Dépannage des mesures au sol avec les données d'irradiance des satellites
Nous avons récemment rapporté comment l'utilisation de Données de SolarAnywhere nous a permis de détecter un problème d'étalonnage de capteur d'irradiance non signalé dans l'une des stations de référence les plus fiables du pays : la station SURFRAD de Fort Peck, dans le Montana. Nous avons également rapportées dans un article récent que la différence moyenne d'une année sur l'autre sur une période de 18 ans entre SolarAnywhere et les mesures GHI de cette station SURFRAD était de l'ordre de 2%.
Cette différence est presque identique à la différence moyenne observée entre deux mesures co-localisées du GHI à cette station : une mesure directe du GHI avec un pyranomètre, et une mesure indirecte obtenue par addition des mesures du DNI et du diffus. Cela nous a permis d'affirmer que, pour cet emplacement, SolarAnywhere est une aussi bonne mesure de la ressource solaire à long terme et de la variabilité d'une année sur l'autre que les mesures effectuées avec des instruments et une maintenance haut de gamme.
Cet article se concentre sur un autre exemple dans lequel les données d'irradiance SolarAnywhere dérivées du satellite ont été utilisées pour identifier les problèmes de mesure. Un client de Clean Power Research pour un projet au Mexique avait remarqué que le GHI de SolarAnywhere présentait un biais positif important (10 %+) par rapport aux mesures au sol. Le client a indiqué qu'après un accord initial entre SolarAnywhere et les mesures au début de 2017, le modèle a commencé à surestimer de manière significative.
Pour nous aider dans notre enquête sur cette divergence, nous avons reçu des données GHI horaires obtenues à partir d'observations au sol du 1er janvier au 1er mars 2017. Une comparaison de ces données avec celles de SolarAnywhere est présentée à la figure 1.
La partie gauche de la figure montre les données avant le 14 janvier tandis que la partie droite montre les données à partir du 15 janvier. Cette figure montre qu'un fort biais de ciel clair s'est produit après le 14 janvier. Ce biais de ciel clair peut être mieux visualisé dans la figure 2.
La figure 2 montre des séries de jours clairs avant et après cette date. La question est la suivante : que s'est-il passé le 14 janvier pour provoquer ce changement de relation entre les deux sources de GHI ? Il y a deux possibilités évidentes pour ce changement :
- L'instrumentation a mal fonctionné en raison d'un encrassement ou d'une erreur d'étalonnage.
- SolarAnywhere n'a pas réussi à détecter un changement drastique et soudain de la turbidité.
Dans la deuxième possibilité, le changement de turbidité devrait être spectaculaire pour expliquer ces observations. Par exemple, l'AOD devrait plus que tripler, passant d'une valeur de fond de, disons, 0,2 à plus de 0,7. L'eau précipitable devrait être multipliée par un facteur 5 pour provoquer un tel changement. Cette augmentation de la turbidité est hautement improbable, à moins que quelqu'un puisse documenter une nouvelle source de pollution très importante à proximité du site de mesure qui a été mise en service le 15 janvier.
Nous ne pouvons pas prouver avec 100% de certitude que la première possibilité est la cause de la divergence (c'est-à-dire que nous n'avons pas acquis et calibré l'instrument de terrain en question) ; cependant, les preuves circonstancielles pointent de manière écrasante vers un dysfonctionnement de l'instrumentation. D'après mon expérience, ce type de désaccord entre SolarAnywhere et les capteurs au sol n'est pas rare. Dans la grande majorité des cas, la source d'erreur a été attribuée au capteur au sol.
La "vérité de terrain" est-elle valable aujourd'hui ?
De tels exemples nous amènent à discuter de l'évolution rapide de l'utilisation des données terrestres par rapport aux données satellitaires. L'idée que les données de mesure recueillies au sol doivent toujours être traitées comme une "vérité au sol" est certainement remise en question. L'idée que le sol soit toujours la vérité, nous le savons, n'est pas valable. La discussion devrait plutôt porter sur notre compréhension réaliste de l'incertitude de la mesure, qu'elle soit prise au sol ou par satellite.
Les données au sol, lorsqu'elles sont recueillies selon une procédure bien établie associée à une campagne bien documentée, peuvent fournir des valeurs de mesure de très haute précision et de faible incertitude. L'évaluation de l'incertitude de mesure des données au sol est cependant très spécifique au site et peut être difficile à répéter. Le processus de campagne de la plus haute qualité ne peut pas être supposé sur toutes les données au sol partout. Par conséquent, l'incertitude de mesure peut être gravement compromise, comme on l'a vu plus haut.
Les données dérivées des satellites, en revanche, ont une approche très cohérente dans l'espace pour mesurer l'irradiance et ont une grande valeur dans l'assurance de l'incertitude prévue.
Alors que l'industrie solaire continue d'évoluer et devient véritablement une forme substantielle de l'actif de production d'électricité dans le monde, nous devons continuer à investir dans des modèles et des outils qui rendent le processus de financement plus rapide et plus rentable. J'ai hâte de voir ce qui va se passer pour cette industrie !
Clean Power Research analyse et documente l'incertitude de mesure de SolarAnywhere Data lorsque de nouveaux modèles sont introduits. Pour en savoir plus sur l'incertitude de SolarAnywhere Data v3, consultez notre livre blanc : Améliorations du modèle d'irradiance satellite-solaire SUNY.