Algunos términos técnicos pueden variar. La versión en inglés sirve de referencia.

Precisión de la radiación solar#

La irradiancia recibida representa el primer paso en el proceso de conversión de energía, ya que define la cantidad teórica máxima de energía solar disponible antes de que se consideren otras pérdidas.

Garantizar la precisión del modelado de la radiación solar es, por tanto, crucial para realizar predicciones fiables del rendimiento energético.

Qué hemos hecho

  • Recoger datos de 320 estaciones terrestres de acceso público que miden el GHI.
  • Recoger datos de 235 estaciones terrestres de acceso público que miden el DNI.
  • Comparar las mediciones con los mismos periodos de nuestro modelo de irradiancia por satélite.

Resultados obtenidos

  • La media de todos los sesgos para GHI fue del 0,5%, con una desviación estándar del 3%.
  • La media de todos los sesgos para el DNI fue del 2,2%, con una desviación estándar del 6%.

Conclusiones

  • Gran precisión del modelo de irradiancia por satélite Solargis.
  • La validación más exhaustiva realizada hasta la fecha por un proveedor de datos solares.

Qué hemos hecho

  • Clasificar cada lugar de validación según las principales categorías de la clasificación climática de Köppen Geigen.
  • Ordenar todas las estadísticas de validación recopiladas para GHI y DNI según el tipo de clima

Resultados obtenidos

Calculamos el sesgo de los datos modelizados frente a los medidos y la RMSD para todas las estaciones disponibles, tanto para las series GHI como DNI:

  • El sesgo sigue la probabilidad esperada para los modelos de irradiancia de todos los climas.

  • La RMSD de los datos mensuales, diarios y horarios muestra valores coherentes.

Conclusiones

  • El modelo basado en satélites Solargis funciona de forma coherente para todos los climas.
  • Como era de esperar por la naturaleza de los modelos, muestra un mayor rendimiento para los climas áridos y templados.

Lo que hicimos

  • Los datos mensuales del albedo de Solargis se compararon con mediciones terrestres de albedómetros.
  • La disponibilidad de las mediciones se limitaba a las estaciones de Norteamérica.

Resultados obtenidos

  • El ejercicio de validación demostró un sesgo medio de -0,01.

Conclusiones

  • Los resultados de la validación demuestran la gran precisión de los datos de albedo de Solargis para las simulaciones fotovoltaicas.
  • Aunque este ejercicio de validación abarca un número relativamente pequeño de lugares, representa una gama diversa de condiciones climáticas.
  • El uso de valores mensuales de albedo en lugar de valores constantes mejora la precisión de la modelización FV.

Qué hicimos

  • Seleccionar diversos emplazamientos y configuraciones para cubrir una amplia gama de condiciones de iluminación, incluidos cielos despejados, escenarios nublados y complejas configuraciones de sombreado.
  • Comparar el algoritmo de trazado de rayos de Solargis con Radiance, un modelo de referencia conocido por sus sólidas simulaciones ópticas.

Resultados obtenidos

  • En condiciones de cielo despejado, los resultados de Solargis y Radiance demostraron una fuerte alineación.
  • En condiciones de cielo nublado, los resultados fueron igualmente coherentes.
  • Las simulaciones complejas de sombreado e irradiación trasera mostraron pequeñas desviaciones debidas a diferencias en las configuraciones de trazado de rayos.

Conclusiones

  • Las pruebas confirmaron la precisión del algoritmo de trazado de rayos de Solargis y del modelo de cielo de Pérez.
  • El modelo funciona de forma coherente tanto para la cara frontal como para la posterior de los módulos.
  • Importante mejora de la precisión de las simulaciones de sistemas que utilizan tecnología bifacial en comparación con otros enfoques existentes.

Qué hemos hecho

  • Solargis participó en el estudio "Worldwide Benchmark of Modeled Solar Irradiance Data 2023", realizado como parte de una tarea de la Agencia Internacional de la Energía (AIE) dentro del Programa de Sistemas de Energía Fotovoltaica (PVPS).
  • Este informe de referencia evaluó y comparó el rendimiento de diez modelos distintos de irradiancia solar con mediciones terrestres de alta calidad.

