Accueil " SolarAnywhere - Modélisation de l'énergie

Modélisation énergétique de SolarAnywhere

Introduction

Clean Power Research propose l'évaluation des performances de l'énergie solaire via l'API SolarAnywhere®, qui est disponible dans SolarAnywhere SystemCheck® et Forecast. Les simulations de performance énergétique de SolarAnywhere ont été utilisées pour éclairer les décisions et développer des solutions évolutives et robustes pour un large éventail d'applications solaires, telles que :

  • Gestion des actifs des systèmes PV résidentiels et commerciaux
  • Prévision des systèmes photovoltaïques à l'échelle industrielle pour la programmation et l'exploitation du marché
  • Planification du réseau de distribution électrique et examen des interconnexions
  • Prévision des systèmes PV commerciaux pour la réduction des charges de demande

Options de simulation de l'énergie

Les services de modélisation énergétique de SolarAnywhere ont été conçus avec une architecture modulaire afin d'offrir une certaine souplesse dans la sélection des données météorologiques disponibles et des modèles de simulation de l'énergie photovoltaïque. L'API prend en charge l'utilisation des données de l'année type (TGY) et des séries chronologiques (Sites) de SolarAnywhere, ainsi que les données météorologiques TMY3 du NREL. La figure 1 ci-dessous décrit l'architecture modulaire des services de modélisation énergétique de SolarAnywhere.

Architecture logicielle modulaire des services de modélisation énergétique de SolarAnywhere

Figure 1 : Architecture logicielle modulaire des services de modélisation énergétique SolarAnywhere

Modèles de simulation énergétique SolarAnywhere

Les clients de SolarAnywhere peuvent choisir parmi deux modèles de simulation disponibles : pvlib et CprPVForm.

Pvlib

Initialement développée aux Sandia National Laboratories, pvlib python est une bibliothèque open-source, maintenue par la communauté et développée sur GitHub . Pvlib fournit un ensemble de fonctions et de classes permettant de simuler les performances des systèmes d'énergie photovoltaïque. La communauté solaire au sens large développe, valide et met fréquemment à jour les modèles pvlib. Les modèles pvlib intégrés dans SolarAnywhere prennent en charge NREL PVWatts comme moteur principal pour la simulation des performances des modules et des onduleurs. PVWatts fait des hypothèses internes sur les caractéristiques des modules et des onduleurs, ce qui permet aux utilisateurs de SolarAnywhere de modéliser rapidement n'importe quel type de système PV et de configuration avec seulement quelques entrées clés.

Pour permettre aux clients de SolarAnywhere de profiter des dernières recherches en matière de modélisation PV, SolarAnywhere offre la version la plus récente et la plus stable de pvlib à travers ses services API. Pour en savoir plus sur les différents modèles pvlib, consultez la documentation API de SolarAnywhere.

Documentation sur l'API de modélisation énergétique de SolarAnywhere

Formulaire CprPVF

Le modèle PVForm a été développé à l'origine par Sandia National Laboratories en 1985. En partenariat avec l'équipe de l'Université d'Albany (SUNY), Clean Power Research a développé une implémentation interne de PVForm appelée 'CprPVForm'. Le modèle CprPVForm met en œuvre de nombreux algorithmes de modélisation que l'on retrouve dans les modèles PVForm et PVWatts v1, et a été utilisé pour évaluer la performance énergétique de parcs photovoltaïques.

Comparaison des capacités des modèles pvlib et CprPVForm

Le choix du modèle de simulation SolarAnywhere à utiliser dépend des besoins d'un projet spécifique. Les modèles pvlib sont idéaux pour simuler les performances des systèmes commerciaux et des systèmes à l'échelle de la collectivité en raison de leur capacité à modéliser une variété de configurations telles que les systèmes à axe unique avec retour en arrière. En utilisant pvlib avec les données météorologiques haute-fidélité de SolarAnywhere, les clients de SolarAnywhere ont accès à des informations spécifiques au site, telles que la production photovoltaïque estimée et les estimations des pertes de neige. Cela permet aux développeurs et aux propriétaires d'installations solaires de réduire les risques financiers et opérationnels de leurs actifs solaires.

Le modèle CprPVForm est capable de simuler les effets d'ombrage des objets proches en fonction d'un profil d'obstruction fourni par l'utilisateur. L'ombrage proche de l'objet peut être particulièrement pertinent pour les systèmes photovoltaïques résidentiels en toiture. Le modèle CprPVForm est idéal lorsqu'il est important de modéliser les effets d'ombrage en détail, par exemple pour des systèmes PV individuels ou des parcs de systèmes PV résidentiels.

SolarAnywhere prévoit d'améliorer les capacités de modélisation de pvlib pour les systèmes résidentiels en développant et en contribuant à l'avenir les avancées de notre recherche à la communauté pvlib.

La figure 2 montre une comparaison des deux modèles de simulation pris en charge par SolarAnywhere.

