Inicio " Datos históricos " Ficheros PXX

Archivos PXX

Introducción

Los archivos PXX de SolarAnywhere permiten más fácil y rápido calcular el rendimiento energético PXX de su proyecto. El "XX" se refiere a la probabilidad de que se supere el nivel de irradiación en un año determinado. Usted especifica la probabilidad (por ejemplo, P90) y SolarAnywhere devuelve un archivo meteorológico representativo con 8760 valores horarios que puede importarse a cualquier herramienta de modelización fotovoltaica. Los datos PXX están disponibles en la interfaz de usuario web y en la API, y se incluyen con las licencias de series temporales (no están disponibles con las licencias académicas).

Los archivos PXX de SolarAnywhere se crean utilizando un método mejorado para calcular la probabilidad de excedencia que representa mejor las distribuciones asimétricas de irradiación y el riesgo meteorológico que los enfoques estándar. Los datos de mayor calidad reducen el riesgo de una financiación innecesariamente conservadora o costosa.

Cómo acceder

Probabilidad de excededance (PXX) se ofrecen actualmente en nuestra licencia de sitiosscon acceso a través de la API y nuestro portal de datos en línea.

Metodología

Para crear un archivo de probabilidad de superación, primero necesitamos una distribución de la irradiación anual. SolarAnywhere ofrece un conjunto de datos precisos y coherentes que se remontan a 1998 en Norteamérica, es decir, aproximadamente 20 años y más. Eso es más tiempo que un típico contrato de compra de energía de 20 años. Por desgracia, el periodo de registro es insuficiente para crear una distribución satisfactoria.

Las limitaciones de los métodos estándar llevaron Dr. Richard Pérez a proponer un método mejorado en 2012, que llamamos aquí el método del año parcial. El método del año parcial se presentó en el taller de modelización fotovoltaica de 2017.1 Para crear un conjunto de datos ampliado, el GHI se promedia en segmentos de cuatro meses para cada año. El promedio de cuatro meses se utiliza para construir todas las combinaciones posibles de años. El número de combinaciones es igual al número de años considerados al cubo, lo que es suficiente para establecer el objetivo de PXX. En el último paso, el algoritmo selecciona los meses que crearán un archivo con el objetivo de irradiación anual deseado y un perfil mensual razonable.

SolarAnywhere utiliza el método del año parcial para crear archivos de probabilidad de superación. El periodo es coherente con los conjuntos de datos TGY de SolarAnywhere, por lo que pueden compararse directamente.

Comparación con otros métodos

Hay muchos enfoques para calcular la probabilidad de rebasamiento, y es importante entender el enfoque adoptado y cómo se relaciona con el propósito específico. Aquí comparamos tres métodos: empírico, normal (guassiano) y de año parcial.

La aplicación más directa de los datos es la distribución acumulativa empírica. Se supone que cada observación tiene la misma probabilidad y se ordena de menor a mayor. Las probabilidades (y) se asignan a cada observación mediante y = (i - 0,5)/m donde i es la observación y m es el número de observaciones. La probabilidad de superación es 1 menos la probabilidad. En resumen, si tenemos 20 años de valores de irradiación anual, el año más bajo es el P97,5, el segundo año más bajo es el P92,5, y así sucesivamente. P99 no está definido porque todavía no existen los datos que apoyen la estimación. El inconveniente de utilizar una distribución empírica es que se necesitan muchas muestras (>>20) para que surja la verdadera forma de la distribución.

Por ello, una práctica habitual es definir una distribución normal calculando la media y la desviación estándar de los totales de irradiación anual. Como ejemplo, en una publicación de ASES de 2010, se utilizaron 8 años de datos de SolarAnywhere para estimar la variabilidad interanual en todo el territorio continental de Estados Unidos.2 El problema de asumir una distribución normal es que la irradiancia solar no se ajusta, como hipótesis general, a una distribución normal, lo que puede sesgar los resultados.3

Para profundizar en el tema, analizamos 221 localidades coincidentes con el Estaciones meteorológicas NSRDB TMY3 clase 1 en todo Estados Unidos.4 Se utilizó SolarAnywhere para estimar la irradiación anual de cada lugar. A continuación, se calcularon las tres distribuciones para cada ubicación. En la figura 1 se muestra un ejemplo de una ubicación arbitraria.