Resultados obtenidos por la AIE

  • El estudio de la AIE examinó 129 estaciones terrestres tras el control de calidad de los datos. Esto incluía inspecciones visuales que abarcaban aspectos como la evaluación del sombreado, la prueba de cierre, la comprobación de la simetría AM/PM para el GHI y la comprobación de la calibración mediante el índice de cielo despejado.
  • Se calculó un conjunto de métricas de rendimiento completas, incluyendo sesgo, RMSD, KSI y otros indicadores para mostrar la frecuencia relativa de situaciones de superación y un índice de rendimiento combinado.

Conclusiones

  • Los resultados de la evaluación comparativa muestran "desviaciones notables en el rendimiento entre los distintos conjuntos de datos modelizados" que se evaluaron.
  • En concreto, las métricas de desviación de los conjuntos de datos basados principalmente en imágenes de satélites geoestacionarios están más próximas entre sí que las de los conjuntos de datos basados en NWP y en satélites polares. En concreto, el informe menciona que "las métricas de desviación media más bajas suelen ser alcanzadas por un único conjunto de datos (Solargis)".
  • Los resultados coinciden con las tendencias observadas en estudios independientes anteriores.

Precisión de las condiciones ambientales#

Las condiciones ambientales definen el entorno operativo en el que funciona el sistema. Por tanto, la validación precisa de la temperatura, el viento, la humedad y otros parámetros meteorológicos es esencial para evaluar la precisión de las pérdidas de eficiencia y estimar los efectos de la degradación a largo plazo.

Qué hemos hecho

  • Recopilar datos de estaciones meteorológicas de referencia de más de 11.000 emplazamientos de diversas zonas climáticas.
  • Comparar los valores de temperatura del aire a 2 metros (TEMP) incluidos en los conjuntos de datos de Solargis para los mismos lugares, y calcular el sesgo de los datos modelizados frente a los medidos para todas las estaciones disponibles.

Resultados obtenidos

  • Para TEMP, calculamos un sesgo medio de -0,1°C (24 h) y una desviación estándar de 1°C.
  • En general, las desviaciones nocturnas son ligeramente superiores, pero los valores diurnos -relevantes para la generación de energía solar- se estiman con mayor precisión.

Conclusiones

  • Se ha validado con éxito la metodología para derivar parámetros meteorológicos en series temporales Solargis, que integra modelos NWP globales con técnicas avanzadas de postprocesado para mejorar la resolución de los datos de temperatura.
  • La temperatura del aire de Solargis es muy fiable y adecuada para calcular la temperatura de las células fotovoltaicas, un factor crítico para evaluar las pérdidas térmicas en los sistemas fotovoltaicos.
  • Aunque los datos de temperatura del aire derivados de modelos NWP globales representan regiones más amplias y pueden no captar completamente los microclimas localizados, demuestran sistemáticamente una alta fiabilidad, lo que los hace muy eficaces para las simulaciones fotovoltaicas.

Qué hemos hecho

  • Recopilar datos de estaciones meteorológicas de referencia de más de 11.000 emplazamientos de diversas zonas climáticas.
  • Comparar los valores de velocidad del viento (WS) incluidos en los conjuntos de datos de Solargis para los mismos lugares y calcular el sesgo de los datos modelizados frente a los medidos para todas las estaciones disponibles.

Resultados obtenidos

  • Para el WS, calculamos un sesgo medio de 0,1 m/s (24 h) y una desviación estándar de 1,1 m/s.
  • En general, las desviaciones nocturnas son ligeramente superiores, pero los valores diurnos -relevantes para la generación de energía solar- se estiman con mayor precisión.

Conclusiones

  • Los datos de velocidad del viento de Solargis son muy fiables y adecuados para calcular la temperatura de las células fotovoltaicas en combinación con otros parámetros como la temperatura del aire y la radiación solar.
  • Aunque los datos de velocidad del viento de los modelos NWP globales representan regiones más amplias y pueden no captar totalmente los microclimas localizados, demuestran sistemáticamente una alta fiabilidad, lo que los hace muy eficaces para las simulaciones fotovoltaicas.