Figure 2 : Comparaison des modèles pvlib et CprPVForm

Validation des modèles et sources d'incertitude dans les estimations de l'énergie PV

Pvlib est composé de plusieurs modèles de performance PV qui sont développés, mis à jour et validés par la communauté solaire au sens large. La figure 3 montre les différents modèles inclus dans l'implémentation de pvlib par SolarAnywhere, ainsi que les publications correspondantes avec la description et la validation du modèle.

Figure 3 : Modèles Pvlib mis en œuvre dans SolarAnywhere

Modèle PVWatts

Le modèle PVWatts constitue le noyau de pvlib, et est utilisé pour la modélisation des modules (DC) et des onduleurs (AC). Une étude du NREL comparant les modèles de modules disponibles a montré que la production annuelle d'énergie du modèle PVWatts était en accord étroit avec d'autres modèles, tels que les modèles de modules de Sandia et de la California Energy Commission (CEC) (l'étude faisait référence à un système PV hypothétique de 200 kW avec un facteur de déclassement de 86 %). La figure 4 résume les résultats de l'étude.

Figure 4 : Comparaison des modèles de modules PV

Sources typiques d'incertitude dans les estimations de la production PV

L'incertitude globale des estimations énergétiques est due à un certain nombre de facteurs, notamment l'incertitude des données météorologiques, les hypothèses de pertes et les modèles de performance PV. La figure 5 décrit les différentes sources d'incertitude telles que rapportées dans la publication : "Vérification de la performance sur site pour réduire les incertitudes de prédiction de rendement".17

Figure 5 : Sources typiques d'incertitude dans les estimations énergétiques et fourchettes associées

Sources typiques d'incertitude dans les estimations énergétiques et fourchettes associées

Documentation sur l'API de modélisation énergétique de SolarAnywhere

 


Références

  1. Loutzenhiser PG, Manz H, Felsmann C, Strachan PA, Maxwell GM. 2007. Empirical validation of models to compute solar irradiance on inclined surfaces for building energy simulation. Solar Energy. 81(2):254-267. Lien.
  2. Perez R, Seals R, Ineichen P, Stewart R, Menicucci D. 1987. A new simplified version of the Perez diffuse irradiance model for tilted surfaces. Solar Energy. 39(3) : 221-232. Lien.
  3. Perez 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. Lien.
  4. Perez R, Stewart R, Seals R, Guertin T. 1988. The Development and Verification of the Perez Diffuse Radiation Model. SAND88-7030. Lien.
  5. Faiman D. 2008. Évaluation de la température de fonctionnement extérieure des modules photovoltaïques. Progress in Photovoltaics. 16(4):307-315. Lien.
  6. CEI 61853-2 Essais de performance et évaluation énergétique des modules photovoltaïques (PV) - Partie 2 : Mesures de la sensibilité spectrale, de l'angle d'incidence et de la température de fonctionnement des modules. 2018. Genève : CEI. Lien.
  7. CEI 61853-3 Essais de performance et évaluation énergétique des modules photovoltaïques (PV) - Partie 3 : Évaluation énergétique des modules PV. 2018. Genève : CEI. Lien.
  8. Dobos AP. 2014. Manuel de PVWatts Version 5. Link.
  9. De Soto W, Klein SA. 2006. Improvement and validation of a model for photovoltaic array performance. Solar Energy. 80(1):78-88. Lien.
  10. Duffie JA, Beckman WA. 2006. Solar Engineering of Thermal Processes. Third Edition. New Jersey : John Wiley & Sons, Inc.
  11. Marion B. Schaefer R, Caine H, Sanchez G. 2013. Pertes d'énergie des systèmes photovoltaïques mesurées et modélisées par la neige pour des sites du Colorado et du Wisconsin. Énergie solaire. 97:112-121. Lien.
  12. Ryberg DS, Freeman J. 2017. Intégration, validation et application d'un modèle de couverture de neige photovoltaïque dans SAM. Rapport technique du NREL. NREL/TP-6A20-68705. Lien.
  13. Coello M, Boyle L. 2019. Modèle simple pour prédire l'encrassement en série temporelle des panneaux photovoltaïques. IEEE Journal of Photovoltaics. Volume 9(5). DOI : 10.1109/JPHOTOV.2019.2919628. Lien.
  14. Seinfeld JH, Pandis SN. 2001. Atmospheric Chemistry and Physics : From Air Pollution to Climate Change. New York : John Wiley & Sons, Inc.
  15. Anoma MA, Jacob D, Bourne, BC, Scholl JA, Riley DM, Hansen CW. 2017. Modèle de facteur de vue et validation pour le PV bifacial et l'ombre diffuse sur les trackers à axe unique. 44e conférence des spécialistes du photovoltaïque de l'IEEE (PVSC). DOI : 10.1109/PVSC.2017.8366704. Lien.
  16. Dobos AP. 2013. Modélisation PV dans SAM. 2013 Sandia PV Performance Modeling Workshop. Lien.
  17. Reich N, Zenke J, Muller B, Kiefer K, Farnung B. 2015. Vérification de la performance sur site pour réduire les incertitudes de prédiction du rendement. IEEE 42nd Photovoltaic Specialist Conference (PVSC). DOI : 10.1109/PVSC.2015.7355614. Lien.