Le specifiche

CASO STUDIO: PREVISIONE DELLA PRODUCIBILITÀ DI UN IMPIANTO EOLICO IN SICILIA

Per evidenziare le specifiche di una produzione artificiale, analizzeremo il caso studio di un'installazione eolica in Sicilia.

Il presente lavoro è stato svolto utilizzando i dati di produzione anemoelettrica di una wind farm nella provincia di Trapani. L’impianto (il cui layout è rappresentato in figura 1) è costituito da 11 aerogeneratori da 850 kW ciascuno per una potenza totale di 9,25 MW.

In questo studio sono stati inoltre utilizzati parametri di vento rilevati dalla stazione anemometrica del CNMCA di Trapani Birgi e da quelle del SIAS di Mazara del Vallo, Trapani Fulgatore e Castelvetrano ricadenti nell’area del parco eolico o al più nei territori contermini il cui posizionamento è visibile in figura 2.

Al fine di realizzare un modello di previsione per il parco eolico oggetto di questo lavoro si è fatto uso di reti neurali artificiali.

I dati sono stati rilevati in loco dal gestore del sito e consistono in:
· velocità del vento in m/s rilevate da due sensori posti a 50 m campionati dal 04/2005al 7/3/2008), da due sensori a 30 m e da un sensore a 10 m ciascuno dei quali campionati dall’ 8//7/2002 al 15/6/2006
· direzione del vento rilevate da un sensore posto alla quota di 30 m e da due sensori a 50 m; per un periodo complessivo compreso tra luglio 2002 e marzo 2008;
· dati di potenza prodotta (10’) da ogni turbina a partire dal 28 aprile 2005 fino a marzo 2008;

Nella tabella che segue viene riportato un prospetto riepilogativo dei dati anemometrici disponibili per il caso studio con le principali caratteristiche.

Verranno in seguito studiati due modelli di impianti, precisamente il modello "NARX" e il modello "NARMAX", i quali risultati sono esposti nelle tabelle seguenti:

                                              Tabella NNARX

                                             Tabella NNARMAX

Conclusioni:

utilizzando reti neurali con 100 neuroni, si è osservata una migliore risposta del modello NNARMAX1 rispetto al NNARX mentre in fase di validazione si è avuto il risultato opposto. Tuttavia la differenza fra i due modelli non permette di distinguere univocamente quale risulti più performante.
Riducendo il numero di neuroni, e quindi la complessità della rete neurale, ci si è accorti che il modello NNARX è sicuramente quello che meglio riesce a descrivere gli eventi presentando per tutti i casi, confrontati con le reti a 100 neuroni di pari input, un errore assoluto medio inferiore(variabile da 2,34 a 13,85).
Non si è avuto lo stesso risultato, invece, per reti del tipo NARMAX1, cioè non è verificato sempre che al diminuire della complessità della rete, con questo modello, si riduca l’errore assoluto medio (variabile da 3,54 a 34,06).

I valori riscontrati, non su base comparativa ma assoluta, non permettono di annoverare fino a questa fase del lavoro le reti.