La mayoría de los proyectos fotovoltaicos se basan en un único valor P50 para representar la producción energética anual prevista. Sin embargo, una sola cifra no puede reflejar toda la realidad y, desde luego, no puede abarcar toda la variedad de resultados a los que podría enfrentarse tu proyecto.
En este seminario web, desglosamos qué factores influyen realmente en la incertidumbre del rendimiento fotovoltaico y por qué es importante comprenderla para la rentabilidad del proyecto. Descubrirás las tres principales fuentes de incertidumbre en los cálculos de rendimiento: la modelización de la irradiación solar, la simulación fotovoltaica y la variabilidad interanual, y cómo reducir la incertidumbre abre la puerta a mejores decisiones de diseño y a una financiación más favorable.
Vea la grabación para descubrir cómo Solargis calcula la incertidumbre en el rendimiento fotovoltaico basándose en datos solares y meteorológicos líderes en el sector, enfoques de modelización contrastados y una metodología transparente.
En los proyectos que vemos en los desiertos, una de las principales preocupaciones es la acumulación de suciedad. La acumulación de polvo en este tipo de entornos es rápida y, a menudo, se subestima en la fase de puesta en marcha.
Además, es difícil hacerse una idea sin conocer todos los detalles. ¿Qué modelo de ensuciamiento has utilizado? ¿Qué conjunto de datos de entrada y qué simulador?
En nuestro proyecto de ejemplo, hemos partido deliberadamente de la hipótesis de que el P50 se mantiene constante para evaluar el efecto de la reducción de la incertidumbre. En la práctica, un método más detallado también podría refinar el P50, pero la principal ventaja que queríamos destacar durante el seminario web es un rango de incertidumbre más reducido, lo que significa que los valores P75/P90 o cualquier otro valor Pxx se acercan más al P50.
Sí, así es: la estimación de la incertidumbre de la irradiación solar que ofrecemos en Evaluate es específica para cada emplazamiento, no es una media regional.
Se solicita bajo demanda en una de las secciones y aparece en los resultados en línea una vez finalizado el análisis.
La variabilidad interanual también se puede extraer fácilmente a partir de la desviación estándar de PVOUT.
Ten en cuenta que la incertidumbre de la simulación fotovoltaica aún no está incluida en la plataforma y debe estimarse por separado.
Depende de cuándo se iniciara la misión satelital que cubre una región concreta. Por lo tanto, la serie de datos disponible puede comenzar en 1994, 1999 o 2007, dependiendo de la ubicación. Puedes encontrar más detalles aquí.
Cuanto más extenso sea el registro de datos, más sólida será la estimación de la variabilidad interanual.
Dicho esto, dado que las observaciones por satélite se incorporan continuamente al modelo de irradiación, por lo general es mejor trabajar con el conjunto de datos más actualizado disponible.
Esto te permite beneficiarte de un historial más extenso, al tiempo que captas cualquier tendencia reciente que pueda ser relevante.
Eso depende de la ubicación concreta y de la complejidad de la central eléctrica. La simulación fotovoltaica puede ser el factor determinante en proyectos más complejos situados en zonas conocidas en las que el modelo de irradiación ofrece mejores resultados.
Del mismo modo, el modelo de irradiancia solar puede ser el factor determinante en proyectos relativamente sencillos situados en zonas en las que se prevé que el modelo de irradiancia presente mayores desviaciones.
Por otra parte, la variabilidad interanual puede ser significativa en zonas donde resulta especialmente difícil captar la variabilidad de la nubosidad (por ejemplo, cambios rápidos en la nubosidad en un plazo de 10 a 15 minutos) y, en algunos casos, puede incluso convertirse en el factor que más contribuye a la variación.
Por lo general, no recomendamos este enfoque. Implica combinar datos de diferentes modelos, que probablemente presenten distintos niveles de coherencia, metodología y precisión.
Como norma general, a la hora de medir cualquier parámetro, es mejor basarse en la fuente más precisa y mejor validada de las disponibles. El mismo principio se aplica a los modelos de irradiación solar. Combinar los resultados de varios modelos no reduce necesariamente la incertidumbre y, en algunos casos, puede incluso introducir fuentes adicionales de incoherencia.
Todos ellos se utilizan, pero con fines distintos. Mientras que el P50 se emplea como caso base para la modelización financiera, el P90 es una métrica habitual para el cálculo del ratio de cobertura del servicio de la deuda (DSCR).
En general, cualquier valor Pxx puede calcularse según los requisitos de las partes interesadas del proyecto.
Utilizamos nuestro propio modelo satelital Solargis para la irradiación solar y modelos de reanálisis de predicción numérica del tiempo (NWP) de alta calidad, principalmente ERA5, para parámetros meteorológicos adicionales como la temperatura, la velocidad del viento y la humedad, entre otros.
Puede encontrar más información aquí.
Tantos años como sea posible. La principal limitación es la fecha de inicio de las misiones satelitales que cubren la región.
Como mínimo práctico, por lo general se recomienda disponer de al menos 11 años de datos para obtener valores de Pxx estadísticamente significativos.
No obstante, son preferibles los conjuntos de datos más extensos y actualizados, ya que proporcionan estimaciones más sólidas de la variabilidad interanual y, al mismo tiempo, reflejan las tendencias recientes.
A nivel mundial, el GHI de Solargis presenta un sesgo medio del 0,5 % y una desviación estándar del 3 % para los valores anuales, en comparación con 320 estaciones de medición de referencia.
Para conocer los resultados específicos de cada región, recomendamos consultar el último informe de validación publicado por Solargis, que también incluye métricas adicionales que demuestran el rendimiento y la coherencia del modelo en escalas temporales horarias y mensuales.
Puedes consultar las estadísticas detalladas de validación aquí.
Utilizamos datos in situ para validar el modelo. Una vez validado el modelo, se aplica al emplazamiento del proyecto utilizando como datos de entrada los datos de PM procedentes de modelos de reanálisis, principalmente CAMS.
Aquí encontrarás una explicación detallada de cómo funciona el modelo de ensuciamiento de Solargis.
Si se dispone de mediciones locales in situ de ensuciamiento o polvo cerca de la ubicación de su proyecto, podemos evaluar si su incorporación mejoraría la precisión de la estimación de la pérdida por ensuciamiento.
Actualmente, esta no es una función estándar del software de Solargis, pero nuestro equipo de consultoría puede evaluarla caso por caso.
La reducción de la incertidumbre se basa en métodos científicos bien consolidados. La incertidumbre se cuantifica comparando el rendimiento del modelo con el de un gran número de estaciones de medición en tierra en una amplia variedad de condiciones.
El mensaje clave para los bancos y las entidades crediticias es que una evaluación de la incertidumbre más detallada y específica para cada emplazamiento, en lugar de una evaluación regional genérica, suele dar lugar a un intervalo de confianza más estrecho. Esto, a su vez, conduce a un valor P90 más alto y puede respaldar una mayor capacidad de endeudamiento.
El impacto exacto en la cuantificación de la deuda —por ejemplo, si el ratio de endeudamiento aumenta del 75 % al 78 %— depende de los requisitos de DSCR del prestamista y de las características específicas del modelo financiero del proyecto.
