Aszódi Attila volt államtitkár, a BME Nukleáris Technikai Intézetének oktatója és csapata újfajta szemlélettel kutatta azokat az időjárási helyzeteket, amikor sem a nap nem süt, sem a szél nem fúj. Meglepő eredményekre jutottak, de a konklúzió egyértelmű: jelenleg nagyon megfontolt döntéseket lehet csak hozni. Viszont egy biztos: az atomenergia.
Magyarország elkötelezett a megújuló energiaforrások villamosenergia-termelésen belüli részarányának növelése mellett, erről Lantos Csaba energiaügyi miniszter az Indexnek adott interjújában is beszélt. És ezt alátámasztja a hazai naperőművek kapacitásának elmúlt években bekövetkezett jelentős növekedése is – nem is olyan régen ebben új csúcs született.
Ugyanakkor tagadhatatlan, az időjárástól erősen függő nap- és a szélerőművek európai elterjedése jelentős kihívások elé állítja a villamosenergia-rendszert,
hiszen ezek termelése egy napon belül, de az egész évben is jelentősen változik, és nem illeszkedik a villamosenergia-igény időbeli változásához.
Ráadásul ezenkívül előfordulhatnak olyan állapotok, amikor sem a nap-, sem a szélerőművek nem képesek termelni. Ezeket a rendszerállapotokat – amikor sem a nap nem süt, sem a szél nem fúj, vagy sokkal kisebb a betáplálásuk, mint ezen erőművek névleges kapacitása – Dunkelflaute, azaz magyarul sötétszélcsend állapotnak nevezik a szakirodalomban. A héten Aszódi Attila volt államtitkár, a BME Nukleáris Technikai Intézetének oktatója és csapata meglepő fordulatot publikált, ugyanis a Dunkelflaute nagy kihívás elé állítja a műszaki szakembereket.
A mostani kutatásuknál ezt a mesterséges neurális hálózatokat hívták segítségül, amelyről a nemzetközi energetikai tudományos közösség egyik legrangosabb szakmai újságjában, a 11,4-es impakt faktorú Applied Energy című lap legújabb kiadásában számolnak be.
Egy olyan tanulmányt mutattak be, amely szerint Magyarország esetére 3 év meteorológiai és megújuló erőművi termelési, valamint 6 év villamosenergia-felhasználási adatai alapján tanítottak be egy mesterséges neurális hálózatokon alapuló modellt.
Ez a gépi tanulási modell feltérképezi a légköri reanalízisből származó időjárási adatokat, a fotovoltaikus nap- és szélenergia-termelés, valamint a villamosenergia-felhasználás közötti kapcsolatokat.
A betanított mesterséges idegháló modellt arra használták fel, hogy 42 évre (1980–2021) visszamenőleg szintetikus óránkénti megújulóenergia-termelési és fogyasztási profilokat hozzanak létre, amelyek azt közelítik, mi történne egy jövőbeli időben, jövőbeli feltételezett villamosenergia-rendszerben, ha az időjárási körülmények úgy alakulnának, mint ahogy az történt az elmúlt 42 évben.
A modellezett profilokat új variancia-korrekciós módszerrel dolgozták fel, amely biztosítja a modellezett és a valós adatok statisztikai hasonlóságát, és így az ezeken a profilokon alapuló szimuláció megbízhatóságát. A cikkben bemutatott módszertan által lehetővé tett valószínűségi modellezésnek két gyakorlati alkalmazását is bemutatták a cikkben a magyar villamosenergia-rendszerre vonatkozóan: egyrészt vizsgálták a Dunkelflaute események gyakoriságát, másrészt előrejelzést adtak a jövőbeli villamosenergia-igények kiszolgálhatósága, valamint az egyes erőműtípusok kihasználhatósága vonatkozásában – fogalmazott Aszódi Attila posztjában.
A tanulmány fő megállapításai a következők:
A mesterséges neurális hálózat, mesterséges neuronháló vagy másnéven ANN (artificial neural network) egy biológiai ihletésű szimuláció. Itt elsősorban a gépi tanulás kerül előtérbe, melynek célja ezeknek a hálóknak a tanuló rendszerként történő gyakorlati alkalmazása. Ez egy gráf alapú modell és rétegekbe rendezett mesterséges neuronok kommunikálnak egymással nemlineáris aktivációs függvényeken keresztül. Tanításuk általában a hibák detektálásával történik, de számos alternatív algoritmus is elérhető ezeken kívül. Többnyire matematikusok, programozók vagy ezeknek egyvelege foglalkozik a területtel. Az informatikában külön iparágak épülnek erre.
(Borítókép: Aszódi Attila. Fotó: Bruzák Noémi / MTI)