METEOCENTER
FORECAST FOTOVOLTAICO
FORECAST DI IMMISSIONE IN RETE E MONITORAGGIO
I prodotti di forecast per impianti fotovoltaici sono costruiti per raccogliere la sfida della aleatorietĂ e della scalabilitĂ del servizio fra poche unitĂ a grandi quantitĂ di impianti anche di piccole dimensioni
Allo scopo vengono accoppiati strumenti di Machine Learning ai modelli meteorologici quantitativi allo scopo di apprendere i comportamenti degli impianti in determinate condizioni meteo, abbattere gli errori dei modelli fisici deputati al calcolo dell'energia immessa e mitigare gli effetti sullo sbilanciamento da "double penalty" ovvero da eventi meteorologici previsti correttamente ma con time lags di qualche ora, condizione comune per modelli meteorologici ad elevata risoluzione fra i quali diversi concepiti proprio per applicazioni di forecast fotovoltaico (MAD-WRF)
Per simulare l'impatto dell'aleatorietĂ sulla produzione attesa si utilizzano numerose corse modellistiche a cui viene applicata una leggera perturbazione casuale delle condizioni iniziali (Stochastic Kinetic Energy Backscatter) oltre ad un approccio "multiphysics" .
Il Medesimo approccio viene perseguito per le modellizzazioni di produzione energetica allo scopo di valutare l'incertezza derivata da questo tipo di modellazione per poi farla gestire ad algoritmi di deep learning

MAGGIORI DETTAGLI
- Profilazione tramite apprendimento supervisionato e di rinforzo dei singoli impianti
- PossibilitĂ di distribuzione dei soli dati meteo per alimentare modellizzazioni di terze parti
- Double Ensemble - Meteo Ensemble + Machine Learning model ensemble
- Risultati distribuibili mediante dashboard dedicate o via OpenAPI