Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/19919
Title: | ผลกระทบของการผลิตไฟฟ้าจากเซลล์แสงอาทิตย์ต่อการพยากรณ์โหลดระยะสั้น |
Other Titles: | Impact of photovoltaic generation on short-term load forecasting |
Authors: | พิรดา บุญเปลื้อง |
Advisors: | แนบบุญ หุนเจริญ |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
Advisor's Email: | Naebboon.H@Chula.ac.th |
Subjects: | เซลล์แสงอาทิตย์ พลังงานไฟฟ้า |
Issue Date: | 2550 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | วิทยานิพนธ์ฉบับนี้จัดทำขึ้นเพื่อนำเสนอการศึกษาผลกระทบที่เกิดขึ้นกับความแม่นยำในการพยากรณ์โหลดระยะสั้นเมื่อมีกำลังไฟฟ้าจากเซลล์แสงอาทิตย์เพิ่มสูงขึ้นในระบบจำหน่ายที่ระดับกำลังการผลิตต่างๆ กัน โดยสร้างแบบจำลองการพยากรณ์โหลดที่เหมาะสำหรับพื้นที่ศึกษาด้วยเครือข่ายประสาทเทียม และสร้างแบบจำลองการผลิตไฟฟ้าจากเซลล์แสงอาทิตย์ด้วยวิธีเชิงวิเคราะห์ จากนั้น ทำการศึกษาผลกระทบของกำลังไฟฟ้าที่ได้จากเซลล์แสงอาทิตย์ในระบบจำหน่ายต่อความแม่นยำในการพยากรณ์โหลดด้วยการเพิ่มกำลังไฟฟ้าที่ผลิตได้จากเซลล์แสงอาทิตย์เข้าไปที่ระดับร้อยละ 0, 5, 10, 15 และ 20 ตามลำดับ เมื่อเทียบกับความต้องการไฟฟ้าสูงสุดของสถานีไฟฟ้า กำหนดให้เซลล์แสงอาทิตย์มีค่าประสิทธิภาพในการแปลงพลังงานไม่คงที่ มีค่าแปรเปลี่ยนอยู่ในช่วงร้อยละ 0 ถึง 8 จากผลการทดสอบโดยใช้โหลดของสถานีไฟฟ้าย่อยอยุธยา 1 ระหว่างปีพ.ศ. 2547 ถึง 2548 พบว่า ค่าความผิดพลาดในการพยากรณ์โหลดมีแนวโน้มเพิ่มสูงขึ้นเมื่อมีกำลังไฟฟ้าจากเซลล์แสงอาทิตย์ในระบบจำหน่ายเพิ่มมากขึ้น และค่าความผิดพลาดในการพยากรณ์จะสูงกว่าร้อยละ 3.5 ซึ่งถือเป็นค่าความผิดพลาดเฉลี่ยสัมบูรณ์ที่ยอมรับได้ในที่นี้ เมื่อมีกำลังไฟฟ้าจากเซลล์แสงอาทิตย์ในระบบจำหน่ายเกินกว่าร้อยละ 15 ในตอนท้ายของวิทยานิพนธ์ได้นำเสนอการปรุบปรุงแบบจำลองให้มีความเหมาะสมกับการพยากรณ์โหลดในพื้นที่ที่มีกำลังไฟฟ้าจากเซลล์แสงอาทิตย์จำนวนมากเชื่อมต่ออยู่ โดยการใช้ความเข้มแสงซึ่งเป็นปัจจัยสำคัญที่กำหนดปริมาณกำลังไฟฟ้าที่ผลิตได้โดยเซลล์แสงอาทิตย์ เป็นตัวแปรข้อมูลขาเข้าเพิ่มเติมให้กับแบบจำลองการพยากรณ์โหลดระยะสั้น จากผลการทดสอบพบว่า แบบจำลองที่ปรับปรุงแล้วนี้ส่งผลให้ค่าความผิดพลาดในการพยากรณ์ลดลง โดยค่าความผิดพลาดเฉลี่ยสัมบูรณ์มีแนวโน้มที่จะมีค่ามากกว่าร้อยละ 3.5 เมื่อกำลังไฟฟ้าจากเซลล์แสงอาทิตย์ในระบบจำหน่ายมีค่าตั้งแต่ร้อยละ 20 ขึ้นไป |
Other Abstract: | This thesis presents the study of impact of photovoltaic (PV) generation on accuracy of the short-term load forecasting (STLF) when having photovoltaic connected to a distribution system at various penetration levels, using STLF model developed through Artificial neural network, and PV generation model developed through analytical approaches. Then the accuracy impacts of PV generation have been conducted at the penetration levels of 0%, 5% 10%, 15%, and 20%, with respect to peak demand of distribution, respectively. Assume that energy conversion efficiency of the PV modeled varies in the range of 0 to 8%. From the test results employing loads at Ayuthaya1 substation during 2004-2005, it has found that the higher PV penetration, the higher Mean Average Percentage Error (MAPE). Additionally, the MAPE is higher than 3.5% which it is considered an acceptable threshold here when there are more than 15% PV penetration. In the last section, it proposes an enhanced methodology of STLF suitable for a distribution system that contains significant amount of PV output power. Solar radiation is chosen as an additional input to the STLF model. From the study results, the accuracy of the enhanced STLF model is better than the conventional one where the MAPE tends to be greater than 3.5% when there is 20% PV penetration and above. |
Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2550 |
Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
Degree Level: | ปริญญาโท |
Degree Discipline: | วิศวกรรมไฟฟ้า |
URI: | http://cuir.car.chula.ac.th/handle/123456789/19919 |
URI: | http://doi.org/10.14457/CU.the.2007.1167 |
metadata.dc.identifier.DOI: | 10.14457/CU.the.2007.1167 |
Type: | Thesis |
Appears in Collections: | Eng - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Pirada_Bo.pdf | 3.09 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.