufen in dem Tagvoraus-Kurzzeitmarkt gegen Mangel in einem Spotmarkt dar.
  • AUSFÜHRLICHE BESCHREIBUNG DER ERFINDUNG
  • Eine Beschreibung von bevorzugten Ausführungsformen der Erfindung folgt.
  • Im Allgemeinen liefert, wie in 1A dargestellt, eine Ausführungsform der vorliegenden Erfindung ein System 100 zum Voraussagen einer elektrischen Energieabgabe für ein Solarstromerzeugungssystem (Solarenergiegenerator) eine Woche im voraus in einstündigen Intervallen. Das Solarenergieerzeugungssystem kann ein beliebiger Typ von Solarenergieerzeugungssystem sein, der im Stand der Technik bekannt ist, wie z. B. ein fotoelektrisches Erzeugungssystem. Das System 100 umfasst einen Prozessor 110, eine Datenbank 120, ein Wetterdatenmodul 130, ein Solarbestrahlungsstärke-Datenmodul 140, ein Solarstromerzeugungssystem-Charakterisierungsmodul 150, eine Verbindung mit einem Wetterdienstfremdanbieter 160 und ein Ausgabegerät 170. Das Datenbankmodul 120, das Wetterdatenmodul 130, das Solarbestrahlungsstärke-Datenmodul 140 und das Solarstromerzeugungssystem-Charakterisierungsmodul 150 werden weiter hierin beschrieben. Die Verbindung mit einem Wetterdienstfremdanbieter 160 kann das Internet, die Direktdurchwahl oder andere Verbindungseinrichtungen sein, die im Stand der Technik bekannt sind. Das Ausgabegerät 170 kann eine Anzeige, ein Drucker oder ein beliebiges anderes Ausgabegerät sein, das im Stand der Technik bekannt ist.
  • Das Wetterdatenmodul 130 umfasst ein Kurzzeitwettervorhersagemodul 132, das meteorologische Einwochenvorhersagedaten für eine geographische Stelle des Solargenerators von dem Wetterdienstanbieter 160 sammelt und die Daten in der Datenbank 120 speichert. Das Solarbestrahlungsstärke-Datenmodul 140 umfasst ein Veranschlagungsmodul 142, das Typ und Intensität von Sonnenstrahlung für den Ort von ausgewählten meteorologischen Parametern von den meteorologische Vorhersagedaten veranschlagt und die Daten in der Datenbank 120 speichert. Das Solarstromerzeugungssystem-Charakterisierungsmodul 150 umfasst bekannte Kennmerkmale des Solarstromerzeugungssystems, und die Kennmerkmaldaten werden als die Daten in der Datenbank 120 gespeichert. Das System 100 kombiniert die Daten von dem Wetterdatenmodul 130, dem Solarbestrahlungsstärke-Datenmodul 140 und dem Solarstromerzeugungssystem-Charakterisierungsmodul 150 und simuliert die Energieabgabe für den Solargenerator. Die Abgabe wird auf einem Ausgabegerät 170 angezeigt. Die Abgabe des Systems 100 ist eine stündliche Veranschlagung der elektrischen Energieproduktion des Solargenerators, der modelliert wird, für die Woche der ursprünglichen Wettervorhersage.
  • 1B stellt ein Flussdiagramm des Prozesses von 1A zur Voraussage einer elektrischen Energieproduktion durch ein Solarstromerzeugungssystem eine Woche im voraus auf einer Stundenbasis dar. Der Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. Sammle Einwochen-Wettervorhersagedaten 180 für ein interessierendes geographisches Gebiet von einem Wetterdienstanbieter, wie z. B. dem National Weather Service oder einer kommerziellen Alternative. Wandle die Wettervorhersagedaten in ein Format um, das zur Verwendung als Eingänge in ein Bestrahlungsstärkemodell 182 benötigt wird. Das Bestrahlungsstärkemodell 182 kann MRMTM (Meteorological Radiation Model) oder ein beliebiges anderes geeignetes Bestrahlungsstärkemodell sein, das Veranschlagungen von Solarbestrahlungsstärkeparametern erzeugt. Die Solarbestrahlungsstärkeparameter können Globalbestrahlungsstärke auf einer horizontalen Fläche (GH), Diffusbestrahlungsstärke auf einer horizontalen Fläche (DH) und senkrechte Direktbestrahlungsstärke (DN) von den meteorologischen Parametern umfassen.
    • 2. Setze die regionalen meteorologischen Vorhersagedaten 180 in das ausgewählte Bestrahlungsstärkemodell 182 ein, um Bestrahlungsstärkeniveaus, ausgedrückt in Form von GH, DH und DN, für die fraglichen Stunden und das fragliche Gebiet zu veranschlagen. Erzeuge eine kombinierte Datenbank 184 von Bestrahlungsstärkeparametern und meteorologischen Daten für jede Stunde der Vorhersagewoche. Die kombinierte Datenbank 184 wird in einem Solarenergiegeneratorsimulationssoftwareprogramm 190, wie z. B. PV Design ProTM, verwendet.
    • 3. Füge die physischen Parameter 186 für das Solarenergieerzeugungssystem hinzu. Die Parameter können umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Kennmerkmale, Abschattungshindernisse, geographische Breite, geographische Länge, Höhe über einer Bezugsebene und andere Merkmale. Die physischen Parameter 186 werden zu der kombinierten Datenbank 184 hinzugefügt, um eine kombinierte meteorologische Bestrahlungsstärke- und Solarenergiegenerator-Datenbank 188 zu erzeugen, die benötigt wird, um das Solarenergiegeneratorsimulationssoftwareprogramm 190 laufen zu lassen.
    • 4. Lass das Simulationsprogramm 190 laufen, und gibt die elektrische Systemproduktion für die Systeme, die modelliert werden, aus. Dieses Ergebnis ist eine Datenbank 192, die die elektrische Abgabe für jede Stunde der Vorhersageperiode für das System enthält, das ausgewertet wird.
  • 2A ist eine andere Ausführungsform der Erfindung, die ein System 200 zur Voraussage der stündlichen Netto-Energie in Bezug zum Punkt gemeinsamer Verbindung mit einem elektrischen Netz, die entweder zum elektrischen Netz exportiert oder von ihm importiert wird, für Solarenergieerzeugungssysteme bereitstellt, die in einer Einrichtung angeordnet sind, die normalerweise elektrische Energie von einem elektrischen Netz verbraucht. Das System 200 umfasst die Komponenten des Systems 100 von 1A und ein Lastvorhersagemodul 210. Das Lastvorhersagemodul 210 modelliert den Energieverbrauch der Einrichtung für dieselbe Periode wie die Wettervorhersage, die verwendet wird, um die stündliche Solarerzeugung vorauszusagen. Die stündlich vorhergesagte Last für die Einrichtung wird dann von der stündlich vorhergesagten Energieproduktion deduziert. Das Ergebnis ist eine stündliche Vorhersage der elektrischen Netto-Energie, die durch die Einrichtung für die fragliche Woche erzeugt oder verbraucht wird.
  • 2B stellt ein Flussdiagramm des Prozesses von 2A zur Voraussage der elektrischen Netto-Energie auf einer Stundenbasis eine Woche im voraus dar, die von einem elektrischen Netz durch eine Einrichtung importiert oder exportiert wird, die ein Solarenergieerzeugungssystem auf der Lastseite des Punkts gemeinsamer Verbindung mit dem elektrischen Netz aufweist. Dieser Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. Sammle Einwochen-Wettervorhersagedaten 180 für ein interessierendes geographisches Gebiet von einem Wetterdienstanbieter, wie z. B. dem National Weather Service oder einer kommerziellen Alternative. Wandle die Wettervorhersagedaten in ein Format um, das zur Verwendung als Eingänge in ein Bestrahlungsstärkemodell 182 benötigt wird. Das Bestrahlungsstärkemodell 182 kann MRMTM (Meteorological Radiation Model) oder ein beliebiges anderes geeignetes Bestrahlungsstärkemodell sein, das Veranschlagungen von Solarbestrahlungsstärkeparametern erzeugt. Die Solarbestrahlungsstärkeparameter können Globalbestrahlungsstärke auf einer horizontalen Fläche (GH), Diffusbestrahlungsstärke auf einer horizontalen Fläche (DH) und senkrechte Direktbestrahlungsstärke (DN) von den meteorologischen Parametern umfassen.
