ความท้าทายในการจัดสรรไฟฟ้าตามความต้องการของประชาชนที่นับวันเพิ่มมากขึ้น ส่งผลให้แนวโน้มการใช้พลังงานหมุนเวียนเพิ่มมากขึ้น อันจะสอดคล้องกับแผนพัฒนาพลังงานทดแทนและพลังงานทางเลือก  (AEDP 2015) การการพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานหมุนเวียนจึงมีบทบาทสำคัญ เพื่อประเมินศักยภาพในการผลิตพลังงานหมุนเวียนของประเทศ

          การพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานหมุนเวียน (Renewable Energy Forecast) คือระบบพยากรณ์พลังงานไฟฟ้าที่สามารถผลิตได้จากโรงไฟฟ้าพลังงานหมุนเวียน ซึ่งประเมินศักยภาพการผลิตไฟฟ้าของโรงไฟฟ้าพลังงานหมุนเวียนประเภทต่างๆ ในช่วงระยะเวลาที่สนใจ ซึ่งในการพยากรณ์นั้นจะอาศัยข้อมูลจากลักษณะการเปลี่ยนแปลงของปัจจัยทางธรรมาชาติที่ได้จากระบบตรวจวัดที่ติดตั้งและข้อมูลทางไฟฟ้าต่างๆ ณ ขณะนั้น โดยระบบประมวลผลของศูนย์ข้อมูลจะทำการพยากรณ์การผลิตไฟฟ้าจากโรงไฟฟ้าพลังงานหมุนเวียนที่มีในระบบและส่งต่อมายังศูนย์ควบคุมเพื่อประโยชน์ในการบริหารจัดการกำลังผลิตโดยรวมของประเทศต่อไป โดยทั่วไปการศึกษาระบบพยากรณ์พลังงานหมุนเวียนนั้นจะเน้นไปที่ การพยากรณ์พลังงานแสงอาทิตย์ และการพยากรณ์พลังงานลม เนื่องด้วยพลังงานทั้งสองนั้นเป็นพลังงานที่มีความไม่แน่นอนสูง

จากรูปด้านล่าง แสดงแนวความคิดของการพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานหมุนเวียนประเภทลมและแสงอาทิตย์ โดยการพยากรณ์นั้นจะใช้ข้อมูลประกอบกันสามส่วน อันได้แก่

  • ข้อมูลสภาพอากาศ เช่น ความเร็วลม อุณหภูมิ ความเข้มของแสงอาทิตย์
  • ข้อมูลด้านเทคนิคของโรงไฟฟ้าต่างๆ เช่น กำลังการผลิตติดตั้งของโรงไฟฟ้า รวมถึงตารางการซ่อมบำรุงของโรงไฟฟ้า
  • ข้อมูลทางสถิติในอดีต

          ศูนย์การพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานหมุนเวียนจะรวบรวมข้อมูลต่างๆ ในข้างต้นเพื่อทำการประมวลและวิเคราะห์ผล โดยอาศัยแบบจำลองการพยากรณ์เข้ามาช่วย และจะต้องมีมีระบบคอมพิวเตอร์เซิร์ฟเวอร์ที่มีขีดความสามารถในการคำนวณสูง เนื่องจากการพยากรณ์เกี่ยวข้องกับการประมวลผลข้อมูลจำนวนมาก ผลลัพธ์ที่ได้จากการคำนวณคือค่าพลังไฟฟ้าที่แหล่งผลิตไฟฟ้าหมุนเวียนต่างๆ น่าจะสามารถจ่ายเข้าสู่ระบบได้ในอนาคต

 

การพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานแสงอาทิตย์

          การพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานแสงอาทิตย์ (Solar Power Forecast) จำเป็นที่จะต้องมีความรู้เกี่ยวกับเส้นทางการเดินทางของดวงอาทิตย์ สภาพบรรยากาศ กระบวนการกระจายของแสง และข้อมูลทางเทคนิคของโรงไฟฟ้าพลังงานแสงอาทิตย์ที่อยู่ในระบบ กำลังการจ่ายไฟฟ้าของระบบผลิตไฟฟ้าจากพลังงานแสงอาทิตย์ขึ้นอยู่กับความเข้มรังสีจากดวงอาทิตย์และลักษณะทางเทคนิคของแผงเซลล์แสงอาทิตย์ที่ติดตั้งในโรงไฟฟ้า ในปัจจุบันมีระบบผลิตไฟฟ้าพลังงานแสงอาทิตย์เข้ามาเชื่อมต่อในระบบเป็นอย่างมาก ดังนั้น ข้อมูลการพยากรณ์เป็นสิ่งจำเป็นสำหรับการบริหารจัดการระบบโครงข่ายไฟฟ้าและการซื้อขายไฟฟ้าจากแสงอาทิตย์

