PPVM – Predictive Photo-Voltaic Management

PPVM – Predictive Photo-Voltaic Management

Il software PPVM sviluppato da ePowerIng è finalizzato alla gestione ottimale di un impianto fotovoltaico provvisto di sistema di accumulo e connesso ad un impianto caratterizzato dalla presenza di carichi elettrici fissi e programmabili. Il modello incorpora metodologie e algoritmi frutto delle ricerche svolte presso l’Università di Salerno [1]. PPVM è in grado di fornire previsioni dell’insolazione solare reale e della potenza fotovoltaica prodotta da un impianto composto da uno o più campi diversi in un arco temporale di 48 ore tenendo conto delle previsioni meteo e degli effetti della nuvolosità. I risultati pubblicati dimostrano come attraverso la previsione dell’insolazione e l’utilizzo di metodologie di ottimizzazione sia possibile soddisfare i carichi richiesti con una riduzione significativa (dell’ordine del 20%) dei costi associati al prelievo di energia dalla rete, rispetto ai risultati ottenibili ricorrendo a metodi di gestione convenzionali, non predittivi.

Il modello dell’impianto è accoppiato ad algoritmi di ottimizzazione vincolata non lineare. I risultati, forniti con frequenza programmabile da parte dell’utente, consentono di pianificare in anticipo l’eventuale ricarica da rete di un sistema di accumulo e l’utilizzo di carichi elettrici opzionali e programmabili, quali la ricarica di veicoli elettrici e l’utilizzo di macchinari, selezionando tra le molte soluzioni possibili quella che permette la massima riduzione dei costi per l’energia e delle emissioni di CO2 associate.

Una versione demo è disponibile a questo link.

ENG

The PPVM software developed by ePowerIng is aimed at the optimal management of a photovoltaic system equipped with a battery and connected to a system characterized by the presence of fixed and programmable electrical loads. The model incorporates methodologies and algorithms resulting from research carried out at the University of Salerno [1]. PPVM is able to provide forecasts of real solar insolation and of the photovoltaic power produced by a system made up of one or more different fields in a 48-hour period, taking into account the weather forecasts and the effects of cloudness. The published results demonstrate how through the prediction of the insolation and the use of optimization methodologies it is possible to satisfy the required loads with a significant reduction (of the order of 20%) of the costs associated with the withdrawal of energy from the grid, compared to the results obtainable using conventional, non-predictive management methods.

The plant model is coupled to non-linear constrained optimization algorithms. The results, supplied with a frequency that can be programmed by the user, make it possible to plan in advance any recharging of an accumulation system from the network and the use of optional and programmable electrical loads, such as the recharging of electric vehicles and the use of machinery, selecting among the many possible solutions the one that allows the maximum reduction of energy costs and associated CO2 emissions.

References

[1] G Rizzo, F A Tiano, M Marino (2021), A Provisional Model for the Optimal Management of a Charging Station Assisted by Photovoltaic Panels for Plug-In Electric Vehicles, Journal of Solar Energy Research Updates, https://zealpress.com/jms/index.php/jseru/article/view/340

[2] G Rizzo, M Mirra, F A Tiano, M Marino (2023), An Advanced Software Tool for the Optimal Management of Photovoltaic Plants with Storage Systems and Programmable Loads, RENEWABLEMEET 2023, March 13-15, 2023, Rome, Italy – Link to PDF

Lascia un commento

Chiudi il menu