Development of day-ahead photovoltaic power forecast by means of random forests technique

Over the last two decades, the penetration of renewable energy sources (RES) into energy systems worldwide has progressively increased, due to increasing environmental concerns and government policies. RESs are a key factor, they are the basis for a new sustainable energy ecosystem. Among RES, of particular interest is the case of photovoltaic (PV) technologies. The variability of solar resources and the uncertainty associated with forecasts are the basis of most of the problems that need to be managed to maintain the stability of the electricity grid. Accurate forecasting is not only beneficial for system operators as it reduces costs and uncertainties, but also for PV system operators, who avoid possible penalties due to deviations between the expected and the produced energy. For these reasons, highly precise photovoltaic power forecasting systems are required. The goal of this thesis work is to improve the accuracy of the photovoltaic power forecast. The Random Forests (RFs) technique is used for this purpose and it will be explained how to size the model for this application. To reduce the discrepancy between the forecast and the real power profile, a theoretical case study is introduced to find the input variables that most affect the desired output. Subsequently, taking into account the results obtained, a technique for calculating the day-ahead forecast is presented. At the end of the work, the results obtained will be commented and compared with those of the literature. Moreover, it will be presented and compared the difference between the output of models that use measured data and those that use weather forecasts.

Negli ultimi due decenni, la penetrazione delle fonti energetiche rinnovabili (RES) nei sistemi energetici di tutto il mondo è aumentata progressivamente, a causa dell'aumento delle preoccupazioni ambientali e delle politiche governative. Le RES sono un fattore chiave, sono la base per un nuovo ecosistema energetico sostenibile. Tra le RES, di particolare interesse è il caso delle tecnologie fotovoltaiche (PV). La variabilità delle risorse solari e l'incertezza associata alle previsioni sono alla base della maggior parte dei problemi che devono essere gestiti per mantenere la stabilità della rete elettrica. Una previsione accurata non è vantaggiosa solo per gli operatori del sistema in quanto riduce i costi e le incertezze, ma anche per i gestori degli impianti fotovoltaici, che evitano di incorrere in possibili sanzioni a causa di deviazioni tra l'energia prevista e quella prodotta. Per questi motivi sono necessari sistemi di previsione della potenza fotovoltaica altamente precisi. L'obiettivo del presente lavoro di tesi è quello di migliorare l'accuratezza della previsione della potenza fotovoltaica. La tecnica delle foreste casuali (RFs) è utilizzata per questo scopo. Nel corso del lavoro verrà spiegato come dimensionare il modello per questa applicazione. Per ridurre la discrepanza tra la previsione e il profilo di potenza reale, viene introdotto un caso di studio teorico per trovare le variabili di input che più influenzano l'output desiderato. Successivamente, tenendo in considerazione i risultati ottenuti, viene presentata una tecnica per calcolare la previsione del giorno dopo. Al termine del lavoro, i risultati ottenuti saranno commentati e confrontati con quelli della letteratura. Verrà inoltre presentata e confrontata la differenza tra l'output dei modelli che utilizzano i dati misurati e quelli che utilizzano le previsioni meteo.