    • 2. Setze die regionalen meteorologischen Vorhersagedaten 180 in das ausgewählte Bestrahlungsstärkemodell 182 ein, um Bestrahlungsstärkeniveaus, ausgedrückt in Form von GH, DH und DN, für die fraglichen Stunden und das fragliche Gebiet zu veranschlagen. Erzeuge eine kombinierte Datenbank 184 von Bestrahlungsstärkeparametern und meteorologischen Daten für jede Stunde der Vorhersagewoche. Die kombinierte Datenbank 184 wird in einem Solarenergiegeneratorsimulationssoftwareprogramm 190, wie z. B. PV Design ProTM, verwendet.
    • 3. Füge die physischen Parameter 186 für das Solarerzeugungssystem hinzu. Die Parameter können umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Kennmerkmale, Abschattungshindernisse, geographische Breite, geographische Länge, Höhe über einer Bezugsebene und andere Merkmale. Die physischen Parameter 186 werden zur kombinierten Datenbank 184 hinzugefügt, um eine kombinierte meteorologische Bestrahlungsstärke- und Solarenergiegenerator-Datenbank 188 zu erzeugen, die benötigt wird, um das Solarenergiegeneratorsimulationssoftwareprogramm 190 laufen zu lassen.
    • 4. Lass das Simulationsprogramm 190 laufen, und gibt die elektrische Systemproduktion für die Systeme, die modelliert werden, aus. Dieses Ergebnis ist eine Datenbank 192, die die elektrische Abgabe für jede Stunde der Vorhersageperiode für das System enthält, das ausgewertet wird.
    • 5. Lass ein Energiebedarfsvorhersagesimulationsprogramm, wie z. B. CEDMS (Commercial Energy Demand Model System) oder REDMS (Residential Energy Demand Model System), für die Einrichtung laufen, die das Solarenergieerzeugungssystem umfasst, das gerade modelliert worden ist. Diese Modelle liefern ein Bedarfsprofil für die Einrichtung, die in Betracht gezogen wird, das den Elektrizitätsbedarf darstellt, den diese Kunden in der Abwesenheit von jeglicher am Kundenort gelegener Erzeugung darstellen würden.
    • 6. Subtrahiere die Abgabe der Bedarfsvorhersagesimulation 220 von der Abgabe des Solarenergiegeneratorsimulationsprogramms 192, um eine Einwochenvorhersage auf einer Stundenbasis 240 der elektrischen Netto-Energie zu erzeugen, die vom Netz importiert oder exportiert wird.
  • 3A ist eine andere Ausführungsform der Erfindung, die ein System 300 zur Voraussage der elektrischen Energieabgabe von einem Satz von Solarstromerzeugungssystemen liefert, die über ein Gebiet verteilt sind. Das System 300 umfasst die Komponenten des Systems 100 von 1A und ein Ortssummierungsmodul 310. Das Ortssummierungsmodul 310 wiederholt den wie in 1B beschriebenen Prozess bis sämtliche der Solarstromerzeugungssysteme in dem Gebiet modelliert worden sind. Bei jeder Iteration des Prozesses wird die Energieabgabe des Solarstromerzeugungssystems, das ausgewertet wird, mit derjenigen von denjenigen summiert, die bereits ausgewertet worden sind. Das Ergebnis dieses Prozesses ist eine Einwochenvorhersage auf einer Stundenbasis der Gesamtenergieproduktion der Solarstromerzeugungssysteme, die über das Gebiet, das ausgewertet wird, verteilt sind.
  • 3B stellt ein Flussdiagramm des Prozesses von 3A zur Voraussage der elektrischen Energie, die durch einen Satz von N Solarstromerzeugungssystemen erzeugt wird, die über ein Gebiet verteilt sind, auf einer Stundenbasis eine Woche im voraus dar. Der Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. Für einen Satz von N Solarenergieerzeugungssystemen, die über ein Gebiet verteilt sind, setze eine Variable X = 1.
    • 2. Sammle Einwochen-Wettervorhersagedaten 320 für ein interessierendes geographisches Gebiet von einem Wetterdienstanbieter, wie z. B. dem National Weather Service oder einer kommerziellen Alternative, für das Subgebiet oder die Netzzelle, das/die dem Solarenergieerzeugungssystem entsprechend der Stelle von Ort X am nächsten ist. Wandle die Wettervorhersagedaten in ein Format um, das zur Verwendung als Eingänge in ein Bestrahlungsstärkemodell 322 benötigt wird. Das Bestrahlungsstärkemodell 322 kann MRMTM (Meteorological Radiation Model) oder ein beliebiges anderes geeignetes Bestrahlungsstärkemodell sein, das Veranschlagungen von Solarbestrahlungsstärkeparametern erzeugt. Die Solarbestrahlungsstärkeparameter können Globalbestrahlungsstärke auf einer horizontalen Fläche (GH), Diffusbestrahlungsstärke auf einer horizontalen Fläche (DH) und senkrechte Direktbestrahlungsstärke (DN) von den meteorologischen Parametern umfassen.
    • 3. Setze die regionalen meteorologischen Vorhersagedaten 320 in das ausgewählte Bestrahlungsstärkemodell 322 ein, um Bestrahlungsstärkeniveaus, ausgedrückt in Form von GH, DH und DN, für die fraglichen Stunden und das fragliche Gebiet zu veranschlagen. Erzeuge eine kombinierte Ort X-Datenbank 324 für jede Stunde der Vorhersagewoche von Bestrahlungsstärkeparametern und meteorologischen Daten. Die kombinierte Ort X-Datenbank 324 wird in einem Solarenergiegeneratorsimulationssoftwareprogramm 330, wie z. B. PV Design ProTM, verwendet.
    • 4. Füge die physischen Parameter 326 hinzu, die für den Ort X eindeutig sind. Die Parameter 326 können umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Kennmerkmale, Abschattungshindernisse, geographische Breite, geographische Länge, Höhe über einer Bezugsebene und andere Merkmale. Die physischen Parameter 326 werden zur kombinierten Ort X-Datenbank 324 hinzugefügt, um eine kombinierte meteorologische Bestrahlungsstärke- und Solargenerator-Datenbank 328 zu erzeugen, die benötigt wird, um das Solarenergiegeneratorsimulationssoftwareprogramm 330 laufen zu lassen.
    • 5. Lass das Simulationsprogramm 300 laufen, und gibt die elektrische Systemproduktion für das System X aus. Füge dies zum Gesamtbetrag für Solarenergieerzeugungssysteme 1 bis X-1 hinzu und gibt es zur Datenbank 332 ein. Die Datenbank 332 umfasst die elektrische Abgabe für jede Stunde der Vorhersageperiode für die Systeme 1 bis X-1. Als Nächstes, inkrementiere X.
    • 6. Prüfe 334, ob X größer als N ist. Wenn X kleiner oder gleich N ist, kehre zu Schritt 1 zurück und wiederhole die Bewertung des nächsten Orts X. Wenn X größer als N ist, dann beende den Prozess. Die Datenbank 332 wird die endgültige Abgabedatenbank 336, die auf einer Stundenbasis eine Einwochenvorhersage der gesamten elektrischen Energieproduktion von N Solarerzeugungsorten, die über das interessierende Gebiet verteilt sind, umfasst.
  • 4A ist eine andere Ausführungsform der Erfindung, die ein System 400 zur Voraussage der zum elektrischen Netz des Gebiets exportierten oder von ihm importierten Netto-Energie für Einrichtungen in einem Gebiet, das ausgewertet wird, bereitstellt. Das System 400 umfasst die Komponenten des Systems 300 von 3A und ein Lastvorhersagemodul 410. Das Vorhersagemodul 410 fügt die Last für jede Einrichtung, die ein Solarenergieerzeugungssystem beherbergt, zum iterativen Prozess hinzu, der die stündliche elektrische Energieproduktion für einen Satz von Solarenergieerzeugungssystemen veranschlagt, die über das Gebiet verteilt sind. Mit jeder Iteration des Prozesses wird die elektrische Netto-Energieproduktion oder -verbrauch mit derjenigen von denjenigen summiert, die bereits ausgewertet worden sind. Das Ergebnis dieses Prozesses ist eine Einwochenvoraussage der Netto-Energie auf einer Stundenbasis, die durch Einrichtungen erzeugt oder verbraucht wird, die Solarstromerzeugungssysteme beherbergen, die über das Gebiet verteilt sind, das ausgewertet wird.
