由冲绳科学技术研究生院(OIST)的Mahesh M. Bandi教授领导的一个研究小组想要探讨可再生能源波动中涉及的一些科学问题，以及如何更好地预测能源产出。该团队最近在新物理学杂志上发表了他们的研究结果。
“一个波动的电源威胁到电网中均匀的电力分配，”Bandi说。“这使得波动的电力输出与波动的消费者需求之间难以平衡。”
Bandi和他的两位合着者Golan Bel和Colm Connaughton同时在洛斯阿拉莫斯国家实验室担任博士后，并了解到他们喜欢“在远足时烹饪科学问题，”Bandi说。所以他们决定在日本冲绳的徒步旅行中向他们提出有关可再生能源波动的问题。
该团队包括MärtToots，他是第一年在OIST与Bandi一起工作的研究生，分析了爱尔兰电网风电场的数据，发现电网农场的电力输出也有类似的波动。这与之前的想法不同。
“一般认为地理分布的风电场是独立的。换句话说，一个风电场的输出功率波动与另一个风电场的波动不同，比如50公里之外，”Bandi说。
相反，Bandi和他的团队分析的数据表明，网格上的风电场不再能够独立地响应当地的风速条件，而是成为一个更大的地理天气系统的一部分，迫使所有的风电场在最多一天的时间跨度内具有相似或相关的输出。
“如果有一种连接它们的介质，那么就会发现两个风电场会以类似的方式波动。这并不意味着它们的输出在每个瞬间完全同步，但平均而言它们的输出波动非常相似平均值很重要。这就是我们所说的相关性，“Bandi说。
风电供应的不可预测性以及与更大的地理天气系统一起工作可能会在预测电力输出时产生错误。因此，Bandi和他的团队通过统计分析量化了预测中发现的两类错误，以确定趋势并分析风电网数据中这些趋势的波动。两种类型的错误是：时间尺度和缩放。
时间尺度误差是统计模型没有进行任何预测的时间间隔，这会在选定的时间段内产生不确定性。缩放误差是指当前预测模型无法预测不同风电场之间波动与发电量之间相关性的程度，Bandi表示，这种情况并不经常被考虑，因为“当人们估计误差时，他们不会考虑相关性”。
研究人员进行的统计分析对于更准确地预测风力发电所需的供需情况非常重要，这种方法可以应用于其他可再生能源研究。
“这种技术或工具不仅限于风力发电，”Bandi说。这意味着它也可以用于其他可再生能源来预测误差，只要它们具有与时间相关的具有统计结构的相应变化即可。
