Power Output Forecasting of PV Grid Connected System Without Using Solar Radiation Measurement Case Study at RMUTT
โดย ชานนท์ ชูพงษ์
ปี 2554
บทคัดย่อ (Abstract)
ข้อจำกัดอย่างหนึ่งของพลังงานแสงอาทิตย์คือกำลังไฟฟ้าที่ได้นั้นมีความไม่แน่นอนเนื่องมาจากสภาพภูมิอากาศที่เปลี่ยนแปลง ซึ่งความไม่แน่นอนนี้ส่งผลกระทบต่อการผลิตไฟฟ้าและคุณภาพของระบบไฟฟ้า ดังนั้นงานวิจัยนี้จึงได้นำเสนอวิธีการพยากรณ์กำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์โดยไม่ใช้ตัววัดรังสีดวงอาทิตย์ เพื่อใช้เป็นเครื่องมือในการแก้ปัญหาดังกล่าวโดยได้ทดลองกับระบบที่ติดตั้งบนดาดฟ้าอาคารคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี
งานวิจัยนี้ใช้โครงข่ายประสาทเทียมในการพยากรณ์ค่ากำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์รายชั่วโมง โดยทำการศึกษาทดลองหาข้อมูลป้อนเข้าที่เหมาะสมโดยเลือกจากข้อมูล ความเข้มรังสีดวงอาทิตย์ ข้อมูลสภาพอากาศและ ข้อมูลกำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์ในอดีต ทั้งนี้ได้ทำการศึกษาทดลองฟังก์ชันถ่ายโอนของโครงข่ายประสาทเทียมแบบต่างๆ เพื่อเลือกใช้ฟังก์ชันถ่ายโอนที่ให้ค่าความผิดพลาดในการพยากรณ์ต่ำที่สุด
จากการศึกษาทดลองพบว่าโครงข่ายประสาทเทียมที่มีค่าความผิดพลาดในการพยากรณ์ต่ำที่สุดคือโครงข่ายประสาทเทียมที่ใช้ชั้นซ่อน Radial Basis Function และชั้นเอาต์พุต Log-Sigmoid Function ซึ่งมีค่าความผิดพลาดเฉลี่ยทั้งปีที่ร้อยละ 20.42 ของกำลังไฟฟ้าที่วัดได้จริง โดยใช้ข้อมูลป้อนเข้าเป็น ความเข้มรังสีดวงอาทิตย์รายชั่วโมงในสภาพท้องฟ้าแจ่มใสที่ได้จากการคำนวณและ กำลังไฟฟ้าของระบบเซลล์แสงอาทิตย์รายชั่วโมงในวันก่อนวันพยากรณ์ จากนั้นได้นำโครงข่ายประสาทเทียมดังกล่าวไปเขียนเป็นโปรแกรมคอมพิวเตอร์ด้วย LABVIEW ซึ่งช่วยให้สามารถติดต่อกับอุปกรณ์อื่นในระบบไฟฟ้าได้
One of significant limitations of PV system is the uncertainty of power output due to the change of weather. The uncertainty will affect the electricity produced and quality of electrical system. Therefore it is necessary to forecast the power output in order to improve the PV system efficiency. This thesis presents the forecasting of power output in one day ahead of PV system without using solar measurement device by studying and experimenting with a 1kW PV system installed on the roof of Science and Technology Faculty building, Rajamangala University of Technology (RMUTT).
This thesis uses Artificial Neural Network (ANN) to implement the hourly PV power output forecasting. The study is done by selecting the appropriate input data that affect the PV power output including solar radiation, weather data, and, PV output data in the past then investigate the transfer functions of ANN that carry out the lowest error of the PV power output forecasting .
Using the input data, which include hourly solar radiation in clear sky from calculation and hourly measured PV power output in the day before forecasting day, the experimental results show that ANN with Radial Basis Function in hidden layer and Log-Sigmoid in output layer have the lowest annual average forecasting error at 20.42% of measured power output. In addition, the program LABVIEW was introduced to implement ANN in order to develop hardware to communicate with other hardware equipments in electrical system for further applications.