Pablo Caballero
Jan 10, 2019
Junto con la calidad y la precisión, también es importante examinar la granularidad temporal original de los datos solares y meteorológicos de entrada. En este sentido, hemos visto dos enfoques principales a la hora de realizar simulaciones fotovoltaicas:
Aunque el uso de valores horarios artificiales generados sintéticamente ha sido una práctica habitual, este enfoque no es recomendable.
En este artículo analizamos las ventajas de utilizar series temporales horarias o subhorarias reales en lugar de datos horarios generados sintéticamente a partir de medias mensuales.
Para ello, hemos realizado una simulación fotovoltaica utilizando datos reales obtenidos del modelo Solargis en resolución horaria. A continuación, hemos comparado los resultados con la misma simulación utilizando datos horarios generados sintéticamente (derivados de medias mensuales de series temporales horarias originales).
Los principales parámetros solares y meteorológicos necesarios para la simulación de la producción de energía fotovoltaica son la radiación solar incidente y la temperatura de las células fotovoltaicas (calculada a partir de la temperatura del aire).
Para que la simulación energética sea fiable, es importante que la radiación solar y la temperatura coincidan correctamente en cada paso temporal. De lo contrario, la producción de la central y las pérdidas de energía correspondientes pueden sobreestimarse o subestimarse.
Este efecto debe tenerse en cuenta como un factor adicional al análisis de incertidumbre cuando se utilizan datos sintéticos. En una simulación de muestra en el software PVsyst para un sistema predeterminado de 15 kWp situado en el sureste de España (Plataforma Solar de Almería, archivos de muestra disponibles aquí), observamos una diferencia del 1,2% en la producción energética anual al utilizar datos horarios reales en comparación con el uso de datos horarios generados sintéticamente. Un ejercicio similar para otros emplazamientos mostró diferencias mayores, pero en su mayoría dentro del ±2%, lo que puede considerarse una estimación razonable de la incertidumbre adicional al utilizar datos generados sintéticamente. Para lugares con patrones más complejos de radiación solar y temperatura, se espera que la incertidumbre adicional sea aún mayor.
Una vez contabilizadas todas las incertidumbres (más información sobre cómo calcular P90 en un artículo anterior), podemos comparar los resultados de la simulación de energía fotovoltaica para nuestro emplazamiento de muestra en la Tabla 1, a continuación.
Tabla 1: Producción energética obtenida de la simulación de un sistema sencillo de montaje fijo
( 1) El uso de medias a largo plazo precalculadas de pvPlanner podría tener una incertidumbre ligeramente superior, de aproximadamente un 1%
(2) Variabilidad interanual tomada de PVsyst
(3) Se incluye el factor de incertidumbre derivado del uso de perfiles generados sintéticamente
En el ejemplo anterior, aunque el valor P50 es más alto (y parece más "atractivo" a primera vista) al utilizar datos horarios sintéticos, el hecho de tener una incertidumbre más alta da como resultado un valor P90 más bajo (y menos "atractivo" al final). Esta situación se ilustra en el siguiente gráfico de probabilidad. En cualquier caso, en aras del éxito del proyecto, se recomienda utilizar siempre el enfoque con menor incertidumbre.
Fig. 1. Valores energéticos P50 y P90 de dos simulaciones diferentes con distintas incertidumbres
Para estimar la incertidumbre total de las estimaciones energéticas anuales necesitamos conocer la variabilidad anual de las condiciones meteorológicas y la producción energética prevista. Esto puede estimarse con precisión si conocemos las sumas anuales durante al menos un periodo de 10 años, a partir de la historia reciente. A falta de series temporales de varios años, sólo podemos adivinar la variabilidad anual prevista de la producción energética anual, lo cual es muy difícil, ya que la variabilidad anual tiene patrones geográficos muy complejos.
A falta de series temporales, un método alternativo consiste en utilizar los valores de variabilidad anual del GHI de lugares con niveles de irradiación y condiciones climáticas similares. Por ejemplo, este enfoque se utiliza por defecto al calcular P90 en el software PVsyst (véase http://files.pvsyst.com/help/meteo_notes_annual_variability.htm). Este enfoque plantea dos problemas. En primer lugar, la variabilidad anual puede variar significativamente en distintos lugares con condiciones climáticas y radiación solar similares. En segundo lugar, como ya se explicó en un artículo anterior del blog, la variabilidad anual del GHI no equivale a la variabilidad anual de la producción fotovoltaica.
Tabla 2: Variabilidad interanual (desviación estándar) para una ubicación de muestra en Almería, España
Aunque las sumas mensuales de los datos reales y sintéticos sean iguales, el análisis hora a hora siempre mostrará diferencias críticas. Esto significa que en una serie temporal horaria generada sintéticamente los valores típicos y extremos no se captan completamente y los datos sintéticos suelen mostrar desviaciones sistemáticas. La selección del diseño y los componentes óptimos sin hacer suposiciones de mayor riesgo sobre las condiciones meteorológicas previstas se convierte en una tarea imposible cuando se utilizan datos sintéticos.
