Preguntas frecuentes

Los datos de irradiación del Año Meteorológico Típico disponibles en el NREL se sintetizan a partir de fuentes históricas para representar un año "típico" para un número fijo de sitios en los EE.UU. SolarAnywhere representa estimaciones horarias reales de irradiación para cada ubicación específica basada en imágenes de satélite y condiciones atmosféricas en el sitio. Visite los archivos de años típicos para obtener más detalles.

Obtenga más información en este documento, "How Misuse of Solar Resource Datasets Is Reducing Solar Industry Profits.”

Si se calibran y mantienen adecuadamente, los instrumentos terrestres pueden ser muy precisos para la zona inmediata al equipo. A medida que la zona de interés se aleja del equipo, la precisión disminuye, lo que aumenta la utilidad de las observaciones por satélite. El coste de los equipos, las imprecisiones derivadas de la calibración y los largos tiempos de preparación pueden favorecer las mediciones por satélite frente a las terrestres. La irradiancia de los satélites también se utiliza a menudo junto con los instrumentos terrestres, y es especialmente útil para detectar la deriva de la calibración de los dispositivos terrestres y para completar los datos que faltan.

Los datos de SolarAnywhere en tiempo real se recogen, procesan y están disponibles para su uso en aproximadamente una hora. Cuando se obtiene la licencia de la opción de previsión, se dispone de un conjunto de datos continuo que abarca desde el 1 de enero de 1998 hasta el presente, y hasta 168 horas en el futuro.

Las previsiones a corto plazo de SolarAnywhere utilizan un modelo de nubes basado en vectores. Las previsiones a largo plazo se basan en el análisis numérico. El enfoque bifurcado utiliza el método que se espera que dé los mejores resultados para el intervalo de tiempo solicitado. Visite la página de previsiones para obtener más detalles.

Los algoritmos de modelado de SolarAnywhere y las fuentes de datos de entrada se actualizan ocasionalmente para mejorar la precisión, la coherencia y la disponibilidad. Las actualizaciones de los algoritmos de modelización se publican como nuevas versiones de SolarAnywhere. Dentro de cada nueva versión de datos, los datos históricos se vuelven a procesar utilizando el algoritmo actualizado para aprovechar la precisión mejorada. La versión de los datos es un factor clave de la bancabilidad de los datos de los recursos solares, ya que permite a los inversores, ingenieros independientes, etc., reproducir los resultados. Consulte las notas de la versión para ver un resumen de las mejoras del modelo.

Para dar continuidad a los usuarios de conjuntos de datos de SolarAnywhere más antiguos y permitir comparaciones entre versiones de datos, también están disponibles las versiones anteriores. El soporte hasta la versión 3.2 de SolarAnywhere está disponible a través de data.solaranywhere.com. Póngase en contacto con nosotros para obtener información sobre conjuntos de datos anteriores.

Los datos que faltan en la base de datos de irradiación de SolarAnywhere se deben a la ausencia de imágenes de satélite. La falta de imágenes es normal y se debe a raras interrupciones no planificadas y al mantenimiento regular realizado por la Administración Nacional Oceánica y Atmosférica (NOAA). La falta de datos también se produce en los datos auxiliares de la temperatura del aire en superficie y la velocidad del viento debido a los periodos en los que faltan las mediciones de las redes de sensores terrestres.

Visite la página de datos fal tantes para saber más sobre cómo SolarAnywhere maneja los datos faltantes.

A veces nos preguntan si un TGY es un P50. En resumen, no. El año típico se construye con los meses más cercanos a la media. En la práctica, el total anual de un año típico es muy similar a la media de los totales anuales de las series temporales. El P50, en cambio, representa el año medio de la distribución. Se espera que la mitad de los años futuros se sitúen por encima de este valor y la otra mitad por debajo.

TGY y P50 suelen ser similares, pero divergen en el caso de las distribuciones asimétricas. Visite Probabilidad de Excedencia para saber más sobre los Datos PXX de SolarAnywhere.

En la práctica, la industria solar utiliza datos históricos para estimar el recurso solar futuro en la ubicación de un proyecto. El uso de un conjunto de datos solares actualizados y con un largo historial de mediciones consistentes puede ayudar a detectar tendencias y cuantificar su posible impacto en la generación esperada a lo largo de la vida del proyecto. SolarAnywhere ofrece un conjunto de datos solares precisos y consistentes con un periodo de registro de más de veinte años y puede utilizarse para identificar tendencias a largo plazo en el recurso solar.

