de 
en
fr
es
NEXT -Technologie
Ein Algorithmus für maschinelles Lernen
K-NN Verfahren
NEXT verwendet eine intern entwickelte statistische Ensemble-Lernmethode.
Der NEXT-Algorithmus basiert auf einer statistischen Ensemble-Lernmethode vom Typ k-nächste Nachbarn (kNN).
Der NEXT Algorithmus kombiniert mehrere komplementäre Eingabedatenquellen mit unterschiedlichen räumlichen und zeitlichen Skalen (NWP, Satellit, In-situ-Messungen). Er sucht in der Datenhistorie nach ähnlichen Mustern wie der aktuellen meteorologischen Situation und verwendet dabei eine selbst entwickelte, fortschrittliche Methode zur Schätzung der Ähnlichkeit zwischen zwei meteorologischen Situationen.
Der Algorithmus zielt darauf ab, die Grenzen des Standes der Technik zu erweitern, indem er nicht nur Rohdaten aus verschiedenen Quellen verwendet, sondern auch Daten, die mit allgemein auf dem Markt erhältlichen Standardmodellen transformiert wurden.
Daher verwendet NEXT standardmäßig eine Kombination aus mehreren Wettermodellen als Eingabe sowie Strahlungskartenprognosen aus Satellitenbildern in Verbindung mit robusten und bewährten Prognosetechniken wie Cloud Motion Vector (CMV).
Direkte PV-Produktionsprognosen
NEXT ist in der Lage, direkte PV-Produktionsprognosen unter Verwendung von Echtzeitdaten zu erstellen, um das Verhalten der Photovoltaikanlage besser darzustellen.
Es gibt zwei Methoden zur Produktionsprognose:
- Die erste Methode, die von NEXT, verwendet wird, umfasst eine Strahlungsprognose, gefolgt von einer Leistungs- oder Energieumwandlungsberechnung, wodurch eine detaillierte Modellierung aller Strahlungskomponenten ermöglicht wird.
- .Die zweite Methode umfasst die direkte Prognose von Leistung oder Energie, sofern Messungen verfügbar sind, wodurch das Verhalten der Photovoltaikanlage besser dargestellt werden kann.
Der NEXT-Algorithmus weist seinen Quellen nahtlos relevante Gewichte für seine Prognosen über alle Zeithorizonte hinweg zu.
NEXT integriert auch Echtzeit-Standortmessungen. Diese Messungen werden vom Algorithmus verwendet, um seine Prognosen auf der Grundlage der neuesten Beobachtungen ständig zu aktualisieren. Der Algorithmus wird kontinuierlich anhand von Echtdaten kalibriert, die von Sensoren vor Ort erfasst werden, wodurch eine direkte PV-Leistungsprognose ermöglicht wird.
PROBABILISTISCH
NEXT generiert probabilistische Ensemble-Prognosen von P5 bis P95.
Die von NEXT verwendete Technologie sucht nach Ähnlichkeiten in der Historie der Kombination von Eingabedaten. Sie ermöglicht die Erstellung probabilistischer Ensemble-Prognosen, die naturgemäß auf den zu prognostizierenden Zielwert kalibriert sind.
Tatsächlich identifiziert diese Methode eine Reihe von Momenten in der Geschichte, für die die Prädiktoren eine ähnliche meteorologische Situation angezeigt haben. Folglich ist die gesamte Unsicherheit in Bezug auf die Variabilität der Beobachtungen, die für dieselbe Situation gewonnen werden können, in dieser Reihe von Beobachtungen enthalten. Somit wird nicht einfach die Unsicherheit in Bezug auf den Fehler bei den Parametern des Modells modelliert, wie dies klassischerweise bei Bootstrap- oder Ensemble-NWP-Methoden der Fall ist, sondern vielmehr die gesamte Unsicherheit des Modells, einschließlich derjenigen, die mit der Modellverzerrung zusammenhängt.
Der Algorithmus ist so eingestellt, dass er nativ probabilistische Quantile von P5 bis P95 in Schritten von 5 % liefert, die sehr gut auf die in den Messungen beobachteten realen Quantile (oder Satellitendaten im Falle des Modus ohne In-situ-Daten) kalibriert sind.
Durch den Einsatz von NEXT, garantiert einem Vermögensverwalter den Zugriff auf zuverlässige Vorhersagequantile, die die tatsächliche Variabilität und Unsicherheit der Daten vor Ort widerspiegeln, sodass realistische Produktionsszenarien erstellt werden können.