Solar irradiance nowcasting

Limited Energy Resources or Nonrenewable Energy Resources like Oil, Natural Gas, Coil, etc., are going to finish. Statistics show that world energy consumption in 2017 was near 18.1 Terra Watts and predicted 28 Terra Watts by 2050. Nev- ertheless, the solar resource energy is 23000 Terra Watts by only considering the area over lands over a year. These results show that the Sun’s energy is around a thousand times bigger than our energy demand, and this is the reason for focusing on Solar Energy. There are two main research topics regarding the improvement of Solar cell effi- ciency: Improving the Materials used to Fabricate solar cells and Maximize the benefit of the received energy on Earth. As we know, only near 30% of the Solar Energy reaches Earth after passing the atmosphere. So, it is crucial not to waste this received energy anymore. In this research work, the focus is on the second topic to benefit maximally from the Solar Irradiance. Solar Irradiance reaching the earth consists of three main components: • 1- Direct Irradiation (Beam Irradiance) • 2- Diffuse Irradiation • 3- Ground Reflected Irradiation However, since the last two parameters are hard to model, the Global Horizontal Irradiation(GHI) is used for modeling. GHI depends on Cosine Corrected Direct Normal Irradiance and Diffuse Horizontal Irradiance. By tilting the panel always to face the irradiance directly, the produced energy by the panels is increased. Moreover, if the data of future irradiance and cloud position will be available, the process of tilting the panel can be done automatically. This research work focuses on predicting the GHI value and Clear Sky Index (CSI) value, which with combination of these values with the cloud position, the produced energy by solar cells can be maximized. There are three main steps done in this study work. First, the GHI Ramp Iden- tification and Computing GHI Ramps number are done. Second, multiple image processing steps are done to make the images well-prepared for Deep Learning method. Third, two different classifications are implemented to group the images first based on the feature of the images and the cloud type and depth and sec- ondly based on the CSI value. Finally, the classified images are processed by the Deep Learning model for the forecasting part. In this study work, the CSI value is forecasted for 5’, 10’, and 15’ time horizon.

Risorse energetiche limitate o risorse energetiche non rinnovabili come petrolio, gas naturale, bobina, ecc., Stanno per finire. Le statistiche mostrano che il consumo mondiale di energia nel 2017 era vicino a 18,1 Terra Watt e prevedeva 28 Terra Watt entro il 2050. Tuttavia, l’energia della risorsa solare `e di 23000 Terra Watt considerando solo l’area sulle terre nell’arco di un anno. Questi risultati mostrano che l’energia del Sole `e circa mille volte piu` grande della nostra domanda di energia, e questo `e il motivo per cui ci siamo concentrati sull’energia solare. Ci sono due principali argomenti di ricerca riguardanti il miglioramento dell’efficienza delle celle solari: migliorare i materiali utilizzati per fabbricare celle solari e mas- simizzare il beneficio dell’energia ricevuta sulla Terra. Come sappiamo, solo quasi il 30% dell’energia solare raggiunge la Terra dopo aver superato l’atmosfera. Quindi, `e fondamentale non sprecare piu` l’energia ricevuta. In questo lavoro di ricerca, l’attenzione si concentra sul secondo argomento per trarre il massimo vantaggio dall’irraggiamento solare. L’irraggiamento solare che raggiunge la terra `e costituito da tre componenti principali: • 1- Irradiazione diretta (Beam Irradiance) • 2- Irradiazione diffusa • 3- Irradiazione riflessa dal suolo Tuttavia, poich ́e gli ultimi due parametri sono difficili da modellare, l’irradiazione orizzontale globale (GHI) `e utilizzato per la modellazione. Il GHI dipende dall’irraggiamento diretto normale corretto al coseno e dall’irraggiamento orizzontale diffuso. Incli- nando il pannello sempre per affrontare direttamente l’irraggiamento, si aumenta l’energia prodotta dai pannelli. In oltre, se saranno disponibili i dati dell’irraggiamento futuro, il processo di in- clinazione del pannello pu`o essere eseguito automaticamente. Questo lavoro di ricerca si concentra sulla previsione del valore GHI e del valore Clear Sky Index (CSI), che aiuta a massimizzare l’energia solare ricevuta. Ci sono tre fasi principali svolte in questo lavoro di studio. In primo luogo, vengono eseguite l’identificazione della rampa GHI e il numero di rampe di calcolo GHI. In secondo luogo, vengono eseguite piu` fasi di elaborazione delle immagini per rendere le immagini ben preparate per il metodo Deep Learning. In terzo luogo, vengono implementate due diverse classificazioni per raggruppare le immagini prima in base alla caratteristica delle immagini e al tipo e alla profondit`a della nuvola e in secondo luogo in base al valore CSI. Infine, le immagini classificate vengono elaborate dal modello Deep Learning per la parte previsionale. In questo lavoro di studio, il valore CSI `e previsto per un orizzonte temporale di 5’, 10’ e 15’.