Distribuciones acumulativas para los métodos de probabilidad de rebasamiento empírico, de año parcial y normal para el aeropuerto McGhee Tyson de Knoxville

Fig. 1: Distribuciones acumulativas de los métodos de probabilidad de rebasamiento empírico, de año parcial y normal para el aeropuerto McGhee Tyson de Knoxville

Los datos son demasiado escasos para que la distribución empírica proporcione percentiles satisfactorios. Además, el P99 no está definido, lo que puede no ser aceptable para algunas partes.

Sin embargo, con una muestra de sitios suficientemente grande, la distribución empírica puede utilizarse como referencia para evaluar el ajuste de las distribuciones normal y de año parcial. El sesgo medio de una distribución con un buen ajuste debería ser bajo. Para la financiación de proyectos, es fundamental estimar la cola izquierda de la distribución, por lo que el análisis examinó las PXX asociadas a los años de irradiación más bajos y al segundo más bajo del periodo comprendido entre 1998 y 2016 (P97,4 y P94,1).

El análisis reveló que tanto la distribución normal como la de años parciales tienen un sesgo medio bajo (menos de +/- 0,2% de error de sesgo medio para ambos métodos y ambas PXX). Un sesgo bajo es fundamental. Una distribución mal ajustada tiene el potencial de subrepresentar sistemáticamente el recurso.

En cada uno de los sitios, las diferencias entre la distribución empírica y los otros dos métodos resultaron ser inferiores al +/- 1% para la mitad de los sitios del análisis (el rango intercuartil) tanto para el año de menor irradiación como para el segundo. Los resultados son coherentes con el error de muestreo esperado (véase Incertidumbre).

También se examinó el P99. No existe ninguna fuente de referencia empírica de P99. Sin embargo, podemos hacer varias comprobaciones de cordura. Los totales anuales inferiores al 9% por debajo de la media del lugar se observaron sólo una vez en los 221 lugares. Otros métodos encontraron que P99 cae entre -4 y -8% dentro de los Estados Unidos continentales.5 Por lo tanto, es poco probable que las estimaciones de P99 por debajo del -9% sean una buena caracterización del recurso solar. Casi el 5% de las estimaciones de P99 que asumen una distribución normal cayeron en el rango de -9 a -12%. El método del año parcial tenía dos tercios menos de probabilidades de producir estimaciones P99 erróneamente bajas.

La ventaja del método de los años parciales sobre la suposición de normalidad es la contabilización adecuada de la disimetría inherente a los datos. La distribución normal utiliza la raíz cuadrada de la distancia a la media para calcular la desviación estándar. Dado que la distribución es simétrica, un año de irradiación inusualmente alta puede producir una distribución que parezca sobrestimar la probabilidad de un año de irradiación baja. Un ejemplo de esto se ve en la Figura 1. El método del año parcial mitiga este problema utilizando combinaciones de medias de 4 meses del conjunto de datos en lugar de estadísticas para crear la distribución.

Consideraciones sobre la incertidumbre

SolarAnywhere es la base de datos solares más precisa obtenida por satélite.6 La consistencia de SolarAnywhere a través del tiempo y el espacio es una ventaja crítica en comparación con las mediciones en tierra para los fines de los estudios de variabilidad. De hecho, estas características fueron una motivación clave para su desarrollo y permitieron a SolarAnywhere identificar un problema de calibración no comunicado en una de las estaciones de referencia terrestre más fiables del país.7 Las primeras estimaciones de la variabilidad interanual aprovecharon la capacidad única.8

Lamentablemente, no es posible calcular la incertidumbre porque no existe un conjunto de datos de referencia estadísticamente significativo. Muy pocas estaciones terrestres de alta calidad y bien mantenidas tienen más de dos décadas de registro.

Los archivos PXX no incluyen incertidumbres de modelización adicionales en su construcción. De este modo, los promotores e ingenieros independientes tienen control y total transparencia sobre las incertidumbres aplicadas a las estimaciones energéticas. Además, los resultados son reproducibles.

