Efecto del Error de Predicción de Esquemas de Aprendizaje Automático en el Comercio de Energía Fotovoltaica Basado en Sistemas de Almacenamiento de Energía

La potencia de salida fotovoltaica (PV) presenta inherentemente una propiedad intermitente dependiendo de la variación de las condiciones climáticas. Dado que los productores de energía PV pueden enfrentar grandes penalizaciones en los próximos mercados energéticos debido a la incertidumbre en la generación de energía PV, necesitan un esquema de predicción de potencia PV más preciso en la operación del mercado energético. En este documento, caracterizamos el efecto de los errores de predicción de potencia PV en el comercio de energía fotovoltaica basado en sistemas de almacenamiento de energía (ESS) en los mercados energéticos. Primero, analizamos la precisión de predicción de dos esquemas de aprendizaje automático (ML) para la potencia de salida PV y estimamos sus distribuciones de error. Proponemos un esquema eficiente de gestión de ESS para la operación de carga y descarga de ESS con el fin de reducir las desviaciones entre la programación diaria (DA) y la programación en tiempo real (RT) en los mercados energéticos. Además, estimamos la capacidad de los ESS, que pueden absorber los errores de predicción y luego comparamos las ganancias del productor de energía PV de acuerdo con los esquemas de predicción basados en ML con/sin ESS. En el caso de los esquemas de predicción basados en ML con ESS, los esquemas ANN y SVM generan una disminución en la penalización por desviación de hasta el 87% y 74%, respectivamente, en comparación con las ganancias de esos esquemas sin ESS.