Modelling of Uncertainties in Wind Power Forecasts

Abstract

The share of intermittent wind power generation is increasing in the power system. As weather-dependent, stochastic, non-dispatchable resource accurate forecasts of wind power production are necessary for efficient operation of both power system and electricity markets. There are several providers of such forecasts, but few give estimates on the reliability of their forecasts. Wind power forecast errors cause financial losses to wind producers and market participants, and there is a keen interest towards such reliability estimates of wind forecasts. In this thesis three different models are introduced to study the power production of single wind farm. The main modelling approach is to leverage numerical ensemble weather predictions to build probabilistic machine learning models. Forecast intervals are treated with three different approaches with the goal of creating actionable insights about the power production uncertainty to support decision-making.

Vaihtelevan tuulivoimatuotannon osuus energiantuotannossa kasvaa alati. Sääriippuvaisena, stokastisena ja heikosti hallittavana tuotantona tarkat tuulivoimatuotantoennusteet ovat välttämättömiä sekä energiajärjestelmän että -markkinoiden sujuvalle toiminnalle. Ennusteiden tarjoajia on useita, mutta harva tarjoaa arvioita ennusteidensa luotettavuudesta. Ennustevirheet aiheuttavat taloudellisia menetyksiä sekä tuottajille että muille markkinaosapuolille, minkä takia alalla on paljon kiinnostusta luotettavuusestimaatteja kohtaan. Tässä diplomityössä esitellään kolme mallia yksittäisen tuulipuiston tuotannon mallintamiseen. Mallintamisessa hyödynnetään sään parviennusteita pääasiallisena tapana mallintaa tuotannon vaihtelevuutta. Ennusteintervallit luodaan kolmella eri metodilla tarkoituksena tuottaa tuulivoimatoimijoille tietoa tuulivoimatuotannon epävarmuudesta päätöksenteon tueksi.