Tuulivoimapuiston tuotannonsuunnittelu tuuliennusteiden pohjalta

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Tuominen, Arto
dc.contributor.author Järvenpää, Lari
dc.date.accessioned 2012-03-12T06:54:48Z
dc.date.available 2012-03-12T06:54:48Z
dc.date.issued 2010
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/3202
dc.description.abstract Viime vuosina tuulivoiman käyttö on lisääntynyt merkittävästi monessa maassa ja saman trendin oletetaan jatkuvan myös tulevaisuudessa. Tulevan tuotannon ennustaminen on tuulivoiman tuottajille ensiarvoisen tärkeää, sillä sähkömarkkinoiden rakenne pakottaa tuulivoimatuottajat ennustamaan tulevan tuotantonsa etukäteen. Tuulivoimatuottajien on siis hyväksyttävä, että mahdolliset ennustepoikkeamat johtavat taloudellisiin tappioihin. Tämän vuoksi tuottajilla on tarve tehdä ennusteensa mahdollisimman tarkasti. Tämä diplomityö esittelee ensin yleisesti tuulivoimaa ja sähkömarkkinoiden rakennetta. Tämän jälkeen työssä käydään läpi useita viimeisimpiä tuulituotannon ennustemalleja. Lisäksi työssä esitellään erään tuulivoimapuiston nykyinen suoraan tuuliturbiinin tehokäyrään perustuva ennustemenetelmä ja arvioidaan sen tarkkuutta. Näihin tuloksiin perustuen työssä kehitetään ennustemalleja, joiden avulla voidaan tehdä lyhyen ajan (alle kahden päivän) tuulituotannon ennusteita. Pääasiallisena mallien luokkana ovat kehittyneet tekoälyyn perustuvat autoregressiiviset mallit, joita täydennetään numeeristen sääennusteiden informaatiolla. Tuulennopeuden ja tuotannon ennustaminen on kuitenkin varsin hankalaa, joten ei ole olemassa mallia, jonka avulla päästäisiin täydellisiin ennusteisiin. Jotta ennusteen epävarmuutta voitaisiin arvioida ja tuulituotantoa myydä ja hallita tehokkaammin, tämä työ esittelee myös menetelmiä ennustevirheiden estimoimiseksi. Käyttöönotettujen mallien suorituskykyä mitataan ja verrataan verrokkimalliin. Tulokset osoittavat, että kehittyneiden ennustemallien avulla ennustevirheet ja näistä johtuvat taloudelliset tappiot pienenevät. Tässä työssä esitellyillä tuloksilla ja mallirakenteilla on yleistä arvoa, mutta niitä pitää tulkita tapauskohtaisesti. fi
dc.description.abstract In recent years, the use of wind power has expanded significantly in many countries and shall continue on that track in the future as well. In the everyday operation of wind power producers, predicting the future output of wind power is of key interest. The structure of electricity markets imposes upon the producer to forecast the future production level, which thus forces the producer to be subject to possible deviations. These deviations lead to economic losses; therefore there is a strong need to predict as accurately as possible. After briefly introducing wind power in general as well as explaining the structure of electricity markets, this thesis presents some of the current state-of-the-art wind power prediction models and uses as a reference the current forecasting performance from a wind farm case study. The reference model is based directly on a turbine power curve. Based on these results it then develops forecasting models for making short-term (up to two days) predictions of wind power output. The main focus is on advanced artificial intelligence-based autoregressive models enhanced with numerical weather prediction information. The prediction of wind speed and production is rather intractable by nature; therefore there cannot be any model that would lead to zero errors of prediction. For evaluating this omnipresent uncertainty, methods for estimating prediction errors which would lead to more effcient wind power trading and management are also presented and tested. The performance of the implemented models is measured and compared to the reference model. The results show that the use of an advanced forecasting model decreases the prediction errors and thus also the related economical losses. The results have a general value; nevertheless they, as well as the model configurations presented here, have to be considered as case-specific. en
dc.format.extent [13+] 93
dc.format.mimetype application/pdf
dc.language.iso en en
dc.publisher Aalto University en
dc.publisher Aalto-yliopisto fi
dc.title Tuulivoimapuiston tuotannonsuunnittelu tuuliennusteiden pohjalta fi
dc.title Production planning of a wind farm based on wind speed forecasting en
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.department Automaatio- ja systeemitekniikan laitos fi
dc.subject.keyword wind farm en
dc.subject.keyword wind power prediction en
dc.subject.keyword wind speed forecasting en
dc.subject.keyword prediction uncertainty en
dc.subject.keyword electricity markets en
dc.subject.keyword support vector machine en
dc.subject.keyword tuulivoimapuisto fi
dc.subject.keyword tuulivoimaennustaminen fi
dc.subject.keyword tuulennopeuden ennustaminen fi
dc.subject.keyword ennustusten epävarmuus fi
dc.subject.keyword sähkömarkkinat fi
dc.subject.keyword tukivektorikone fi
dc.identifier.urn URN:NBN:fi:aalto-201203131433
dc.type.dcmitype text en
dc.programme.major Systeemitekniikka fi
dc.programme.mcode AS-74
dc.type.ontasot Diplomityö fi
dc.type.ontasot Master's thesis en
dc.contributor.supervisor Koivo, Heikki
dc.location P1 fi


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account