Introducción
Clean Power Research ofrece la evaluación del rendimiento de la energía solar a través de la API de SolarAnywhere®, que está disponible en SolarAnywhere SystemCheck® y Forecast. Las simulaciones de rendimiento energético de SolarAnywhere se han utilizado para informar de las decisiones y desarrollar soluciones escalables y sólidas para una amplia gama de aplicaciones solares, como:
- Gestión de activos de sistemas fotovoltaicos residenciales y comerciales
- Previsión de los sistemas fotovoltaicos a escala de los servicios públicos para la programación y las operaciones del mercado
- Planificación de la red de distribución eléctrica y selección de la interconexión
- Previsión de sistemas fotovoltaicos comerciales para la reducción de la carga de la demanda
Opciones de simulación de energía
Los servicios de modelado energético de SolarAnywhere han sido diseñados con una arquitectura modular para proporcionar flexibilidad en la selección de los datos meteorológicos disponibles y los modelos de simulación de energía fotovoltaica. La API admite el uso de los datos del año típico (TGY) y de las series temporales (Sites) de SolarAnywhere, así como los datos meteorológicos TMY3 del NREL. La Figura 1 muestra la arquitectura modular de los servicios de modelado energético de SolarAnywhere.
Modelos de simulación energética de SolarAnywhere
Los clientes de SolarAnywhere pueden elegir entre dos modelos de simulación disponibles: pvlib y CprPVForm.
Pvlib
Desarrollado inicialmente en los Sandia National Laboratories, pvlib python es una biblioteca de código abierto, revisada por pares y mantenida por la comunidad, desarrollada en GitHub. Pvlib proporciona un conjunto de funciones y clases para simular el rendimiento de los sistemas de energía fotovoltaica. La comunidad solar en general desarrolla, valida y actualiza con frecuencia los modelos de pvlib. Los modelos de pvlib integrados en SolarAnywhere son compatibles con PVWatts de NREL como motor principal para simular el rendimiento de los módulos e inversores. PVWatts hace suposiciones internas sobre las características del módulo y del inversor, lo que permite a los usuarios de SolarAnywhere modelar rápidamente cualquier tipo y configuración de sistema fotovoltaico con sólo unas pocas entradas clave.
Para que los clientes de SolarAnywhere puedan aprovechar las últimas investigaciones en modelado fotovoltaico, SolarAnywhere ofrece la versión más reciente y estable de p vlib a través de sus servicios API. Para obtener más información sobre los distintos modelos de pvlib, consulte la documentación de la API de SolarAnywhere.
Documentación de la API de modelado energético de SolarAnywhereCprPVForm
El modelo PVForm fue desarrollado originalmente por Sandia National Laboratories en 1985. En colaboración con el equipo de la Universidad de Albany (SUNY), Clean Power Research desarrolló una implementación interna de PVForm denominada "CprPVForm". El modelo CprPVForm implementa muchos de los algoritmos de modelización que se encuentran en los modelos PVForm y PVWatts v1, y se ha utilizado para evaluar el rendimiento energético de los parques fotovoltaicos.
Comparación de las capacidades del modelo pvlib y CprPVForm
La selección del modelo de simulación de SolarAnywhere a utilizar depende de las necesidades de un proyecto específico. Los modelos pvlib son ideales para simular el rendimiento de sistemas comerciales y a escala de servicios públicos debido a la capacidad de modelar una variedad de configuraciones, como los sistemas de un solo eje con retroceso. Al utilizar pvlib con los datos meteorológicos de alta fidelidad de SolarAnywhere, los clientes de SolarAnywhere obtienen acceso a información específica del lugar, como la generación fotovoltaica estimada y las estimaciones de pérdida de nieve. Esto permite a los promotores y propietarios de instalaciones solares reducir los riesgos financieros y operativos de sus activos solares.
El modelo CprPVForm es capaz de simular los efectos del sombreado cercano al objeto basándose en un perfil de obstrucción proporcionado por el usuario. El sombreado cercano al objeto puede ser especialmente relevante para los sistemas fotovoltaicos en tejados residenciales. El modelo CprPVForm es ideal cuando es importante modelar los efectos de las sombras en detalle, como en el caso de los sistemas fotovoltaicos residenciales individuales o de las flotas.
SolarAnywhere planea mejorar las capacidades de modelado de pvlib para sistemas residenciales desarrollando y aportando nuestros avances de investigación a la comunidad pvlib en el futuro.
La figura 2 muestra una comparación de los dos modelos de simulación que admite SolarAnywhere.
Figura 2: Comparación de los modelos pvlib y CprPVForm
Validación de modelos y fuentes de incertidumbre en las estimaciones de energía fotovoltaica
Pvlib se compone de varios modelos de rendimiento fotovoltaico desarrollados, actualizados y validados por la comunidad solar en general. La figura 3 muestra los distintos modelos incluidos en la implementación de SolarAnywhere de pvlib, y sus publicaciones pertinentes con la descripción y validación del modelo.
Figura 3: Modelos Pvlib implementados en SolarAnywhere
Modelo PVWatts
El modelo PVWatts constituye el núcleo de pvlib y se utiliza para la modelización de módulos (CC) e inversores (CA). Un estudio del NREL en el que se comparaban los modelos de módulos disponibles, descubrió que la producción anual de energía del modelo PVWatts coincidía con la de otros modelos, como los modelos de módulos de Sandia y de la Comisión de Energía de California (CEC) (el estudio hacía referencia a un sistema fotovoltaico hipotético de 200 kW con un factor de reducción del 86%). La figura 4 resume los resultados del estudio.
