Introduction
Les pertes par encrassement dues à l'accumulation de saleté, de poussière et de contaminants organiques/inorganiques sur les panneaux photovoltaïques peuvent réduire le rendement énergétique en faisant obstacle à la lumière solaire disponible pour la conversion de l'énergie. On estime que les pertes par encrassement peuvent varier de zéro à 7 % aux États-Unis et atteindre jusqu'à 50 % dans certaines parties du monde.
L'encrassement peut être une source importante d'incertitude de la production photovoltaïque et de risque financier. Des études ont montré que les pertes dues à l'encrassement peuvent contribuer jusqu'à 1-4% de l'incertitude (1-sigma) dans les estimations de production d'énergie en fonction de l'emplacement du projet et de la configuration du système.
L'une des principales difficultés pour estimer avec précision les pertes par salissure est qu'elles sont très spécifiques au site. Étant donné que 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 par encrassement peuvent présenter une grande variabilité saisonnière et interannuelle. Les séries chronologiques de données météorologiques de SolarAnywhere sur le site d'un projet peuvent être utilisées conjointement avec des modèles de pertes dues à l'encrassement pour prédire plus précisément l'impact de l'encrassement sur la production d'énergie photovoltaïque.
Utilisation de données chronologiques avec des modèles de perte par encrassement fiables dans SolarAnywhere
L'accumulation de poussière et de contaminants sur les panneaux photovoltaïques étant un processus cumulatif, les données de séries chronologiques peuvent être plus précises pour modéliser les pertes par encrassement spécifiques au site. Une étude du NREL a révélé que, par rapport à d'autres paramètres environnementaux et météorologiques tels que les précipitations et la direction du vent, les particules (PM10 et PM2,5) présentent la plus forte corrélation avec les pertes par encrassement.1
Avec SolarAnywhere, les clients ont accès à l'ensemble des séries chronologiques de données météorologiques historiques, y compris les données relatives aux particules sur le site de leur projet. Les données météorologiques haute fidélité de SolarAnywhere peuvent être utilisées avec des modèles de perte de salissure fiables, tels que le modèle pvlib de l'université d'État de Humboldt (HSU), pour obtenir des estimations de perte de salissure spécifiques au site, à la demande.2,3
Les clients de SolarAnywhere peuvent modéliser les estimations de pertes dues à l'encrassement avec SolarAnywhere V3.5 et les versions plus récentes des données météorologiques. Les données sont disponibles dans le monde entier pour la période historique (environ 1 à 2 mois de décalage par rapport au temps réel). Les pertes dues à l'encrassement peuvent être incluses dans les téléchargements de fichiers de résumé de l'année moyenne, ou demandées à l'aide de l'API de SolarAnywhere. Pour en savoir plus sur la modélisation des pertes par encrassement à l'aide de l'API de SolarAnywhere, consultez la documentation de l'API. Contactez-nous pour obtenir une démonstration.
Méthodologie
Les services de modélisation énergétique de SolarAnywhere fournis par le biais de l'API prennent en charge les modèles de perte par encrassement développés par Coello et Boyle, également appelés modèle HSU et modèle Kimber dans pvlib.2,5
Le modèle HSU estime la masse totale accumulée de particules déposées sur la surface du module en utilisant les concentrations ambiantes de PM2,5 et de PM10. Les précipitations sont considérées comme la principale et unique source d'élimination de la poussière accumulée.
Une autre variable qui affecte le taux de dépôt de la masse particulaire sur les panneaux PV est la vitesse de dépôt ou de sédimentation. Le modèle pvlib HSU disponible dans l'API SolarAnywhere utilise une vitesse de sédimentation de 0,0009 mètre par seconde et de 0,004 mètre par seconde pour les PM2,5 et les PM10 respectivement. L'étude originale a conclu que l'utilisation des vitesses de sédimentation statiques spécifiées ci-dessus donne les résultats les plus précis.2 La liste complète des paramètres d'entrée utilisés dans le modèle HSU et leurs valeurs par défaut figurent dans le tableau 1.
Tableau 1 : Paramètres d'entrée et valeur par défaut utilisés dans le modèle de salissure HSU
Pour comprendre comment les estimations des pertes dues à l'encrassement sont affectées par différents paramètres d'entrée, une analyse de sensibilité des estimations d'encrassement a été réalisée pour un système PV arbitraire à inclinaison fixe placé à 5 endroits différents aux États-Unis. La figure 1 montre la sensibilité des pertes dues à l'encrassement à différents paramètres d'entrée.
