Introduction
La neige accumulée peut réduire la production d'énergie d'un système solaire photovoltaïque en faisant obstacle à la lumière du soleil disponible pour la conversion de l'énergie. Les pertes d'énergie PV dues à la neige - communément appelées "pertes dues à la neige" - peuvent varier considérablement selon les lieux et les périodes.
Une estimation précise des pertes dues à la neige peut aider les propriétaires de systèmes photovoltaïques et les financiers à réduire les risques financiers et opérationnels de leurs projets solaires. Cependant, plusieurs facteurs peuvent avoir un impact sur l'ampleur des pertes dues à la neige. Le climat local, ainsi que la configuration du système PV (comme l'inclinaison et le type de suivi) peuvent déterminer le taux d'accumulation et de chute de la neige. De plus, comme les conditions météorologiques locales sont toujours en mouvement - elles changent d'une saison à l'autre et d'une année à l'autre - les pertes de neige peuvent présenter une grande variabilité saisonnière et interannuelle.
En intégrant les séries de données météorologiques à long terme sur le site d'un projet à un modèle de perte de neige, les clients peuvent prédire avec plus de précision l'impact des pertes de neige sur la production d'énergie photovoltaïque.
Modélisation des pertes de neige avec SolarAnywhere
Les services de modélisation énergétique de SolarAnywhere prennent en charge le modèle de perte de neige pvlib développé par le NREL (ci-après dénommé " modèle de perte de neige du NREL ") et Townsend.1,2,5 Le modèle du NREL estime la fraction de la hauteur oblique de la rangée PV qui est couverte par la neige à chaque pas de temps. Les données d'enneigement de la série temporelle SolarAnywhere sont utilisées pour déterminer les chutes de neige accumulées à chaque pas de temps. Si les chutes de neige dépassent le seuil, les modules PV sont considérés comme entièrement recouverts de neige.3 Le modèle NREL considère le glissement de la neige comme le processus dominant de déneigement et ne tient pas compte de l'effet de la fonte de la neige ou du vent.2 Le modèle de perte de neige de Townsend utilise les données d'épaisseur de neige de la série temporelle SolarAnywhere pour déterminer les totaux mensuels de neige et les événements de neige. Le modèle de Townsend détermine le pourcentage de capacité de courant continu perdue en raison de la couverture neigeuse et des conditions ambiantes.5
La validation du modèle de perte de neige du NREL est principalement axée sur les systèmes à inclinaison fixe. Il a été constaté que l'incorporation du modèle de perte de neige améliorait la précision de l'estimation de la production annuelle d'énergie pour les systèmes photovoltaïques testés. Le modèle a également permis de réduire les erreurs pour un système de suivi à axe unique. Une comparaison du modèle de perte de neige du NREL (appelé modèle de perte de neige Marion dans la figure 1 ci-dessous) et des modèles de Townsend avec d'autres modèles de perte de neige est présentée dans la figure 1.4.
Figure 1 : Comparaison des modèles de perte de neige4
Source : SolarPro Magazine : Modélisation des pertes dues aux chutes de neige
La modélisation de la perte de neige est prise en charge par l'API SolarAnywhere et n'est disponible que pour les données historiques et les séries chronologiques en temps réel. Les demandes de séries chronologiques en temps réel pour les champs de sortie de perte de neige en dehors des États-Unis continentaux sont limitées à la semaine précédente plutôt qu'à l'heure actuelle. Les calculs de perte de neige étant basés sur la neige accumulée, la modélisation des pertes de SolarAnywhere prend en compte les données relatives à l'épaisseur de la neige et à la température ambiante pour les six mois précédant l'heure de début spécifiée dans votre demande de simulation.
Utilisation de séries chronologiques de données météorologiques pour rendre les estimations des pertes de neige plus spécifiques au site.
Avec SolarAnywhere Sites , les clients peuvent accéder à des données météorologiques historiques complètes sur le site de leur projet. Les outils de simulation énergétique peuvent exploiter des informations détaillées sur les conditions météorologiques quotidiennes, telles que l'épaisseur de la neige et la température ambiante, pour générer des estimations des pertes spécifiques au site.
Pour comprendre comment les estimations des pertes dues à la neige peuvent être rendues plus précises, nous avons comparé deux approches :
- Une "approche générique des pertes" qui utilise les estimations de pertes fournies dans une étude du NREL sur le modèle de pertes de neige PV dans le modèle System Advisor (SAM).
- Une "approche spécifique des pertes" qui intègre les données des séries temporelles de SolarAnywhere au modèle de perte de neige de SAM.
Les principales différences entre les deux approches sont énumérées à la figure 2. Les deux approches utilisent le modèle Marion du NREL pour estimer les pertes de neige. La principale différence réside dans la période d'enregistrement des données météorologiques et la résolution spatiale des données sur la neige.
