Introducción
Además de los datos de series temporales de resolución estándar y mejorada, SolarAnywhere® ofrece datos de series temporales de alta resolución para una modelización fotovoltaica subhoraria más precisa. Los datos de alta resolución tienen las siguientes características clave:
- La resolución nativa nominal de cinco minutos y 500 metros utiliza la máxima resolución disponible de la última generación de satélites meteorológicos para la detección de nubes, con el fin de proporcionar un rendimiento fotovoltaico subhorario superior y fiable. Los datos satelitales de resolución completa revelan la intermitencia del recurso solar y son la mejor referencia posible -es decir, la fuente de verdad- para los modelos solares subhorarios.
- True Dynamics (TD), una metodología única para preparar imágenes de satélite para el análisis subhorario y una característica de los datos de alta resolución de SolarAnywhere. True Dynamics describe los datos solares que se han aumentado con técnicas estadísticas para que se comporten de forma más parecida a las mediciones terrestres de la luz solar real. La TD está disponible como opción con los datos de alta resolución.
Las aplicaciones de los datos de alta resolución incluyen la estimación de las tasas de rampa, los requisitos de reafirmación, las pérdidas de recorte y más.
Los datos históricos de alta resolución con y sin True Dynamics pueden descargarse del sitio web de datos de SolarAnywhere o solicitarse a través de la API con una licencia de Sitios de alta resolución. Dentro del sitio web de datos de SolarAnywhere, los Sitios existentes pueden ser actualizados a alta resolución bajo demanda. Los datos de series temporales de alta resolución están actualmente disponibles para ubicaciones en la región de los Estados Unidos continentales (CONUS) desde el 1 de enero de 2020 hasta el corte de los datos históricos, actualizados mensualmente.
Metodología
Datos de alta resolución
Los datos de alta resolución de SolarAnywhere aprovechan al máximo la última generación de satélites GOES(GOES-East y GOES-West) operados por la Administración Nacional Oceánica y Atmosférica (NOAA). Los satélites escanean el territorio continental de Estados Unidos con una resolución espacio-temporal de 500 metros y 5 minutos, lo que supone 24 veces la resolución (6X temporal, 4X espacial) de las generaciones anteriores. La entrada de datos del GOES con resolución completa revela la intermitencia del recurso solar y es la mejor referencia posible -es decir, la fuente de verdad- para los modelos solares subhorarios.
Datos de alta resolución con True Dynamics
Para obtener las simulaciones más precisas de la pérdida por recorte y la tasa de rampa, los datos solares deben tener variabilidades y distribuciones de potencia subhorarias realistas. True Dynamics se ha desarrollado en colaboración con el Dr. Richard Pérez y su equipo del Centro de Investigación de Ciencias Atmosféricas de la Universidad de Albany y se apoya en décadas de investigación sobre la variabilidad solar.1
Una idea clave de su investigación es que la variabilidad de los datos solares puede estar relacionada con el promedio espacial y temporal de los datos solares. Un punto tendrá más variabilidad que un área. En muchos casos, el área relevante para la modelización es la huella de los paneles conectados a un inversor a escala comercial.2 (Las plantas solares con almacenamiento acoplado de CC pueden aprovechar un mayor suavizado espacial).3
Ciertas condiciones de nubosidad pueden aumentar la cantidad de luz solar que llega a los sistemas solares fotovoltaicos debido a la refracción de las moléculas de agua congeladas en las nubes de gran altitud. Los eventos de superación del cielo despejado se producen cuando la irradiancia supera los valores de irradiancia del cielo despejado debido a las nubes cercanas, lo que también se denomina aumento de las nubes. Los datos empíricos muestran que el aumento de las nubes es común en condiciones variables y ocurre demasiado rápido para ser representado en los modelos horarios. Para capturar los eventos de superación de cielo claro, True Dynamics aumenta sintéticamente la variabilidad observada en los datos de alta resolución de 5 minutos y 500 metros.
Por último, los modelos de descomposición diseñados para datos horarios deben ajustarse a los datos de entrada de alta resolución.
Como se muestra en la Figura 1, los datos de TD de 5 minutos captan grandes tasas de rampa intrahorarias y eventos de superación del cielo despejado debido a la reflexión de las nubes que no son evidentes en los datos promediados por hora. Por consiguiente, el uso de los nuevos datos de TD de 5 minutos suele conducir a una estimación más precisa de la energía de CA.
