Selon une nouvelle étude, améliorer les prévisions de l. a. vitesse du vent pourrait aider à l. a. manufacturing d’électricité dans les zones urbaines

L’électricité éolienne jouera un rôle essentiel dans l. a. capacité énergétique mondiale à mesure que l’humanité abandonnera les combustibles fossiles au benefit des resources d’énergie renouvelables. L. a. vitesse du vent est un facteur clé pour estimer le potentiel énergétique éolien d’un emplacement. Mais prévoir l. a. vitesse du vent est une tâche difficile. Cela représente un défi pour les services and products publics qui doivent s’appuyer sur des estimations fiables pour exploiter leurs réseaux.

De nombreux modèles prédisent déjà l. a. vitesse du vent avec différents degrés de précision et de fiabilité. Dans une étude menée par Concordia et publiée dans l. a. revue ÉnergiesDes chercheurs du Département de génie du bâtiment, civil et environnemental du Collège d’ingénierie et d’informatique Gina Cody présentent une approche hybride qui intègre plusieurs varieties de modèles.

Les chercheurs affirment que cette méthode hybride peut améliorer l. a. précision des prévisions jusqu’à 30 %. Le projet a débuté à l’époque dans le cadre d’une thèse de doctorat. Étudiant Navid Shirzadi. Shirzadi envisageait de concevoir un micro-réseau pour le campus de l’Université Concordia, au centre-ville de Montréal.

L. a. nouvelle approche utilise l’analyse des données et les résultats de deux resources : l. a. distribution de probabilité de Weibull et l. a. prévision numérique du temps (PNT).

Dans ce cas, l. a. distribution de Weibull prédit les probabilités de vitesse du vent sur l. a. base de données historiques et d’autres variables. En revanche, l. a. prévision numérique du temps utilise des principes physiques pour prédire le comportement futur sur l. a. base d’un algorithme vaste et complexe. L. a. prévision numérique du temps est couramment utilisée par les services and products et programs météorologiques pour les prévisions quotidiennes et horaires.

Bien que ces modèles aient leurs issues forts, Shirzadi affirme qu’ils présentent des limites importantes lorsqu’ils tentent de les appliquer à l. a. manufacturing d’électricité.

« Le comportement aléatoire et les fluctuations des resources d’énergie renouvelables rendent l. a. conception et l’exploitation d’un micro-réseau très difficiles », explique-t-il.

“Il n’y a pas de modèle particulier ou de saisonnalité que vous puissiez facilement détecter. Nous avons besoin d’un modèle très robuste pour prédire l. a. manufacturing éolienne.”

Les chercheurs ont d’abord incorporé les probabilités de Weibull dans un modèle de mémoire à lengthy terme (LTSM). Le LTSM est un sort de réseau neuronal récurrent particulièrement utile pour l’analyse de séries chronologiques. Les chercheurs ont ensuite ajouté les données du NWP pour renforcer davantage leur modèle.

Shirzadi dit que l’hybridation initiale entre l. a. distribution LSTM et l. a. distribution Weibull a conduit à des résultats prometteurs. Ces résultats ont été améliorés par l’ajout de l. a. prévision numérique du temps (PNT) : les erreurs de prévision ont été réduites de 32 % par rapport aux prévisions LTSM non hybrides sur 48 heures.

Moteurs de croissance

Alors que l’énergie éolienne proceed de croître dans le monde, il reste encore beaucoup à faire avant que le scénario global de zéro émission nette ne soit atteint d’ici 2050. Selon l’Agence internationale de l’énergie, pour atteindre zéro émission nette d’ici le milieu du siècle, il faudrait produire 7 400 térawatts. -heures d’énergie solaire. L’énergie éolienne seule d’ici l. a. fin de cette décennie. L. a. manufacturing mondiale d’électricité éolienne s’élève aujourd’hui à 2 100 TWh, ce qui signifie qu’une uniqueness croissance des investissements d’une année sur l’autre est nécessaire dans un avenir prévisible.

Le professeur agrégé et co-auteur Fozan Nasiri croit que cette recherche, ainsi que d’autres recherches réalisées par des membres du Subsequent Era Towns Institute de l’université et de l. a. Voltage Initiative, peut contribuer aux efforts de décarbonisation de Concordia. Concordia est en passe d’atteindre sa propre carboneutralité d’ici 2050, faisant ainsi de l’université un chef de document au Canada.

“Nous devons diversifier nos resources d’énergie”, explique Al-Nasiri. “Les capacités locales en font partie.”

“Nous ne pouvons pas nous fier uniquement au réseau existant, qui peut être vulnérable aux catastrophes naturelles comme les tempêtes de verglas. Il ajoute un tampon lors des pannes de courant. Il est donc très vital d’avoir une idée précise de l. a. vitesse du vent pour savoir lequel zone a l. a. vitesse l. a. plus élevée. » Potentiel d’efficacité Generators opérationnelles.

“L. a. gestion de l’énergie est de plus en plus importante, automotive les énergies renouvelables intermittentes doivent constamment répondre à l. a. demande. Une prévision précise de l. a. vitesse du vent est l. a. clé”, souligne Ursula Ecker, chief de l’excellence en recherche au Canada sur les villes et communautés intelligentes, durables et résilientes, et directrice principale de Shirzadi. Une base pour une meilleure prévision de l. a. manufacturing d’énergie variable, de l’adaptation de l. a. price et de l’utilisation du stockage.