  • 4B stellt ein Flussdiagramm des Prozesses von 4A zur Voraussage der elektrischen Netto-Energie auf einer Stundenbasis eine Woche im voraus dar, die durch einen Satz von N Einrichtungen von einem elektrischen Netz importiert oder exportiert wird, die mit dem elektrischen Netz verbunden sind und die Solarerzeugungssysteme auf der Einrichtungsseite des Punkts gemeinsamer Verbindung mit dem Netz aufweisen. Der Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. Für einen Satz von N Einrichtungen, die mit einem elektrischen Netz verbunden sind und die Solarenergieerzeugungssysteme auf ihrer Seite des Punkts gemeinsamer Verbindung aufweisen und über ein Gebiet verteilt sind, setze eine Variable X = 1.
    • 2. Sammle Einwochen-Wettervorhersagedaten 320 für ein interessierendes geographisches Gebiet von einem Wetterdienstanbieter, wie z. B. dem National Weather Service oder einer kommerziellen Alternative, für das Subgebiet oder die Netzzelle, das/die dem Solarerzeugungssystem entsprechend der Stelle von Ort X am nächsten ist. Wandle die Wettervorhersagedaten in ein Format um, das zur Verwendung als Eingänge in ein Bestrahlungsstärkemodell 322 benötigt wird. Das Bestrahlungsstärkemodell 322 kann MRMTM (Meteorological Radiation Model) oder ein beliebiges anderes geeignetes Bestrahlungsstärkemodell sein, das Veranschlagungen von Solarbestrahlungsstärkeparametern erzeugt. Die Solarbestrahlungsstärkeparameter können Globalbestrahlungsstärke auf einer horizontalen Fläche (GH), Diffusbestrahlungsstärke auf einer horizontalen Fläche (DH) und senkrechte Direktbestrahlungsstärke (DN) von den meteorologischen Parametern umfassen.
    • 3. Setze die regionalen meteorologischen Vorhersagedaten 320 in das ausgewählte Bestrahlungsstärkemodell 322 ein, um Bestrahlungsstärkeniveaus, ausgedrückt in Form von GH, DH und DN, für die fraglichen Stunden und das fragliche Gebiet zu veranschlagen. Erzeuge eine kombinierte Ort X-Datenbank 324 für jede Stunde der Vorhersagewoche von Bestrahlungsstärkeparametern und meteorologischen Daten. Die kombinierte Ort X-Datenbank 324 wird in einem Solarenergiegeneratorsimulationssoftwareprogramm 330, wie z. B. PV Design ProTM, verwendet.
    • 4. Füge die physischen Parameter 326 hinzu, die für den Ort X eindeutig sind. Die Parameter 326 können umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Kennmerkmale, Abschattungshindernisse, geographische Breite, geographische Länge, Höhe über einer Bezugsebene und andere Merkmale. Die physischen Parameter 326 werden zur kombinierten Ort X-Datenbank 324 hinzugefügt, um eine kombinierte meteorologische Bestrahlungsstärke- und Solarenergiegenerator-Datenbank 328 zu erzeugen, die benötigt wird, um das Solargeneratorsimulationssoftwareprogramm 330 laufen zu lassen.
    • 5. Lass das Solargeneratorsimulationsprogramm 330 unter Verwendung der kombinierten Ort X-Datenbank 324 laufen, und gibt die elektrische Systemenergieproduktion für das System X aus, um eine Kurzzeit-Energieproduktionsdatenbank 420 zu erzeugen. Die Kurzzeit-Energieproduktionsdatenbank 420 umfasst die elektrische Abgabe für jede Stunde der Vorhersageperiode für System X.
    • 6. Lass ein Energiebedarfsvorhersagesimulationsprogramm 422, wie z. B. CEDMS (Commercial Energy Demand Model System) oder REDMS (Residential Energy Demand Model System) für die Einrichtung laufen, die das Solarenergieerzeugungssystem X umfasst. Diese Modelle liefern ein Bedarfsprofil für die Einrichtung, die in Betracht gezogen wird, das den Elektrizitätsbedarf darstellt, den diese Kunden in der Abwesenheit von jeglicher am Kundenort gelegener Erzeugung darstellen würden.
    • 7. Subtrahiere die Abgabe der Lastvorhersagesimulation 422 von der Abgabe der Kurzzeit-Energieproduktionsdatenbank 420 für Ort X, um eine Einwochenvorhersage auf einer Stundenbasis der elektrischen Netto-Energie, die von dem Netz importiert oder exportiert wird, für Ort X zu erzeugen. Summiere diesen Wert mit den vorherigen Gesamtbeträgen, um eine Netto-Produktions-Datenbank 424 für X-Orte zu erzeugen. Als Nächstes, inkrementiere X.
    • 8. Prüfe 334, ob X größer als N ist. Wenn X kleiner oder gleich N ist, kehre zu Schritt 1 oben zurück, und wiederhole die Bewertung des nächsten Orts X. Wenn X größer als N ist, dann beende den Prozess. Die Datenbank 424 wird die endgültige Abgabedatenbank 426, die auf einer Stundenbasis eine Einwochenvorhersage der vom Netz importierten oder exportierten elektrischen Netto-Energie von einem Satz von N Einrichtungen mit Solarenergieerzeugung, die über das interessierende Gebiet verteilt sind, umfasst.
  • 5A ist eine andere Ausführungsform der Erfindung, die ein System 500 zur Voraussage der einfallenden Sonnenenergie auf eine beliebige Oberfläche auf einer Stundenbasis eine Woche im voraus liefert. Das System 500 umfasst die Komponenten des Systems 100 von 1A und ein Oberflächencharakterisierungsmodul 510. Das Oberflächencharakterisierungsmodul 510 umfasst eine Beschreibung der Größe, der Orientierung und des Umgebungsrahmens der Oberfläche, die bewertet wird. Die vervollständigte Datenbank wird dann als Eingang zu einem Modell in der Form eines Softwareprogramms verwendet, das Sonnenenergie simuliert, die auf Oberflächen auf der Erde auftrifft. Die Abgabe des Prozesses ist eine stündliche Veranschlagung der Sonnenenergie, die auf die Oberfläche auftrifft, die modelliert wird, für die Woche der ursprünglichen Wettervorhersage.
  • 5B stellt ein Flussdiagramm des Prozesses von 5A zur Voraussage der auf eine Oberfläche auftreffenden Sonnenenergie auf einer Stundenbasis eine Woche im voraus dar. Der Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. Sammle Einwochen-Wettervorhersagedaten 180 für ein interessierendes geographisches Gebiet von einem Wetterdienstanbieter, wie z. B. dem National Weather Service oder einer kommerziellen Alternative. Wandle die Wettervorhersagedaten in ein Format um, das zur Verwendung als Eingänge in ein Bestrahlungsstärkemodell 182 benötigt wird. Das Bestrahlungsstärkemodell 182 kann MRMTM (Meteorological Radiation Model) oder ein beliebiges anderes geeignetes Bestrahlungsstärkemodell sein, das Veranschlagungen von Solarbestrahlungsstärkeparametern erzeugt. Die Solarbestrahlungsstärkeparameter können Globalbestrahlungsstärke auf einer horizontalen Fläche (GH), Diffusbestrahlungsstärke auf einer horizontalen Fläche (DH) und senkrechte Direktbestrahlungsstärke (DN) von den meteorologischen Parametern umfassen.
    • 2. Setze die regionalen meteorologischen Vorhersagedaten 180 in das ausgewählte Bestrahlungsstärkemodell 182 ein, um Bestrahlungsstärkeniveaus, ausgedrückt in Form von GH, DH und DN, für die fraglichen Stunden und das fragliche Gebiet zu veranschlagen. Erzeuge eine kombinierte Datenbank 184 für jede Stunde der Vorhersagewoche von Bestrahlungsstärkeparametern und meteorologischen Daten. Die kombinierte Datenbank 184 wird in einem Solarsimulationssoftwareprogramm 524, wie z. B. PV Design ProTM, verwendet.
    • 3. Füge die physischen Parameter 520 für eine Zieloberfläche, die zu bewerten ist, hinzu. Die Oberflächenparameter können umfassen: Oberflächengröße, Orientierungswinkel, Abschattungshindernisse, geographische Breite, geographische Länge, Höhe über einer Bezugsebene und andere Merkmale. Die physischen Parameter 520 werden zur kombinierten Datenbank 184 hinzugefügt, um eine kombinierte meteorologische Bestrahlungsstärke- und Zieloberflächen-Datenbank 522 zu erzeugen, die benötigt wird, um das Solarenergiegeneratorsimulationssoftwareprogramm 524 laufen zu lassen.
