Ako prispôsobenie lokality znižuje neistotu vo výnosoch energie

Na analýzu medziročnej variability slnečných zdrojov a súvisiacej neistoty využívame dlhodobé časové rady v závislosti od dostupnosti satelitných údajov.

Dlhodobé časové rady nám umožňujú získať predstavu o trendoch a ak trend existuje, neistota vyplývajúca z medziročnej variability ho zachytí.

V rámci prístupu Solargis Evaluate pre simuláciu fotovoltaických systémov odporúčame vykonávať simuláciu na historických časových radoch, pretože sa tak do výsledkov simulácie správne premietne akýkoľvek trend vyplývajúci zo slnečných údajov, ale aj z iných meteorologických parametrov, ako sú teplota vzduchu, obsah vodnej pary alebo rýchlosť vetra.

Takéto simulácie fotovoltaických systémov poskytujú realistickejší kombinovaný vplyv akýchkoľvek trendov vyplývajúcich z primárnych slnečných a meteorologických údajov.

Merania na mieste sú nevyhnutné pre prispôsobenie lokality. Vyžadujeme merania GHI (a v ideálnom prípade aj DNI a DIF) pomocou pyranometra a v ideálnom prípade aj meteorologické parametre, ako sú teplota vzduchu, rýchlosť vetra, zrážky a relatívna vlhkosť – aj tieto faktory ovplyvňujú výnos fotovoltaického systému.

Je veľmi ťažké poskytnúť takýto prehľad, pretože vo veľkej miere závisí od kvality nameraných údajov (prístroje, čistenie, kalibrácia, prevádzka a údržba) a od neistoty údajov zo satelitných solárnych modelov (ktorá je do veľkej miery ovplyvnená miestnymi geografickými podmienkami a poveternostnými vzormi).

Celkovo však môžeme prejsť od neistoty 4–8 % v prípade údajov zo satelitných modelov k neistote 3–5 % v prípade údajov prispôsobených konkrétnej lokalite. V zásade neexistuje žiadna regionálna závislosť (s výnimkou vysokohorských oblastí alebo veľmi vysokých zemepisných šírok, napr. nad 60°), ak sú k dispozícii merania vysokej kvality.

Nemáme k dispozícii konkrétne príklady, keďže podrobnosti o financovaní sú zvyčajne dôverné informácie, ku ktorým nemáme prístup. Ukážkové výpočty, ako napríklad ten, ktorý bol predstavený na webináre, je možné vykonať na základe neistoty údajov a predpokladov týkajúcich sa premenných projektového financovania (cena energie, DSCR, doba splatnosti dlhu atď.).

Využívame merania ukazovateľov GHI, DNI a meteorologických premenných. Všetky merania musia mať dostatočnú kvalitu, aby bolo možné ich použiť.

Difúzne (DIF) osvetlenie sa prispôsobuje nepriamo prostredníctvom adaptácie GHI (a ak sú k dispozícii merania DNI, aj prostredníctvom adaptácie DNI), a to prepočítaním s cieľom zachovať konzistenciu medzi GHI, DNI a DIF.

Okrem toho naše techniky adaptácie na danú lokalitu zohľadňujú konzistentnosť medzi GHI a DNI, aby sa zabránilo fyzikálne nemožným výsledkom, ako je napríklad záporná hodnota DIF.

Údaje zo satelitných modelov bez prispôsobenia konkrétnej lokalite možno použiť v predbežnej fáze posúdenia realizovateľnosti, ak nie sú k dispozícii terénne merania, a následne ich v fáze posúdenia realizovateľnosti nahradiť údajmi prispôsobenými konkrétnej lokalite, akonáhle budú merania k dispozícii.

Mali by ste však venovať pozornosť neistote a validácii údajov zo satelitných modelov – vysoká neistota satelitných údajov môže viesť k veľkému posunu po prispôsobení.

Údaje o výkonnosti modelu v danom regióne možno odvodiť z validácie modelu pre lokality v tomto regióne a v okolitých regiónoch s podobnými environmentálnymi podmienkami.

P90 a P50 sú pravdepodobnostné scenáre používané pri tvorbe dátových súborov TMY. Toto číslo označuje percentuálny podiel skutočných prípadov (rokov), v ktorých sa očakáva prekročenie hodnoty P90/P50 slnečného potenciálu alebo výnosu fotovoltaických systémov.

