Nowcasting for Solar Power Generation for 4 Regions of Thailand Using Cloud Tracking and Deep Learning

ในอดีตที่ผ่านมา (ปี 2553 – 2561) การจัดหาพลังงานขั้นต้นของประเทศไทย (Thailand Primary Energy Supply) มีปริมาณเพิ่มขึ้นอย่างต่อเนื่อง เนื่องจากความต้องการใช้พลังงานเพิ่มขึ้น จากข้อมูลพบว่าประเทศไทยต้องนำเข้าพลังงานเฉลี่ยเท่ากับ 52.3% ของการจัดหาพลังงานขั้นต้นทั้งหมด และใช้เชื้อเพลิงฟอสซิลมากกว่า 80% ดังนั้น ความมั่นคงทางพลังงาน ซึ่งหมายถึงความสามารถในการจัดหาพลังงานได้อย่างต่อเนื่อง มีบริการพลังงานที่เชื่อถือได้ ในราคาและต้นทุนที่เหมาะสม จึงเป็นวาระสาคัญของประเทศ ในขณะเดียวกันการผลิตและการใช้พลังงานโดยเฉพาะเชื้อเพลิงฟอสซิลก็ส่งผลกระทบต่อสิ่งแวดล้อม ทั้งนี้ กระทรวงพลังงานได้จัดทำแผนพัฒนากำลังผลิตไฟฟ้าของประเทศไทย 2561 – 2580 ฉบับปรับปรุงครั้งที่ 1 (PDP 2018 Revision 1) โดยได้เน้นการเสริมความมั่นคงด้านพลังงาน ด้วยการกระจายเชื้อเพลิงการผลิตไฟฟ้า ส่งเสริมการผลิตไฟฟ้าต้นทุนต่ำ ลดผลกระทบด้านสิ่งแวดล้อมและส่งเสริมการผลิตไฟฟ้าจากพลังงานทดแทน การเพิ่มสัดส่วนการผลิตไฟฟ้าจากพลังงานหมุนเวียนและการเพิ่มประสิทธิภาพในระบบไฟฟ้า รวมทั้งพัฒนาระบบโครงข่ายไฟฟ้าสมาร์ทกริด เป็นต้น โดยได้กำหนดเป้าหมายกำลังผลิตตามสัญญาจากโรงไฟฟ้าพลังงานหมุนเวียน โดยพิจารณาจัดหากำลังผลิตไฟฟ้าที่สอดคล้องกับศักยภาพพลังงานหมุนเวียนคงเหลือของประเทศ เช่น พลังงานแสงอาทิตย์ 8,740 เมกะวัตต์ และจากข้อมูลการติดตั้งพลังงานแสงอาทิตย์ แสดงให้เห็นว่าแนวโน้มการใช้พลังงานแสงอาทิตย์เพื่อผลิตไฟฟ้าในประเทศไทยเพิ่มขึ้นอย่างมาก โดยในปี 2561 มีกำลังการผลิตสะสมรวมกันทั้งสิ้น 2,962.44 เมกะวัตต์์ ซึ่งเป็นผลจากการดำเนินนโยบายพลังงานทดแทน ส่งเสริมและมาตรการสนับสนุนต่างๆ  อย่างไรก็ตาม การพัฒนาพลังงานหมุนเวียนก็ยังไม่สามารถทดแทนพลังงานฟอสซิลได้อย่างมีนัยสำคัญจากหลายปัจจัย และหนึ่งในปัจจัยดังกล่าว คือ การพยากรณ์การผลิตกำลังไฟฟ้าจากพลังงานหมุนเวียนที่ยังไม่มีประสิทธิภาพ โดยเฉพาะอย่างยิ่งพลังงานแสงอาทิตย์เนื่องจากพลังงานแสงอาทิตย์มีความผันผวน ดังนั้นการพยากรณ์กำลังผลิตไฟฟ้าที่ผลิตได้จากพลังงานแสงอาทิตย์ (Solar Energy Forecast) จึงเป็นประเด็นที่สำคัญ กล่าวคือเป็นการประเมินศักยภาพการผลิตไฟฟ้าของโรงไฟฟ้าพลังงานแสงอาทิตย์ ในช่วงระยะเวลาที่สนใจ โดยอาศัยข้อมูลจากลักษณะการเปลี่ยนแปลงของปัจจัยทางธรรมชาติที่ได้จากระบบตรวจวัดที่ติดตั้งและข้อมูลทางไฟฟ้าต่างๆ ณ ขณะนั้น ซึ่งการพยากรณ์ในปัจจุบัน (Nowcasting) จากพลังงานแสงอาทิตย์ มีความสำคัญต่อผู้ควบคุมระบบโครงข่ายไฟฟ้า ทำให้สามารถบริหารจัดการระบบได้อย่างมีประสิทธิภาพมากขึ้นและรักษาความเชื่อถือของโครงการข่ายไฟฟ้าสมาร์ทกริด โดยทั่วไปแล้วการพยากรณ์ปัจจุบัน (Nowcasting) จะมีการดำเนินการทุกๆ 5-15 นาที

