Predictions on solar power plant generation with machine learning techniques (PRESAV)

Abstract

Energiproduksjon har en betydelig innvirkning på menneskers liv, og forskere har forsøkt å predikere været for å forbedre kraftstabiliteten, redusere energitap og øke økonomisk gevinster. Med tanke på dagens klimautfor- dringer og bekymringer, undersøker forskere fra SINTEF og NTNU potensialet på å koble flere rene energikilder sammen i et nullutslippsbygg laboratorium lokalisert i Trondheim.

Denne bacheloroppgaven undersøker et sett med maskinlæringalgoritmer for prediksjon av mengden fotovoltaisk energi som genereres av ZEB-laboratoriet, og hensikten er å sammenkoble den prediktive dataen i en styringsstrategi som vil operere sammen med andre produksjonssystemer i bygningen. Prosjektteamet vil fokusere på å bruke maskinlæringsmetoder på tidligere data på solcelleproduksjon fra anlegget og værdata samlet inn fra SINTEFs testcelle for å assistere ZEB-bygningen med å bestemme den beste strategien for redusert strømforbruk og klimagassutslipp samtidig øke bruken av lokalt produsert energi. Konseptene som presenteres i denne rapporten er basert på tidligere forskningslitteratur, vitenskapelige artikler og arbeid gjort av andre vitenskapsmenn.

Energy production has a significant impact on human life, and scientists have attempted to predict weather in order to improve power stability, decrease the energy waste, and raise economic wealth. Considering the current climate challenges and concerns, SINTEF and NTNU researchers are examining the potential of merging several clean energy production sources in a zero-emission building laboratory (ZEB-lab) in Trondheim.

This bachelor’s thesis investigates a set of supervised machine learning algorithms for predicting the amount of photovoltaic energy generated by the ZEB-lab, with the goal of integrating the predicted data into a control system that works in tandem with the building’s other power generation systems. The project team will focus on using machine learning approaches on historical photovoltaic production from the plant and weather data collected from SINTEF’s test cell to assist the ZEB-building in determining the best strategy to reduce power consumption and greenhouse gas emissions while increasing the usage of energy produced locally. The concepts presented in this report are based on past research literature, scientific papers, and other scholars’ work.