El rápido descenso de los costes de la tecnología solar y los ambiciosos objetivos federales y estatales en materia de energías renovables han acelerado el despliegue de la energía solar fotovoltaica en diversas regiones geográficas. Esto ha permitido que la generación solar sea viable incluso en latitudes septentrionales y en zonas con clima nevado. Sin embargo, la nieve acumulada puede reducir la producción de energía de un sistema solar fotovoltaico, al obstruir la luz solar disponible para la conversión de energía.
Las pérdidas de energía fotovoltaica debidas a la nieve -comúnmente denominadas "pérdidas por nieve"- varían mucho de un lugar a otro. El NREL ha calculado que las pérdidas medias anuales por nieve pueden oscilar entre el cero y el 16% en los Estados Unidos contiguos, y pueden llegar al 40% en algunos lugares de Alaska.
Estimar con precisión las pérdidas por nieve puede ayudar a los propietarios y financiadores de sistemas fotovoltaicos a reducir el riesgo financiero y operativo de sus proyectos solares. Sin embargo, la modelización de la incertidumbre resultante de las pérdidas por nieve puede ser compleja, ya que varios factores pueden afectar a la tasa de acumulación y desprendimiento de nieve. El clima local y la configuración del sistema fotovoltaico (como la inclinación del sistema y el tipo de seguimiento) pueden influir en la magnitud de las pérdidas de energía. ¿Cómo puede ayudarle SolarAnywhere®?
Modele las pérdidas por nieve con mayor precisión y reduzca la incertidumbre del proyecto con los datos de SolarAnywhere Sites
Unos datos meteorológicos precisos y fiables son la clave para una previsión energética y financiera exacta. El uso de datos meteorológicos obsoletos y que carecen de un largo historial de mediciones consistentes puede introducir incertidumbre en las estimaciones de producción de energía comunicadas. Dado que el clima local está siempre en movimiento -cambiando de una estación a otra y de un año a otro- las pérdidas de nieve pueden presentar una gran variabilidad estacional e interanual. Por lo tanto, puede ser un reto modelar las pérdidas de nieve de forma precisa y fiable con los datos de insolación de un año típico.
Incorporar los datos completos de la serie temporal meteorológica que es representativa de las condiciones meteorológicas reales en un emplazamiento energético es importante para ver la distribución de las pérdidas por año o mes. Esto ayuda a garantizar que los compromisos energéticos puedan ser informados por datos históricos reales, y no sólo por promedios a largo plazo. Con SolarAnywhere Sites, los clientes pueden modelar fácilmente las pérdidas por nieve utilizando los datos meteorológicos históricos completos en la ubicación de su proyecto. Las herramientas de simulación de energía pueden aprovechar la información detallada sobre los patrones meteorológicos diarios, como la profundidad de la nieve y la temperatura ambiente, para generar estimaciones de pérdidas específicas del emplazamiento.
Para entender cómo se pueden hacer más precisas las estimaciones de las pérdidas de nieve, comparamos dos enfoques:
- Un "Enfoque genérico de pérdidas" que utiliza las estimaciones de pérdidas proporcionadas en un estudio del NREL sobre el modelo de pérdidas de nieve fotovoltaica en el Modelo de Asesoramiento del Sistema (SAM)
- Un "Enfoque de Pérdidas Específicas" que incorpora los datos de las series temporales de SolarAnywhere con el modelo de pérdidas de nieve de SAM
Las principales diferencias entre los dos enfoques se enumeran en la figura 1. Ambos enfoques utilizan el modelo Marion del NREL para estimar las pérdidas de nieve. La diferencia clave está en el periodo de registro de los datos meteorológicos y en la resolución espacial de los datos de nieve.
Por ejemplo, el enfoque genérico utiliza datos meteorológicos de la NSRDB para el periodo 1961-1990. Se trata de un periodo de registro relativamente antiguo en comparación con el enfoque específico, que utiliza datos meteorológicos de series temporales más recientes. Otra diferencia clave es la resolución espacial. Los datos de nieve utilizados en el enfoque genérico se interpolan a partir de 239 lugares de Estados Unidos. En comparación con este enfoque, el enfoque específico utiliza datos meteorológicos obtenidos por satélite con una resolución espacial de 4 km.
