Caroline Persson, studerende fra DTU Compute, vinder førstepræmie til studenterkonferencen Grøn Dyst 2015 for sin ”grønne” solcellemodel, som skal gøre solenergi til et attraktivt alternativ til fossile brændstoffer

Attraktiv solcellemodel til fossilfri fremtid

fredag 03 jul 15

Kontakt

Henrik Madsen
Professor, Sektionsleder
DTU Compute
45 25 34 08

Kontakt

Peder Bacher
Lektor
DTU Compute
45 25 30 75

Grøn Dyst 2015

GRØN DYST er et uddannelsesinitiativ på DTU, der sætter fokus på bæredygtighed, klimateknologi og miljø i alle DTU´s uddannelser. GRØN DYST er registreret trademark.

Caroline Persson, studerende fra DTU Compute, vinder førstepræmie til studenterkonferencen Grøn Dyst 2015 for sin ”grønne” solcellemodel, som skal gøre solenergi til et attraktivt alternativ til fossile brændstoffer.

Gode modeller til forudsigelse af solenergi fra solceller vil i fremtiden være en vigtig faktor for den enkelte forbruger i husstande. Ved hjælp af intelligente løsninger, som solcellemodeller, hvor strøm bliver udnyttet bedst muligt, vil vi fx kunne planlægge at oplade vores elektriske bil, når strømmen er mest tilgængelig. Omvendt vil vi også kunne skrue ned for strømbrugende apparater, hvis vi kan forudsige, hvornår solcellerne producerer mindre strøm”, udtaler Caroline.

 

Solcellemodellen er Carolines  afgangsspeciale med titlen “Forecasting solar power”, som skal afleveres til september. Modellen er implementeret ved hjælp af vejrdata (vejrforudsigelser, fx. temperatur, nedbør, skydække) og information om historisk data over elproduktionen fra 42 solcelleinstallationer i Japan. Den kan forudsige hvor meget strøm hver af disse installationer vil producere 1-6 timer frem i tiden. 

 

Stort potentiale og ikke dyr at implementere

Modellen har vist sig at være et meget konkurrencedygtig og et godt supplement til eksisterende metoder til forudsigelse af solenergi. Flere virksomheder har allerede vist interesse for den. Til Grøn Dyst var vurderingen, at den ikke er for dyr at implementere og at det er et produkt med godt fremtidigt potentiale.

 

”Jeg har lidt utraditionelt brugt en ren data-driven model, som stammer fra machine learning feltet inden for computer science. Min model er rigtig god til at håndtere store datamængder og til effektivt at finde mønstre i data, som bruges til at forudsige elproduktionen. Modellen forudsiger hurtigt og effektivt elproduktionen fra hver af de førnævnte 42 installationer samtidigt. Det er en super vigtig detalje, da det ofte har været meget udfordrende at inddrage flere installationer i en model med traditionelle forecasting metoder. Modellen er også meget fleksibel og kan nemt udvides til at inddrage flere solcelleinstallationer og forudsige længere frem end 6 timer”, uddyber Caroline.

 

Carlolines hovedvejleder på specialet er adjunkt Peder Bacher og medvejleder er professor Henrik Madsen fra DTU Compute.

Nyheder og filtrering

Få besked om fremtidige nyheder, der matcher din filtrering.