Wind power forecasting based on time series

Wind is one of the most promising energy sources as it is clean and present in abundance throughout the world. However, the dependency of the power systems on wind power is deeply affected by its unpredictable nature. In order to meet the real time demand of the power systems it is necessary to have a short-term estimation of the wind behavior. Therefore, accurate short-term forecasting algorithms are necessary. This thesis introduces short-term wind power forecasting model based on ARIMA(Autoregressive Integrated Moving Average), which was applied to wind speed and power data from Ricigliano wind farm in Italy, using two different approaches; the first one forecasts the power directly and the second one first forecasts wind speed then using an empirical power curve convert it to the power. Both approaches are compared with persistence method, which is a basic reference model for testing the short-term forecasting approaches. Simulation results show that both approaches outperformed the reference, while the second approach performed slightly better than the first one.

Il vento è una delle fonti di energia più promettenti in quanto questa forma di energia è pulita ed e presente in abbondanza nel mondo. Comunque, la dipendenza dei sistemi energetici dall’energia del vento è profondamente influenzato dalla sua imprevedibile natura.Per soddisfare la domanda reale dei sistemi energetici è necessario avere delle stime a breve termine del comportamento del vento. Per cui, algoritmi di previdizione a breve termine sono necessari. Questa tesi introduce il modello di previsione della potenza del vento basato su ARIMA (Autoregressive Integrated Moving Average), il quale è stato applicato ai dati di velocità e potenza del vento dell’impianto eolico di Ricigliano (Italy), usando due approcci diversi. Il primo prevede in maniera diretta la potenza del vento e il secondo prevede innanzitutto la velocità del vento, successivamente sfruttando un curva di potenza empirica e la converte in potenza. Ambedue gli approcci di previsione sono paragonati con il persistence method, il quale è il modello di riferimento per confrontare dei modelli di previsione a breve termine. I risultati della simulazione mostrano che entrambi gli approcci superano il riferimento, e il sencondo approccio si comporata leggermente meglio del primo.