El error en la estimación del PXX es una función del número de observaciones y del nivel de probabilidad (el XX). La media de una distribución puede estimarse con menos observaciones que el P90. Un estudio estadístico sobre el error de muestreo de las distribuciones normales estima que la mitad de los P90 derivados de 19 años de datos estarán dentro de un +/- 1% del verdadero P90. El intervalo de confianza del 95% es de +/- 2,0% (σ = 1,2%).9

Se espera que el periodo de registro de 19 años muestre menos variabilidad que el mínimo de 30 años que sería típico para un estudio climatológico. En particular, el período de registro no incluye ninguna explosión volcánica muy grande (Índice de Explosividad Volcánica 6 y superior). Estas explosiones se producen a un ritmo de varias por siglo y, por tanto, influyen en la variabilidad interanual en torno al nivel P99. En un estudio sobre la última gran explosión, la del Monte Pinatubo en Filipinas en 1991, se constató que el DNI máximo en cuatro estaciones del oeste de EE.UU. disminuyó entre un 10 y un 20% con respecto al año anterior, pero que el impacto en el GHI se vio muy atenuado por el correspondiente aumento de la irradiación difusa.10

El cambio climático es otra preocupación. El impacto del cambio climático en la futura producción de energía solar no puede estimarse con datos históricos.

Los archivos de probabilidad de superación de SolarAnywhere representan la variabilidad interanual del conjunto de datos de SolarAnywhere. Aunque la base de datos de SolarAnywhere es un excelente registro a largo plazo, deben considerarse incertidumbres adicionales en la cola de la distribución, por ejemplo, P99.

Datos de SolarAnywhere PXX

Archivos PXX de SolarAnywhere haz que sea conveniente para calcular el rendimiento energético de PXX de su proyecto. SolarAnywhere utiliza un método mejorado que muestra un sesgo medio insignificante y produce estimaciones de PXX más realistas que los totales anuales observados por sí solos. Además, los datos de PXX de SolarAnywhere tienen dos tercios menos de probabilidades de producir estimaciones de P99 erróneamente bajas que los basados en una distribución normal, lo que reduce el riesgo de una financiación innecesariamente conservadora.


Referencias

1 J. Dise, "Advances in Long-Term Solar Energy Prediction and Project Risk Assessment Methodology Through Non-Normally Distributed Probabilities of Exceedance", 8th PVPMC, vol. 2017.

2 S. Wilcox, C. Gueymard, "Spatial and Temporal Variability of the Solar Resource in the United States", ASES Solar 2010.

3 Véase, por ejemplo: A. Dobos, P. Gilman, M. Kasberg, "P50/P90 Analysis for Solar Energy Systems Using the System Advisor Model", National Renewable Energy Laboratory, Presentado en el Foro Mundial de Energías Renovables 2012; G. Kimball et al, "Modelo mejorado de la variabilidad del recurso solar basado en la agregación regional y las zonas climáticas", IEEE WCPEC-7 2018.; J. Dise, "Avances en la predicción de la energía solar a largo plazo y la metodología de evaluación del riesgo del proyecto a través de probabilidades de superación no distribuidas normalmente", 8º PVPMC, vol. 2017.

4 https://www.nrel.gov/docs/fy08osti/43156.pdf

5 G. Kimball et al., "Improved model of solar resource variability based on regional aggregation and climate zones" IEEE WCPEC-7 2018.

6 Basado en la validación propia de cada proveedor, cuando está disponible. Consulte Validación para obtener más información sobre la validación de SolarAnywhere.

7 Pérez, R., J. Schlemmer, A. Kankiewicz, J. Dise, A. Tadese y T. Hoff, "Detecting Calibration Drift at Ground Truth Stations-A Demonstration of Satellite Irradiance Models' Accuracy", IEEE PVSC-44, 2017.

8 S. Wilcox, C. Gueymard, "Spatial and Temporal Variability of the Solar Resource in the United States", ASES Solar 2010.

9 Véase G. Kimball y otros, "Improved model of solar resource variability based on regional aggregation and climate zones", IEEE WCPEC-7 2018. Estadísticas por cortesía de G. Kimball.

10 Rosenthal, A.L., Robert, J.M., "Effects of the Mount Pinatubo eruption on solar insolation: Four case studies", Sandia National Laboratories, U.S. Department of Energy, 1993.