    • 4. Lass das Simulationsprogramm 524 laufen, und gibt die einfallende Sonnenenergie aus, die auf die Oberfläche, die modelliert wird, auftrifft. Dieses Ergebnis ist eine Datenbank 526, die die Sonnenenergie, die auf die Zieloberfläche auftrifft, für jede Stunde der Vorhersageperiode enthält.
  • 6 stellt ein Flussdiagramm dar, das ein Verfahren zum Antipizieren des Kurzzeitbedarfs von Kunden eines Energiehändlers, von denen einige ein Solarerzeugungsvermögen in ihren Einrichtungen aufweisen, für Energiehändler liefert, die Langzeitenergiekontraktverpflichtungen zur Versorgung von Lasten haben. Das Verfahren passt die Kurzzeitenergiekäufe oder -verkäufe des Händlers an, sei es in einem Tagvoraus-Markt oder einem Spotmarkt. Der Energiehändler verwendet den Prozess, um die stündliche Netto-Energieproduktion oder -verbrauch von Kunden in dem Zeitintervall zu veranschlagen, das durch den Kurzzeitmarkt festgelegt ist. Diese Veranschlagung wird von den Langzeitenergiekontraktbeträgen subtrahiert, die der Händler gekauft hat, um Lastverpflichtungen während der fraglichen Stunden in der Periode zu erfüllen, die durch die Kurzzeitmärkte festgelegt ist. Die Differenz zwischen dem vorhergesagten stündlich veranschlagten Bedarf (Netto-Produktion oder -Verbrauch) und dem Energiebetrag, der unter Langzeitvereinbarungen gekauft worden ist, kann entweder als Überschuss verkauft werden oder gekauft werden, um einen antipizierten Mangel aufzufüllen. Der Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. Die Netto-Energie 602 wird durch einen Energiehändler unter Verwendung der Prinzipien, wie in den 4A und 4B beschrieben, berechnet. Die Netto-Energie, die von einem Satz von Einrichtungen importiert oder exportiert wird, mit denen der Händler eine Kontraktverpflichtung zur Versorgung einer Last hat, von denen einige Solarenergieerzeugungssysteme auf der Einrichtungsseite des Punkts gemeinsamer Verbindung mit dem elektrischen Netz aufweisen, wird auf einer Stundenbasis eine Woche im voraus berechnet.
    • 2. Eine resultierende Energie 602 wird durch den Händler berechnet. Der Händler subtrahiert die veranschlagte Kurzzeit-Netto-Energie 602 von der elektrischen Energiemenge, die in Langzeitkontrakten für die Versorgungseinrichtungen 604 gekauft ist. Die Berechnung wird auf einer Stundenbasis eine Woche im voraus in einem geographischen Gebiet ausgeführt.
    • 3. Eine resultierende Differenz 606 ist ein Energiebetrag, den der Händler in einem Kurzzeitmarkt kaufen muss oder zum Verkauf anbieten kann. Der Netto-Kauf oder -Verkäufe 608 im Kurzzeitmarkt ist die Differenz zwischen den Langzeitkontraktenergiekäufen und den Kurzzeitenergiekäufen oder -verkäufen des Händlers, die benötigt werden, um seinen antipizierten Bedarf zu decken oder Lastverpflichtung zu erfüllen.
  • 7 stellt ein Flussdiagramm dar, das ein Verfahren liefert, um Energieverkäufe oder -käufe in einem Eintagvoraus-Kurzzeitmarkt gegen Mangel in einem Spotmarkt zu sichern oder abzusichern. Ein stündlicher Kurzzeitenergieterminmarkt ist festgelegt, der aus Optionen besteht, um Blöcke von Energie bei vereinbarten Preisen in dem Spotmarkt zu kaufen oder zu verkaufen. Käufer und Verkäufer von Optionen in diesem Markt nutzen die Performancevergangenheit der Kurzzeit-Netto-Energievoraussagen für Gebiete mit Einrichtungen, von denen einige ein Solarenergieerzeugungsvermögen in ihren Einrichtungen aufweisen, um das Risiko zu bewerten, das mit Käufen oder Verkäufen von Energie verbunden ist, die auf diesen Vorhersagen beruhen. Energiehändler im Kurzzeitmarkt kaufen Energie wegen eines antipizierten Mangels oder verkaufen Energie wegen eines antipizierten Überschusses in ihren Langzeitkontrakten. Energiehändler kaufen auch Optionen, um ihr Verlustrisiko hinsichtlich Mangel in den Spotmärkten zu verringern. Energiehändler kaufen Optionen auf Grundlage ihrer Bewertung der Genauigkeit der Vorhersagetechnologie in Kombination mit ihrer Risikotoleranz. Eine größere Liquidität wird im Markt erzeugt und ermöglicht einen weiteren Bereich von Marktteilnehmern. Der Prozess kann durch die folgenden Schritte ausgeführt werden:
    • 1. In einem deregulierten elektrischen Energiemarkt, der Einrichtungen aufweist, von denen einige Solarerzeugungssysteme auf der Einrichtungsseite des Punkts gemeinsamer Verbindung mit dem elektrischen Netz aufweisen, wird ein Antrag bei dem Aufsichtsgremium eingereicht, das den Markt überwacht, wobei um die Erzeugung einer Produktkategorie für einen Einstundenelektroenergieterminkontrakt oder -option nachgesucht wird (wenn dieses Produkt nicht schon vorhanden ist).
    • 2. Qualifikationen für Händler in Einstundenenergieterminkontrakten werden dem Aufsichtsgremium vorschlagen, das den Markt überwacht (wenn diese Qualifikationen nicht schon vorhanden sind).
    • 3. Ein Ort und ein Zeitplan zum Handeln mit Einstundenenergieterminkontrakten werden dem Aufsichtsgremium vorschlagen, das den Markt überwacht (wenn ein Ort und ein Zeitplan nicht schon vorhanden sind).
    • 4. Sobald das Aufsichtsgremium, das den Markt überwacht, ein Einstundenelektroenergieterminkontrakt- oder -optionsprodukt, Referenzen für Händler mit Einstundenelektroenergieterminkontrakten oder -optionen sowie einen Ort und Zeitplan zum Handeln von Einstundenelektroenergieterminkontrakten oder -optionen genehmigt hat, bewerten Optionshändler und Energiehändler die historische Genauigkeit von durch Energiehändler vorgenommenen Veranschlagungen der Käufe und Verkäufe von Energie, die im Kurzzeitmarkt, wie z. B. einem Tagvoraus-Markt, benötigt wird, die den Mangel oder den Überschuss von ihren Langzeitkontrakten bildet.
    • 5. Eine historische Performance oder Genauigkeit 702 von regionalen Netto-Energie-Vorhersagen wird unter Verwendung der Prinzipien bestimmt, wie mit Bezug auf die 4A und 4B beschrieben. Die Bestimmung ist für Märkte, die Einrichtungen aufweisen, von denen einige Solarenergieerzeugungssysteme auf der Einrichtungsseite des Punkts gemeinsamer Verbindung mit dem elektrischen Netz aufweisen.
    • 6. Eine Veranschlagung 704 der Differenz zwischen den maximalen Kosten von Energie in einem Spotmarkt und einem Preis von Energie eines Energiehändlers für jede Stunde während eines Vorwärtsspotmarkts wird berechnet.
    • 7. Eine Risikobestimmung 706 wird durch den Energiehändler vorgenommen. Der Energiehändler berechnet eine Risikotoleranz und den Wert, das Risiko zu verringern.
    • 8. Der Wert von Optionen 708 wird von Energiehändlern und Optionshändlern bestimmt. Energiehändler und Optionshändler kaufen und verkaufen Optionen, um Energie zu einem vorher vereinbarten Preis während eines Handelns in dem Vor-Tagvoraus-Markt in einem Spotmarkt zu kaufen.
  • Während diese Erfindung insbesondere mit Bezügen auf bevorzugte Ausführungsformen derselben dargestellt und beschrieben worden ist, versteht es sich für Fachleute, dass verschiedene Änderungen in Form und Einzelheiten hierin vorgenommen werden können, ohne dass man vom durch die angefügten Ansprüche umfassten Bereich der Erfindung abweicht.

