A Neural Network Estimation of Microgrid Maximum Solar Power

Transcrição

1 Seminário PEA-5918 São Paulo, 30 de Agosto de 2012 Universidade de São Paulo Escola Politécnica A Neural Network Estimation of Microgrid Maximum Solar Power Abir Chatterjee, Ohio State University Ali Keyhani, Ohio State University IEEE Transactions on Smart Grid 2012 Apresentado por Rafael Herrero Alonso, Luiza Valentim, Daniel Tavares Cruz. Prof. Dr. Giovanni Manassero

2 Agenda Introdução Estado da arte Proposta Testes e avaliações preliminares Dimensionamento e implementação Testes, resultados e avaliações Conclusões Trabalhos futuros Referência 2

3 Introdução Motivação As microgrids recebem o máximo de energia do Sol durante um ano, em base diária, semanal, mensal e sazonal. Para reduzir os custos, um modelo para o mapeamento do ângulo de inclinação de painéis fotovoltaicos ótimo para microgrids pode ser computado 3

4 Introdução Relevância A estimativa de energia ou potência gerada é extremamente importante para os estudos de fluxo de carga em microgrids 4

5 Introdução Objetivo Estimar a quantidade de energia de irradiação recebida do sol sobre o painel PV, calculado o ângulo de inclinação ótimo trimestralmente, utilizando o mapeamento em rede neurais 5

6 Ref [1]: Autor: A. Keyhani; Fundamentação Teórica Avaliação - Propostas Anteriores Título: Design of Smart Power Grid Renewable Energy Systems; Editora: New York, Wiley; Ano: Jun. 2011; Ref [2]: Autor: A. Keyhani, M. N. Marwali, and M. Dai; Título: Integration of Green and Renewable Energy in Electric Power Systems; Editora: NewYork, Wiley; Ano: Jan

7 Fundamentação Teórica Análise Comparativa Propostas Anteriores Ref [3]: Q. Zhao, P. Wang, and L. Goel, Optimal PV panel tilt angle based on solar radiation prediction, in Proc. IEEE Conf. PMAPS, Jul. 2010, pp Ref [4]: R. Tang and X. Liu, Installation design of solar panels with seasonal adjustment of tilt-angles, in Proc. IEEE Conf. Power and Energy Engineering, Apr. 2010, pp Ref [5]: M. M. El-Kassaby, Monthly and daily optimum tilt angle for south facing solar collectors; theoretical model, experimental and empirical correlations, Solar Wind Technol., vol. 5, no. 6, pp , Indices Q. Zhao, P. Wang, and L. Goel R. Tang and X. Liu M. M. El-Kassaby Comentários Tracker Solar Servo mecanismos Alto custo para geração distribuída Idealmente, os painéis deveriam ser capazes de se movimentar ao longo de dois eixos em uma base de tempo real Para o planejamento de sistemas de energia, é importante estimar a quantidade de energia que estará disponível no local Metodologia Irradiação esperada Base na sazonalidade Girar os painéis solar manualmente Ajustar o ângulo de inclinação em uma base mensal Ajustes efetuados em intervalos de tempo plausíveis Com os dados do local disponíveis, a quantidade de energia solar recebida pode ser calculada. Método utilizado Média autorregressiva móvel NDA Método analítico que utiliza fórmula empírica para estimar o ângulo de inclinação ótimo Parâmetros estimados Irradiação Ângulo de inclinação ótimo. Ângulo de inclinação ótimo. Ângulo de inclinação ótimo. Considerações Considera apenas os valores de radiação no local para a estimativa Recomenda o uso de redes neurais para estimar o ângulo de inclinação ótimo Melhoria marginal do ganho de energia recebida mais que ajustes trimestrais. Os fatores de difusão e reflexão 7 não foram considerados

8 Fundamentação Teórica Conceitos: Geometria Sol - Terra r sol = 6.96 x 10 5 (km) r Irradiação, Incidência, Radiação, : Irradiação : (W/m 2 /h) Energia solar Incidente: (Wh por ano) d Radiação: (W/m 2 ) Fluxo médio de radiação (Constante Solar): 1367 W/m2 [6] d = 1.5 x 10 8 (km) r r Terra = 6.35 x 10 3 (km) 100 vezes menor que a Sol 8

