Mejor corto tiempo de predicción del tiempo local = más barato de energía renovable para el Logan Smith

Gran cosa si queremos incorporar un montón de energías renovables en la red

Hay todo tipo de maneras de hacer energycheaper renovable. La mayoría de las personas se centran en cosas como moreefficient solar paneles, biggerwind turbinas, las economías de escala en la fabricación, etc. Pero debido cleansources de energía como la eólica y la solar son intermitentes, también hay una deHabitación montón de mejora en funcionalmente haciéndolos más estables , o al menos morepredictable .

Para entender por qué ese es el caso, usted tiene que mirar a thepower rejilla en su conjunto y no sólo a una eólica o parque solar en energía eólica y la solar isolation.Because no son totalmente predecible, los operadores de red necesitan havebackup centrales listos para recoger la holgura (generalmente peakerplants gas natural) rápidamente. Pero cuando estas plantas funcionan cuando no se necesitan, thisincreases costos (y contaminación). Y a veces si hay un viento surgeof inesperado y /o solar, es posible que la energía limpia se desperdicia debido a que la red no se readyto absorber de una manera útil ¿Cuántas empresas están trabajando en formas. para mitigar esto, incluyendo IBM:

IBM (NYSE: IBM) anunció hoy una avanzada tecnología de modelado andweather poder que le ayudará utilidades aumentan los recursos reliabilityof de energía renovable. La solución combina andanalytics de predicción del tiempo para pronosticar con exactitud la disponibilidad de la energía eólica y SolarEnergy. Esto permitirá a los servicios públicos para integrar más energía renovable en thepower rejilla [...]

La solución, llamada «EnergyForecasting Renovables híbrido" (HyRef) utiliza las capacidades de modelado del clima, la tecnología cloudimaging avanzada y cámaras de cara al cielo para rastrear los movimientos de la nube, whilesensors en las turbinas de monitorear la velocidad del viento, temperatura y dirección. Whencombined con tecnología de análisis, los canproduce solución basada en datos asimilación previsiones meteorológicas locales precisos dentro de un parque eólico en la medida como una anticipación monthIn, o en incrementos de 15 minutos.

"Aplicación de análisis y aprovechamiento Big Data se allowutilities hacer frente a la naturaleza intermitente de las energías renovables y la producción forecastpower de energía solar y eólica, de una manera que nunca ha sido donebefore ", dijo Brad Gammons, Global andUtilities Energía Industria de IBM General. "Hemos desarrollado un sistema inteligente que combinesweather y la previsión de potencia para aumentar la disponibilidad del sistema y el rendimiento rejilla optimizepower".