Claims (21)

  1. Verfahren zur Vorhersage einer Solarenergieproduktion in einem Gebiet, umfassend: Sammeln von meteorologischen Daten von einer Kurzzeitwettervorhersage für einen gegebenen Bereich des Gebiets; Veranschlagen von Bestrahlungsstärkeniveaus unter Verwendung von Parametern, die von den meteorologischen Daten gesammelt sind; und Simulieren einer Solarenergieproduktion unter Verwendung der gesammelten meteorologischen Daten, der veranschlagten Bestrahlungsstärkeniveaus und von physikalischen Merkmalen jedes Solarenergieerzeugungssystems in dem gegebenen Bereich des Gebiets.
  2. Verfahren nach Anspruch 1, weiter umfassend: Vorhersagen eines Energiebedarfs für einen Solarenergiegenerator.
  3. Verfahren nach Anspruch 2, weiter umfassend: Bestimmen einer elektrischen Netto-Energie aus der simulierten Solarenergieproduktion und dem vorhergesagten Energiebedarf.
  4. Verfahren nach Anspruch 1, weiter umfassend: Bestimmen einer elektrischen Netto-Energie aus der summierten Solarenergieproduktion und einem vorhergesagten Energiebedarf für Einrichtungen in dem Gebiet.
  5. Verfahren nach Anspruch 1, weiter umfassend: Bestimmen einer einfallenden Sonnenenergie einer Zielfläche unter Verwendung der gesammelten metereologischen Daten, veranschlagten Bestrahlungsstärkeniveaus und äußeren Merkmale der Zielfläche.
  6. Verfahren nach Anspruch 5, bei dem die physikalischen Merkmale der Zielfläche umfassen: Flächengröße, Orientierungswinkel, Abschattungshindernisse, geographische Breite, geographische Länge und Höhe über einer Bezugsebene.
  7. Verfahren nach Anspruch 1, bei dem die Parameter umfassen: Globalbestrahlungsstärke einer Horizontalfläche, Diffusbestrahlungsstärke einer Horizontalfläche und senkrechte Direktbestrahlungsstärke.
  8. Verfahren nach Anspruch 1, bei dem die metereologischen Daten auf einer Wochevoraus-Stundenbasis gesammelt werden.
  9. Verfahren nach Anspruch 1, bei dem die physikalischen Merkmale des Solarenergieerzeugungssystem umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Merkmale, Abschattungshindernisse, geographische Breite, geographische Länge und Höhe über einer Bezugsebene.
  10. System zur Vorhersage einer Energieproduktion für Solarenergieerzeugungssysteme in einem Gebiet, die bekannte äußere Merkmale aufweisen, umfassend: eine Einrichtung zum Sammeln von meteorologischen Daten von einer Kurzzeitwettervorhersage für einen gegebenen Bereich des Gebiets; eine Einrichtung zum Veranschlagen von Bestrahlungsstärkeniveaus unter Verwendung von Parametern, die von einem Wettermodul gesammelt sind; eine Einrichtung zum Simulieren einer Solarenergieproduktion unter Verwendung der gesammelten meteorologischen Daten, der veranschlagten Bestrahlungsstärkeniveaus und von physikalischen Merkmalen der Solarenergieerzeugungssysteme.
  11. System zur Vorhersage einer Solarenergieproduktion in einem Gebiet nach Anspruch 10, bei dem: die Einrichtung zum Sammeln von meteorologischen Daten für einen gegebenen Bereich des Gebiets ein Wettermodul ist; die Einrichtung zum Veranschlagen von Bestrahlungsstärkeniveaus unter Verwendung von Parametern, die von dem Wettermodul gesammelt sind, ein Solarbestrahlungsstärkemodul ist; die Einrichtung zum Simulieren einer Solarenergieproduktion unter Verwendung der gesammelten meteorologischen Daten, der veranschlagten Bestrahlungsstärkeniveaus und von physikalischen Merkmalen eines Solarenergieerzeugungssystems ein Simulationsmodul ist; und wobei das System weiter umfasst: ein Modul äußerer Merkmale eines Solarenergieerzeugungssystem in einem gegebenen Bereich des Gebiets.
  12. System nach Anspruch 11, weiter umfassend ein Energiebedarfsmodul zur Vorhersage eines Energiebedarfs für eine Einrichtung.
  13. System nach Anspruch 12, weiter umfassend ein Bestimmungsmodul zum Bestimmen einer elektrischen Netto-Energie aus der simulierten Solarenergieproduktion und dem vorhergesagten Energiebedarf.
  14. System nach Anspruch 11, weiter umfassend ein Summierungsmodul zum Summieren der Simulations-Solarenergieproduktion für jedes über das Gebiet verteilte Solarenergieerzeugungssystem, um eine gesamte Solarenergieproduktion für das Gebiet zu erzeugen.
  15. System nach Anspruch 14, weiter umfassend ein Netto-Bestimmungsmodul zum Bestimmen einer elektrischen Netto-Energie aus der summierten Solarenergieproduktion und einem vorhergesagten Energiebedarf für Versorgungseinrichtungen für das Gebiet.
  16. System nach Anspruch 11, weiter umfassend ein Einfallssonnenenergiemodul zur Bestimmung einer einfallenden Sonnenenergie einer Zielfläche unter Verwendung der gesammelten meteorologischen Daten, der veranschlagten Bestrahlungsstärkeniveaus und von physikalischen Merkmalen der Zielfläche.
  17. System nach Anspruch 16, bei dem die physikalischen Merkmale der Zielfläche umfassen: Flächengröße, Orientierungswinkel, Abschattungshindernisse, geographische Breite, geographische Länge und Höhe über einer Bezugsebene.
  18. System nach Anspruch 11, bei dem die Parameter umfassen: Globalbestrahlungsstärke einer Horizontalfläche, Diffusbestrahlungsstärke einer Horizontalfläche und senkrechte Direktbestrahlungsstärke.
  19. System nach Anspruch 11, bei dem die meteorologischen Daten auf einer Wochevoraus-Stundenbasis gesammelt sind.
  20. System nach Anspruch 11, bei dem die äußeren Merkmale des Solarenergieerzeugungssystems umfassen: Systemgröße, Orientierungswinkel, Ausrüstungstypen, elektrische Merkmale, Abschattungshindernisse, geographische Breite, geographische Länge und Höhe über einer Bezugsebene.
  21. Computerprogrammprodukt zum Simulieren einer Solarenergieproduktion, wobei das Computerprogrammprodukt umfasst: ein Computer-verwendbares Medium mit maschinenlesbarem Code darin, umfassend einen Programmcode, der: meteorologische Daten von einer Kurzzeitwettervorhersage für einen gegebenen Bereich des Gebiets sammelt; Bestrahlungsstärkeniveaus unter Verwendung von Parametern, die von den meteorologischen Daten gesammelt sind, veranschlagt; und eine Solarenergieproduktion unter Verwendung der gesammelten meteorologischen Daten, der veranschlagten Bestrahlungsstärkeniveaus und von physikalischen Merkmalen jedes Solarerzeugungssystems in dem gegebenen Bereich des Gebiets simuliert.
DE602004010281T 2003-08-20 2004-08-19 Verfahren und system zur vorhersage der solarenergieproduktion Expired - Lifetime DE602004010281T2 (de)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US49641103P 2003-08-20 2003-08-20
US496411P 2003-08-20
US50789903P 2003-10-01 2003-10-01
US507899P 2003-10-01
US52307403P 2003-11-18 2003-11-18
US523074P 2003-11-18
PCT/US2004/026997 WO2005019870A2 (en) 2003-08-20 2004-08-19 Method and system for predicting solar energy production