Figura 1: Simulación de series temporales con SolarAnywhere TD horaria y de 5 minutos, y datos observados de 1 minuto
El gráfico superior es una comparación de las series temporales del GHI en Boulder el 8 de agosto de 2020, entre la TD horaria y de 5 minutos de SolarAnywhere y los datos observados de 1 minuto. El gráfico inferior muestra la correspondiente producción de energía de CA simulada utilizando una configuración predominante: fotovoltaica de seguimiento de un eje horizontal con una capacidad nominal del inversor de 1kW. La energía total calculada para ese día utilizando las tres fuentes de datos también se muestra en el gráfico.
Puede obtener más información sobre la metodología y los resultados de la TD en el documento: "Enhancing temporal variability of 5-minute satellite-derived solar irradiance data".4
Aplicaciones de los datos de alta resolución y dinámica real de SolarAnywhere
Evaluación de las pérdidas por recorte
Los días luminosos y soleados suelen verse interrumpidos por nubes intermitentes que se desplazan por una instalación fotovoltaica en una escala de tiempo inferior a la hora, lo que provoca una variabilidad a corto plazo y, posiblemente, un recorte intermitente.1 El uso de datos horarios para predecir la potencia en días luminosos pero nublados puede dar lugar a un rendimiento energético excesivo si la irradiación media durante una hora da lugar a una potencia generada superior a la potencia nominal máxima del inversor. En 2012, los investigadores de Sandia descubrieron que las simulaciones con promedios horarios sobreestimaban la producción anual hasta en un 2%.5
Más recientemente, la sobreestimación de la energía de CA debido a las pérdidas por recorte se ha estimado en un 1,5-4% anual, dependiendo del diseño y la ubicación del sistema.6 La saturación o recorte del inversor se produce cuando la potencia de CC del campo fotovoltaico supera la capacidad máxima de entrada del inversor. En respuesta, el inversor ajusta la tensión de CC para reducir la potencia de CC. Esto provoca una pérdida de producción de potencia de CC, también conocida como "recorte del inversor". Las relaciones CC:CA más elevadas provocan mayores pérdidas por recorte. Con el aumento del número de grandes plantas de energía solar a escala de servicios públicos, las relaciones DC:AC más altas son cada vez más comunes, y algunas plantas solares ahora incluso cuentan con relaciones DC:AC tan altas como 1,8.
La modelización de la producción fotovoltaica con datos de series temporales de alta resolución en lugar de datos de resolución horaria puede dar lugar a estimaciones de pérdidas por recorte y de producción fotovoltaica más específicas y precisas.7 En las pruebas internas, las simulaciones de 5 minutos con los datos de SolarAnywhere True Dynamics redujeron los errores de pérdida por recorte en más de un 90% frente a los datos horarios para escenarios de alta DC:AC (véase la Figura 2).
En la práctica, los usuarios también pueden comparar simulaciones con datos de TD horaria y de 5 minutos para estimar el ajuste del error de pérdida de recorte que es apropiado para la simulación promediada por hora.
Figura 2: Comparación del error de las pérdidas estimadas por recorte de CA
Pérdidas estimadas en relación con las observaciones de 1 minuto para las observaciones promediadas por hora, las observaciones de 5 minutos, los datos de TD de SolarAnywhere por hora, SolarAnywhere de 5 minutos y SolarAnywhere de 5 minutos
Diseño de recursos energéticos solares híbridos
La gran variabilidad del recurso solar debida a las nubes en movimiento puede provocar fluctuaciones de la potencia fotovoltaica en escalas de tiempo subhorarias. A medida que aumentan las penetraciones fotovoltaicas, esta variabilidad puede tener un impacto negativo en la estabilidad de la red. Para mitigarlo, muchos códigos de red incorporan limitaciones de velocidad de rampa (RR) en la potencia fotovoltaica inyectada. Por lo general, estas limitaciones se definen en un marco temporal de un segundo o un minuto. Por ejemplo, Alemania y Puerto Rico exigen una tasa de rampa máxima del 10% por minuto de la potencia fotovoltaica nominal. Dado que las fluctuaciones transitorias de la potencia fotovoltaica pueden producirse en minutos, las simulaciones horarias son inadecuadas para modelar las rampas subhorarias de la potencia solar.
