Comment les données de SolarAnywhere se comparent-elles à d'autres sources de données ?
Le modèle Perez utilisé pour générer les données SolarAnywhere est-il nouveau ou différent de celui utilisé par le NSRDB du NREL ?
Les données SolarAnywhere sont générées à l'aide d'une version plus récente du modèle Perez que celle utilisée pour générer les ensembles de données actualisées 2005 et 2010 de la NSRDB. SolarAnywhere fournit également des données plus récentes jusqu'à la dernière heure, des prévisions et d'autres caractéristiques qui ne sont pas disponibles auprès de la NSRDB.
Comment les données de SolarAnywhere se comparent-elles aux données TMY du NREL ?
Les données d'irradiation de l'année météorologique typique disponibles auprès du NREL sont synthétisées à partir de sources historiques afin de représenter une année " typique " pour un nombre fixe de sites aux États-Unis. SolarAnywhere représente des estimations horaires réelles de l'irradiation pour chaque emplacement spécifique sur la base de l'imagerie satellite et des conditions atmosphériques sur le site. Visitez Fichiers d'année typique pour plus de détails.
Pour en savoir plus, consultez l'article intitulé "How Misuse of Solar Resource Datasets Is Reducing Solar Industry Profits.”
Comment les sources d'irradiation dérivées des satellites se comparent-elles aux résultats des instruments de mesure au sol ?
S'ils sont correctement calibrés et entretenus, les instruments au sol peuvent être très précis pour la zone immédiate autour de l'équipement. À mesure que la zone d'intérêt s'éloigne de l'appareil, la précision diminue, ce qui accroît l'utilité des observations par satellite. Le coût de l'équipement, les imprécisions dues à l'étalonnage et les longs temps de réglage peuvent favoriser les mesures par satellite par rapport aux mesures au sol. L'éclairement énergétique du satellite est également souvent utilisé en conjonction avec des instruments au sol, et est particulièrement utile pour détecter les dérives de l'étalonnage des dispositifs au sol et pour compléter les données manquantes.
Méthodologie de SolarAnywhere
Quelles sont les sources de données utilisées pour générer les données SolarAnywhere ?
Les données relatives aux nuages, à l'albédo, à l'altitude, à la température et à la vitesse du vent sont utilisées conjointement avec l'imagerie satellitaire recueillie à partir des réseaux de satellites géosynchrones. Visitez Modèle historique pour plus de détails.
À quelle fréquence les nouvelles données SolarAnywhere sont-elles mises à disposition ?
Les données en temps réel de SolarAnywhere sont collectées, traitées et disponibles en une heure environ. Lorsque l'option de prévision est sous licence, un ensemble de données continu s'étendant du 1er janvier 1998 à aujourd'hui et jusqu'à 168 heures dans le futur est disponible.
Pourquoi utilise-t-on des modèles différents pour prévoir les périodes de données days-ahead et hours-ahead ?
Les prévisions à court terme de SolarAnywhere utilisent un modèle vectoriel de nuages. Les prévisions à plus long terme reposent sur une analyse numérique. L'approche bifurquée utilise la méthode censée donner les meilleurs résultats pour l'intervalle de temps demandé. Visitez la page Prévisions pour plus de détails.
Que se passe-t-il lorsque le modèle SolarAnywhere change ?
Les algorithmes de modélisation de SolarAnywhere et les sources de données d'entrée sont occasionnellement mis à jour pour améliorer la précision, la cohérence et la disponibilité. Les mises à jour des algorithmes de modélisation sont publiées sous forme de nouvelles versions de SolarAnywhere. Pour chaque nouvelle version de données, les données historiques sont retraitées en utilisant l'algorithme mis à jour afin de bénéficier de l'amélioration de la précision. La version des données est un facteur clé de la bancabilité des données sur les ressources solaires, car elle permet aux investisseurs, aux ingénieurs indépendants, etc. de reproduire les résultats. Consultez les notes de mise à jour pour un résumé des améliorations apportées au modèle.
Afin d'assurer la continuité pour les utilisateurs d'ensembles de données SolarAnywhere plus anciens et de permettre les comparaisons entre les versions de données, les versions antérieures sont également disponibles. Le support jusqu'à la version 3.2 de SolarAnywhere est disponible via data.solaranywhere.com. Contactez-nous pour obtenir des informations sur les ensembles de données antérieurs.
Il y a des périodes de mesures manquantes dans mon fichier SolarAnywhere. Pourquoi ?
Des données manquantes apparaissent dans la base de données d'irradiance SolarAnywhere en raison de l'absence d'images satellites. Les images manquantes sont normales et sont dues à de rares pannes non planifiées et à la maintenance régulière effectuée par la National Oceanic and Atmospheric Administration (NOAA). Des données manquantes apparaissent également dans les données auxiliaires de température de l'air en surface et de vitesse du vent en raison de périodes d'absence de mesures provenant de réseaux de capteurs au sol.
Visitez la page Données manquantes pour en savoir plus sur la façon dont SolarAnywhere traite les données manquantes.
Quelle est la différence entre les données TGY et P50 ?
On nous demande parfois si un TGY est un P50. En bref, non. L'année type est construite de mois proches de la moyenne. En pratique, le total annuel d'une année type est très similaire à la moyenne des totaux annuels des séries chronologiques. P50, en revanche, représente l'année médiane de la distribution. La moitié des années futures devraient se situer au-dessus de cette valeur, et l'autre moitié en dessous.
TGY et P50 sont souvent similaires mais divergent pour les distributions asymétriques. Visitez Probabilité de dépassement pour en savoir plus sur les données PXX de SolarAnywhere.
SolarAnywhere : modélisation de l'énergie et des pertes
Quel modèle de perte de neige dois-je utiliser ? Le modèle a-t-il été validé ?
SolarAnywhere prend en charge les modèles de perte de neige Marion (NREL) et Townsend.
Le modèle Marion utilise des séries chronologiques de données météorologiques pour estimer les pertes de neige à chaque pas de temps. Étant donné que les pertes de neige sont cumulatives et dépendantes du temps, l'utilisation de données météorologiques complètes et de haute fidélité avec un modèle de pertes de neige peut contribuer à rendre les estimations de pertes plus fiables et basées sur des données.
Le modèle de Townsend utilise la moyenne mensuelle des chutes de neige et les données relatives aux chutes de neige pour calculer les pertes. Il tient également compte des effets de la garde au sol sur le glissement de la neige et possède des paramètres qui peuvent représenter le suivi d'un seul axe, deux éléments qui peuvent être utiles pour la modélisation des systèmes photovoltaïques commerciaux.
Une comparaison des différents modèles de perte de neige et de leur précision est présentée dans l'étude du PVPMC : Modèle dynamique de perte de neige et validation.
Modèle
- Townsend
- Marion
- Andrews
- SunPower
Mise en œuvre
- Excel
- Scripting
- Scripting
- PVSim
Exactitude déclarée
- 1,4 % - 4,4 % (MBE)
- 0,2% - 1,6% (MBE)
- 0,5% - 1,5% (MBE)
- 0,08% (MBE)
Ces deux modèles sont validés et considérés comme des normes industrielles. Les auteurs du modèle de perte de neige Marion l'ont validé par rapport à des données mesurées au sol sur des systèmes photovoltaïques à inclinaison fixe. Pour en savoir plus, cliquez ici. Une étude de cas comparant les deux modèles est disponible ici.
Comment puis-je tenir compte de l'augmentation prévue des phénomènes météorologiques extrêmes et de la variabilité de l'irradiation dans les estimations de l'incertitude de la production photovoltaïque à long terme ?
Dans la pratique, l'industrie solaire utilise des données historiques pour estimer la ressource solaire future sur le site d'un projet. L'utilisation d'un ensemble de données solaires à jour et ayant un long historique de mesures cohérentes peut aider à repérer les tendances et à quantifier leur impact potentiel sur la production prévue pendant la durée de vie du projet. SolarAnywhere offre un ensemble de données solaires précises et cohérentes avec une période d'enregistrement de plus de vingt ans et peut être utilisé pour identifier les tendances à long terme de la ressource solaire.
Outre l'identification des tendances à long terme, les données solaires historiques peuvent également aider à quantifier l'impact des événements météorologiques extrêmes tels que les incendies de forêt ou les tempêtes de neige sur la production photovoltaïque. Par exemple, une étude de Clean Power Research a utilisé les données historiques de SolarAnywhere pour quantifier l'impact de la fumée des feux de forêt sur la production photovoltaïque dans l'ouest de l'Amérique du Nord. L'étude a révélé que les feux de forêt peuvent réduire la production photovoltaïque jusqu'à 6 % à certains endroits, rivalisant ainsi avec la couverture nuageuse comme risque pour la production photovoltaïque.
Des recherches supplémentaires reliant les conditions météorologiques extrêmes aux tendances à long terme sont disponibles dans un blog récemment publié. Vous pouvez également en apprendre davantage sur ce sujet dans le webinaire à la demande. Feux de forêt et phénomènes météorologiques extrêmes : Quantifier les incidences et les risques grâce à une meilleure analyse comparative des performances.
Comment les utilisateurs de SolarAnywhere peuvent-ils accéder aux outils permettant de quantifier les pertes liées à l'encrassement, à la fumée des feux de forêt et à la neige ?
Si vous disposez d'une licence SolarAnywhere Année typique, vous pouvez inclure les pertes moyennes mensuelles de neige et de salissures dans vos téléchargements de fichiers de résumé de l'année moyenne. Pour inclure les fichiers de résumé de l'année moyenne dans vos téléchargements de fichiers d'année type, sélectionnez "Modifier les paramètres" après avoir sélectionné une tuile, puis cochez la case située à côté de "Résumé de l'année moyenne" sous "Options d'année type".
Si vous disposez d'une licence SolarAnywhere Sites, vous pouvez accéder à des séries chronologiques de pertes de neige et de salissures en courant continu via l'API des services de modélisation énergétique. Contactez-nous si vous êtes intéressé par une démonstration de notre API.
Les données de profondeur optique des aérosols à haute résolution sont utilisées comme entrée dans les versions 3.5 et ultérieures du modèle SolarAnywhere pour capturer l'impact des fumées dans les données historiques d'irradiance de SolarAnywhere. Les données d'irradiance par ciel clair sont utiles lorsque l'on utilise les données de ressources solaires pour quantifier l'impact des aérosols sur les performances des systèmes PV. Le modèle à ciel clair n'étant pas influencé par la couverture nuageuse, il isole l'impact des aérosols sur l'insolation.
Plus d'informations sont disponibles dans le document IEEE PVSC : Quantification des impacts solaires de la fumée des feux de forêt dans l'ouest de l'Amérique du Nord.
Avez-vous comparé les séries temporelles de données GHI de SolarAnywhere aux données GHI mesurées au sol en septembre 2020 dans des régions touchées par des feux de forêt comme la Californie et l'État de Washington ?
Oui, la publication de l'IEEE Quantification des impacts solaires de la fumée des feux de forêt dans l'ouest de l'Amérique du Nord montre que SolarAnywhere peut estimer avec précision les impacts des aérosols (voir fig. 1).
Quel est l'impact de l'inclusion d'une année météorologique extrême telle que 2020 sur les données de l'année type de SolarAnywhere / la moyenne à long terme ? Comment l'envisagez-vous pour l'avenir ?
L'impact de l'inclusion de 2020 dans la génération de fichiers d'années typiques variera selon le lieu. Chaque année météorologique est incorporée dans les moyennes à long terme à chaque sortie de version. Visitez notre blog pour rester à jour sur nos résumés annuels des écarts d'insolation régionaux :
Pvlib dispose-t-il d'un outil qui utilise les données sur les particules ou les lavages manuels ?
Les modèles de salissure Kimber et Humboldt State University (HSU) sont pris en charge et peuvent être appliqués lors des simulations pvlib. Le modèle Kimber utilise les taux de salissure quotidiens et les paramètres d'entrée du lavage manuel, tandis que le modèle HSU utilise les données PM2.5 et PM10 pour estimer les pertes dues à la salissure. Visitez la page Modélisation des pertes de salissures dans le centre d'assistance pour en savoir plus sur les modèles HSU et Kimber.
Les données de SolarAnywhere peuvent-elles être utilisées pour quantifier le risque de grêle ? C'est une question de plus en plus brûlante dans le secteur.
SolarAnywhere offre actuellement des sorties pour les précipitations solides et liquides. Malheureusement, ces sorties ne donnent pas d'indications sur la fréquence des grosses grêles.
Comment estimez-vous la vitesse de fonte d'un épisode neigeux ?
Les modèles de perte de neige de Marion et Townsend ne tiennent pas compte de l'effet de la fonte de la neige. Le glissement de la neige est considéré comme le processus dominant de déneigement.
Le modèle Marion calcule la quantité de neige qui glisse sur les panneaux photovoltaïques en utilisant :
Quantité de glissement de neige = 1,97 * sin(tilt)
Le modèle de Townsend calcule la quantité de neige glissant sur les panneaux en fonction des chutes de neige mensuelles, de la hauteur d'inclinaison des rangées et de la garde au sol du système.
Pour en savoir plus sur le modèle Marion snow, cliquez ici et sur le modèle Townsend , cliquez ici.
Les modèles de perte de neige sont-ils adaptés aux systèmes de poursuite à axe unique, y compris en ce qui concerne le dégagement du bord d'attaque et l'amoncellement de neige ?
Bien que le modèle de Marion ne soit pas spécifiquement adapté aux systèmes de suivi à axe unique, la quantité de neige enlevée est considérée comme une fonction de l'angle d'inclinaison. Le modèle de Marion ne prend pas en compte les effets spécifiques de dégagement du bord d'attaque et d'empilement de la neige lors de l'estimation des pertes de neige.
Le modèle de Townsend n'est pas non plus spécifiquement adapté au suivi d'un seul axe, mais il peut être estimé à l'aide de paramètres d'entrée spécifiques (voir la documentation pvlib).
Pour plus d'informations sur la validation des modèles de perte de neige et une comparaison de la précision avec d'autres modèles de perte de neige, consultez le lien du centre de support ici.
Les nettoyages peuvent-ils être pris en compte dans les modèles de perte de neige ?
Les nettoyages ne peuvent pas être pris en compte par le modèle Marion ou le modèle Townsend. Pour plus d'informations sur les paramètres du modèle, veuillez consulter les termes et concepts définis dans la documentation API de SolarAnywhere.
Les estimations des pertes dues à la neige et aux salissures tiennent-elles compte de l'accumulation sur les modules en plus des particules présentes dans l'air ? Dans l'affirmative, peuvent-elles tenir compte de l'accumulation sur les modules après le passage de l'événement météorologique ?
Le modèle de perte par salissure HSU détermine l'accumulation des modules en fonction de la concentration de particules (PM10 et PM2.5) dans l'atmosphère à un moment donné.
En comparaison, le modèle de Kimber utilise un taux d'accumulation de salissures cohérent en combinaison avec les données relatives aux précipitations et au lavage manuel. Le modèle de Kimber tient compte d'une période de grâce pendant laquelle la saleté ne s'accumule pas après un événement météorologique.
Le modèle de perte de neige du NREL (Marion) utilise la différence dans les données d'épaisseur de neige à chaque pas de temps pour estimer les chutes de neige accumulées sur les panneaux photovoltaïques.
Le modèle de Townsend utilise les chutes de neige mensuelles et le nombre total de chutes de neige.
Pour en savoir plus sur les modèles de salissures et de pertes de neige , cliquez ici.
En ce qui concerne la validation au sol du modèle HSU, certains articles ont montré que les pertes par salissure mesurées sont plus faibles dans les zones désertiques que dans les zones d'agriculture sèche. Le sable peut être dans l'air, mais il ne colle pas nécessairement autant.
Les auteurs du modèle HSU l'ont validé par rapport à des mesures au sol effectuées sur sept sites d'essai dans le sud-ouest des États-Unis, démontrant ainsi la capacité du modèle à prévoir avec précision les pertes dues à la salissure. Vous pouvez lire cette validation ici. Dans une autre étude, Micheli et al. ont validé le modèle à l'aide de données mesurées au sol provenant de six sites de mesure répartis sur l'ensemble du territoire américain. Dans cette étude, le modèle HSU a systématiquement donné les erreurs les plus faibles, avec des erreurs absolues moyennes (MAE) et des erreurs moyennes (ME) proches de zéro. Avec SolarAnywhere, les utilisateurs peuvent facilement accéder au modèle HSU et le valider plus largement pour divers types de systèmes PV et zones géographiques.
SolarAnywhere utilise la concentration de particules ambiantes avec le modèle HSU pour estimer l'impact de l'encrassement. L'encrassement des panneaux photovoltaïques est un phénomène complexe. La quantité réelle de particules accumulées peut dépendre d'un certain nombre de facteurs tels que le rebond et la remise en suspension des particules par le vent, la cimentation et la formation de rosée, ainsi que les particules d'un diamètre aérodynamique supérieur à 10 μm. La recherche sur les modèles de salissure continue d'évoluer afin de prendre en compte ces facteurs de manière plus précise dans les estimations des pertes par salissure.
En raison de la variabilité du taux d'encrassement, le modèle Kimber permet de spécifier la perte journalière attendue de rendement énergétique due à l'encrassement, plutôt que d'utiliser les données relatives aux particules.
Options de licence de SolarAnywhere
Comment les zones géographiques sont-elles définies lors de l'octroi de licences pour les données ?
L'unité géographique de base est une "tuile" visible par satellite. Les zones des tuiles correspondent directement à la résolution de l'image satellite. SolarAnywhere propose des données à une résolution nominale de 10 km (0,1 x 0,1 degré) dans toutes les régions disponibles, et à une résolution nominale de 1 km (0,01 x 0,01 degré) dans certaines régions. Pour plus d'informations sur les licences, consultez les options d'achat ou contactez-nous.
Que se passe-t-il si j'ai besoin de plus de sites pour l'année type que ne le permet ma licence ?
Vous pouvez passer à la licence illimitée, acheter une nouvelle licence professionnelle valable un an ou acheter des crédits TGY uniques. Vous pouvez voir toutes les options de licence ici.
Ces achats peuvent être effectués en ligne avec une carte de crédit en se connectant à SolarAnywhere et en visitant la page Achat, ou en nous contactant pour recevoir une facture.
Que se passe-t-il si j'ai besoin de plus de sites en un an que ne le permet ma licence ?
Vous pouvez acheter des crédits de sites individuels en ligne avec une carte de crédit en vous connectant à SolarAnywhere et en visitant la page d'achat, ou en nous contactant pour recevoir une facture. Vous pouvez également passer à un pack de 10 ou 50 sites en bénéficiant d'une remise sur le prix par site. Si vous prévoyez d'avoir besoin de plus de 8 sites, il est alors judicieux d'acheter un pack de 10 sites sur la base de notre structure tarifaire des sites. Vous pouvez consulter toutes les options de licence ici.
Puis-je accéder gratuitement aux données de SolarAnywhere pour soutenir mes recherches ?
Oui, les étudiants, les chercheurs et l'industrie solaire ont un accès gratuit aux données complètes et actuelles de l'année type et des séries chronologiques de SolarAnywhere sur des sites sélectionnés dans le monde entier avec une licence publique. Ces données peuvent être utilisées à des fins pédagogiques et pour la recherche de modèles photovoltaïques nouveaux et améliorés pour l'évaluation des risques, l'exploitation et la maintenance, la répartition intelligente de l'énergie, etc.
Pour une durée limitée, les données qui étaient auparavant disponibles via l'outil Solar Prospector du NREL et du CPR/SUNY sont disponibles avec une licence SolarAnywhere Academic. Cet ensemble de données anciennes a été généré à l'aide d'anciennes versions de SolarAnywhere et n'est disponible que pour les sites situés aux États-Unis.
L'utilisation commerciale des données SolarAnywhere obtenues par le biais d'une licence publique ou académique n'est pas autorisée. Vous pouvez consulter toutes les options de licence ici.