Además de identificar las tendencias a largo plazo, los datos solares históricos también pueden ayudar a cuantificar el impacto de fenómenos meteorológicos extremos como los incendios forestales o las tormentas de nieve en la producción fotovoltaica. Por ejemplo, un estudio de Clean Power Research utilizó datos históricos de SolarAnywhere para cuantificar el impacto del humo de los incendios forestales en la producción fotovoltaica del oeste de Norteamérica. El estudio concluyó que los incendios forestales pueden reducir la producción fotovoltaica hasta un 6% en algunos lugares, rivalizando con la nubosidad como riesgo para la producción fotovoltaica.

En un blog publicado recientemente se pueden encontrar otras investigaciones que relacionan las condiciones meteorológicas extremas con las tendencias a largo plazo. También puede obtener más información sobre este tema en el seminario web a la carta Incendios forestales y condiciones meteorológicas extremas: Cuantificación de los impactos y los riesgos con una mejor evaluación comparativa del rendimiento.

Si tiene una licencia de año típico de SolarAnywhere, puede incluir el promedio mensual de pérdidas por nieve y suciedad en sus descargas de archivos de resumen de año medio. Para incluir los archivos de resumen del año medio con sus descargas de archivos del año típico, seleccione "Editar configuración" al seleccionar una baldosa, y luego marque la casilla junto a "Resumen del año medio" en "Opciones del año típico."

Si tiene una licencia de SolarAnywhere Sites, puede acceder a las series temporales de nieve DC y pérdidas por suciedad a través de la API de Servicios de Modelado de Energía. Póngase en contacto con nosotros si está interesado en una demostración de nuestra API.

Los datos de profundidad óptica de los aerosoles de alta resolución se utilizan como entrada en las versiones 3.5 y posteriores del modelo SolarAnywhere para capturar el impacto del humo en los datos históricos de irradiancia de SolarAnywhere. Los datos de irradiación de cielo despejado son útiles cuando se utilizan datos de recursos solares para cuantificar el impacto de los aerosoles en el rendimiento del sistema fotovoltaico. Dado que el modelo de cielo despejado no está influenciado por la cobertura de nubes, aísla el impacto de los aerosoles en la insolación.

Más información en el documento del IEEE PVSC: Cuantificación del impacto solar del humo de los incendios forestales en el oeste de Norteamérica.

La publicación del IEEE Cuantificación del impacto solar del humo de los incendios forestales en el oeste de Norteamérica muestra que SolarAnywhere puede estimar con precisión los impactos de los aerosoles (véase la figura 1).

El impacto de la inclusión de 2020 en la generación de archivos de años típicos variará según la ubicación. Cada año meteorológico se incorpora a los promedios a largo plazo con la publicación de cada versión. Visite nuestro blog para estar al día de nuestros resúmenes anuales de desviación de la insolación regional:

• Resumen global de 2020
• 2021 Resumen de América del Norte

Los modelos de suciedad de Kimber y de la Universidad Estatal de Humboldt (HSU) son compatibles y pueden aplicarse durante las simulaciones pvlib. El modelo Kimber utiliza índices de suciedad diarios y parámetros de entrada de lavado manual, mientras que el modelo HSU utiliza datos de PM2_,5 y _PM10 para estimar las pérdidas por suciedad. Visite la página Modelización de pérdidas por suciedad en el centro de asistencia para obtener más información sobre los modelos HSU y Kimber.

SolarAnywhere ofrece actualmente resultados de precipitaciones sólidas y líquidas. Desgraciadamente, estos resultados no proporcionan información sobre la frecuencia del granizo.

Los modelos de pérdida de nieve de Marion y Townsend no tienen en cuenta el efecto de la fusión de la nieve. El deslizamiento de la nieve se considera el proceso dominante de retirada de nieve.

El modelo Marion calcula la cantidad de nieve que se desliza por los paneles fotovoltaicos utilizando:

Cantidad de nieve deslizada = 1,97 * sin(tilt)

El modelo Townsend calcula la cantidad de nieve que se desliza por los paneles a partir de las nevadas mensuales, la altura de la hilera y la distancia al suelo del sistema.

Puede obtener más información sobre el modelo de nieve Marion aquí y el modelo Townsend aquí.

Aunque el modelo Marion no está adaptado específicamente a los sistemas de seguimiento de un solo eje, se considera que la cantidad de nieve retirada es función del ángulo de inclinación. Al calcular las pérdidas de nieve, el modelo Marion no tiene en cuenta los efectos específicos de la distancia al borde de ataque y de la acumulación de nieve.

El modelo Townsend tampoco está adaptado específicamente para el seguimiento de un solo eje, sin embargo, puede estimarse utilizando parámetros de entrada específicos, véase la documentación de pvlib.

Para más información sobre la validación de los modelos de pérdida de nieve y una comparación de la precisión con otros modelos de pérdida de nieve, consulte el enlace del centro de asistencia aquí.

Las limpiezas no pueden ser consideradas por el modelo Marion ni por el modelo Townsend. Para obtener más información sobre los parámetros del modelo, consulte los términos y conceptos definidos en la documentación de la API de SolarAnywhere.

El modelo de pérdida de suciedad HSU determina la acumulación de módulos en función de la concentración de partículas (_PM10 y PM2_,5) en la atmósfera en cualquier paso temporal.

En comparación, el modelo Kimber utiliza una tasa de acumulación de suciedad constante en combinación con datos de precipitaciones y lavado manual. El modelo Kimber tiene en cuenta un periodo de gracia en el que la suciedad no se acumula tras un fenómeno meteorológico.

El modelo de pérdida de nieve del NREL (Marion) utiliza la diferencia en los datos de profundidad de la nieve durante cada paso temporal para estimar la nevada acumulada en los paneles fotovoltaicos.

El modelo Townsend utiliza las nevadas mensuales y el número total de nevadas.

Puede obtener más información sobre los modelos de suciedad y pérdida de nieve aquí.

Los autores del modelo HSU lo validaron con mediciones en el suelo de siete lugares de prueba en el suroeste de Estados Unidos, demostrando la capacidad del modelo para predecir con precisión las pérdidas por suciedad. Puede leer esta validación aquí. Otro estudio realizado por Micheli et al. llevó a cabo la validación del modelo con datos medidos en el suelo en seis lugares de medición repartidos por los EE.UU. En este estudio, el modelo HSU arrojó sistemáticamente los errores más bajos, con errores medios absolutos (MAE) y errores medios (ME) mínimos cercanos a cero. Con SolarAnywhere, los usuarios pueden acceder fácilmente y validar más ampliamente el modelo HSU para diversos tipos de sistemas fotovoltaicos y zonas geográficas.

SolarAnywhere utiliza la concentración de partículas en el ambiente con el modelo HSU para estimar el impacto de la suciedad. La suciedad en los paneles fotovoltaicos es un fenómeno complejo. La cantidad real de partículas acumuladas puede depender de varios factores, como el rebote y la resuspensión de partículas por el viento, la cementación y la formación de rocío, y las PM de más de 10 μm de diámetro aerodinámico. La investigación sobre modelos de suciedad sigue evolucionando para tener en cuenta con mayor precisión estos factores en las estimaciones de pérdidas por suciedad.

Debido a la variabilidad de la tasa de suciedad, el modelo Kimber permite especificar la pérdida diaria prevista de producción de energía debida a la suciedad, en lugar de utilizar los datos sobre partículas.

Puede actualizar a la licencia ilimitada, comprar una nueva licencia profesional válida por 1 año o comprar créditos individuales TGY. Puedes ver todas las opciones de licencia aquí.

Estas compras se pueden realizar en línea con una tarjeta de crédito iniciando sesión en SolarAnywhere y visitando la página de Compras, o poniéndose en contacto con nosotros para recibir una factura.

Puedes comprar créditos individuales para sitios en línea con una tarjeta de crédito ingresando a SolarAnywhere y visitando la página de Compras, o contactándonos para recibir una factura. También puede actualizar a un paquete de 10 o 50 sitios para un descuento de precios por sitio. Si prevé que necesitará más de 8 sitios, entonces tiene sentido comprar un paquete de 10 sitios basado en nuestra estructura de precios de sitios. Puede ver todas las opciones de licencia aquí.

Sí, los estudiantes, los investigadores y la industria solar tienen acceso sin coste a los datos completos y actuales de SolarAnywhere Typical Year y Time-series en lugares seleccionados de todo el mundo con una licencia pública. Estos datos pueden utilizarse con fines educativos y para investigar nuevos y mejores modelos fotovoltaicos para la evaluación de riesgos, operaciones y mantenimiento, despacho inteligente de energía y más.

Por un tiempo limitado, los datos que antes estaban disponibles a través de la herramienta Solar Prospector de NREL y CPR/SUNY están disponibles con una licencia SolarAnywhere Academic. Este conjunto de datos heredados se generó utilizando versiones de datos de SolarAnywhere más antiguas y solo está disponible para ubicaciones en los Estados Unidos.

No se admite el uso comercial de los datos de SolarAnywhere obtenidos a través de una licencia pública o académica. Puedes ver todas las opciones de licencia aquí.