Resumen de Dimensionado de sistema de almacenamiento para hibridación con FV a partir de predicciones probabilísticas de irradiancia
Emilio Pérez, Javier González Barreda, Jorge Segarra Tamarit, Héctor Beltrán Sansegundo
- español
En este trabajo se propone una metodología para dimensionar el sistema de almacenamiento de un sistema híbrido con fotovoltaica (FV) para uso doméstico, a partir de predicciones probabilísticas de la producción solar. Se introduce para ello un modelo basado en Deep Learning que, a partir de estimaciones de la irradiancia pasada en el área que rodea la localización objetivo, obtiene las predicciones de distintos percentiles de la producción FV. El dimensionamiento se realiza mediante una optimización lineal que utiliza la función cuantil para garantizar, con un cierto nivel de confianza, que se satisface un perfil de demanda tipo. Finalmente, se introducen y discuten resultados en cuanto a la violación de restricciones que se produce con diferentes tamaños del sistema de almacenamiento mostrándose que, cuando este es superior a 3 h a potencia nominal de la instalación FV, las restricciones se satisfacen en más del 99% de las ocasiones.
- English
In this work, a methodology is proposed to size the storage system of a hybrid photovoltaic (PV) system for domestic use, based on probabilistic predictions of solar production. To do so, a model based on Deep Learning is introduced which, based on estimates of past irradiance in the area surrounding the target location, obtains the forecasts of different percentiles of PV production. Sizing is carried out through a linear optimization that uses the quantile function to guarantee, with a certain level of confidence, that a typical demand profile is satisfied. Finally, results are introduced and discussed regarding the violation of constraints that occurs with different sizes of the storage system, showing that, when they are greater than 3 h at the nominal power of the PV installation, the constraints are satisfied in more than 99% of the occasions.