Par exemple, l'approche générique utilise les données météorologiques de la NSRDB pour la période 1961-1990. Il s'agit d'une période d'enregistrement relativement ancienne par rapport à l'approche spécifique, qui utilise des séries de données météorologiques plus récentes. Une autre différence essentielle est la résolution spatiale. Les données relatives à la neige utilisées dans l'approche générique sont interpolées à partir de 239 emplacements à travers les États-Unis. Par rapport à cette approche, l'approche spécifique utilise des données météorologiques dérivées de satellites à une résolution spatiale de 4 km.
Figure 2 : Comparaison de l'approche générique des pertes avec l'approche spécifique des pertes
Pertes annuelles de neige
Nous avons modélisé les pertes annuelles dues à la neige pour un système PV arbitraire à l'échelle d'un service public (50 MWdc, rapport DC:AC 1,3) avec une inclinaison fixe de 20 degrés. Le système a été placé sur cinq sites différents aux États-Unis. La figure 3 montre que l'approche générique des pertes peut entraîner une surestimation ou une sous-estimation des pertes de neige sur un site énergétique.
Figure 3 : Pertes annuelles de neige en utilisant les approches génériques et spécifiques des pertes pour l'année 2020
Qu'est-ce que cela signifie pour les estimations de l'énergie PV ? Comme le montre la figure 4, la différence de rendement énergétique annuel entre l'approche générique et l'approche des pertes spécifiques peut facilement atteindre 7-8%, et cela peut encore varier d'une année à l'autre et d'un endroit à l'autre.
Figure 4 : Différence dans le rendement énergétique annuel en utilisant les approches générique et spécifique des pertes pour l'année 2020.
La configuration du système (comme le type de suivi et l'inclinaison) peut également affecter l'ampleur des pertes d'énergie. Pour le démontrer, le NREL a réalisé une étude comparant cinq conceptions de système différentes sur un site énergétique du Colorado. Comme le montre la figure 5, les pertes d'énergie peuvent facilement dépasser 9 % pour un système PV fixe à faible inclinaison.
Figure 5 : Comparaison de la production annuelle d'énergie pour différentes configurations du système.
Calcul des estimations des pertes de neige P50/P90
Les pertes de neige étant par nature cumulatives et dépendantes du temps, l'utilisation de séries de données sur plusieurs années peut améliorer la fiabilité et la précision des estimations de pertes, et tenir compte de l'effet de la variabilité interannuelle des pertes de neige. Pour démontrer comment les estimations de P50/P90 peuvent être davantage basées sur les données et spécifiques au site avec des données de séries temporelles plus précises et plus récentes, nous avons calculé les estimations de pertes de neige P50/P90 en utilisant les données météorologiques historiques de séries temporelles de SolarAnyhwere de 2004 à 2020 dans SAM et les avons comparées aux estimations génériques. Un système PV arbitraire à l'échelle d'un service public a été placé sur cinq sites différents aux États-Unis. Deux configurations de sites énergétiques ont été prises en compte : un système PV à inclinaison fixe de 20 degrés et un système PV à poursuite à axe unique.
La figure 6 montre comment les estimations de P50/P90 peuvent être davantage fondées sur les données et spécifiques au site grâce à la modélisation des séries chronologiques, par rapport aux estimations génériques. Souvent, les conditions de financement peuvent être fixées en fonction de la production annuelle d'énergie à la baisse (par exemple, une estimation P90 ou P99). Il est donc impératif de prendre en compte les performances de la centrale dans ce scénario. L'amélioration de la précision des estimations des pertes P90 grâce à la modélisation des séries temporelles peut réduire l'incertitude des estimations énergétiques déclarées. Cela aide les propriétaires de projets à minimiser le risque financier et opérationnel de leur projet solaire.
Figure 6 : Pertes de neige pour un système photovoltaïque à inclinaison fixe de 20 degrés et à poursuite à un axe en utilisant des approches de pertes génériques et spécifiques.
Références
1 Marion B, Schaefer R, Caine H, Sanchez G. 2013. Pertes d'énergie mesurées et modélisées des systèmes photovoltaïques dues à la neige pour les emplacements du Colorado et du Wisconsin. Solar Energy, Volume 97 : 112-121. DOI: 10.1016/j.solener.2013.07.029. Lien
2 Ryberg DS, Freeman J. 2017. Intégration, validation et application d'un modèle de couverture de neige photovoltaïque dans SAM. Rapport technique du NREL. Lien
3 Chute de neige horaire au-delà de laquelle l'enneigement est fixé à la hauteur d'inclinaison de la rangée. L'unité est le centimètre par heure. SolarAnywhere utilise une valeur par défaut de 1.0 pour ce paramètre.
4 Gun D, Kimball G, Anderson M. 2018. Modèle dynamique de perte de neige et validation. PVPMC 2018:7. Lien
5 Townsend T, Powers L. 2011. Photovoltaïque et neige : An update from two winters of measurements in the SIERRA. 37th IEEE Photovoltaic Specialists Conference (PVSC). DOI: 10.1109/PVSC.2011.6186627. Lien.
Le 16 juillet 2021, cette page a été mise à jour en utilisant des données d'épaisseur de neige corrigées.