Figura 1: Comparación del enfoque de pérdidas genéricas con el enfoque de pérdidas específicas
Enfoque de pérdidas genéricas (Estudio NREL) |
Enfoque de pérdidas específicas (SolarAnywhere Time-series Data SAM) |
|
---|---|---|
Modelo de pérdida de nieve | Marion | Marion |
Configuraciones estimadas | 20 grados y latitud de inclinación fija | Cualquier |
Regiones | Estados Unidos | Cualquier |
Resolución espacial de los datos sobre la nieve | Interpolado a partir de 239 localizaciones | 4 km |
Período de tiempo | 1961-1990 | 2004 - actualidad |
Al comparar las pérdidas anuales por nieve de un sistema fotovoltaico de inclinación fija a escala de servicio público, descubrimos que el Enfoque Genérico de Pérdidas puede dar lugar a una sobreestimación o subestimación de las pérdidas por nieve, y la diferencia en el rendimiento energético anual utilizando ambos enfoques puede alcanzar fácilmente el 7-8%. Además, esto puede variar de un año a otro y de un lugar a otro. La configuración del sistema (como el tipo de seguimiento y la inclinación) también puede afectar a la magnitud de las pérdidas de energía. Un estudio del NREL comparó cinco configuraciones diferentes del sistema y descubrió que las pérdidas de energía debidas a la nieve pueden ser superiores al 9% para un sistema fijo de baja inclinación.
La modelización de las pérdidas anuales de nieve es útil para evaluar el rendimiento del sistema y visualizar la distribución de las pérdidas en un año concreto. Dado que las pérdidas de nieve son acumulativas y dependen del tiempo, el uso de datos de series temporales de varios años puede mejorar la fiabilidad y la precisión de las estimaciones de pérdidas y tener en cuenta el efecto de la variabilidad interanual de las pérdidas de nieve.
Para demostrar que las estimaciones de P50/P90 pueden basarse más en los datos y ser más específicas para cada emplazamiento con datos de series temporales más precisos y actualizados, calculamos las estimaciones de pérdidas de nieve de P50/P90 utilizando datos meteorológicos de series temporales históricas de SolarAnyhwere desde 2004 hasta 2020 en SAM y las comparamos con las estimaciones genéricas. Se colocó un sistema fotovoltaico arbitrario a escala de servicio público en cinco lugares diferentes de EE.UU. Se consideraron dos configuraciones de emplazamiento energético: un sistema fotovoltaico de inclinación fija de 20 grados y un sistema fotovoltaico de seguimiento de un solo eje.
La figura 2 muestra cómo las estimaciones de P50/P90 pueden estar más basadas en datos y ser más específicas para el lugar con datos de series temporales de alta fidelidad en comparación con las estimaciones genéricas. Aunque las estimaciones de P50 son útiles para establecer líneas de base de rendimiento, los proveedores de deuda suelen financiar sólo el nivel de deuda que puede ser cubierto por las ventas de energía en un año de baja irradiación. Además, las condiciones de financiación pueden fijarse en función de la producción anual de energía a la baja (por ejemplo, una estimación P90 o P99). Por lo tanto, es imprescindible tener en cuenta cómo se comporta la central en ese escenario.
La mejora de la precisión de las estimaciones de pérdidas P90 con la modelización de series temporales puede reducir la incertidumbre en las estimaciones de energía comunicadas. Esto ayuda a los propietarios de proyectos a minimizar el riesgo financiero y operativo de su proyecto solar. Visite la página de recursos de pérdidas por nieve para revisar nuestro análisis completo de pérdidas por nieve y vea un vídeo que demuestra cómo puede utilizar los datos de SolarAnywhere Sites para modelar las pérdidas por nieve en SAM.
Al utilizar los datos meteorológicos de alta calidad y confianza de SolarAnywhere, los clientes pueden obtener el máximo valor para su proyecto mediante estimaciones de pérdidas del sistema específicas y basadas en datos. Para obtener más información sobre nuestros servicios de inteligencia y datos solares de confianza, póngase en contacto con nosotros.
Más información
Vea el seminario web a la carta: Cuantificación de los impactos y los riesgos de los incendios forestales y las condiciones meteorológicas extremas con una mejor evaluación comparativa del rendimiento