Avoimen datan aurinkoennuste kertoo tulevien päivien aurinkosähkötuotannon

Avoimena koodina julkaistu aurinkosähkömalli ennustaa tulevien päivien tuntikohtaisen aurinkosähkötuotannon halutulle kohteelle Suomessa ja lähialueilla. Näin ollen se auttaa ennakoimaan kuinka paljon aurinkosähköä on saatavilla sääolojen mukaan.
”Tietoa voi hyödyntää erilaisten kohteiden energiaoptimointiin. Sen avulla voi esimerkiksi hyödyntää parhaalla tavalla aurinkosähkötuotannon omakotitalossa, jossa on pörssisähkö ja omat aurinkopaneelit”, kertoo Ilmatieteen laitoksen tutkimusprofessori Anders Lindfors.
Aurinkosähkömallin säätietona käytetään yhteispohjoismaisen MetCoOp-säänennustusjärjestelmän tuottamia ennusteita.
Ohjelma luo avoimesta rajapinnasta ladattujen säteily- ja sääarvojen sekä annettujen järjestelmän parametrien avulla 66 tunnin mittaisen ennusteen aurinkovoiman tuotannolle. Aurinkoenergiamalli huomioi muun muassa paneelien asennuskulmat, järjestelmän koon, pilvisyyden, paneelien lämpötilan ja paneelien heijastuvuuden.
Ohjelma on saatavilla vapaasti käytettävänä avoimen koodin julkaisuna. Ohjelman suorittaminen vaatii Python-ohjelmointiympäristön dokumentaatiossa mainituilla paketeilla.
Ennusteen luotettavuus on hyvä, suurin epävarmuus liittyy pilvisyyteen
Ennuste pohjautuu vertaisarvioituihin ja laajalti hyväksyttyihin fysikaalisiin malleihin. Aurinkovoimaennustetta on testattu vertaamalla ennusteen arvoja todelliseen tuotantoon ja luotettavuus on todettu hyväksi.
Mallin suurin epävarmuustekijä on pilvisyys. Ennusteen tarkkuuteen vaikuttavat myös paneeleille satanut lumi sekä paneelien varjostus, joita ennuste ei ota huomioon.
Lisätietoja:
Tutkimusprofessori Anders Lindfors, Ilmatieteen laitos, p. 050 433 1055, anders.lindfors@fmi.fi
Tutkija Timo Salola, Ilmatieteen laitos, p. 044 253 5628, timo.salola@fmi.fi
Github: avoimen lähdekoodin aurinkosähkömalli
Avoimen koodin aurinkoennuste on kehitetty EasyDR-hankkeessa, jolle on myönnetty Euroopan unionin elpymisvälinerahoitusta (NextGenerationEU) Suomen Akatemian kautta projektinumerolla 348092. Ennusteessa käytettyjä menetelmiä on lisäksi kehitetty Business Finlandin rahoittamassa ERA-Net OWGRE-projektissa.