Väčšina fotovoltaických projektov sa spolieha na jedinú hodnotu P50, ktorá má reprezentovať očakávaný ročný energetický výnos. Jedno číslo však nedokáže vystihnúť celú situáciu a určite nedokáže zachytiť škálu výsledkov, s ktorými sa váš projekt môže stretnúť.
V tomto webináre rozoberieme, čo vlastne ovplyvňuje neistotu výnosu fotovoltaických systémov a prečo je jej pochopenie dôležité pre ekonomiku projektu. Dozviete sa o troch hlavných zdrojoch neistoty pri výpočtoch výnosu: modelovaní slnečného žiarenia, simulácii fotovoltaických systémov a medziročnej variabilite – a o tom, ako zníženie neistoty vytvára priestor pre lepšie projektové rozhodnutia a výhodnejšie financovanie.
Pozrite si záznam a zistite, ako spoločnosť Solargis vypočítava neistotu výnosu fotovoltaických systémov na základe špičkových solárnych a meteorologických údajov, osvedčených modelovacích prístupov a transparentnej metodiky.
V projektoch, s ktorými sa stretávame v púštnych oblastiach, patrí znečistenie medzi najväčšie problémy. V takýchto prostrediach dochádza k rýchlemu hromadeniu prachu, čo sa vo fáze uvedenia do prevádzky často podceňuje.
Okrem toho je ťažké to zistiť bez znalosti všetkých podrobností. Aký model znečistenia ste použili? Aký vstupný súbor údajov a simulátor?
V našom ukážkovom projekte sme zámerne vychádzali z predpokladu, že hodnota P50 zostáva nezmenená, aby sme mohli vyhodnotiť vplyv zníženia neistoty. V praxi môže podrobnejšia metóda tiež spresniť hodnotu P50, avšak hlavným prínosom, ktorý sme chceli počas webinára zdôrazniť, je užší rozsah neistoty, čo znamená, že hodnoty P75/P90 alebo akékoľvek iné hodnoty Pxx sa priblížia k hodnote P50.
Áno, potvrdzujeme, že odhad neistoty slnečného žiarenia, ktorý uvádzame v nástroji Evaluate, je špecifický pre danú lokalitu a nejde o regionálny priemer.
Táto informácia sa vyžiada na požiadanie v jednej z častí a po dokončení analýzy sa zobrazí v online výsledkoch.
Medziročné kolísanie možno tiež ľahko odvodiť zo štandardnej odchýlky PVOUT.
Upozorňujeme, že neistota simulácie FV stále nie je v platforme zahrnutá a musí sa odhadovať samostatne.
Závisí to od toho, kedy začala satelitná misia pokrývajúca danú oblasť. V dôsledku toho sa dostupný súbor údajov môže začínať v roku 1994, 1999 alebo 2007, v závislosti od lokality. Viac podrobností nájdete tu.
Čím je časový rad údajov dlhší, tým je odhad medziročnej variability spoľahlivejší.
Keďže sa však satelitné pozorovania priebežne zapracúvajú do modelu slnečného žiarenia, vo všeobecnosti je najlepšie pracovať s najaktuálnejším dostupným súborom údajov.
To vám umožní využiť dlhší historický záznam a zároveň zachytiť akékoľvek nedávne trendy, ktoré môžu byť relevantné.
To závisí od konkrétnej lokality a zložitosti elektrárne. Simulácia fotovoltaických systémov môže byť rozhodujúcim faktorom pri zložitejších projektoch v známych oblastiach, kde model slnečného žiarenia dosahuje lepšie výsledky.
Podobne môže byť model slnečného ožiarenia rozhodujúcim faktorom v relatívne jednoduchých projektoch umiestnených v oblastiach, kde sa očakávajú väčšie odchýlky modelu ožiarenia.
Na druhej strane môže byť medziročná variabilita významná v oblastiach, kde je zachytenie variability oblačnosti obzvlášť náročné (napr. rýchlo sa meniaca oblačnosť v priebehu 10–15 minút), a v niektorých prípadoch sa môže stať dokonca najvýznamnejším faktorom.
