Multi‐domain analysis of photovoltaic impacts via integrated spatial and probabilistic modelling

Abstract

replace with: Currently, the impacts of wide-scale implementation of photovoltaic (PV) technology are evaluated in terms of such indicators as rated capacity, energy output or return on investment. However, as PV markets mature, consideration of additional impacts (such as electricity transmission and distribution infrastructure or socioeconomic factors) is required to evaluate potential costs and benefits of wide-scale PV in relation to specific policy objectives. This study describes a hybrid GIS spatio-temporal modelling approach integrating probabilistic analysis via a Bayesian technique to evaluate multi-scale/multi-domain impacts of PV. First, a wide-area solar resource modelling approach utilising GIS-based dynamic interpolation is presented and the implications for improved impact analysis on electrical networks are discussed. Subsequently, a GIS-based analysis of PV deployment in an area of constrained electricity network capacity is presented, along with an impact analysis of specific policy implementation upon the spatial distribution of increasing PV penetration. Finally, a Bayesian probabilistic graphical model for assessment of socioeconomic impacts of domestic PV at high penetrations is demonstrated. Taken together, the results show that integrated spatio-temporal probabilistic assessment supports multi-domain analysis of the impacts of PV, thereby providing decision makers with a tool to facilitate deliberative and systematic evidence-based policy making incorporating diverse stakeholder perspectives.

Spatial and Temporal Characteristics of PV Adoption in the UK and Their Implications for the Smart Grid

“…The report highlights the need for strong policy intervention in order to achieve the scenarios envisaged. In the UK, the spatial variation in PV adoption and its implications for smart grid scenarios has been touched upon in the literature, but has yet to be fully explored [3,[16][17][18]. In particular, analyses have usually focused on the spatial distribution at a particular snapshot in time, whereas this research looks at the evolution of the spatial distribution in time and uses that to gain insight into the various determinants of that evolution.…”

Analysis of filling in missing data to provide maximum power extraction in Micro Grid

“…На першому етапі виконується синтез даних про величину сонячного випромінювання, яке досягає земної поверхні, застосовуючи просторову інтерполяцію (Kriging) даних з мережі метеорологічних станцій [4], [6]. Необхідно мати щогодинний доступ до цих даних.…”

Filling Gaps in Micro Grid by Method Based on Empirical Orthogonal Functions

“…Copyright (c) 2019 Корчака М. О., Клен К. С., Жуйков В. Я. Враховуючи як відсутність даних про освітленість, так і зменшення її величини, керування Micro Grid на базовому інтервалі та на інтервалі спостереження ускладнюється. Застосування принципу невизначеності Гейзенберга вказує на необхідність прогнозування величини енергії, що може бути отримана від станції на наступному інтервалі спостереження [4][5][6]. Для реалізації прогнозного керування необхідно прогнозувати зміну освітленості сонячних панелей за умови проходження хмари над їх площиною.…”