9 Fundamentação Teórica Conceitos: Energia Solar Incidente Energia Gerada em ITAIPU 9 x kwh por ano Energia SOLAR Incidente na Atmosfera 1,5 x kwh por ano 0, = 6% da Energia Solar Incidente no Planeta TERRA O Sol envia anualmente para a Terra cerca de a energia total consumida no planeta (Moss, 2008) Comparação aproximada do tamanho da Terra em relação ao Sol (NASA, 2008) 9

10 Fundamentação Teórica Conceitos: Radiação Solar Figura Adaptada: Intensidade de energia versus comprimento de onda de (FERREIRA, 2006) e (ROHDE, 2007) 10

11 Fundamentação Teórica Conceitos Radiação Solar na Superfície da Terra Radiação Solar 100% 35% Refletida nas nuvens/ superfície e Espalha na Atmosfera 17,5% Absorvida Atmosfera Escala não real Dados Atlas Solarimétrico,

12 Fundamentação Teórica Conceitos: Translação e Rotação da Terra / Estações N Primavera N Rotação Translação S N Verão S N S Inverno Outono S 12

13 Fundamentação Teórica Conceitos: Geometria Sol - Terra Horizontal Plane: O plano tangente à superfície da terra no local do módulo. Direction of Sun, ( S ): Devido à rotação da Terra, o Sol parece mover-se de leste a oeste e sua posição no céu muda com o tempo durante o dia. Solar Elevation Angle, ( α ): O ângulo que o sol faz com o plano horizontal, o qual determina a quantidade de energia que atinge o painel solar na superfície da terra; Ângulo entre o plano horizontal e o sol. 13

14 Fundamentação Teórica Conceitos: Geometria Sol - Terra Zenith Line: Uma linha perpendicular ao plano horizontal, na localização do módulo Zenith Angle, ( θ ) : O ângulo que os raios do Sol fazem com a linha de zênite Solar Azimuthal Angle or Hour Angle, ( ω ): O ângulo medido a partir da linha que une o módulo e a direção Sul para a projeção do Sol sobre o plano horizontal. Sun Rise Angle ( ω s ): O ângulo horário do Sol ao nascer do Sol 14

15 Fundamentação Teórica Conceitos: Geometria Sol - Terra Tilt Angle ( β ): O ângulo que o plano do módulo faz com a horizontal; Em vez de instalar os módulos na horizontal, para capturar o máximo da energia do sol, os painéis são inclinadas em direção ao Equador; Hemisfério Sul: Painel PV Inclinado para Norte; Hemisfério Norte: Painel PV Inclinado para Sul. 15

16 Fundamentação Teórica Conceitos: Geometria Sol - Terra Passagem do sol no céu durante um dia (Chatterjee, Keyhani, 2012) 16

17 Fundamentação Teórica Considerações A relação não linear entre o ângulo de inclinação (Tilt, β) e quantidade de irradiação (Solar Irradiation, I) recebida sobre os painéis fotovoltaicos, faz com que o cálculo do ângulo ótimo de inclinação e a irradiação sejam difíceis de avaliar. 17

18 Cálculo da Irradiação 18

21 Proposta Algoritmo 6(a) Abr até Jun 6(b) Out a Dez 7 (a) Abr até Jun (b) Jul a Set Algoritmo para cálculo da radiação solar global em painéis fotovoltaicos inclinados (Chatterjee, Keyhani, 2012). 21

22 Proposta Rede Neural Multi Camada Estimar o ângulo de inclinação ideal para cada trimestre do ano; Total de energia que estará disponível nos respectivos ângulos ideais por trimestre. 22

23 Proposta Considerações São técnicas computacionais que apresentam um modelo inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência. Ciências atmosféricas. Estimar a relação não-linear entre: Ângulo de inclinação Latitude Refletividade do solo? Irradiação recebida Sem passar por um complicado método analítico 23

24 Proposta Redes Neurais Perceptron Multicamadas A formação é um processo em que os padrões conhecidos de entradas e saídas são apresentados para a rede e os pesos entre as camadas são ajustados interativamente para coincidir com a saída até que o erro entre a saída desejada e a saída do NN seja abaixo de um valor aceitável para todos os cenários de treinamento. 14 Elementos de Entrada: Irradiação de cada mês (Jan à Dez) Latitude Reflexão no solo do local [ref 25 e 26] 5 elementos de saída: Ângulo de inclinação ideal para cada trimestre do ano Energia que está disponível para cada ângulo ideal Estrutura de RN para cálculo do melhor angulo do painel PV (Chatterjee, Keyhani, 2012) 24

