Time-series and machine learning techniques have demonstrated significant efficacy in forecasting photovoltaic (PV) energy for intra-day and intra-hour horizons. By integrating radiation measurement with cloud and satellite imagery, accurate predictions can be made for up to six hours. However, for day-ahead (DA) forecasts, numerical weather prediction (NWP) models are necessary as the atmospheric processes driving changes are not sufficiently related to current conditions to be captured using statistical methods alone. This thesis proposes a hybrid ensemble model that integrates satellite imagery with NWP data for intra-day forecasts. Additionally, it explores the full potential of NWP models for DA forecasting by applying model output statistics techniques. This research offers a comprehensive analysis of both deterministic and probabilistic PV power forecasts with uncertainty associated with these predictions, contributing valuable insights to the field of solar energy forecasting.
Time-Series und Machine-Learning Methoden haben sich als äußerst effektiv für die kurzfristige Vorhersage von Photovoltaik Energie (PV) erwiesen. Durch die Kombination von Strahlungsmessungen mit Wolken- und Satellitenbildern können präzise Prognosen für bis zu sechs Stunden erstellt werden. Für Day-Ahead (DA)-Vorhersagen sind jedoch Numerical Weather Prediction (NWP) Modelle erforderlich, da atmosphärische Prozesse nicht allein durch statistische Methoden erfasst werden können. Diese Dissertation stellt ein hybrides Ensemblemodell vor, das Satellitenbilder mit NWP-Daten für kurzfristige Prognosen kombiniert. Zudem wird das volle Potenzial von NWP-Modellen für DA-Vorhersagen mittels Model-Output-Statistik-Techniken untersucht. Zusätzlich werden sowohl deterministische als auch probabilistische PV-Leistungsvorhersagen samt Unsicherheiten analysiert, die zu wertvollen Erkenntnissen im Bereich der Solarenergievorhersage führen.
In dieser Arbeit wurde ein Komposit aus mesoporösem Titandioxid und metallischen Au-Nanopartikeln hergestellt. Die verschiedenen Charakterisierungen zeigen ein phasenreines Trägermaterial (Anatas) mit einem Porenvolumen von etwa 0.4 cm³/g, welches mit 8 nm im mittleren Durchmesser großen Gold-Nanopartikeln beladen ist. Diese Nanopartikel zeigen ein Absorptionsmaximum im Bereich von 530 nm. Durch Beleuchtung mit sichtbarem Licht kann dieses Komposit 5.7 mmol/(h·g) H2 produzieren. In der Gasphasen CO2-Photoreduktion kann unter Beleuchtung mit einer 200W Hg/Xe-Lampe bis zu 250 ppm/(h·gcat) CO and 140 ppm/(h·gcat) CH4 detektiert werden. Dabei werden ebenfalls große Mengen an Wasserstoff für alle Proben als Produkt identifiziert. In der reduktiven Dimerisierung von Benzylbromiden mit sichtbarem Licht können Ausbeuten von 90% bei Umsätzen von bis zu 99% (4-Methylbenzylbromid) nach einer Reaktionszeit von 19.5 h erreicht werden.
This work shows the synthesis of a composite of metallic Au nanoparticles on top of a mesoporous titanium dioxide. The various characterization techniques show phase pure highly crystalline anatase titanium dioxide with a pore volume of around 0.4 cm³/g decorated with 8 nm Au nanoparticles which exhibit an absorption maximum of around 530 nm. These composites were tested for different types of reactions. Upon illumination with visible light the Au metallic nanoparticles modified photocatalyst continuously produced 5.7 mmol/(h·g) H2 with Pd nanoparticles as cocatalyst. In high-purity gas-phase CO2-photoreduction upon illumination with a 200W Hg/Xe-lamp up to 250 ppm/(h·gcat) of CO and 140 ppm/(h·gcat) of CH4 were detected. High amounts of hydrogen were identified for all tested samples. In the reductive dimerization of benzyl bromides with visible light, yields of 90% with a conversion of 99% (for 4-Methylbenzyl bromide) was obtained after 19.5 h reaction time.