The sites are classified into low and high soiling sites based on an NREL study, wherein a site is considered to be a low-soiling site if average annual soiling losses at the site are <1% (or soiling ratio >0.99). It is found that sites with high soiling losses are highly sensitive to input data and model parameters such as PM10 and cleaning threshold. If a location is identified as a high soiling site with the HSU model, further due diligence such as on-site soiling loss measurements may be necessary to accurately quantify PV production loss due to soiling.
Figure 1 : Sensibilité des pertes par salissure du modèle HSU aux paramètres d'entrée
Le modèle de salissure Kimber utilise un taux de salissure défini qui s'accumule quotidiennement. La pluie et les lavages manuels peuvent ramener le taux de salissure à zéro. Lorsque les précipitations s'accumulent au point de provoquer un nettoyage, il y a une période de grâce après laquelle la salissure ne s'accumule pas. En outre, il est possible de définir une valeur de salissure initiale et une valeur de salissure maximale. La liste complète des paramètres d'entrée utilisés dans le modèle Kimber et leurs valeurs par défaut figurent dans le tableau 2.
Tableau 2 : Paramètres du modèle de perte de salissures de Kimber
Applications et limites connues des données sur la perte de salissure
L'accès mondial et à la demande aux estimations des pertes dues à l'encrassement permet aux promoteurs et aux propriétaires de centrales solaires d'identifier facilement les sites de projets présentant un risque accru d'encrassement. Cela peut aider à déterminer si une diligence raisonnable supplémentaire, telle que l'installation de stations de salissure sur site, est nécessaire pour quantifier avec précision le risque potentiel de production PV. En outre, les moyennes mensuelles à long terme des pertes dues à l'encrassement (par exemple, 12×1) peuvent être utilisées avec des programmes de modélisation énergétique tels que PVSyst et PlantPredict pour rendre les estimations de la production photovoltaïque plus spécifiques au site et fondées sur des données. L'API de SolarAnywhere permet de modéliser et de comparer facilement les pertes par encrassement pour différentes configurations de système. Cela peut être utile pour optimiser la conception du système et maximiser les performances du PV et les revenus du projet.
Pour illustrer la valeur de ces capacités de modélisation globale, nous avons généré une carte mondiale de perte par encrassement en utilisant le modèle de perte par encrassement de HSU et les données météorologiques historiques de SolarAnywhere pour la période 2006-2020. Un système PV à inclinaison fixe arbitraire à l'échelle d'un service public (50MWdc) a été considéré pour cette analyse. Les précipitations naturelles sont utilisées comme seule source de dépoussiérage dans le modèle HSU. L'accès mondial à la demande aux données sur les particules PM10 et PM2.5 dans SolarAnywhere pourrait permettre de développer et d'évaluer d'autres modèles de salissure dès qu'ils seront disponibles.
La carte de la figure 2 montre que pour les panneaux qui ne sont pas nettoyés manuellement, les pertes par encrassement peuvent atteindre jusqu'à 35 % en Afrique du Nord et au Moyen-Orient. Cela est dû à la prévalence de particules élevées (telles que la poussière et le sable) et aux faibles précipitations dans cette région. Cette tendance est confirmée dans une étude de Li et al qui a rapporté une réduction du facteur de capacité de plus de 30% dans les régions du Moyen-Orient et du Sahara, malgré leur abondance de ressource solaire disponible.
Figure 2 : Carte mondiale des pertes par salissure basée sur les données de SolarAnywhere et le modèle de salissure HSU
Perte moyenne annuelle de salissures (2006-2020) ; système PV à inclinaison fixe
SolarAnywhere utilise des méthodes à la pointe de l'industrie pour générer des estimations de perte par salissure. Toutefois, les utilisateurs doivent tenir compte des limites des données modélisées sur l'encrassement et de la manière dont elles se comparent aux mesures au sol :
- Les pertes par encrassement fournies par SolarAnywhere représentent l'encrassement atmosphérique ou régional. Les pertes réelles par encrassement peuvent varier de manière significative, même au sein d'une même installation photovoltaïque, en raison de conditions très spécifiques au lieu, telles que les particules provenant d'activités agricoles ou d'arbres situés à proximité.
