Solar irradiation and load power forecasting using artificial neural networks

Power generation from solar energy systems is highly variable due to its dependence on meteorological conditions. An efficient use of this fluctuating resource requires reliable forecast information for management and operation strategies. Load power forecasting is used in the planning and operation of electric utilities. In particular, when we have renewable energy sources, load forecasting can be used to reduce the usage of non-renewable sources. With supply and demand fluctuating, energy prices increasing during peak conditions, both solar irradiation and load forecasting information is important for utilities. In this thesis work, we started with the theoretical discussion of neural networks, describing the analogies between biological and artificial neural networks. Then we made an in-depth analysis of artificial neural networks describing artificial neurons, activation functions, types of neural networks, methodologies to choose number of layers and number of neurons in these networks, training algorithms etc. After doing this detailed theoretical analysis in the first chapter, in the second chapter, we have described the different possible feed-forward neural network architectures along with different types of input sets for forecasting solar irradiation. Then we performed MATLAB forecasting simulations using these different network architectures and input sets, describing the advantages and disadvantages of these combinations, thereby, finally proposing the best network architecture along with input set taking into account both accuracy and computational burden. In third chapter, this same process is repeated for load power forecasting. Finally, in the fourth chapter, a brief theoretical overview of communication system to transfer forecasting data between solar power plant-control data center and residential end user-control data center is given.

La generazione di energia dai sistemi di energia solare è molto variabile a causa della sua dipendenza dalle condizioni meteorologiche. Un uso efficiente di questa risorsa fluttuante richiede informazioni previsionali affidabili per le strategie gestionali e operative. La previsione della potenza di carico viene utilizzata nella pianificazione e nel funzionamento dei servizi elettrici. In particolare, quando disponiamo di fonti di energia rinnovabile, dobbiamo ridurre l'utilizzo di fonti non rinnovabili. Con la domanda e l'offerta fluttuanti, i prezzi dell'energia aumentano durante le condizioni di picco, sia le informazioni sull'irradiazione solare che le previsioni di carico sono importanti per le utility. In questo lavoro di tesi, abbiamo iniziato con la discussione teorica delle reti neurali, descrivendo le analogie tra reti neurali biologiche e artificiali. Quindi abbiamo fatto un'analisi approfondita delle reti neurali artificiali descrivendo i neuroni artificiali, le funzioni di attivazione, i tipi di reti neurali, le metodologie per scegliere il numero di strati e il numero di neuroni in queste reti, algoritmi di addestramento ecc. Dopo aver fatto questa dettagliata analisi teorica nel primo capitolo, nel secondo capitolo, abbiamo descritto le diverse possibili architetture di rete neurale feed-forward insieme a diversi tipi di set di input per la previsione dell'irradiazione solare. Quindi abbiamo eseguito simulazioni di previsione MATLAB utilizzando queste diverse architetture di rete e set di input, descrivendo i vantaggi e gli svantaggi di queste combinazioni, proponendo infine la migliore architettura di rete insieme a set di input tenendo conto sia dell'accuratezza che dell'onere computazionale. Nel terzo capitolo, questo stesso processo viene ripetuto per la previsione della potenza di carico. Infine, nel quarto capitolo, viene fornita una breve panoramica teorica del sistema di comunicazione per trasferire i dati di previsione tra il centro dati di controllo dell'impianto solare e il centro dati di controllo dell'utente finale residenziale.