Solar irradiation and load power demand forecasting for storage optimization using artificial neural networks

In recent years, the strong growth in solar power generation industries is requiring an increasing need to predict the profile of solar power production over the day, in order to develop highly efficient and optimized stand-alone and grid connected photovoltaic systems. Moreover, the opportunities offered by battery energy storage systems coupled with PV systems, require the load power to be forecasted as well, in order to optimize the size of the entire system composed by PV panels and storage. In this work is proposed a predictive model based on feed-forward neural network trained with Levenberg-Marquardt back-propagation learning algorithm, to forecast solar irradiation and load power consumption using past values of these vectors, as well as exogenous inputs like ambient temperature or wind speed. The entire work is divided into six chapters. In the first chapter is presented a theoretical introduction over biological and artificial neural networks. In the second and third chapter is presented the building, training and simulation of different neural networks for solar irradiation and load power demand forecasting. The different input sets used to train networks will be presented and the advantages or disadvantages in terms of forecasting error and computational cost will be discussed. The last three chapters introduce different scenarios in which the sizing and control of a battery energy storage system (BESS) is accomplished. In particular, the fourth chapter illustrates the sizing of a BESS in a domestic scenario in order to maximize self-consumption. In the fifth chapter is presented the sizing of a BESS in order to obtain load peak-shaving in a medium voltage electric substation. Moreover, a control strategy for reducing load variance will be qualitatively discussed. Finally, the last chapter presents a sizing and control strategy of a BESS aimed at increasing the dispatchability of a photovoltaic generation farm.

Nel corso degli ultimi anni, il forte sviluppo dell’industria fotovoltaica sta generando una crescente necessità di conoscere in anticipo l’andamento della produzione di potenza elettrica ottenuta da impianti fotovoltaici, al fine di sviluppare sistemi innovativi e altamente efficienti. Inoltre, le opportunità offerte dai sempre più diffusi sistemi di accumulo elettrochimici in unione alle fonti rinnovabili, fanno sì che anche la potenza richiesta dal carico debba essere prevista. In questo lavoro di tesi è stato sviluppato un modello previsionale basato sulle reti neurali artificiali, istruite attraverso una tipologia di algoritmo di “Error back-propagation” proposto da Kenneth Levenberg e Donald Marquardt, finalizzate alla previsione dell’andamento orario di carico e irraggiamento solare. L’intero lavoro è suddiviso in sei capitoli. Nel primo capitolo vengono presentati dei cenni teorici sulle reti neurali biologiche e artificiali. Nel secondo e terzo capitolo sono mostrati la costruzione, l’addestramento e la simulazione di differenti reti neurali destinate alla previsione dell’irraggiamento solare e della richiesta di carico di una particolare utenza. Sono inoltre mostrati i differenti set di input utilizzati e i rispettivi vantaggi e svantaggi in termini di accuratezza della previsione e costo computazionale. Gli ultimi tre capitoli mostrano tre differenti scenari in cui vengono mostrati il dimensionamento e il controllo di sistemi di accumulo elettrochimici. In particolare, nel quarto capitolo è illustrato il dimensionamento di una batteria volto ad ottenere un incremento del livello di autoconsumo di un’utenza domestica. Nel quinto capitolo è mostrato il dimensionamento di un sistema di accumulo finalizzato al peak-shaving del carico di una sottostazione elettrica. Inoltre, una strategia di controllo per ridurre l’intermittenza del carico, basata sulla previsione dello stesso, è stata qualitativamente descritta. Infine, nel sesto capitolo viene presentata una strategia di dimensionamento e controllo, basata sulla previsione dell’irraggiamento solare, di un sistema di accumulo, con lo scopo di incrementare la dispacciabilità della potenza generata da un impianto fotovoltaico in media tensione.