Publications (2)

Publication Number Publication Date
DE602004010281D1 DE602004010281D1 (de) 2008-01-03
DE602004010281T2 true DE602004010281T2 (de) 2008-10-02

Family

ID=34222367

Family Applications (1)

Application Number Title Priority Date Filing Date
DE602004010281T Expired - Lifetime DE602004010281T2 (de) 2003-08-20 2004-08-19 Verfahren und system zur vorhersage der solarenergieproduktion

Country Status (5)

Country Link
US (3) US7580817B2 (de)
EP (1) EP1660917B1 (de)
DE (1) DE602004010281T2 (de)
ES (1) ES2297491T3 (de)
WO (1) WO2005019870A2 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009024212A1 (de) * 2009-06-08 2010-12-16 Adensis Gmbh Abschattungsprognose für eine Photovoltaikanlage
DE102010006142A1 (de) 2010-01-29 2011-08-04 ABE Kunze Betriebsführungs GmbH, 22885 Energieportal

Families Citing this family (106)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9697644B2 (en) 2005-12-28 2017-07-04 Solmetric Corporation Methods for solar access measurement
US7500391B2 (en) * 2006-04-27 2009-03-10 Ecometriks, Llc System and method for identifying the solar potential of rooftops
FR2911964B1 (fr) * 2007-01-29 2009-04-17 Francois Xavier Monaco Procede et dispositif pour la determination de l'aptitude d'un emplacement a recevoir une installation de production d'energie a partir du rayonnement solaire.
US8588830B2 (en) 2007-02-02 2013-11-19 Inovus Solar, Inc Wireless autonomous solar-powered outdoor lighting and energy and information management network
US7509190B2 (en) * 2007-04-03 2009-03-24 Tenaska Power Services Co. Method for administering an intermittent uncontrollable electric power generating facility
US7832267B2 (en) * 2007-04-25 2010-11-16 Ecometriks, Llc Method for determining temporal solar irradiance values
WO2009025928A2 (en) * 2007-06-19 2009-02-26 Ch2M Hill, Inc. Systems and methods for solar mapping, determining a usable area for solar energy production and/or providing solar information
US20090030758A1 (en) * 2007-07-26 2009-01-29 Gennaro Castelli Methods for assessing potentially compromising situations of a utility company
GB0809235D0 (en) 2008-05-21 2008-06-25 Poweroasis Ltd Supervisory system controller for use with a renewable energy powered radio telecommunications site
US9612635B2 (en) * 2012-03-19 2017-04-04 Saudi Arabian Oil Company Systems and computer programs for simultaneous process and utility systems synthesis in partially and fully decentralized environments
US9760099B2 (en) 2008-06-06 2017-09-12 Saudi Arabian Oil Company Systems, program code, computer readable media for planning and retrofit of energy efficient eco-industrial parks through inter-time-inter-systems energy integration
CA2728091A1 (en) * 2008-06-25 2010-01-21 Versify Solutions, Inc. Aggregator, monitor, and manager of distributed demand response
FR2941328B1 (fr) * 2009-01-19 2012-11-02 Commissariat Energie Atomique Procede de prevision de la production electrique d'un dispositif photovoltaique
US20100198420A1 (en) * 2009-02-03 2010-08-05 Optisolar, Inc. Dynamic management of power production in a power system subject to weather-related factors
US8295989B2 (en) * 2009-02-03 2012-10-23 ETM Electromatic, Inc. Local power tracking for dynamic power management in weather-sensitive power systems
US9367825B2 (en) * 2009-10-23 2016-06-14 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model
US8892264B2 (en) * 2009-10-23 2014-11-18 Viridity Energy, Inc. Methods, apparatus and systems for managing energy assets
US9159042B2 (en) 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
US8457802B1 (en) 2009-10-23 2013-06-04 Viridity Energy, Inc. System and method for energy management
US9159108B2 (en) 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets
US7890217B2 (en) * 2009-10-26 2011-02-15 General Electric Company Integrated real-time power and solar farm control system
US20110100005A1 (en) * 2009-10-30 2011-05-05 Sampson Glenn A Water reclamation in a concentrated solar power-enabled power plant
JP5587641B2 (ja) * 2010-03-10 2014-09-10 パナソニック株式会社 電力供給システム
US9246610B2 (en) * 2010-04-09 2016-01-26 Weather Decision Technologies, Inc. Multimedia alerting
WO2011130483A2 (en) * 2010-04-14 2011-10-20 Raytheon Company Administration of power environments
US9660576B2 (en) 2010-05-04 2017-05-23 Solmetric Corporation Predicting production of photovoltaic systems
CA2798827A1 (en) * 2010-05-07 2011-11-10 Advanced Energy Industries, Inc. Systems and methods for forecasting solar power
US20110295772A1 (en) * 2010-05-28 2011-12-01 Christopher Pawlik Systems and Methods for Developing and Optimizing Underutilized Real Property
US11404880B2 (en) 2010-05-28 2022-08-02 Christopher Pawlik Systems and methods for generating and conserving power
US9558250B2 (en) * 2010-07-02 2017-01-31 Alstom Technology Ltd. System tools for evaluating operational and financial performance from dispatchers using after the fact analysis
US8538593B2 (en) 2010-07-02 2013-09-17 Alstom Grid Inc. Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast
US8972070B2 (en) 2010-07-02 2015-03-03 Alstom Grid Inc. Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes
US9727828B2 (en) * 2010-07-02 2017-08-08 Alstom Technology Ltd. Method for evaluating operational and financial performance for dispatchers using after the fact analysis
US9093840B2 (en) 2010-07-02 2015-07-28 Alstom Technology Ltd. System tools for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast
US20110029142A1 (en) * 2010-07-02 2011-02-03 David Sun System tools that provides dispatchers in power grid control centers with a capability to make changes
US20110071690A1 (en) * 2010-07-02 2011-03-24 David Sun Methods that provide dispatchers in power grid control centers with a capability to manage changes
US9348394B2 (en) 2010-09-14 2016-05-24 Microsoft Technology Licensing, Llc Managing computational workloads of computing apparatuses powered by renewable resources
CN101969207A (zh) * 2010-09-16 2011-02-09 国网电力科学研究院 结合卫星遥感与气象遥测技术的光伏超短期功率预测方法
DE102010061278A1 (de) * 2010-12-16 2012-06-21 Skytron Energy Gmbh Überwachungssystem und Verfahren zur Überwachung eines regenerativen Kraftwerks
US9069103B2 (en) * 2010-12-17 2015-06-30 Microsoft Technology Licensing, Llc Localized weather prediction through utilization of cameras
US8548640B2 (en) * 2010-12-21 2013-10-01 Microsoft Corporation Home heating server
US20120253532A1 (en) * 2011-03-30 2012-10-04 General Electric Company Systems and methods for forecasting electrical load
US20120284096A1 (en) * 2011-05-04 2012-11-08 Naini Rose Gomes Resource Usage Reduction via Incentives
US8855828B2 (en) * 2011-08-19 2014-10-07 Qualcomm Incorporated Facilitating distributed power production units in a power group to store power for power conditioning during an anticipated temporary power production disruption
US10949776B2 (en) 2011-09-06 2021-03-16 Planetecosystems, Llc Systems and methods to generate facility reconfiguration plans that can be used to reconfigure energy systems of facilities to achieve financial objectives
US8751036B2 (en) * 2011-09-28 2014-06-10 Causam Energy, Inc. Systems and methods for microgrid power generation management with selective disconnect
