PV power forecast using a nonparametric PV model

Almeida, Marcelo Pinho; Perpiñan Lamigueiro, Oscar y Narvarte Fernández, Luis (2015). PV power forecast using a nonparametric PV model. "Solar Energy", v. 115 ; pp. 354-368. ISSN 0038-092X. https://doi.org/10.1016/j.solener.2015.03.006.

Descripción

Título: PV power forecast using a nonparametric PV model
Autor/es:
  • Almeida, Marcelo Pinho
  • Perpiñan Lamigueiro, Oscar
  • Narvarte Fernández, Luis
Tipo de Documento: Artículo
Título de Revista/Publicación: Solar Energy
Fecha: Mayo 2015
Volumen: 115
Materias:
Palabras Clave Informales: Numerical Weather Prediction; PV plant; PV power forecast; Quantile Regression; Random Forest; Weather Research and Forecasting
Escuela: E.T.S.I. Diseño Industrial (UPM)
Departamento: Ingeniería Eléctrica, Electrónica Automática y Física Aplicada
Licencias Creative Commons: Reconocimiento - Compartir igual

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (464kB) | Vista Previa

Resumen

Forecasting the AC power output of a PV plant accurately is important both for plant owners and electric system operators. Two main categories of PV modeling are available: the parametric and the nonparametric. In this paper, a methodology using a nonparametric PV model is proposed, using as inputs several forecasts of meteorological variables from a Numerical Weather Forecast model, and actual AC power measurements of PV plants. The methodology was built upon the R environment and uses Quantile Regression Forests as machine learning tool to forecast AC power with a confidence interval. Real data from five PV plants was used to validate the methodology, and results show that daily production is predicted with an absolute cvMBE lower than 1.3%.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
FP7308468reduction, Reliability, Operational performance, Prediction and SimulationLuis NarvartePhotoVoltaic Cost reduction, Reliability, Operational performance, Prediction and Simulation

Más información

ID de Registro: 34853
Identificador DC: http://oa.upm.es/34853/
Identificador OAI: oai:oa.upm.es:34853
Identificador DOI: 10.1016/j.solener.2015.03.006
URL Oficial: http://www.sciencedirect.com/science/article/pii/S0038092X15001218
Depositado por: Oscar Perpiñán Lamigueiro
Depositado el: 06 Abr 2015 07:01
Ultima Modificación: 19 May 2017 12:29
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM