Promotie: Towards Solar Nowcasting

Zonne-energie wordt steeds belangrijker in elektriciteitsnetten en gebouwen, maar de productie kan snel veranderen wanneer wolken over zonnepanelen trekken. Deze schommelingen maken het moeilijker om vraag en aanbod van elektriciteit in balans te houden, congestie op het elektriciteitsnet te beheren en zonne-energie efficiënt in gebouwen te gebruiken. 

Dit promotieonderzoek onderzoekt hoe de productie van zonne-energie op korte termijn nauwkeuriger kan worden voorspeld met camera’s die continu de hemel observeren, zogenaamde all-sky imagers, in combinatie met kunstmatige intelligentie. In het onderzoek zijn verschillende voorspellingsmethoden ontwikkeld die luchtbeelden gebruiken om wolkenbewegingen te volgen en veranderingen in zoninstraling en PV-vermogen van enkele minuten tot één uur vooruit te voorspellen. 

De resultaten laten zien dat de combinatie van luchtbeelden met machine learning en deep learning kortetermijnvoorspellingen aanzienlijk kan verbeteren ten opzichte van conventionele voorspellingsmethoden. De ontwikkelde methoden zijn vooral waardevol bij veranderlijke en complexe weersomstandigheden, wanneer de productie van zonne-energie moeilijker te voorspellen is. 

Het proefschrift onderzoekt daarnaast hoe deze verbeterde voorspellingen in de praktijk kunnen worden toegepast. Nauwkeurigere informatie over toekomstige zonneproductie kan bijdragen aan congestiebeheer, het verminderen van vermogensonevenwichten en beter energiebeheer in gebouwen, bijvoorbeeld door load shifting, optimalisatie van batterijopslag en een hoger lokaal gebruik van zonne-energie. 

Hiermee laat het onderzoek zien hoe solar nowcasting kan bijdragen aan een betrouwbaardere, flexibelere en efficiëntere integratie van zonne-energie in toekomstige energiesystemen.