Clir Renewables a lancé une nouvelle technologie pour modéliser la variabilité de la production horaire d’énergie. Alimenté par l’apprentissage automatique et plus de 200 GW de données, le logiciel améliore considérablement la précision des approches standard de l’industrie en matière de modélisation de la forme et du volume de la production. Le résultat est des données de qualité pour aider les propriétaires et les opérateurs à prévoir la production et les revenus afin d’optimiser la stratégie d’achat.

Au-delà de quinze jours, les prévisions météorologiques ne sont pas utiles pour prévoir la production d’énergies renouvelables, les propriétaires s’appuient donc sur des modèles statistiques. Ces modèles varient en sophistication, mais souvent ne tiennent pas correctement compte de la variation horaire de la production sur le site ou de l’historique de production réel des projets en exploitation.

Les data scientists de Clir ont surmonté de nombreux pièges des modèles statistiques standards. Un modèle d’apprentissage automatique est formé à l’aide de l’énergie brute horaire provenant du parc éolien ou solaire et des données climatiques de la période correspondante. Les projections du modèle entraîné sont ensuite testées par rapport à la production réelle dans les années suivant la période de données de formation. Une fois formé, le modèle est utilisé pour produire une distribution de séries chronologiques basée sur plus de vingt ans de données. Le résultat est une simulation des bandes d’incertitude de la production brute d’énergie horaire pour n’importe quel mois, trimestre ou année, sur la base de la tendance historique.

Une fois la production horaire brute générée, Clir utilise l’intelligence de plus de 200 GW d’actifs opérationnels pour tenir compte des pertes d’énergie attendues de la ferme. Le modèle brut validé est formé sur les données de perte des pairs — basées sur le type de technologie, l’âge de l’actif, l’emplacement, la taille, les conditions environnementales et d’autres facteurs — pour simuler les bandes d’incertitude de la production nette d’énergie à n’importe quelle heure, jour, mois, trimestre ou année.

L’une des applications clés de la nouvelle plateforme de modélisation de volume concerne les couvertures de production d’électricité. Les contrats de couverture sont couramment utilisés pour assurer la certitude des revenus sur les marchés où les propriétaires sont exposés aux fluctuations des prix du marché. Que ces contrats de couverture soient réglés toutes les heures ou moins fréquemment, avoir une vision précise de l’éventail des résultats probables en matière de production d’énergie peut contribuer à garantir que les contrats sont optimaux. En examinant la répartition de la production attendue sur plusieurs actifs et en tenant compte de l’impact de la diversification, les couvertures à l’échelle du portefeuille peuvent également être optimisées.

« Notre nouvelle plateforme de modélisation du volume de production permettra aux investisseurs et aux opérateurs d’infrastructures d’énergies renouvelables de réaliser des millions de revenus potentiels », a déclaré Gareth Brown, PDG de Clir Renewables. « Nous avons récemment fait équipe avec deux grands investisseurs éoliens pour tester les modèles sur des actifs de plus de 2 milliards de dollars et, dans les deux cas, il y avait une différence substantielle dans leurs attentes en matière de production sur la base des hypothèses précédentes. Les avantages pour le client se traduisent par des millions de dollars de gains à la fois sur les actifs actuels et sur les flux de revenus futurs des actifs.

Actualité de Clir Renouvelables