          ค่าพลังงานแสงอาทิตย์ซึ่งตกกระทบลงบนพื้นที่หนึ่ง สามารถคาดการณ์ได้โดยอาศัยเครื่องมือต่างๆ เช่น การใช้ระบบสารสนเทศทางภูมิศาสตร์ (Geographic Information System: GIS) ปัญญาประดิษฐ์ (Artificial Intelligence: AI) หรืออาศัยการวิเคราะห์ข้อมูลจากดาวเทียม เป็นต้น นอกจากนี้รังสีจากดวงอาทิตย์ยังสามารถถูกประเมินได้โดยใช้โมเดลการพยากรณ์อากาศเชิงตัวเลข (Nemerial Weather Prediction: NWP) โดยเครื่องมือเหล่านี้ต้องมีฐานข้อมูลเชิงพื้นที่แบบถาวร ซึ่งถูกพัฒนาขึ้นมาจากการรวบรวมข้อมูลที่ได้รับจากสถานีวัดต่างๆ ครอบคลุมพื้นที่กว้างในระดับภูมิภาค

          อย่างไรก็ตาม ปัจจุบันความเข้มของรังสีดวงอาทิตย์ยังมิได้ถือเป็นตัวแปรหลักในทางอุตุนิยมวิทยาเหมือนตัวแปรอื่นๆ เช่น อุณหภุมิ ปริมาณน้ำฝน เป็นต้น จึงยังไม่มีข้อมูลความเข้มรังสีดวงอาทิตย์ในบางพื้นที่ นอกจากนี้ สถานีตรวจวัดและบันทึกข้อมูลรังสีอาทิตย์ส่วนมากมักจะตั้งอยู่ในพื้นที่การเกษตรหรือในพื้นที่ที่มีคนอยู่อาศัยแล้ว นั่นคือในพื้นที่ช่วงลุ่มน้ำและพื้นที่ราบเป็นส่วนส่วนมาก ดังนั้น จึงมีความจำเป็นที่จะต้องจัดตั้งสถานีวัดเพิ่มเติมในพื้นที่ภูเขาและพื้นที่สูง

 ตัวอย่างของการพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานแสงอาทิตย์

 

นอกจากนี้ สามารถแยกแยะความแตกต่างในเชิงความละเอียดของการพยากรณ์ตามช่วงเวลาต่างๆได้เป็น 3 รูปแบบ ได้แก่

การคาดการณ์ในปัจจุบัน (Nowcasting)

                เพื่อทราบรายละเอียดของสภาพอากาศที่เป็นอยู่ในปัจจุบัน ซึ่งมีศักยภาพเพียงพอในการใช้พยากรณ์สภาพอากาศในอนาคตได้ประมาณ 3-4 ชั่วโมง ถือเป็นการคาดกาณ์ในระยะสั้นมาก แต่การมีความสำคัญต่อผู้ควบคุมระบบโครงข่ายไฟฟ้าหลักให้สามารถบริหารจัดการระบบได้อย่างมีประสิทธิภาพมากขึ้นและเพื่อรักษาความมั่นคงของโครงข่ายไฟฟ้าเป็นหลัก และการคาดการณ์ในปัจจุบันยังมีความสำคัญต่อผู้ควบคุมโรงไฟฟ้าพลังงานแสงอาทิตย์ โดยทำให้สามารถบริหารจัดการการผลิตไฟฟ้าของตนเองได้ รวมทั้งทำให้ทราบและเข้าใจถึงประสิทธิภาพและความสามารถของระบบผลิตไฟฟ้าของตนเองอย่างแท้จริงมากขึ้น โดยการเปรียบเทียบกำลังไฟฟ้าที่โรงไฟฟ้าพลังงานแสงอาทิตย์ผลิตได้จริงกับค่ากำลังการผลิตไฟฟ้าที่น่าจะเป็น ซึ่งคำนวณโดยใช้ข้อมูลความเข้มแสงที่วัดได้ ณ ขณะนั้น โดยทั่วไปแล้วการคาดการณ์ปัจจุบันจะมีการดำเนินการทุกๆ 10-15 นาที ระบบเก็บข้อมูลสภาพอากาศและระบบประมลผลข้อมูลอัตโนมัติเป็นสิ่งสำหรับการดำเนินการคาดการร์ปัจจุบัน

การคาดการณ์ระยะสั้น (Solar PV Short-term Forecasting)

                การคาดการณ์ระยะสั้น สามารถคาดการณ์ล่วงหน้าได้ในระยะเวลา 7 วันข้างหน้า โดยจะมีประโยชน์ต่อผุ้ควบคุมระบบโครงข่ายไฟฟ้าหลัก สามารถช่วยเป็นข้อมูลสนับสนุนในการตัดสินใจที่เกี่ยวข้องกับการวางแผนและควบคุมระบบโครงข่ายไฟฟ้าหลัก ข้อมูลทางอุตุนิยมวิทยาจะถูกประเมินอย่างละเอียดทั้งในเชิงพื้นที่และเชิงเวลาที่แตกต่างกัน นั่นหมายความว่าตัวแปรอุตุนิยมวิทยาและปรากฏการณ์ต่างๆ จะถูกมองจากมุมมองที่กว้างขึ้น ไม่เป็นข้อมูลในระดับท้องถิ่นเหมือนการคาดการณ์ในปัจจุบัน ทั้งนี้กระบวนการที่มักจะนำมาใช้ในการคาดการณ์ระยะสั้นคือ การใช้งานแบบจำลองการพยากรณ์อากาศเชิงตัวเลข (Numerical  Weather Prediction: NWP) ปัจจุบันมีแบบจำลองหลากหลายรูปแบบที่ใช้เพื่อการนี้ เช่น บริการคาดการณ์ทั่วโลก (Global Forecasting Service: GFS) หรือข้อมูลจากศูนย์การพยากรณ์อากาศระยะกลางของยุโรป (European Center for Medium Range Weather Forecasting: ECMWF) โดยทั้งสองแบบจำลองได้รับการพิจารณาให้เป็นต้นแบบของแบบจำลองการคาดการณ์อุตุนิยมวิทยาโลก

