Metodología de los datos de los satélites

SolarAnywhere® está construido con los modelos más recientes y precisos desarrollados por el Dr. Richard Pérez

Modelo de irradiación solar por satélite

Los datos de irradiancia de SolarAnywhere se generan a partir de imágenes de satélites geoestacionarios utilizando los algoritmos más modernos desarrollados por el Dr. Richard Pérez en la Universidad de Albany, SUNY. Las imágenes de satélite se procesan para generar mediciones de irradiancia horizontal global (GHI) y de irradiancia normal directa (DNI) con resoluciones de hasta 1 km. Los valores de irradiancia difusa (DIF) se calculan manteniendo la relación geométrica basada en el ángulo cenital solar.

Para generar estas estimaciones, cada imagen de satélite se procesa mediante una técnica que mide la cobertura nubosa extrayendo los índices de nubes de las imágenes del canal visible e infrarrojo. Un proceso de retroalimentación autocalibrada ajusta las superficies terrestres arbitrarias que pueden cambiar con el tiempo.

Tanto para las mediciones del GHI como del DNI, los índices de nubosidad se utilizan para modular los modelos de transferencia radiativa de base física que describen la climatología de cielo claro localizada. Los modelos de climatología de cielo despejado utilizan medias regionales de variables no basadas en las nubes, como el ozono, el vapor de agua, la profundidad óptica de los aerosoles (AOD) y la elevación del suelo sobre el nivel del mar.

Exactitud de los datos

La precisión de los datos de SolarAnywhere puede variar en función de numerosos factores ambientales de cada lugar; sin embargo, los errores estándar de la insolación anual en todos los lugares son:

  • Modelo de la versión 2.x: No especificado
  • Modelo de la versión 3.x: 5%, 8% y 13% para GHI, DNI y DIF respectivamente.

La validación del modelo de Pérez se puede encontrar en artículos publicados en el sitio web del Centro de Investigación de Ciencias Atmosféricas de SUNY, entre ellos

  • Un nuevo modelo operativo de satélite a radiación
  • Producción de irradiancias derivadas de satélites en terrenos áridos complejos
  • Validación del modelo SUNY en un entorno Meteosat

Clean Power Research también proporciona documentación para respaldar estas cifras de incertidumbre financiable, incluyendo:

  • Mejoras en el modelo de irradiación solar por satélite de SUNY

Modelo de previsión del vector de movimiento de las nubes

SolarAnywhere puede proporcionar una alimentación de datos sin fisuras que se remonta a enero de 1998 y que prevé el futuro con una antelación de hasta siete días. Para generar datos de previsión de la irradiación a corto plazo, SolarAnywhere emplea un modelo vectorial de movimiento de nubes.

Para generar previsiones, se realizan cálculos de vectores de viento para cada baldosa de resolución estándar utilizando imágenes de satélite consecutivas. A continuación, los vectores de viento se aplican al índice de nubes localizado para predecir el movimiento sobre una base temporal con una frecuencia de un minuto. Como el horizonte de previsión se extiende más allá de unas horas, los modelos numéricos de predicción meteorológica se combinan de forma inteligente para tener en cuenta los fenómenos nubosos físicos de horizonte más largo.

Generación de archivos del año típico

Los datos de irradiación del año típico de SolarAnywhere se sintetizan a partir de datos históricos para representar un año "típico". Los archivos de año típico GHI y DNI de SolarAnywhere (TGY, TDY) se generan mediante un proceso de dos pasos:

  1. Se calcula la irradiación media mensual a lo largo de las series temporales disponibles para cada tipo de irradiación.
  2. El mes de la serie temporal disponible con la irradiancia sumada más cercana a la irradiancia media de ese mes se selecciona entonces para el conjunto de datos del Año Típico.

Cada archivo anual típico contiene 8760 valores horarios que representan doce meses de irradiación más cercanos a los valores medios. Por ejemplo, un archivo puede contener valores horarios de enero del año 2000 y valores horarios de febrero del año 2007.

conjunto de datos del año típico

Esto es similar a la forma en que se generan los archivos TMY del NREL, con varias diferencias clave:

  • Los datos de SolarAnywhere se calculan a partir de una fuente satelital en lugar de una fuente terrestre.
  • Los valores de los meses de SolarAnywhere no se suavizan durante la transición entre meses.
  • Los ajustes empíricos no se aplican a los datos de SolarAnywhere.
  • Los archivos del mes medio de SolarAnywhere están disponibles con una ponderación del 100% de la irradiancia GHI o DNI. Los archivos TMY contienen una ponderación más amplia de diversas variables meteorológicas no dirigidas específicamente a la evaluación del recurso solar.

Correlación satélite-tierra de SolarAnywhere

El riesgo de producción a largo plazo del desarrollo de proyectos solares se basa en gran medida en la incertidumbre del recurso solar. El riesgo puede reducirse combinando las mediciones de irradiación captadas por satélite y por superficie que se han recogido independientemente unas de otras (es decir, mediciones no correlacionadas).

Clean Power Research ha desarrollado un enfoque avanzado para correlacionar las mediciones de irradiación solar y de superficie. En este enfoque, los errores de la fuente de datos se abordan y minimizan teniendo en cuenta las mediciones concurrentes del conjunto de datos complementario. Los errores de los datos de satélite pueden introducirse en la fase de predicción del cielo despejado (debido en gran medida a las discrepancias de la profundidad óptica de los aerosoles (AOD) y del vapor de agua), y durante los periodos nublados (es decir, la nubosidad relativa). La calidad de los datos recogidos en superficie depende de la frecuencia y la eficacia de los procedimientos de calibración y limpieza, y normalmente se basan sólo en el GHI.

El método de correlación optimizado aborda las deficiencias específicas del modelo separando los periodos de nubes y de claros, y correlacionando después las mediciones dentro de las diferentes condiciones de nubes. Este método ha sido ampliamente utilizado por los promotores de proyectos solares para comprender y cuantificar plenamente el riesgo del proyecto sobre el recurso solar.

Se puede encontrar más información sobre la sintonización de los datos del terreno en el documento Reducing Solar Project Uncertainty with an Optimized Resource Assessment Tuning Methodology.