Tento prístup vo všeobecnosti neodporúčame. Zahŕňa totiž kombinovanie údajov z rôznych modelov, ktoré sa pravdepodobne líšia v úrovni konzistentnosti, metodike a presnosti.
Ako všeobecné pravidlo platí, že pri meraní akéhokoľvek parametra je lepšie spoliehať sa na najpresnejší a najlepšie overený dostupný zdroj. Ten istý princíp platí aj pre modely slnečného žiarenia. Kombinovanie výsledkov z viacerých modelov nemusí nevyhnutne znížiť neistotu a v niektorých prípadoch môže dokonca viesť k vzniku ďalších zdrojov nekonzistentnosti.
Všetky sa používajú, avšak na rôzne účely. Kým P50 slúži ako základný scenár pre finančné modelovanie, P90 je bežným ukazovateľom pri výpočtoch pomeru krytia splátok dlhu (DSCR).
Všeobecne platí, že akúkoľvek hodnotu Pxx je možné vypočítať podľa požiadaviek zainteresovaných strán projektu.
Na meranie slnečného žiarenia používame náš vlastný satelitný model Solargis a na ďalšie meteorologické parametre, ako sú teplota, rýchlosť vetra a vlhkosť, okrem iného aj vysoko kvalitné reanalýzové modely predpovedí počasia (NWP), predovšetkým ERA5.
Viac informácií nájdete tu.
Toľko rokov, koľko sa dá získať. Hlavným obmedzením je dátum začiatku satelitných misií pokrývajúcich danú oblasť.
Z praktického hľadiska sa na odvodenie štatisticky významných hodnôt Pxx všeobecne odporúča aspoň 11 rokov údajov.
Uprednostňujú sa však dlhšie a aktuálnejšie súbory údajov, keďže poskytujú spoľahlivejšie odhady medziročnej variability a zároveň zachytávajú najnovšie trendy.
Na globálnej úrovni vykazuje model Solargis GHI pri porovnaní s 320 referenčnými meracími stanicami priemernú odchýlku 0,5 % a štandardnú odchýlku 3 % pre ročné hodnoty.
Pokiaľ ide o výsledky pre konkrétne regióny, odporúčame nahliadnuť do najnovšej validačnej správy zverejnenej spoločnosťou Solargis, ktorá obsahuje aj ďalšie ukazovatele demonštrujúce výkonnosť a konzistentnosť modelu v hodinových a mesačných časových intervaloch.
Podrobné štatistiky validácie si môžete prečítať tu.
Na validáciu modelu skutočne využívame údaje získané priamo na mieste. Po validácii sa model aplikuje na lokalitu projektu, pričom ako vstupné údaje sa používajú údaje o PM z reanalýznych modelov, predovšetkým z modelu CAMS. Úplné vysvetlenie fungovania modelu znečistenia Solargis nájdete tu.
Ak sú v blízkosti miesta realizácie vášho projektu k dispozícii miestne merania znečistenia alebo prachu, môžeme posúdiť, či by ich zahrnutie zlepšilo presnosť odhadu strát spôsobených znečistením.
Táto funkcia v súčasnosti nie je súčasťou štandardnej ponuky softvéru Solargis, náš konzultačný tím ju však môže posúdiť individuálne pre každý konkrétny prípad.
Zníženie neistoty vychádza z osvedčených vedeckých metód. Neistota sa kvantifikuje porovnaním výkonnosti modelu s údajmi z veľkého počtu pozemných meracích staníc v širokom spektre podmienok.
Kľúčovým posolstvom pre banky a veriteľov je, že podrobnejšie posúdenie neistoty špecifické pre danú lokalitu, na rozdiel od všeobecného regionálneho posúdenia, zvyčajne vedie k užšiemu intervalu spoľahlivosti. To zase vedie k vyššej hodnote P90 a môže podporiť zvýšenie dlhovej kapacity.
Presný vplyv na výšku zadlženia, napríklad či sa pomer zadlženosti zvýši z 75 % na 78 %, závisí od požiadaviek veriteľa na ukazovateľ DSCR a od špecifík finančného modelu projektu.