En el caso del emplazamiento de muestra utilizado en este artículo, tales diferencias pueden observarse directamente al comparar ambos conjuntos de datos, el TMY horario real y el año generado sintéticamente. Existen diferencias entre los valores máximos registrados en los datos, pero también en la ocurrencia estadística de valores horarios por encima o por debajo de un determinado umbral. Esto puede observarse fácilmente para todos los parámetros utilizados como entradas en las simulaciones; en nuestro caso, la irradiación horizontal global (GHI), la irradiación horizontal difusa (DIF), la temperatura del aire (TEMP) y la velocidad del viento (WS). En la Tabla 3 se muestran las estadísticas correspondientes al lugar de muestreo.
Tabla 3: Valores medios de los principales parámetros meteorológicos para la simulación fotovoltaica del emplazamiento de muestra.
Tabla 4: Estadísticas meteorológicas que muestran los valores extremos, calculados para los datos reales y sintéticos del emplazamiento de muestra en Almería, España.
Para obtener resultados aún más completos, se aconseja utilizar un conjunto completo de series temporales históricas (proporcionadas con los conjuntos de datos TMY en Solargis).
La distribución horaria no suele estar bien representada en los datos sintéticos y esto puede tener un impacto significativo en el análisis de los ingresos previstos. No sólo por la diferencia de precios de la energía generada, que puede estar en función de los precios horarios fijados por los mercados al contado o por un eventual acuerdo de compra de energía (PPA), sino también para situaciones en las que el sistema fotovoltaico está diseñado para el autoconsumo. En estos casos, también es necesario disponer de una predicción precisa a largo plazo de los perfiles de generación para diseñar un plan que maximice la energía que produce el sistema fotovoltaico.
La figura 2 y las tablas 5 y 6 representan las diferencias por hora del día al comparar la simulación basada en series temporales con datos horarios reales y sintéticos. A nivel anual, la mayor sobreestimación, observada en los datos sintéticos, se produce por la tarde. En la tabla de desviaciones mensuales, también se observa que las diferencias notables durante las primeras y las últimas horas del día son significativas, especialmente durante determinados meses.
Figura 2: Valor anual agregado de la diferencia entre los datos sintéticos y los datos horarios reales, para cada hora
Tabla 5: Valores mensuales agregados de la diferencia entre los datos horarios sintéticos y los reales, por hora del día.
Cuadro 6: Valores mensuales agregados de la diferencia entre los datos horarios sintéticos y los reales, por hora del día, expresados en porcentaje
El rendimiento de los modelos de recursos solares basados en satélites para un lugar determinado puede caracterizarse mediante un conjunto de indicadores. El sesgo o la desviación media del sesgo (MBD) caracteriza la desviación sistemática del modelo en un lugar determinado, es decir, la sobreestimación o subestimación sistemática; la desviación cuadrática media (RMSD) y la desviación media absoluta (MAD) se utilizan para indicar la dispersión del error para los valores instantáneos.
Disponer de mediciones sobre el terreno de buena calidad en el emplazamiento del proyecto brinda una oportunidad única para calcular tales estadísticas y validar el modelo de datos meteorológicos (Tabla 7 y Figura 3). Sin embargo, sólo si disponemos de un periodo coincidente en granularidad horaria de los valores reales podremos realizar una comparación adecuada e identificar posibles desviaciones del modelo. Los datos generados sintéticamente o las medias mensuales no son adecuados para la validación del modelo de recurso solar, ya que no representan mediciones reales.
Tabla 7: Estadísticas de validación para el emplazamiento de muestra en Almería, España.
Figura 3: Dispersión que representa los datos modelizados por satélite frente a los datos medidos en tierra para los valores horarios, diarios y mensuales del lugar de muestreo.
La validación de la calidad de los datos meteorológicos utilizados en la simulación aportará confianza a los resultados. Pero si se registra un periodo suficiente (al menos 12 meses), también puede utilizarse para la adaptación del modelo al emplazamiento y la correlación de datos. Los modelos adaptados al lugar se utilizan entonces para recalcular el conjunto de datos con mayor precisión y menor incertidumbre.
Los modelos de datos meteorológicos son capaces de proporcionar datos horarios reales para el tiempo histórico, pero los modelos también ofrecen la posibilidad de calcular datos en tiempo real a lo largo de toda la vida útil de la planta fotovoltaica (véase la Figura 5). Esto significa que la misma fuente de datos utilizada para la prospección del emplazamiento, la planificación y el diseño de la central, puede utilizarse -en una fase posterior- también durante el funcionamiento de la central. Esto permite una comparación coherente entre laevaluación del rendimiento real y la calculada inicialmente durante el desarrollo del proyecto. Resulta útil cuando la planta es objeto de reevaluación, permitiendo transacciones más transparentes y una evaluación sólida de la inversión relacionada con el activo solar fotovoltaico.
Figura 5: Los datos del modelo real pueden utilizarse de forma coherente en todas las actividades de evaluación durante la vida útil de la planta fotovoltaica
El uso de datos generados sintéticamente a partir de medias mensuales es un enfoque obsoleto, ya que permite un rango de análisis muy limitado y los resultados obtenidos de la simulación presentan una mayor incertidumbre. En consecuencia, el uso de datos generados sintéticamente puede conducir a decisiones incorrectas. El uso de datos horarios reales procedentes de una fuente fiable es preferible en todos los casos: para obtener los resultados más precisos y para realizar un análisis y una optimización completos de la central fotovoltaica. El uso de medias mensuales es útil para la prospección de emplazamientos y estudios muy básicos en las fases preliminares del proyecto.
Tabla 8: Resumen de las capacidades de los datos horarios reales frente a los datos horarios sintéticos.