US8862279B2 (en) * 2011-09-28 2014-10-14 Causam Energy, Inc. Systems and methods for optimizing microgrid power generation and management with predictive modeling
CN102594209A (zh) * 2011-12-26 2012-07-18 嘉兴优太太阳能有限公司 太阳能光伏发电推演信息采集处理系统
US8457800B2 (en) * 2012-01-19 2013-06-04 General Compression, Inc. System and method for conserving energy resources through storage and delivery of renewable energy
US9379559B2 (en) 2012-02-03 2016-06-28 International Business Machines Corporation System and method of charging a vehicle using a dynamic power grid, and system and method of managing power consumption in the vehicle
WO2013142117A1 (en) * 2012-03-23 2013-09-26 Petra Solar, Inc. Methods and systems for managing distributed energy resources
US8942959B2 (en) 2012-03-29 2015-01-27 Mitsubishi Electric Research Laboratories, Inc. Method for predicting outputs of photovoltaic devices based on two-dimensional fourier analysis and seasonal auto-regression
US10169832B2 (en) * 2013-05-08 2019-01-01 Instant Access Networks, Llc Method and instrumentation for sustainable energy load flow management system performing as resilient adaptive microgrid system
WO2013181408A2 (en) * 2012-05-30 2013-12-05 Neo Virtus Engineering, Inc. Method and apparatus for forecasting solar radiation and solar power production using synthetic irradiance imaging
US20130345886A1 (en) * 2012-06-20 2013-12-26 General Electric Company Concentrated solar power system
US9535409B1 (en) * 2012-10-26 2017-01-03 Esolar Inc. Advanced control of a multiple receiver concentrated solar power plant
US9438041B2 (en) 2012-12-19 2016-09-06 Bosch Energy Storage Solutions Llc System and method for energy distribution
US9312698B2 (en) 2012-12-19 2016-04-12 Robert Bosch Gmbh System and method for energy distribution
CN103077300A (zh) * 2012-12-20 2013-05-01 东南大学 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法
US10956629B2 (en) 2012-12-28 2021-03-23 Locus Energy, Inc. Estimation of soiling losses for photovoltaic systems from measured and modeled inputs
US20140188410A1 (en) * 2012-12-28 2014-07-03 Locus Energy, Llc Methods for Photovoltaic Performance Disaggregation
US11143680B2 (en) 2012-12-28 2021-10-12 Locus Energy, Inc. Estimation of energy losses due to partial equipment failure for photovoltaic systems from measured and modeled inputs
US10962576B2 (en) 2012-12-28 2021-03-30 Locus Energy, Inc. Estimation of shading losses for photovoltaic systems from measured and modeled inputs
EP2973932A4 (de) * 2013-03-15 2016-11-16 Bosch Gmbh Robert System und verfahren zur energieverteilung
US9171276B2 (en) 2013-05-06 2015-10-27 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets using an engineering-based model
US9098876B2 (en) 2013-05-06 2015-08-04 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model
DE102013009253A1 (de) * 2013-05-31 2014-12-04 Institut Für Solarenergieforschung Gmbh Digitaler Bestrahlungsstärkesensor mit integrierten, zusätzlichen Messgrößen-Aufnehmern
US9672304B2 (en) * 2013-10-24 2017-06-06 Sap Se Dynamic online energy forecasting
WO2015073996A2 (en) * 2013-11-15 2015-05-21 Bidgely Inc. Solar energy disaggregation techniques for whole-house energy consumption data
US9753947B2 (en) 2013-12-10 2017-09-05 Weather Decision Technologies, Inc. Four dimensional weather data storage and access
DE102013226761A1 (de) * 2013-12-19 2015-06-25 Robert Bosch Gmbh Verfahren und Vorrichtung zum Auslegen einer Fotovoltaik-Anlage
US9806528B2 (en) 2014-01-22 2017-10-31 The Boeing Company Systems and methods for estimating net solar energy production for airborne photovoltaic systems
US10502866B2 (en) 2014-01-22 2019-12-10 The Boeing Company Systems and methods for simulating time phased solar irradiance plots
JP6194101B2 (ja) * 2014-04-04 2017-09-06 株式会社日立製作所 電力取引計画立案支援システム及び電力取引計画立案支援方法
PT3161527T (pt) * 2014-06-30 2018-10-19 Siemens Ag Previsão de energia solar utilizando uma mistura de analisadores de componentes principais probabilísticos
JP2016066183A (ja) * 2014-09-24 2016-04-28 地域エネルギー株式会社 情報処理装置、情報処理方法および情報処理プログラム
US11063555B2 (en) * 2015-06-23 2021-07-13 Qatar Foundation For Education, Science And Community Development Method of forecasting for solar-based power systems
US20170053361A1 (en) * 2015-08-20 2017-02-23 Sinogreenergy Consultant Co. Ltd. Power output calculating method of a solar power plant
KR101733671B1 (ko) * 2015-10-30 2017-05-08 장영상 태양광 발전 온라인 설계와 인허가 문서 작성 시스템 및 방법
TWI642019B (zh) * 2015-11-17 2018-11-21 財團法人資訊工業策進會 發電系統效能估測方法
US10022613B2 (en) 2016-05-02 2018-07-17 Bao Tran Smart device
US10046228B2 (en) 2016-05-02 2018-08-14 Bao Tran Smart device
US10007999B2 (en) 2016-08-10 2018-06-26 International Business Machines Corporation Method of solar power prediction
US10508987B2 (en) 2016-09-12 2019-12-17 Also Energy, Inc. System and method for remote calibration of irradiance sensors of a solar photovoltaic system
US11004145B2 (en) * 2016-12-09 2021-05-11 Key Solar Solutions, LLC Converting solar output measure to commercial rent per square area
US11545830B2 (en) 2017-01-18 2023-01-03 Board Of Regents, The University Of Texas System Systems and methods of hierarchical forecasting of solar photovoltaic energy production
US10819116B2 (en) * 2017-02-28 2020-10-27 International Business Machines Corporation Forecasting solar power generation using real-time power data
JP6987514B2 (ja) * 2017-03-24 2022-01-05 株式会社日立製作所 取引計画装置および取引計画方法
CN107346474B (zh) * 2017-07-12 2021-01-26 广东工业大学 水冷光伏光热一体化系统发电量计算的三维梯形模糊方法
CN107292768B (zh) * 2017-07-12 2021-01-26 广东工业大学 一种光伏发电系统日发电量模糊概率计算方法及装置
CN107194620B (zh) * 2017-07-12 2021-01-26 广东工业大学 一种光伏发电日发电量的一型点值Zadeh模糊计算方法及装置
TWI681351B (zh) * 2017-08-30 2020-01-01 江玉茹 承包太陽能發電裝置之方法
CN107769272B (zh) * 2017-11-02 2021-07-13 国网辽宁省电力有限公司 一种大容量电储热接入自动发电的控制方法
US10416678B2 (en) * 2017-11-16 2019-09-17 The Boeing Company Recharging an aircraft in a region using areas of increased sunlight within the region
CN109103926B (zh) * 2018-08-14 2020-01-03 清华大学 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
EP3648283B8 (de) 2018-10-30 2021-05-12 FIMER S.p.A. Verfahren zur prognose der stromerzeugung einer erneuerbaren energieerzeugungsanlage
US11532943B1 (en) 2019-10-27 2022-12-20 Thomas Zauli Energy storage device manger, management system, and methods of use
AU2021206016B2 (en) * 2020-01-10 2023-09-28 Es ∙ For ∙ In Se Method and system for controlling an electrical installation
CN111985671B (zh) * 2020-04-10 2021-07-09 无锡英臻科技有限公司 光伏电站发电量预测及风险评估方法
EP3996026B1 (de) * 2020-11-06 2025-05-14 ABB Schweiz AG Synthese von energiedaten
EP3996027A1 (de) * 2020-11-06 2022-05-11 ABB Schweiz AG Verfahren und system zur überwachung und / oder betrieb eines stromsystem-vermögens
CN112712200B (zh) * 2020-12-28 2025-05-13 北方大贤风电科技(北京)有限公司 一种基于历史气象资料的太阳能资源开发模拟方法
CN113379440B (zh) * 2021-03-25 2022-11-11 国电南瑞科技股份有限公司 基于相似日的电力现货市场电量申报信息优化方法及系统
CN114358473A (zh) * 2021-11-23 2022-04-15 国网浙江省电力有限公司嘉兴供电公司 一种多站融合综合供能系统
CN117236625B (zh) * 2023-09-25 2026-03-17 国网北京市电力公司 零碳综合能源系统及零碳综合能源系统的优化方法
US20250139548A1 (en) * 2023-11-01 2025-05-01 Tata Consultancy Services Limited Method and system for optimal scheduling of power sources for meeting electricity demand of enterprise

