Ученые из Международного института инженерии воды и окружающей среды, Университета Томаса Санкары и Университета Джозефа Ки-Зербо в Буркина-Фасо разработали систему прогнозирования выработки солнечной энергии на электростанции Нагреонго мощностью 30 мегаватт. Используя технологии искусственного интеллекта и машинного обучения, исследователи добились высокой точности предсказания колебаний выработки энергии в зависимости от погодных условий.
Для Буркина-Фасо, как и для других стран Сахеля, солнечная энергия – главный путь к энергетической независимости. Но выработка на таких станциях, как известно, сильно зависит от облачности, пыли и сезонных колебаний радиации. Любое внезапное снижение солнечного потока приводит к скачкам напряжения в сети, что осложняет балансировку. Чтобы решить эту проблему, ученые обратились к системам машинного обучения.
Они обучили несколько нейросетей – рекуррентную, сеть с долгой кратковременной памятью, сеть с управляемыми рекуррентными блоками и их гибридную комбинацию. Все они анализировали данные станции Нагреонго, собираемые каждые пять минут на протяжении всего 2024 года. Таким образом алгоритмы «учились» предсказывать выработку при разных климатических условиях – от сухого и жаркого сезона до сезона дождей. Перед обучением данные были очищены и нормализованы по международным стандартам, чтобы исключить шумы, пропуски и ошибки измерений.
В сухой сезон наиболее точные прогнозы выдавала модель с управляемыми рекуррентными блоками – с погрешностью около 4%. В жаркие месяцы лучшей оказалась сеть с долгой кратковременной памятью, где ошибка не превышала 2%. А в дождливый сезон устойчивее всех показала себя гибридная модель, сохранившая точность даже при сильных колебаниях освещенности. То есть ученые доказали, что выбор модели можно адаптировать под конкретный сезон, что особенно важно для регионов с резкими климатическими контрастами.
Помимо этого, команда исследователей провела оценку технической эффективности самой станции. Коэффициент эффективности вырос с 73,7% в 2023 году до 77,4% в 2024-м, что отражает повышение реальной отдачи солнечных панелей. Причинами улучшения стали внедрение системы регулярной очистки от пыли, снятие ограничений на подачу мощности после модернизации сетевой линии и снижение простоев оборудования.
Таким образом благодаря нейросетям операторы электростанции получили возможность предсказывать изменение выработки практически в реальном времени. Погрешность в 2-5% от номинальной мощности – очень низкий показатель для солнечных станций, работающих в условиях переменной облачности и пыльных ветров Сахеля. Это позволяет заранее корректировать нагрузку и обеспечивать стабильность сети без перебоев и потерь энергии.