Figura 4: Comparación de los modelos de módulos fotovoltaicos
Fuentes típicas de incertidumbre en las estimaciones de producción fotovoltaica
La incertidumbre general en las estimaciones de energía se debe a una serie de factores, como la incertidumbre en los datos meteorológicos, las hipótesis de pérdidas y los modelos de rendimiento fotovoltaico. La figura 5 muestra las distintas fuentes de incertidumbre, tal y como se recoge en la publicación "On-site performance verification to reduce yield prediction uncertainties".17
Figura 5: Fuentes típicas de incertidumbre en las estimaciones energéticas y rangos asociados
Documentación de la API de modelado energético de SolarAnywhere
Referencias
- Loutzenhiser PG, Manz H, Felsmann C, Strachan PA, Maxwell GM. 2007. Validación empírica de modelos para calcular la irradiación solar en superficies inclinadas para la simulación energética de edificios. Solar Energy. 81(2):254-267. Enlace.
- Perez R, Seals R, Ineichen P, Stewart R, Menicucci D. 1987. Una nueva versión simplificada del modelo de irradiación difusa de Pérez para superficies inclinadas. Solar Energy. 39(3): 221-232. Enlace.
- Pérez R, Ineichen P, Seals R, Michalsky J, Stewart R. 1990. Modeling daylight availability and irradiance components from direct and global irradiance. Solar Energy. 44(5):271-289. Enlace.
- Perez R, Stewart R, Seals R, Guertin T. 1988. Desarrollo y verificación del modelo de radiación difusa de Pérez. SAND88-7030. Enlace.
- Faiman D. 2008. Evaluación de la temperatura de funcionamiento en exteriores de los módulos fotovoltaicos. Progreso en fotovoltaica. 16(4):307-315. Enlace.
- IEC 61853-2 Ensayos de rendimiento y calificación energética de los módulos fotovoltaicos (FV) - Parte 2: Medidas de respuesta espectral, ángulo de incidencia y temperatura de funcionamiento del módulo. 2018. Ginebra:IEC. Enlace.
- IEC 61853-3 Ensayos de rendimiento y calificación energética de módulos fotovoltaicos (FV) - Parte 3: Calificación energética de módulos FV. 2018. Ginebra:IEC. Enlace.
- Dobos AP. 2014. Manual de la versión 5 de PVWatts. Enlace.
- De Soto W, Klein SA. 2006. Mejora y validación de un modelo para el rendimiento de los conjuntos fotovoltaicos. Solar Energy. 80(1):78-88. Enlace.
- Duffie JA, Beckman WA. 2006. Solar Engineering of Thermal Processes. Third Edition. Nueva Jersey:John Wiley & Sons, Inc.
- Marion B. Schaefer R, Caine H, Sánchez G. 2013. Pérdidas de energía de sistemas fotovoltaicos medidos y modelados por la nieve para localidades de Colorado y Wisconsin. Solar Energy. 97:112-121. Enlace.
- Ryberg DS, Freeman J. 2017. Integración, validación y aplicación de un modelo de cobertura de nieve fotovoltaica en SAM. Informe técnico del NREL. NREL/TP-6A20-68705. Enlace.
- Coello M, Boyle L. 2019. Modelo simple para la predicción de series temporales de ensuciamiento de paneles fotovoltaicos. IEEE Journal of Photovoltaics. Volumen 9(5). DOI: 10.1109/JPHOTOV.2019.2919628. Enlace.
- Seinfeld JH, Pandis SN. 2001. Atmospheric Chemistry and Physics: From Air Pollution to Climate Change. Nueva York:John Wiley & Sons, Inc.
- Anoma MA, Jacob D, Bourne, BC, Scholl JA, Riley DM, Hansen CW. 2017. View Factor Model and Validation for Bifacial PV and Diffuse Shade on Single-Axis Trackers. IEEE 44th Photovoltaic Specialist Conference (PVSC). DOI: 10.1109/PVSC.2017.8366704. Enlace.
- Dobos AP. 2013. Modelado fotovoltaico en SAM. 2013 Sandia PV Performance Modeling Workshop. Enlace.
- Reich N, Zenke J, Muller B, Kiefer K, Farnung B. 2015. Verificación del rendimiento in situ para reducir las incertidumbres de la predicción del rendimiento. IEEE 42nd Photovoltaic Specialist Conference (PVSC). DOI: 10.1109/PVSC.2015.7355614. Enlace.
- Townsend T, Powers L. 2011. Fotovoltaica y nieve: Una actualización de dos inviernos de mediciones en la SIERRA. 37ª Conferencia de Especialistas Fotovoltaicos del IEEE (PVSC). DOI: 10.1109/PVSC.2011.6186627. Enlace.
- Kimber A, Mitchell L, Nogradi S, Wenger H. 2006. The Effect of Soiling on Large Grid-Connected Photovoltaic Systems in California and the Southwest Region of the United States. IEEE 4th World Conference on Photovoltaic Energy Conference, 7-12 de mayo de 2006. DOI: 10.1109/WCPEC.2006.279690. Enlace.