Con la maduración del mercado solar, los compradores piden cada vez más una producción de energía limpia y garantizada, independientemente de las condiciones meteorológicas. Los contratos de compraventa de energía solar están pasando de la unidad contingente a la energía solar firme, en la que el propietario de la planta solar puede verse obligado a incurrir en el riesgo meteorológico (o de forma). Por ello, los promotores de energía solar tienen que diseñar cada vez más sistemas que suministren energía firme de forma rentable, independientemente de las condiciones meteorológicas.
Las centrales híbridas de energía solar más almacenamiento pueden ayudar a las centrales fotovoltaicas a prestar servicios esenciales de equilibrio de la red y a cumplir los requisitos de rampa y suavización, reduciendo la intermitencia solar. Su creciente popularidad queda patente en un informe del Berkeley Lab, que afirma que las centrales híbridas de energía solar más almacenamiento dominan ahora las colas de interconexión en algunas regiones de Estados Unidos.8 Una mejor modelización fotovoltaica subhoraria con SolarAnywhere True Dynamics puede ayudar a los promotores solares a optimizar los diseños de los proyectos fotovoltaicos y a conseguir márgenes de diseño más ajustados, reduciendo el gasto de capital (CAPEX) necesario para cumplir los requisitos del proyecto.
Junto con los datos de hindcast para evaluar el despacho de baterías y las estrategias de reafirmación, los usuarios de SolarAnywhere pueden obtener los datos solares de próxima generación necesarios para modelar con confianza los recursos de energía solar híbrida actuales.
Referencias
1 Pérez R, David M, Hoff T, Jamaly M, Kivalov S, Kleissl J, Lauret P, Pérez M, 2016. Variabilidad espacial y temporal de la energía solar. Foundations and Trends® in Renewable Energy, Volume 1, Number 1: 1-44. doi.org/10.1561/2700000006. Enlace
2 Hobbs W, 2020. Sobreestimación de la producción en los modelos horarios debido a las altas relaciones CC:CA y a la variabilidad solar: una introducción. ESIG System Planning Working Group, Summer Session. Enlace
3 Ahlstrom M, Mays J, Gimon E, Gelston A, Murphy C, Denholm P, Nemet G, 2021. Recursos híbridos: Challenges, Implications, Opportunities, and Innovation. IEEE Power and Energy Magazine, volumen 19, número 6: 37-44. DOI: 10.1109/MPE.2021.3104077. Enlace
4HuangJ, Pérez R, Schlemmer J, Kubiniec A, Pérez M, Bhat A, Keelin P, 2022. Enhancing temporal variability of 5-minute satellite-derived solar irradiance data. IEEE Photovoltaic Specialists Conference (PVSC). Enlace
5 Hansen C W, Stein J S, Riley D, 2012. Effect of Time Scale on Analysis of PV System Performance (Efecto de la escala de tiempo en el análisis del rendimiento del sistema fotovoltaico). Sandia National Laboratories, número de informe: SAND2012-1099. DOI:10.13140/2.1.1150.3368. Enlace
6 Bradford K, Walker R, Moon D, Ibanez M, 2020. A Regression Model to Correct for Intra-Hourly Irradiance Variability Bias in Solar Energy Models. 2020 47th IEEE Photovoltaic Specialists Conference (PVSC), June 15-August 21, 2021. DOI: 10.1109/PVSC45281.2020.9300613. Enlace
7 Cormode D, Croft N, Hamilton R, Kottmer S, 2019. "Un método para la compensación de errores de las estimaciones de la producción de energía anual modelada introducida por la variabilidad de la irradiación intrahoraria en las plantas de energía fotovoltaica con una alta relación de CC a CA". 2019 IEEE 46th Photovoltaic Specialists Conference (PVSC): 2293-2298. DOI: 10.1109/PVSC40753.2019.8981206. Enlace
8 Seel J, Warner C, Mills A D, octubre de 2021. Influence of Business Models on PV-Battery Dispatch Decisions and Market Value. Advances in Applied Energy. DOI: 10.1016/j.adapen.2021.100076. Enlace