Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/58488
| Title: | การพยากรณ์กำลังผลิตไฟฟ้าจากพลังงานแสงอาทิตย์เพื่อกำหนดความต้องการไฟฟ้าสำรอง |
| Other Titles: | SOLAR POWER FORECAST FOR DETERMINING BACK-UP GENERATION REQUIREMENT |
| Authors: | สุชาครีย์ นิติศานนท์ |
| Advisors: | แนบบุญ หุนเจริญ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | [email protected],[email protected],[email protected] |
| Issue Date: | 2559 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | วิทยานิพนธ์ฉบับนี้ นำเสนอวิธีการพยากรณ์กำลังผลิตไฟฟ้าจากพลังงานแสงอาทิตย์เพื่อกำหนดความต้องการไฟฟ้าสำรอง โดยอาศัยข้อมูลป้อนเข้าที่สามารถตรวจวัดได้จากสถานที่ติดตั้งแผงโซล่าเซลล์ทั่วไป ร่วมกับข้อมูลการพยากรณ์สภาพอากาศโดยกรมอุตุนิยมวิทยา เปรียบเทียบสมรรถนะความแม่นยำระหว่างกรณีที่ไม่พิจารณาปัจจัยเชิงฤดูกาล กับกรณีที่พิจารณาปัจจัยเชิงฤดูกาล โดยแบ่งตามช่วงระยะเวลา ได้แก่ ฤดูร้อน ฤดูฝน และฤดูหนาว โดยใช้เครื่องมือ Self-Organized Map (SOM) ในการจำแนกสภาพอากาศของแต่ละช่วงระยะเวลาครึ่งวันออกเป็น 3 กลุ่ม แบ่งเป็น ช่วงเช้า (00.00 – 12.00 น.) และช่วงบ่าย (12.00 – 24.00 น.) เพื่อเพิ่มประสิทธิภาพความแม่นยำในการพยากรณ์ จากนั้น ในส่วนของการพยากรณ์กำลังผลิตไฟฟ้าจากพลังงานแสงอาทิตย์ล่วงหน้า 1-3 ชั่วโมง ใช้แบบจำลองโครงข่ายประสาทเทียม หรือ ANN ที่ผ่านการฝึกด้วยชุดข้อมูลที่สอดคล้องกับผลการจำแนกสภาพอากาศ ในการศึกษานี้ ใช้ข้อมูลที่ตรวจวัดได้จริงจากระบบผลิตไฟฟ้าจากพลังงานแสงอาทิตย์แบบฟาร์ม ขนาดกำลังผลิตติดตั้ง 500 kW ที่อำเภอเมืองแม่ฮ่องสอน จังหวัดแม่ฮ่องสอน ในช่วงระหว่างปี พ.ศ. 2553 – 2557 ในการฝึกแบบจำลองโครงข่ายประสาทเทียม และในการทดสอบสมรรถนะความแม่นยำ ผลลัพธ์ที่ได้พบว่า ความแม่นยำในการพยากรณ์กำลังผลิตไฟฟ้าจากพลังงานแสงอาทิตย์ ในกรณีที่ไม่พิจารณาปัจจัยเชิงฤดูกาล มีค่าความผิดพลาดในการพยากรณ์ 3 ชั่วโมงล่วงหน้า คิดจาก % RMSE เท่ากับ 40.14% (คิดจากจำนวนวันที่ทดสอบรวมทั้งหมด 114 วัน ครอบคลุมทั้ง 3 ฤดู) ส่วนกรณีที่พิจารณาปัจจัยเชิงฤดูกาล พบว่า ค่าความผิดพลาด %RMSE มีค่าเท่ากับ 34.71% นอกจากนี้ จากสมรรถนะความแม่นยำในการพยากรณ์ดังกล่าว สามารถนำไปใช้เป็นเหตุผลเพื่อกำหนดความต้องการไฟฟ้าสำรองของการผลิตไฟฟ้าจากพลังงานแสงอาทิตย์ ในช่วงฤดูร้อนและฤดูหนาว กำหนดค่าที่ประมาณ 30% ของขนาดกำลังการผลิตติดตั้งพลังงานแสงอาทิตย์ และในช่วงฤดูฝน กำหนดค่าที่ประมาณ 40% ตามลำดับ |
| Other Abstract: | This thesis proposes a method of solar power forecast (SPF) for determining back-up generation requirement. The method requires minimal input data which are normally monitored at all sites, together with relevant weather forecast data from Thai Meteorological Department (TMD). Performances of the algorithm are compared with no and with consideration of the seasonal factor, being classified by respective periods of summer, rainy and winter seasons. For weather classification, Self-Organized Map (SOM) is applied to classify the input data in each of the half-day interval, morning (00.00-12.00 am.) and afternoon (00.00-12.00 am.), into 3 types to enhance SPF accuracy. Then, the ANN-based model for 1-3 hour ahead SPF are developed in accordance with the resulting weather classification. In this study, the actual field measurements from the 500-kW installed solar farm in Mae Hong Son district, during the period from 2010-2014, will be used for training and testing the SPF performance. Test results show that the 3-hour ahead accuracy performance of SPF, evaluated in terms of the RMSE, with no and with consideration of seasonal factor, are at 40.14% and 34.71%, respectively, (from 114 days of testing data covering all 3 seasons). Additionally, from the obtained performance of the SPF, it can rationally be used to determine the requirement of back-up generation by 30%, in summer and winter, and 40%, in rainy season, with respect to the installed capacity of solar power generation. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2559 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมไฟฟ้า |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/58488 |
| URI: | http://doi.org/10.58837/CHULA.THE.2016.951 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2016.951 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5970339521.pdf | 4.89 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.