Tools for PV (photovoltaic) plant operators: Nowcasting of passing clouds

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>

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.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JE - Nejaderná energetika, spotřeba a užití energie

OECD FORD obor

—

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

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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

—