التقدير الاحتمالي الكهربائي لأحداث منحدر طاقة الرياح

أهمية التقدير الاحتمالي الكهربائي لأحداث منحدر طاقة الرياح

في ظل التحول إلى مجتمع أخضر مستدام، شهدت طاقة الرياح نمواً سريعاً في جميع أنحاء العالم في العقود الماضية، ومع ذلك؛ فإن طاقة الرياح بطبيعتها العشوائية بسبب حالة الطقس، ونظراً لأن التوليد يجب أن يوازن الحمل على الفور؛ فإن التغيير الكبير في خرج الطاقة في فترة قصيرة، والذي يسمى حدث منحدر طاقة الرياح، كما سيشكل تحدياً كبيراً لتشغيل نظام الطاقة الكهربائية.

لذلك يمكن تقسيم أحداث منحدرات طاقة الرياح إلى فئتين بناءً على الاتجاه، وهما منحدر صاعد ومنحدر هابط، بحيث تحدث أحداث المنحدرات الصعودية عادةً بسبب أنظمة الهواء القوية ذات الضغط المنخفض وهبوب الرياح والنفاثات منخفضة المستوى والعواصف الرعدية، وعلى العكس من ذلك تحدث أحداث المنحدر الهابط بسبب انعكاس الظواهر المذكورة أعلاه.

وفي حالة ارتفاع المنحدر؛ فإنه يتعين على مشغل النظام تقليل خرج الطاقة من المولدات الكهربائية التقليدية أو الحد من بعض توليد الرياح، وفي حالة المنحدر الهابط يحتاج المشغل إلى الدعم من السعة الاحتياطية، أو إلقاء بعض الحمل إذا كان الاحتياطي غير كافٍ، كما أن كل هذه الأحداث المنحدرة ستزيد من تكاليف التشغيل والمخاطر، ونتيجة لذلك يمكن أن يحذر الاكتشاف والتنبؤ بشكل أفضل لأحداث منحدرات طاقة الرياح المشغلين ومساعدتهم على نشر استراتيجيات استباقية لمنع الفشل المحفوف بالمخاطر.

وكطريقة مهمة، تمت دراسة الكشف عن حدث منحدر طاقة الرياح من قبل العديد من الباحثين، بحيث يقترح الباحثون طريقة من مرحلتين لاكتشاف وتصنيف منحدرات الرياح الكبيرة، وذلك استناداً إلى بيانات مزرعة الرياح من أداة التنبؤ بطاقة الرياح (WPPT) في أستراليا، كما تم تطوير نموذج المصنف استناداً إلى آلة ناقلات الدعم (SVM) لمعالجة التصنيف المسبق من خطوة واحدة ومتعدد الخطوات لأحداث منحدرات طاقة الرياح.

كذلك تم اقتراح تقنية الكشف المثلى لتحديد منحدرات الرياح للسلاسل الزمنية الكبيرة، بحيث يتم تقديم مجموعة من وظائف التسجيل مع تعريفات المنحدرات ويتم تطبيق نظام البرمجة الديناميكية لاكتشاف أحداث المنحدرات، كما يتم تطبيق خوارزمية الباب المتأرجح (SDA) لتحديد أحداث المنحدر من البيانات التاريخية، بحيث تتطلب هذه الطريقة معلمة واحدة فقط في تعريفها، ولها مزايا كبيرة في الكفاءة الحسابية والمتانة ضد البيانات الصاخبة.

كما يتبنى نطاق (SDA) لاستخراج أحداث المنحدرات من السلاسل الزمنية الفعلية والمتوقعة لطاقة الرياح مع الأخذ في الاعتبار حجم المنحدر واتجاهه ومدته، كما تم توسيع البحث ذي الصلة، حيث تم اقتراح خوارزمية الباب المتأرجح المثلى (OpSDA) لاكتشاف المنحدرات، وذلك مقارنةً بـ (SDA)، بحيث يمكن لـ (OpSDA) تحديد معلمة (SDA) القابلة للضبط على النحو الأمثل وفصل خرج طاقة الرياح، وبالتالي يحسن الأداء بشكل كبير في اكتشاف أحداث منحدرات طاقة الرياح.

نموذج عدم اليقين الكمي الخاص بالتقدير الاحتمالي لطاقة الرياح

يحدث منحدر طاقة الرياح في مزرعة رياح واسعة النطاق متصلة بشبكة نقل القدرة الكهربائية، وفي الدراسات الحالية؛ فإنه يتم تعريف حدث المنحدر بعدة طرق، كما يشير إلى التغيير الكبير في إنتاج مزرعة الرياح على مدى عدة فترات (على سبيل المثال، 20٪ من السعة في 30 دقيقة أو ساعة واحدة) أو نسبة التغير السريع في إنتاج مزرعة الرياح في فترة قصيرة، كما يعتبر الفرق بين طاقة الرياح القصوى والدنيا خلال عدد من الفترات حدثاً منحدراً.