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2972596B2 (ja) * 1996-09-26 1999-11-08 関西電力株式会社 太陽光発電システムの発電量予測方法
CH691237A5 (fr) * 1997-07-15 2001-05-31 Em Microelectronic Marin Sa Photocapteur intégré.
US6185483B1 (en) 1998-01-27 2001-02-06 Johnson Controls, Inc. Real-time pricing controller of an energy storage medium
US6542791B1 (en) 1998-05-21 2003-04-01 The Research Foundation Of State University Of New York Load controller and method to enhance effective capacity of a photovotaic power supply using a dynamically determined expected peak loading
US6037758A (en) 1998-05-21 2000-03-14 The Research Foundation Of State University Of New York Load controller and method to enhance effective capacity of a photovoltaic power supply
US6889122B2 (en) 1998-05-21 2005-05-03 The Research Foundation Of State University Of New York Load controller and method to enhance effective capacity of a photovoltaic power supply using a dynamically determined expected peak loading
US6285989B1 (en) 1998-08-07 2001-09-04 Ariba, Inc. Universal on-line trading market design and deployment system
US7085739B1 (en) * 1999-10-20 2006-08-01 Accenture Llp Method and system for facilitating, coordinating and managing a competitive marketplace
US6583521B1 (en) 2000-03-21 2003-06-24 Martin Lagod Energy management system which includes on-site energy supply
WO2002027240A2 (en) 2000-09-26 2002-04-04 Gluck Daniel S Automated new energy technology consulting and demand aggregation system and method
US20020084655A1 (en) 2000-12-29 2002-07-04 Abb Research Ltd. System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility
US20030055664A1 (en) 2001-04-04 2003-03-20 Anil Suri Method and system for the management of structured commodity transactions and trading of related financial products
US20030009401A1 (en) 2001-04-27 2003-01-09 Enerwise Global Technologies, Inc. Computerized utility cost estimation method and system
US20020165816A1 (en) 2001-05-02 2002-11-07 Barz Graydon Lee Method for stochastically modeling electricity prices
US20030055776A1 (en) 2001-05-15 2003-03-20 Ralph Samuelson Method and apparatus for bundling transmission rights and energy for trading
US20030041002A1 (en) 2001-05-17 2003-02-27 Perot Systems Corporation Method and system for conducting an auction for electricity markets
US7089190B2 (en) * 2001-05-18 2006-08-08 Power Resource Managers, Llp System and method for managing utility power use
US7430534B2 (en) * 2001-06-15 2008-09-30 Abb Ab System, method and computer program product for risk-minimization and mutual insurance relations in meteorology dependent activities
US20040215545A1 (en) * 2003-01-31 2004-10-28 Kabushiki Kaisha Toshiba Power trading risk management system

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009024212A1 (de) * 2009-06-08 2010-12-16 Adensis Gmbh Abschattungsprognose für eine Photovoltaikanlage
DE102009024212B4 (de) 2009-06-08 2012-03-01 Adensis Gmbh Verfahren und Vorrichtung zur Vermeidung einer drohenden Verminderung der Einspeiseleistung einer Photovoltaikanlage sowie Verwendung einer Vorrichtung zur Durchführung des Verfahrens
US8369999B2 (en) 2009-06-08 2013-02-05 Adensis Gmbh Method and apparatus for forecasting shadowing for a photovoltaic system
DE102010006142A1 (de) 2010-01-29 2011-08-04 ABE Kunze Betriebsführungs GmbH, 22885 Energieportal

Also Published As

Publication number Publication date
EP1660917B1 (de) 2007-11-21
US20100017341A1 (en) 2010-01-21
US8280799B2 (en) 2012-10-02
DE602004010281D1 (de) 2008-01-03
ES2297491T3 (es) 2008-05-01
WO2005019870A2 (en) 2005-03-03
US20130013486A1 (en) 2013-01-10
WO2005019870A3 (en) 2005-06-23
US7580817B2 (en) 2009-08-25
EP1660917A2 (de) 2006-05-31
US8527398B2 (en) 2013-09-03
US20050039787A1 (en) 2005-02-24

Similar Documents

Publication Publication Date Title
DE602004010281T2 (de) Verfahren und system zur vorhersage der solarenergieproduktion
Milligan et al. Determining the capacity value of wind: An updated survey of methods and implementation
US20150331972A1 (en) System & methods for solar photovoltaic array engineering
Luoma et al. Forecast value considering energy pricing in California
Sardaro et al. High-voltage overhead transmission lines and farmland value: Evidences from the real estate market in Apulia, southern Italy
Jo et al. Implementation of a large-scale solar photovoltaic system at a higher education institution in Illinois, USA
Zalengera A study into the techno-economic feasibility of photovoltaic and wind generated electricity for enhancement of sustainable livelihoods on Likoma Island in Malawi
JP2014215654A (ja) 太陽光発電設備の分譲管理システム
Kehler et al. ISO perspective and experience with integrating wind power forecasts into operations
du Preez et al. Measuring the indirect costs associated with the establishment of a wind farm: An application of the contingent valuation method
Rutovitz et al. Social access solar gardens for Australia
Broman et al. How Hydropower Operations Mitigate Flow Forecast Uncertainties to Maintain Grid Services in the Western US
Deshmukh et al. Renewable energy zones for balancing siting trade-offs in India
Maier Operation & maintenance costs of photovoltaic power plants: A Swiss benchmark and outlook
Qussous Analysis of market-based redispatch for the example of the german bidding zone
JP2025152411A (ja) 需要及び電源想定システム
Deng et al. Stochastic co-optimization for hydro-electric power generation
Greif et al. Short-term scheduling of electric power systems under minimum load conditions
Hauswurz Economic Analysis of Rooftop Solar Panels in Munich
Tarufelli et al. Energy Storage Participation Algorithm Competition Overview: Market simulation, divisions, stages, storage attributes, and scoring
Monroe Simulating Evolution of Low-Voltage Electric Grids with Distributed Energy Technology Adoption: An Agent-Based Modeling Approach
Tabors et al. Stochastic Nodal Adequacy Platform: Spot Pricing of Adequacy
Gupta et al. Barriers and enablers in solar rooftop policy implementation: Views from an actor intermediary perspective
Alet et al. Assessing the need for better forecasting and observability of pv.
Deshmukh et al. Renewable Energy Zones for Balancing Siting Trade-offs in India: Multi-Criteria Analysis for Planning Renewable Energy (MapRE)

Legal Events

Date Code Title Description
8364 No opposition during term of opposition