การคาดการณ์ระยะยาว (Solar PV Long-term Forecasting)

                การคาดการณ์ทรัพยากรด้านพลังงานที่จะมีอยู่ในอนาคตในรายปีหรือรายเดือน การคาดการณ์ในลักษณะนี้นับว่ามีประโยชน์ต่อผู้ผลิตพลังงานไฟฟ้าและช่วยเป็นข้อมูลสนับสนุนในการเจรจาต่อรองเพื่อทำสัญญาซื้อขายไฟฟ้า

 

การพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานลม

                ในการพยากรณ์พลังงานลมนั้น จะใช้แบบจำลองซึ่งสร้างจากโปรแกรมคอมพิวเตอร์ โดยความซับซ้อนของแบบจำลองนั้นมีตั้งแต่แบบจำลองซึ่งมีความซับซ้อนน้อยไปยังแบบจำลองที่มีความซับซ้อนมาก ตัวอย่างเช่น Persistence Model จะใช้หลักการที่ง่ายที่สุดคือพยากรณ์ว่าพลังงานลมที่จะเกิดขึ้นในอนาคตจะเท่ากับพลังงานลมที่เกิดในปัจจุบัน เป็นต้น ในปัจจุบัน แบบจำลองพลังงานถูกจำลองขึ้นอย่างมากมายและซับซ้อน โดบชื่อของแบบจำลองนั้นมักจะเป็นชื่อของผู้คิดค้นขึ้น ดังตัวอย่างเช่น แบบจำลอง AWS Truewind’s eWind ซึ่งจะพิจารณาทั้งแบบจำลองการพยากรณ์ของสภาพอากาศ แบบจำลองชั้นบรรยากาศ และแบบจำลองทางสถิติร่วมกัน

 

ประโยชน์ของการพยากรณ์ไฟฟ้าที่ผลิตได้จากพลังงานหมุนเวียน

                ผู้ที่ได้รับรับประโยชน์มีอยู่สองภาคส่วน ได้แก่ ผู้ควบคุมโรงไฟฟ้าพลังงานหมุนเวียน และหน่วยงานด้านการไฟฟ้าที่ทำหน้าที่ควบคุมระบบโครงข่ายไฟฟ้าหลักหรือควบคุมระบบไมโครกริด โดยทั่วไปโรงไฟฟ้าพลังงานหมุนเวียนมักจะมีการตรวจวัดข้อมูลด้านสภาพอากาศในพื้นที่ของตนเอง ทั้งนี้ข้อมูลเหล่านั้นจะเป็นประโยชน์ต่อผู้ควบคุมโรงไฟฟ้าพลังงานหมุนเวียน ช่วยให้เปรียบเทียบกำลังไฟฟ้าที่คาดว่าระบบพลังงานหมุนเวียนจะสามารถผลิตและจ่ายเข้าระบบได้ภายใต้สภาพอากาศที่เป็นอยู่กับกำลังไฟฟ้าที่ผลิตได้จริงในช่วงเวลานั้น โดยผลจากการเปรียบเทียบจะทำให้ผู้ควบคุมโรงไฟฟ้าทราบถึงความผิดปกติที่เกิดขึ้นกับระบบของตนเอง เช่น หากการคำนวณกำลังไฟฟ้าที่คาดว่าน่าจะผลิตได้ภายใต้สภาพอากาศที่เป็นอยู่ในขณะนั้นเป็น 3 เมกะวัตต์ แต่กำลังไฟฟ้าที่ผลิตได้จริง ณ ช่วงเวลานั้นเป็นแค่ 2.5 เมกะวัตต์ ผู้ควบคุมโรงไฟฟ้าอาจจะต้องเริ่มตรวจสอบระบบของตนเองโดยละเอียดว่าเหตุใดกำลังไฟฟ้าที่ผลิตได้จริงจึงมีค่าน้อยกว่าค่าที่ควรจะผลิตได้ เป็นต้น

สำหรับผู้ควบคุมระบบโครงข่ายไฟฟ้าหลัก ข้อมูลที่ได้จากระบบการพยากรณ์ฯ เป็นข้อมูลที่เป็นประโยชน์อย่างยิ่งซึ่งสามารถนำมาใช้ประกอบการตัดสินใจในการควบคุมระบบโครงข่ายไฟฟ้าหลักในอนาคต

 

                ที่มา : thai-smartgrid