Pesquisadores da China desenvolveram uma nova maneira de monitorar a cobertura de nuvens em usinas fotovoltaicas. Consiste em um novo algoritmo que usa técnicas de aprendizado de máquina para processar e capturar imagens de satélite geoestacionárias como entrada.
“Estamos comprometidos em desenvolver um algoritmo de previsão diurna por hora de fração de nuvens (CF) para pequenas áreas de usinas fotovoltaicas”, explicaram. “Nosso principal objetivo é desenvolver um algoritmo ou sistema inovador e fácil de promover baseado na estrutura chave do modelo PredRNN++.”
O método “NCP_CF” recebe dados de radiância de entrada do satélite Himawari-8/9 e pode processar dados centrados em usinas fotovoltaicas com resoluções espaço-temporais de 4 km. Em seguida, ele transforma esses detalhes em blocos, que são usados para um modelo de previsão.
O modelo também é capaz de aprender a prever imagens futuras de longo prazo em várias tarefas espaço-temporais usando a estrutura de algoritmo de memória de curto prazo (LSTM) baseada em redes neurais recorrentes (RNNs). Modificado para previsão de nuvens, o novo sistema é atualizado a cada hora, mostrando as imagens de nuvem mais recentes para as quatro horas seguintes. Em seguida, um algoritmo de máscara de nuvem calcula o número de pixels nublados sobre as usinas fotovoltaicas.
Imagem: Universidade Sun Yat-sen e Laboratório de Ciências e Engenharia Marinha do Sul de Guangdong, Nature Communications, CC BY 4.0 DEED
O novo sistema de previsão foi testado em cinco usinas fotovoltaicas localizadas na China de 2019 a 2022. Os resultados foram então comparados com observações de doze estações manuais terrestres e três estações de imageadores de todo o céu.
Quanto aos dados de fração de nuvens (FC) prevista, os cientistas descobriram que seu sistema tinha erros quadrados médios (RMSEs) de 0,21, 0,25, 0,3 e 0,35 para o tempo de execução previsto de uma hora, duas horas, três horas e quatro horas, respectivamente. Os erros médios de viés (MBEs) ou os mesmos tempos de execução foram encontrados em −0,09, −0.08,-0,07 e -0,03 para a previsão.
Imagem: Universidade Sun Yat-sen e Laboratório de Ciências e Engenharia Marinha do Sul de Guangdong, Nature Communications, CC BY 4.0 DEED
“Nossa missão futura é promover ainda mais as aplicações e melhorar a precisão desta técnica de nowcasting de cobertura de nuvens, especialmente para o tempo de previsão de mais de duas horas, usando dados de satélite de maior resolução espacial e combinando os dados de previsão de curto prazo de uma previsão numérica, numérica de alta resolução regional rapidamente atualizada”, concluíram os acadêmicos.
A pesquisa foi conduzida por cientistas da Universidade Sun Yat-sen, Laboratório de Ciências e Engenharia Marinha do Sul de Guangdong, Administração Meteorológica da China, Grupo Geral de Energia Nuclear da China e a Beijing Keytec Technology. Eles apresentaram seus resultados em “Accurate nowcasting of cloud cover at solar photovoltaic plants using geostationary satellite images“, que foi publicado recentemente em Nature Communications.
Este conteúdo é protegido por direitos autorais e não pode ser reutilizado. Se você deseja cooperar conosco e gostaria de reutilizar parte de nosso conteúdo, por favor entre em contato com: editors@pv-magazine.com.
Ao enviar este formulário, você concorda com a pv magazine usar seus dados para o propósito de publicar seu comentário.
Seus dados pessoais serão apenas exibidos ou transmitidos para terceiros com o propósito de filtrar spam, ou se for necessário para manutenção técnica do website. Qualquer outra transferência a terceiros não acontecerá, a menos que seja justificado com base em regulamentações aplicáveis de proteção de dados ou se a pv magazine for legalmente obrigada a fazê-lo.
Você pode revogar esse consentimento a qualquer momento com efeito para o futuro, em cujo caso seus dados serão apagados imediatamente. Ainda, seus dados podem ser apagados se a pv magazine processou seu pedido ou se o propósito de guardar seus dados for cumprido.
Mais informações em privacidade de dados podem ser encontradas em nossa Política de Proteção de Dados.