• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • Il modello aiuta a scegliere le posizioni dei parchi eolici, prevede l'uscita

    Un parco eolico nelle montagne Tehachapi della California. Credito:Stam Shebs

    Il vento soffia sempre da qualche parte, ma decidere dove localizzare un parco eolico è un po' più complicato che alzare un dito bagnato. Ora un team di ricercatori della Penn State ha un modello in grado di individuare il posto migliore per il parco eolico e persino di aiutare con previsioni 24 ore su 24 della produzione di energia.

    "Normalmente, le persone che progettano di costruire un parco eolico cercheranno un buon terreno e una velocità media del vento che non sia né troppo forte né troppo debole, ma coerente, " disse Guido Cervone, professore di geografia, e la meteorologia e la scienza dell'atmosfera. "Abbiamo trovato un modo più accurato ed efficiente per esaminare la prevedibilità del vento in luoghi specifici, un fattore chiave quando si considera la costruzione di un nuovo parco eolico. Con i combustibili fossili e l'energia nucleare sai esattamente quanta energia avrai. Ma il vento non è così".

    Posizione, per potenza elettrica generale, è importante, ma è anche importante poter prevedere quanta energia eolica sarà in grado di produrre il parco nelle 24 ore future. I fornitori di energia elettrica acquistano l'energia prodotta dai parchi eolici e vogliono affidabilità. I parchi eolici vendono regolarmente la loro produzione elettrica ai fornitori, ma vorrebbero anche essere in grado di programmare, 24 ore prima, quanta potenza produrranno.

    "I fornitori di energia elettrica devono sapere quanta energia è disponibile il giorno prima, " disse Cervone, che è anche direttore associato del Penn State Institute for CyberScience. "Hanno bisogno di fonti affidabili perché non possono avere un blackout. Inoltre, non vogliono acquistare più elettricità sul mercato spot perché gli acquisti in giornata sono più costosi".

    Cervone e Mehdi Shahriar, recente dottorato Penn State in ingegneria energetica e mineraria, usato l'ensemble analogico, sviluppato dal Centro Nazionale per la Ricerca Atmosferica, analizzare gli errori nelle previsioni di produzione elettrica dei parchi eolici in tutto il paese.

    AnEn utilizza una serie storica di osservazioni e previsioni passate che abbracciano almeno diversi mesi, ma preferibilmente due anni. Fornisce un modello probabilistico della previsione, in questo caso l'eolico disponibile per la produzione di energia.

    "Abbiamo osservato che le località con una velocità media del vento più elevata sono associate a gradi maggiori di incertezza delle previsioni che aumentano la difficoltà di prevedere la velocità del vento in queste località, " i ricercatori riferiscono di recente online in Energia rinnovabile .

    Utilizzando le previsioni passate da potenziali località di ubicazione, i costruttori di parchi eolici potrebbero scegliere località con velocità del vento medie forse inferiori, ma venti più consistenti e prevedibili.

    L'approccio dei ricercatori non fornisce una semplice risposta affermativa o negativa al fatto che ci sarà vento. Il modello produce una curva di probabilità per la produzione eolica da cui le aziende possono prendere decisioni comprendendo i rischi. Se il modello dice che la probabilità di vento sufficiente per la produzione elettrica è di circa l'80%, sia i proprietari dei parchi eolici che gli acquirenti di elettricità conoscono il rischio che i venti siano insufficienti. Se la probabilità è del 20%, indubbiamente entrambi deciderebbero che il rischio sarebbe troppo grande per fare affidamento sul parco eolico per l'elettricità.

    "Se possiamo prevedere la velocità del vento, possiamo prevedere la produzione e dire quanta energia produrremo in un dato tempo, " disse Cervone.

    Il modello è estremamente efficiente. Data la previsione attuale, cerca una previsione storica che corrisponda e fornisca le velocità e le durate effettive del vento.

    "Questo modello è computazionalmente efficiente, " ha detto Cervone. "Potremmo eseguirlo continuamente su una vasta area con pochi problemi."


    © Scienza https://it.scienceaq.com