لذلك سوف يتم دراسة  التنبؤات قصيرة المدى لمنحدر الفترة الواحدة المحدد، بحيث تغيير طاقة الرياح في فترتين متتاليتين للإرسال (عادة ساعة واحدة) يتجاوز العتبة، وبافتراض توفر تنبؤات طاقة الرياح النقطية في فترتين متتاليتين في المستقبل، على سبيل المثال وباستخدام الطريقة؛ فمن السهل تحديد التغيير التدريجي في خرج طاقة الرياح وبالتالي اكتشاف حدث المنحدر بطريقة حتمية.

ومع ذلك؛ فإن التنبؤ بالنقطة يعاني من عدم الدقة ويمكن أن يوفر نتائج متحفظة أو متفائلة لمشغل النظام، ونتيجة لذلك؛ فإن التنبؤ بالمنحدر الاحتمالي بمعلومات مستوى الثقة أمر مرغوب فيه للغاية، مثل طريقة التنبؤ بالفاصل الشرطي، ومع ذلك ونظراً لأن حدث المنحدر يتضمن الإخراج في فترتين مختلفتين، وكلاهما غير مؤكد؛ فمن الصعب استخراج حركة طاقة الرياح من طريقة التنبؤ بالفاصل الشرطي.

كما يوضح الشكل التالي (1) حدث منحدر محتمل، وكذلك توقعات النقطة في الفترتين (1) و (2)، وهي (we1) و (we2) على التوالي، بحيث تقارن الطريقة الحتمية الفرق (we1 − we2) مع عتبة محددة مسبقاً للحكم على حدث منحدر، ومع ذلك ونظراً لأن كلا القيمتين غير مؤكدتين وتنتمي إلى فترتين محددتين؛ فإن التغيير التدريجي الحقيقي يمكن أن يكون أكبر أو أصغر من (we1 − we2)، مما يهدد مصداقية النتيجة.

وعلى فرض أن (w = [w1، w2] T) يكون متجهاً لمتغير عشوائي و [f (w)] دالة كثافة الاحتمال [(PDF)]، بحيث يمكن التعبير عن احتمال حدث منحدر صاعد.

حيث تعني (Pr)، وهو احتمال وقوع حدث.

حيث تمثل (C) قدرة مزرعة الرياح، كما تشير (RU) إلى عتبة المنحدر الصاعد، بحيث يمكن إعداد احتمال حدوث منحدر هابط بطريقة مماثلة عن طريق استبدال القيد الأخير بـ (w1 − w2≥RD)، حيث يشير (RD) إلى عتبة المنحدر الهابط.

كما يتطلب تقييم الاحتمال على سبيل المثال، قد نفترض أن (w) يتبع التوزيع الغاوسي، كما ونقدر المتوسط والتباين عبر طرق ملائمة المنحنى، ومع ذلك قد لا يكون مثل هذا التوزيع البارامتري قادراً على عكس التوزيع الحقيقي لطاقة الرياح.

وللتحايل على الصعوبة في الحصول على (PDF)، نقترح النظر في مجموعة من ملفات (PDF) غير المؤكدة مقيدة في مجموعة الغموض (S)، كما وتهدف إلى تحديد النتيجة الأكثر تشاؤماً، مما أدى إلى ظهور مشكلة تحديد عدم اليقين القوية التوزيعية التالية:

وفي نظرية الاحتمالات، تُعرف هذه المشكلة أيضاً باسم احتمالية عدم المساواة، كذلك بعض الأمثلة الشهيرة التي تُعرف فيها اللحظات من الدرجة الأولى والثانية تشمل عدم المساواة أحادي المتغير لـ (Chebyshev) وعدم الاستقلالية (Gaussian) وتعميماتهم للحالات متعددة المتغيرات، أيضاً المشكلة هي في الواقع مشكلة تحسين وظيفي.

لذلك تعرف (Pr) على أنها تعييناً من [PDF f (w)ٍ] إلى رقم حقيقي ومتغير القرار هو [f (w)]، وهي دالة ذات قيمة حقيقية، وبمعنى آخر لكل (w∈W)، كذلك القيمة [f (w)] هي متغير قرار، وفي هذا الصدد؛ فإن عدد متغيرات القرار لانهائي والمنطقة المجدية هي (S).

أما إذا اتبعت (w) أي توزيع مضمن في (S)؛ فيجب ألا يكون الاحتمال الفعلي لحدث المنحدر أكبر من القيمة المثلى للمعادلة السابقة، بحيث يمكن أن يحافظ هذا التقدير الحكيم على هامش أمان كافٍ في وجود اضطرابات (PDF)، وبالتالي فهو مقبول في تشغيل نظام الطاقة.