Pri výpočte P90 sa využíva koncept kombinovanej neistoty, ktorý spája neistotu hodnôt dlhodobého modelu s neistotou vyplývajúcou z medziročnej variability.

Napríklad daný ročný súčet slnečného žiarenia P90 sa s 90 % pravdepodobnosťou prekročí.

Viac informácií o pravdepodobnostných scenároch nájdete tu.

Venujte pozornosť ukazovateľom kvality, ktoré poskytovateľ (LTA) používa na popis údajov (v ideálnom prípade by mali uvádzať viac než len skreslenie), ako sa odhaduje neistota súboru údajov a či je táto neistota realistická (majte na pamäti fyzikálny limit neistoty 3 %), ako sa spracúvajú údaje namerané na zemi a ako sa kontroluje ich kvalita, a informujte sa o dokumentácii procesu prispôsobenia lokality a o validácii údajov zo satelitných modelov (poskytovateľ by mal byť transparentný).

Okrem zníženia odchýlky existuje mnoho ďalších kritérií, ktoré je potrebné skontrolovať vo výsledkoch prispôsobenia danej lokalite, napríklad konzistentnosť hodnôt GHI-DNI-DIF, konzistentnosť denných profilov, zhoda kumulatívneho rozdelenia, sezónna konzistentnosť, dlhodobá konzistentnosť a ďalšie. Prispôsobenie danej lokalite by sa nemalo zameriavať len na zníženie odchýlky.

Áno, je to možné, hoci ide o zriedkavý prípad. Ak pôvodné údaje zo satelitného modelu nadhodnotili slnečný potenciál v danej lokalite, priemerná hodnota (t. j. P50) údajov prispôsobených danej lokalite bude nižšia. Ak je tento pokles väčší ako nárast hodnoty P90 v dôsledku nižšej neistoty po prispôsobení danej lokalite, hodnota P90 prispôsobená danej lokalite bude nižšia ako pôvodná hodnota P90.

Prispôsobená hodnota P90 však bude presnejšia a oveľa lepšie bude reprezentovať skutočné slnečné zdroje v danej lokalite, pričom neistota údajov prispôsobených danej lokalite bude oveľa nižšia, čo zníži aj riziká spojené s ich využívaním.

Neexistuje žiadna cieľová hodnota R². Kontrola kvality meraní zaručuje, že všetky chybné merania sú vylúčené. Zvyšné merania možno považovať za správne, bez ohľadu na ich koreláciu s údajmi zo satelitného modelu.

Ako bolo spomenuté vyššie, existuje niekoľko kritérií, ktoré je potrebné vyvážiť. Prispôsobenie lokalite by nemalo viesť k situácii, keď sa jedno kritérium zlepší a ostatné sa zhoršia v porovnaní s pôvodnými údajmi pred prispôsobením lokalite.

Závisí to od pôvodného nesúladu medzi nameranými hodnotami a hodnotami modelu, čo určuje výber vhodnej metódy adaptácie na danú lokalitu.

Pri zložitejších metódach (napr. adaptácia vstupných údajov AOD do modelu alebo vlastností oblačnosti) adaptácia konzistentne upravuje údaje GHI aj DNI.

Jednoduchšie metódy následného spracovania, ktoré sú vhodné na korekciu menších nezhôd, spracúvajú každý parameter samostatne.

Avšak aj pri týchto jednoduchších prístupoch by sa parametrizácia prispôsobenia lokalite mala vykonať tak, aby nebola narušená konzistentnosť medzi DNI a GHI a aby sa pohybovala v rámci fyzikálne možných kombinácií. Prispôsobenie GHI a DNI ovplyvňuje DIF, ktorý sa nepriamo prispôsobuje prepočítaním s cieľom zachovať konzistentnosť medzi GHI, DNI a DIF.

Ak sú pozemné merania obmedzené a sezónnu premenlivosť nie je možné dostatočne pochopiť, zníženie neistoty pri prechode z pôvodných údajov zo satelitného modelu na údaje prispôsobené danej lokalite bude menšie.

V extrémnych prípadoch sa prispôsobenie danej lokalite môže odmietnuť, keďže pozemné merania neobsahujú dostatok informácií na zníženie neistoty údajov zo satelitného modelu.

Nie, neodporúčali by sme to – ako bolo spomenuté vo webináre, pozemné merania pokrývajú len približne 1 rok, čo neposkytuje informácie o variabilite a trendoch slnečných a meteorologických parametrov v danej lokalite.