จากการทบทวนการศึกษาวิจัยการพยากรณ์ด้านพลังงานแสงอาทิตย์ที่ผ่านมา พบว่ามีนักวิจัยทั้งประเทศไทยและต่างประเทศได้ศึกษาวิจัยและตีพิมพ์ผลงานวิจัยเป็นจำนวนมาก ซึ่งส่วนใหญ่จะใช้วิธี Machine learning และ/หรือ Deep learning รวมทั้งวิธีอนุกรมเวลา (Time series) ทั้งในระดับเวลาในปัจจุบัน (Nowcasting), ระยะเวลาสั้นมาก (Very short-term), ระยะสั้น (Short-term) เป็นต้น การพยากรณ์โดยใช้วิธี Machine learning และ Deep learning นักวิจัยได้ใช้อัลกอริทึมของทั้งสองวิธี รวมทั้งได้ผสมผสานในแต่ละอัลกอริทึม เพื่อทำให้การพยากรณ์มีความแม่นยำมากขึ้น และประเมินโดยตัวชี้วัด (Evaluation Index) คือ Mean Absolute Error (MAE) และ Root Mean Squared Error (RMSE) และ Forecast skill score (SS) เป็นต้น ซึ่งข้อมูลที่ใช้ในการพยากรณ์ส่วนใหญ่ใช้ข้อมูลในอดีต ทั้งการผลิตกำลังไฟฟ้า ความเข้มแสงอาทิตย์ สภาพอากาศ การพยาการณ์อากาศ ภาพถ่ายท้องฟ้า (Sky image) ทั้งนี้ กรณีประเทศไทย พบว่ามีการพยากรณ์แบบ Nowcasting ในระดับนาทีอยู่บ้าง แต่ยังมีอยู่จำนวนน้อย ซึ่งหนึ่งในงานวิจัยดังกล่าวได้ใช้เทคนิค Cloud image แต่ใช้ข้อมูลจากแหล่งอื่นไม่ได้ใช้ข้อมูลของโรงไฟฟ้าของไทย รวมทั้งได้มีการวิจัยการพยากรณ์ในระดับรายชั่วโมงและรายวัน

ดังนั้น คณะผู้วิจัยจึงได้เสนอโครงการ การพยากรณ์ในปัจจุบัน (Nowcasting) ด้วยการวิธี Deep Learning โดยใช้เทคนิคการประมวลผลรูปภาพ (Image Processing) และเทคนิคการติดตามเมฆ (Cloud Tracking) จากภาพถ่ายของท้องฟ้า โดยที่ความเข้มแสงจะถูกพยากรณ์จากเงาที่เกิดจากเมฆ ทิศทางการเคลื่อนที่ของเมฆและความเร็วของเมฆ  ซึ่งค่า Input ประกอบด้วยข้อมูลกำลังไฟฟ้าในอดีต สภาพอากาศ และข้อมูล Sky Image ที่ถ่ายภาพด้วย Sky Cameras และทำการพยากรณ์ด้วยวิธี Deep Learning โดยใช้อัลกอริทึมต่างๆ เช่น multi-layer perceptron (MLP), a convolutional neural network (CNN), a long short term memory (LSTM) เป็นต้น ความแตกต่างระหว่างงานวิจัยนี้กับงานวิจัยการพยากรณ์และการพยากรณ์พลังงานแสงอาทิตย์ในอดีต คือการดำเนินโครงการจะใช้ช้อมูลจริงจากโรงไฟฟ้าเซลล์แสงอาทิตย์ 4 แห่ง ใน 4 ภูมิภาคของประเทศไทย โดยการศึกษาใช้ระยะเวลา 12 เดือน และทำการพยากรณ์ในปัจจุบัน (Nowcasting) ด้วยชุดข้อมูล (Dataset) อย่างน้อย 6 เดือน ซึ่งการศึกษาประกอบด้วยทั้งสิ้น 12 กรณี แบ่งตามฤดูกาล และในแต่ละฤดูกาลจะแบ่งเป็น 3 กรณี คือ กรณีฟ้าโปร่ง (Clear sky), กรณีเมฆบางส่วน (Partly cloud) และกรณีท้องฟ้ามืดครื้ม (Overcast) จากนั้นทำการประเมินด้วย Evaluation index การดำเนินโครงนี้ใช้งบประมาณทั้งสิ้น 5,568,000 บาท ซึ่งผลลัพธ์จากการดำเนินโครงการจะก่อให้เกิดประโยชน์ต่อระบบพลังงานเซลล์แสงอาทิตย์ของไทย คือ ประเทศไทยจะได้กรณีตัวอย่างสำหรับการพยากรณ์กำลังไฟฟ้าจากโรงไฟฟ้าเซลล์แสงอาทิตย์ โดยใช้ข้อมูลจริงจากโรงไฟฟ้าทั้ง 4 ภูมิภาคของประเทศไทย เพื่อขยายผลไปยังโรงไฟฟ้าอื่นๆ และใช้ประกอบการพัฒนาวิธีการพยากรณ์เพื่อพัฒนาความแม่นยำในการพยากรณ์ โดยผลที่ได้สามารถนำมาใช้ประกอบการพิจารณาการควบคุมระบบไฟฟ้าและการวางแผนจัดการกำลังไฟฟ้าสำรองของระบบไฟฟ้าทั้งกำลังไฟฟ้าสำรองปฐมภูมิ (primary reserve) กำลังสำรองทุตยภูมิ (secondary reserve) ตลอดจนกำลังไฟฟ้าสำรองเผื่อเรียก เพื่อให้โครงข่ายระบบไฟฟ้ากำลังมีความยืดหยุ่น (flexibility) สามารถรองรับระบบผลิตไฟฟ้าพลังงานแสงอาทิตย์ได้อย่างมีความมั่นคงและความเชื่อถือได้ตามเป้าหมายและสามารถใช้รองรับระบบตลาดการซื้อขายไฟฟ้าที่เป็นแบบพลวัตในอนาคต