Tools for PV (photovoltaic) plant operators: Nowcasting of passing clouds
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F13%3A00391554" target="_blank" >RIV/67985807:_____/13:00391554 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.energy.2013.03.005" target="_blank" >http://dx.doi.org/10.1016/j.energy.2013.03.005</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.energy.2013.03.005" target="_blank" >10.1016/j.energy.2013.03.005</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Tools for PV (photovoltaic) plant operators: Nowcasting of passing clouds
Popis výsledku v původním jazyce
The response time of a PV (photovoltaic) plant is very short and its output power follows the abrupt change in solar irradiance level due to alternate shadow by clouds. The sunshine number (SSN) is a Boolean quantity stating whether the sun is covered byclouds or not, thus being an appropriate parameter to predict the occurrence of direct solar radiation at ground level. Various ARIMA (Autoregressive Integrated Moving Average) models for SSN nowcasting are inferred and discussed in this paper. Actinometric and meteorological data measured at 15 s lag during June 2010 in Timisoara (Romania) are used. The forecasting accuracy is studied as a function of season, of the procedure used to obtain a binary time series and of the type of white noise distribution, respectively. It is demonstrated that the ARIMA(0,1,0) model forecasts SSN with the same accuracy as higher order ARIMA models. The forecasting accuracy decreases when the instability of the radiative regime increases.
Název v anglickém jazyce
Tools for PV (photovoltaic) plant operators: Nowcasting of passing clouds
Popis výsledku anglicky
The response time of a PV (photovoltaic) plant is very short and its output power follows the abrupt change in solar irradiance level due to alternate shadow by clouds. The sunshine number (SSN) is a Boolean quantity stating whether the sun is covered byclouds or not, thus being an appropriate parameter to predict the occurrence of direct solar radiation at ground level. Various ARIMA (Autoregressive Integrated Moving Average) models for SSN nowcasting are inferred and discussed in this paper. Actinometric and meteorological data measured at 15 s lag during June 2010 in Timisoara (Romania) are used. The forecasting accuracy is studied as a function of season, of the procedure used to obtain a binary time series and of the type of white noise distribution, respectively. It is demonstrated that the ARIMA(0,1,0) model forecasts SSN with the same accuracy as higher order ARIMA models. The forecasting accuracy decreases when the instability of the radiative regime increases.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JE - Nejaderná energetika, spotřeba a užití energie
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/LD12009" target="_blank" >LD12009: Pokročilé metody pro predikci výroby elektrické energie z fotovoltaických systémů s využitím numerických modelů počasí s vysokým prostorovým i časovým rozlišením</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Energy
ISSN
0360-5442
e-ISSN
—
Svazek periodika
54
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
9
Strana od-do
104-112
Kód UT WoS článku
000319371600010
EID výsledku v databázi Scopus
—