- En général, les mesures minutieuses des pertes par salissure au sol, si elles sont disponibles, sont préférées pour le financement des projets solaires. Si les données mesurées précises constituent une référence importante pour comprendre les pertes par encrassement, le long historique disponible avec les données modélisées peut permettre aux propriétaires d'actifs solaires de replacer les mesures récentes dans un contexte historique. Par exemple, le site du projet a-t-il été touché par un événement régional de salissure tel qu'un grand feu de forêt ou une tempête de poussière récemment ? Ou bien la salissure était-elle un phénomène spécifique au site ? En sachant faire la différence entre un événement ponctuel et un site sujet aux salissures, les parties prenantes peuvent planifier et atténuer le problème de manière plus efficace.
- Les auteurs du modèle HSU ont validé le modèle par rapport à des données de salissure mesurées sur sept sites à travers les États-Unis et ont constaté que le modèle prédit avec précision les pertes de salissure sur les sites de comparaison.2 Une autre étude, réalisée par Micheli et al., a validé le modèle à l'aide de données mesurées au sol sur six sites de mesure répartis sur l'ensemble du territoire américain. Il a été constaté que le modèle HSU, avec ces vitesses de tassement, donnait systématiquement les erreurs les plus faibles, avec des erreurs moyennes absolues (MAE) et des erreurs moyennes (ME) minimales proches de zéro. En outre, l'étude a révélé que les erreurs dans la modélisation de la salissure sont similaires lorsque des données sur les matières particulaires obtenues par satellite ou mesurées au sol sont utilisées.3
- Certains paramètres, tels que le seuil de nettoyage, peuvent varier d'un site à l'autre, et peuvent affecter la précision des estimations de la perte par salissure pour les sites très sales (comme le montre la figure 1 ci-dessus). Des études antérieures ont montré que des précipitations de 5 mm (0,2 in) étaient suffisantes pour nettoyer les systèmes photovoltaïques.4 Cependant, une étude de Kimber et al. a montré que certains systèmes peuvent nécessiter des précipitations beaucoup plus importantes pour nettoyer complètement les panneaux photovoltaïques.5
- Des valeurs potentielles pour le paramètre de seuil de nettoyage basées sur différentes climatologies sont également fournies dans une étude de Bessa et al.6 Ces informations peuvent également être déduites de la génération de biens d'exploitation ou de données mesurées au sol afin de mieux adapter le modèle de perte par encrassement aux conditions spécifiques du site.
Les simulations de séries chronologiques de SolarAnywhere sont disponibles avec les licences de données de séries chronologiques, y compris Sites et SystemCheck®. En outre, les estimations mensuelles moyennes des pertes dues à la neige et aux salissures sont accessibles à la demande pour n'importe quel site de projet dans le monde via le site Web de données SolarAnywhere. Contactez-nous pour en savoir plus sur les options de licence de SolarAnywhere.
Références
1 Particules de 10 micromètres ou moins et de 2,5 micromètres ou moins, respectivement.
2 Coello M, Boyle L. 2019. Modèle simple pour prédire l'encrassement en série temporelle des panneaux photovoltaïques. IEEE Journal of Photovoltaics, volume 9 : numéro 5 : 1382-1387. DOI: 10.1109/JPHOTOV.2019.2919628. Lien
3 Micheli L, Smestad G. P., Bessa J G, Muller M, Fernandez E F, Almonacid F. 2021. Tracking Soiling Losses : Assessment, Uncertainty, and Challenges in Mapping. IEEE Journal of Photovoltaics, Volume 12, Issue 1 : 114-118. DOI: 10.1109/JPHOTOV.2021.3113858. Lien
4 Hamond R, Srinivasan D, Harris A, Whitfield K, Wohlgemuth J. 1997. Effets de la salissure sur les performances des modules PV et des radiomètres. 26th IEEE PVSC, 29 septembre - 3 octobre 1997. Lien
5 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. 2006 IEEE 4th World Conference on Photovoltaic Energy Conference, 7-12 mai 2006. DOI: 10.1109/WCPEC.2006.279690. Lien
6 Bessa J, Micheli L, Almonacid F, Fernandez E F. 2021. Monitoring photovoltaic soiling : assessment, challenges, and perspectives of current and potential strategies. iScience, Volume 24, Issue 3. https://doi.org/10.1016/j.isci.2021.102165. Lien