Použitie týchto údajov pri odhadoch výnosu fotovoltaických systémov by pravdepodobne viedlo k nepresnostiam (podhodnoteniu/nadhodnoteniu) a neumožnilo by zohľadnenie reálnych extrémnych udalostí.

Ak sú prístroje triedy B riadne udržiavané, môžu sa použiť na adaptáciu na konkrétne miesto, hoci odporúčame používať prístroje triedy A. Priestor na zníženie neistoty údajov modelu adaptovaného na konkrétne miesto je v tomto prípade obmedzený, ak vôbec nejaký existuje.

Využitie úplného časového radu upravených údajov je lepší prístup, ktorý umožňuje oveľa hlbšiu analýzu variability. Odvetvie však z mnohých dôvodov stále uprednostňuje prácu so scenárom P90, aspoň v niektorých prípadoch.

Neistota sa kvantifikuje samostatne pre GHI a DNI. Ak sú k dispozícii merania DNI, môžeme DNI prispôsobiť a okrem GHI znížiť aj jeho neistotu.

Navyše merania DNI umožňujú zohľadnenie aerosólov a môžu pomôcť pri znižovaní neistoty GHI.

Merania DIF môžu tiež pomôcť identifikovať problémy s meraním počas procesu kontroly kvality, a tým zlepšiť neistotu tak GHI, ako aj DNI.

Limitujúcim faktorom pri adaptácii na konkrétnu lokalitu je dĺžka obdobia, za ktoré sú k dispozícii pozemné merania. Keďže modely môžu vykazovať odlišnú výkonnosť v jednotlivých ročných obdobiach, základnou požiadavkou na adaptáciu na lokalitu je, aby merania po kontrole kvality pokrývali všetky ročné obdobia.

Inými slovami, minimálnou požiadavkou na adaptáciu na lokalitu je jeden rok meraní, optimálne dva roky a viac. Tým sa zabráni nadmernému prispôsobeniu (overfitting) pre jednu sezónu.

Základným predpokladom pre adaptáciu na lokalitu je stabilita korekcií (odvodených pre obdobie pozemných meraní) v priebehu celej histórie údajov modelu. Zjavne ide o zjednodušenie skutočnosti.

Adaptácia na lokalitu by mala byť schopná znížiť akúkoľvek systematickú chybu prítomnú v pôvodných údajoch modelu, preto je jedným z primárnych krokov adaptácie na lokalitu kontrola oboch

1) meraní, aj

2) modelu na prítomnosť akýchkoľvek anomálií.

V prípade modelových údajov skúmame hlavne časovú stabilitu a v prípade meraní hľadáme anomálie, ktoré nemusia byť reprezentatívne pre celú históriu (napr. lesné požiare, vplyvy sopečnej činnosti).

Až ak sú splnené tieto predpoklady, je možné uplatniť správnu adaptáciu na lokalitu.

Okrem toho, ak sú k dispozícii viacročné merania, skúmame ročnú stabilitu ukazovateľov validácie modelu (napr. odchýlku, RMSD).

Nakoniec, neistota údajov prispôsobených danej lokalite zohľadňuje riziko nadmerného prispôsobenia (overfitting), ktoré s dlhším časovým obdobím klesá. Dosiahnuteľná neistota údajov prispôsobených danej lokalite sa teda znižuje s dlhším obdobím dostupných meraní.

Pozemné merania a satelitné údaje (pred a po adaptácii) sa budú vždy prekrývať. Ich rozdiel bude závisieť od ukazovateľov presnosti (odchýlka, RMSD, KSI) údajov zo satelitného modelu po adaptácii na danú lokalitu – ročný súčet bude konkrétne závisieť od odchýlky údajov adaptovaných na danú lokalitu.

Opravy vyvinuté pre prekrývajúce sa obdobie (zvyčajne 1–2 roky) sa aplikujú na celú časovú radu (viac ako 30 rokov údajov), ktorá po adaptácii na lokalitu lepšie reprezentuje miestne podmienky a vyznačuje sa nižšou neistotou.

Pri výpočte základných zložiek slnečného žiarenia (GHI, DNI, DIF) sa albedo nezohľadňuje.

Albedo nadobúda význam pri výpočte globálneho nakloneného ožiarenia (GTI, známeho aj ako ožiarenie v rovine panelov alebo POA), keď je potrebné vypočítať odrazy od zeme a iných povrchov.

Citlivosť na údaje o albedu závisí od prístupu k výpočtu GTI (faktor pohľadu vs. sledovanie lúčov).