NCAR, 첨단 태양에너지 예측 시스템 개발

2023년 5월 30일 - David Hosansky 작성

국립대기연구센터(NCAR)는 뉴욕주가 재생 에너지 목표를 달성하는 데 도움이 되는 동시에 납세자들을 위해 수백만 달러를 절약할 수 있는 잠재력을 제공하는 첨단 태양 에너지 예측 시스템을 성공적으로 개발했습니다.

NYSolarCast라고 불리는 오픈 소스 시스템은 일기 예보, 대기 조건 관찰, 기계 학습 기술을 활용하여 태양 복사량과 그에 따른 발전량에 대한 정확한 몇 시간 및 하루 전 예측을 생성합니다. 뉴욕주 전역을 포괄하는 3km 그리드에 대해 15분마다 발행되는 이러한 예측은 주요 태양광 발전소와 옥상 태양광 패널 모두에 대한 태양광 발전을 예측하는 데 사용될 수 있습니다.

뉴욕에 대한 유망한 결과를 보여주는 것 외에도 이 기술은 미국의 다른 곳과 전 세계 다른 지역에 적용될 수 있습니다.

NCAR의 수석 개발자인 Jared Lee는 "이 시스템은 전 세계적으로 적용 가능합니다."라고 말했습니다. "이는 고도로 구성 및 사용자 정의가 가능하므로 유틸리티에 필요한 모든 예측 지역에 대해 원하는 시간 간격으로 예측을 제공할 수 있습니다."

뉴욕에 대한 예측은 매우 정확했습니다. 1년의 검증 기간 동안 NYSolarCast의 예측은 지속적으로 실제 발전량의 약 10% 이내였습니다. 다행스럽게도 과잉 예측과 ​​과소 예측이 거의 균형을 이루었습니다.

NYSolarCast의 개발은 성장하는 뉴욕의 태양광 산업이 일기 예보를 활용하여 발전량을 더 잘 예측하고 전력망의 신뢰성을 향상시킬 수 있도록 돕기 위한 대규모 다년간의 연구의 일부였습니다. 주정부가 2030년까지 재생 가능 에너지원으로부터 70%의 전력 생산을 달성하고 2040년까지 전력 부문 제로 배출 목표를 달성하려면 더욱 정확한 예측이 중요합니다.

이 연구는 뉴욕주 전력청(New York Power Authority)과 뉴욕주 에너지 연구개발청(New York State Energy Research and Development Authority)의 자금 지원을 받았습니다. 독립적인 비영리 에너지 R&D 기관인 EPRI가 공동 관리했습니다. 다른 파트너로는 Brookhaven 국립 연구소와 Albany에 있는 뉴욕 주립 대학교가 있습니다. 자문단에는 NYISO(New York Independent System Operator)와 뉴욕 배전 유틸리티인 Central Hudson이 포함되었습니다.

태양 에너지 생산을 확대하려면 태양 복사 조도를 성공적으로 예측하는 것이 중요합니다. 전력회사가 태양이나 다른 재생 가능 에너지원으로부터 에너지를 기대하여 석탄이나 천연가스 시설의 전원을 끄면 일조량이 부족할 경우 해당 발전소의 전원을 충분히 빨리 켜지 못할 수 있습니다. 이러한 시나리오에서 유일한 옵션은 현물 시장에서 에너지를 구매하는 것인데, 이는 매우 비용이 많이 들 수 있습니다.

NCAR은 이전에 Xcel Energy 요금 납부자들이 매년 수백만 달러를 절약할 수 있는 풍력 에너지 예측 시스템을 개발했습니다.

NYSolarCast를 개발할 때 Lee와 그의 동료들은 상당한 어려움에 직면했습니다. 뉴욕은 기후학적으로 다양한 주입니다. 오대호를 따라 펼쳐진 눈지대와 Adirondacks의 높은 봉우리는 Long Island의 해안 지역과 훨씬 다른 대기 조건을 생성합니다. 또한 구름마다 태양 복사 조도에 다양한 영향을 미치기 때문에 그들의 모델은 구름을 상당히 정확하게 포착해야 했습니다. 예를 들어, 저지대에 쌓인 층운은 들어오는 햇빛을 차단하는 반면, 푹신한 적운은 측면에서 복사조도를 반사하여 맑은 파란색 동안 발생하는 것보다 표면에서 일시적으로 더 높은 태양 복사조도와 더 많은 태양 에너지 출력을 발생시킵니다. 하늘.

유용한 시스템을 개발하기 위해 Lee와 그의 동료들은 주 전체에 걸쳐 126개 기상 관측소로 구성된 네트워크인 뉴욕 주 Mesonet에서 2년간의 기상 관측을 활용했습니다. 그들은 또한 선택된 태양광 설비의 전력 생산 데이터를 분석했습니다. 이 과거 정보를 통해 기계 학습 모델을 훈련하여 기상 조건과 전력 출력을 연관시킬 수 있었습니다.