Title: | Statistical Methods for Variable Renewable Energy Generation Modelling Tilastollisia menetelmiä vaihtelevan uusiutuvan energiantuotannon mallintamiseen |
Author(s): | Ekström, Jussi |
Date: | 2018 |
Language: | en |
Pages: | 90 + app. 114 |
Department: | Sähkötekniikan ja automaation laitos Department of Electrical Engineering and Automation |
ISBN: | 978-952-60-7882-3 (electronic) 978-952-60-7881-6 (printed) |
Series: | Aalto University publication series DOCTORAL DISSERTATIONS, 42/2018 |
ISSN: | 1799-4942 (electronic) 1799-4934 (printed) 1799-4934 (ISSN-L) |
Supervising professor(s): | Lehtonen, Matti, Prof., Aalto University, Department of Electrical Engineering and Automation, Finland |
Thesis advisor(s): | Mellin, Ilkka, Aalto University, Department of Mathematics and Systems Analysis, Finland; Koivisto, Matti, Dr., Technical University of Denmark, Denmark |
Subject: | Electrical engineering, Energy |
Keywords: | Monte Carlo simulation, photovoltaic power generation, renewable energy, solar energy, solar irradiance, VRE generation, wind power generation, wind speed, auringon irradianssi, aurinkoenergia, aurinkosähkö, kopula, Monte Carlo simulaatiot, tuulen nopeus, tuulivoima, uusiutuva energia |
|
|
Abstract:Yksi merkittävä keino ilmastonmuutoksen hillitsemiseksi on fossiilisiin polttoaineisiin perustuvan energiantuotannon korvaaminen CO2-vapailla tuotantomuodoilla. Sähköntuotannossa tällaisia tuotantomuotoja ovat mm. vesivoima, ydinvoima sekä vaihtelevat uusiutuvat energianlähteet kuten tuuli- ja aurinkoenergia. Tuuli- ja aurinkoenergian tuotannon asennetun kapasiteetin määrä kasvaa globaalisti nopealla tahdilla. Kasvava vaihtelevan energiantuotannon määrä voi kuitenkin aiheuttaa ongelmia voimajärjestelmille, sillä se lisää myös tehotuotannon vaihteluita. Jotta voimajärjestelmän luotettava toiminta voidaan taata ja uusiutuvan vaihtelevan energiantuotannon laajamittainen käyttöönotto mahdollistaa, tulee vaihtelevan uusiutuvan tuotannon käyttäytymistä pystyä ymmärtämään ja mallintamaan tarkasti niin lyhyellä kuin pitkällä aikavälillä. |
|
Parts:[Publication 1]: Matti Koivisto, Jussi Ekström, Ilkka Mellin, Janne Seppänen, Eero Saarijärvi, Liisa Haarla. Statistical analysis of large scale wind power generation using Monte Carlo simulations. In Power Systems Computation Conference (PSCC), Wroclaw, Poland, pages 1-7, August 2014. DOI: 10.1109/PSCC.2014.7038461 View at Publisher [Publication 2]: Jussi Ekström, Matti Koivisto, Ilkka Mellin, Robert John Millar, Eero Saarijärvi, Liisa Haarla. Assessment of large scale wind power generation with new generation locations without measurement data. Renewable Energy, Vol 83, pages 362-374, November 2015. DOI: 10.1016/j.renene.2015.04.050 View at Publisher [Publication 3]: Jussi Ekström, Matti Koivisto, Ilkka Mellin, Robert John Millar, Matti Lehtonen. A Vector Autoregressive Based Methodology for Wind Generation and Power Ramp Analysis in New Locations. Submitted to a peer reviewed journal, August 2017[Publication 4]: Jussi Ekström, Matti Koivisto, Robert John Millar, Ilkka Mellin, Matti Lehtonen. A Statistical Approach for Hourly Photovoltaic Power Generation Modeling with Generation Locations without Measured Data. Solar Energy,Vol 132, pages 173-187, July 2016. DOI: 10.1016/j.solener.2016.02.055 View at Publisher [Publication 5]: Jussi Ekström, Matti Koivisto, Ilkka Mellin, Robert John Millar, Matti Lehtonen. A statistical model for hourly large-scale wind and photovoltaic generation in new locations. IEEE Transactions on Sustainable Energy, Vol 8,Issue 4, pages 1383-1393, October 2017. DOI: 10.1109/TSTE.2017.2682338 View at Publisher [Publication 6]: Matti Koivisto, Jussi Ekström, Ilkka Mellin, Robert John Millar, Matti Lehtonen. Statistical wind direction modeling for the analysis of large scale wind power generation. Wind Energy, Vol 20, pages 677-694, 2017. DOI: 10.1002/we.2030 View at Publisher [Publication 7]: Matti Koivisto, Jussi Ekström, Janne Seppänen, Ilkka Mellin, Robert John Millar, Liisa Haarla. A Statistical Model for Comparing Future Wind Power Scenarios with Varying Geographical Distribution of Installed Generation Capacity. Wind Energy, Vol 19, pages 665-679, 2016. DOI: 10.1002/we.1858 View at Publisher |
|
|
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Page content by: Aalto University Learning Centre | Privacy policy of the service | About this site