25 Resultados Redes Neurais Resultados Gráfico do erro médio quadrado versus época durante o treinamento.(chatterjee, Keyhani, 2012) 25

26 Conclusões Análise Comparativa: Redes Neurais X Analítica Ângulo de inclinação ótima estimada para cada trimestre e irradição anual( Chatterjee, Keyhani, 2012) 26

27 Conclusões Contribuições e Trabalhos Futuros Relação não linear entre a irradiação, o ângulo de inclinação, e a reflexão do solo foi modelado utilizando redes neurais; Foi demonstrado que as redes neurais são capazes de estimar o ângulo de inclinação ótimo com uma precisão de 3 graus e a irradiação no microgrid; A rede neural proposta estima a inclinação ideal ângulo para operação online sem instrumentação adicional; Para os estudos de planejamento, o modelo de RN pode ser usado para estimar a saída de energia em sistemas fotovoltaicos; Para o controle de operação e estudos de fluxo de potência, o modelo de RN pode ser usado para programação da operação. 27

28 Referência [1] A. Keyhani, Design of Smart Power Grid Renewable Energy Systems. New York: Wiley, Jun [2] A. Keyhani, M. N. Marwali, and M. Dai, Integration of Green and Renewable Energy in Electric Power Systems. NewYork:Wiley, Jan [3] Q. Zhao, P. Wang, and L. Goel, Optimal PV panel tilt angle based on solar radiation prediction, in Proc. IEEE Conf. PMAPS, Jul. 2010, pp [4] R. Tang and X. Liu, Installation design of solar panels with seasonaladjustment of tilt-angles, in Proc. IEEE Conf. Power and Energy Engineering,Apr. 2010, pp [5] M. M. El-Kassaby, Monthly and daily optimum tilt angle for southfacing solar collectors; theoretical model, experimental and empiricalcorrelations, Solar Wind Technol., vol. 5, no. 6, pp , [6] E. Lorenzo, Solar Electricity: Engineering of Photovoltaic Systems.Madrid, Spain: Institute of Solar Energy, 1994, Polytechnic Universityof Madrid, ISBN [7] T. Markvart, Solar Electricity. WestSussex,U.K.: Wiley, 1994, pp [8] M. Iqbal, An Introduction to Solar Radiation. New York: Academic,1983, pp [9] J. A. Duffie and W. A. Beckman, Solar Engineering of Thermal Processes.New York: Wiley, [10] C. Frohlich and R. W. Brusa, Solar radiation and its variation in time, Sol. Phys., vol. 74, pp , [11] P. I. Cooper, The absorption of solar radiation in solar stills, Sol.Energy, vol. 12, no. 3, pp , [12] J. K. Page, The estimation ofmonthlymean values of daily total shortwaveradiation on vertical and inclined surfaces from sunshine recordsfor latitudes 40 N 40 S, in Proc. United Nations on New Sources ofenergy, 1961, vol. 4, pp [13] M.W. Garner and S. R. Dorling, Artificial neural networks (the multilayerperceptron) A review of applications in the atmospheric sciences, Atmosph. Environ., vol. 32, no. 14/15, pp , Aug [14] S. Pillutla and A. Keyhani, Neural network based saturation modelfor round rotor synchronous generator, IEEE Trans. Energy Convers.,vol. 14, no. 4, pp , Dec [15] L. S. H. Ngia and J. Sjoberg, Efficient training of neural nets for nonlinearadaptive filtering using a recursive Levenberg-Marquardt algorithm, IEEE Trans. Signal Process., vol. 48, no. 7, pp , Jul [16] A Joint Project of Solar Energy Centre, MNRE Indian MetrologicalDepartment, Solar Radiation Handbook. [Online]. Available: [17] W. Marion and S. Wilcox, Solar Radiation Data Manual for Flat-Plateand Concentrating Collectors, National Renewable Energy Laboratory.[Online]. Available: 28

29 Obrigado! 29