Qué hemos hecho

  • Recopilar datos de estaciones meteorológicas de referencia de más de 11.000 emplazamientos de diversas zonas climáticas.
  • Comparar los valores de humedad relativa (HR) incluidos en los conjuntos de datos de Solargis para los mismos lugares, y calcular el sesgo de los datos modelizados frente a los medidos para todas las estaciones disponibles.

Resultados obtenidos

  • Para la HR,el sesgo medio calculado es del 0% (24 h) y la desviación estándar del 7%, lo que refleja un sólido acuerdo con las mediciones en tierra.

Conclusiones

  • Los datos de humedad relativa de Solargis proporcionan datos precisos para los cálculos posteriores de la pérdida de suciedad esperada utilizando modelos físicos.
  • Aunque los datos de humedad relativa de los modelos NWP globales representan regiones más amplias y pueden no captar totalmente los microclimas localizados, demuestran sistemáticamente una alta fiabilidad, lo que los hace muy eficaces para las simulaciones fotovoltaicas.

Precisión de las pérdidas por conversión de energía#

La precisión de los algoritmos de simulación es esencial para optimizar el rendimiento de los sistemas fotovoltaicos durante el proceso de diseño. Entre los factores críticos se encuentran la calidad de los datos de entrada utilizados para modelizar la conversión de energía -de radiación solar a CC en los módulos fotovoltaicos, de CC a CA en los inversores- y la estimación de las pérdidas de energía durante la posterior transmisión y distribución.

Qué hemos hecho

  • Recopilar hojas de especificaciones técnicas de los módulos FV más populares del sector.
  • Comprobamos los datos generales, las características mecánicas, las características eléctricas, las características del modelo de diodo, las características ópticas, las características del módulo fotovoltaico y las condiciones de referencia, entre otros parámetros.

Resultado obtenido

  • Tras verificar la información recopilada, los expertos de Solargis encontraron discrepancias y falta de información en las fichas técnicas, los certificados y los informes de laboratorio.
  • El impacto de realizar simulaciones utilizando módulos fotovoltaicos no verificados puede ser significativamente alto.

Conclusiones

  • La precisión y fiabilidad de los detalles técnicos de los módulos fotovoltaicos son fundamentales para garantizar unos resultados precisos de la simulación fotovoltaica.
  • Se requiere un riguroso proceso de verificación de los componentes, asignando una clase de confianza a cada módulo FV mediante comprobaciones de expertos.
  • El proceso de verificación implica completar los parámetros requeridos, superar las validaciones críticas y verificar la autenticidad de las fichas técnicas, los certificados y los informes de laboratorio.

Qué hemos hecho

  • Recopilar hojas de especificaciones técnicas de los inversores solares más populares del sector.
  • Comprobamos los datos generales, las características de entrada y salida, el rendimiento operativo, las características mecánicas, la eficiencia y la funcionalidad avanzada, entre otros parámetros específicos.

Resultado obtenido

  • Tras verificar la información recopilada, los expertos de Solargis encontraron discrepancias y falta de información en las fichas técnicas, los certificados y los informes de laboratorio.
  • El impacto de realizar simulaciones utilizando inversores no verificados puede ser significativamente alto.

Conclusiones

  • La precisión y fiabilidad de los detalles técnicos del inversor son fundamentales para garantizar unos resultados precisos de la simulación fotovoltaica.
  • Se requiere un riguroso proceso de verificación de los componentes, asignando una clase de confianza a cada inversor mediante comprobaciones de expertos.
  • El proceso de verificación implica completar los parámetros requeridos, superar validaciones críticas y verificar la autenticidad de las hojas de datos, los certificados y los informes de laboratorio.

Qué hemos hecho

  • Recopilar conjuntos de datos solares de alta resolución de 20 emplazamientos que abarcan diversas zonas climáticas.
  • Comparar las pérdidas de recorte calculadas del inversor y el rendimiento energético utilizando datos de entrada de irradiancia solar con resoluciones temporales de intervalos de 1 minuto, 15 minutos y 60 minutos.

Resultados obtenidos

  • Los sitios tropicales muestran una sobreestimación de hasta el 2,5% de la producción anual cuando se utilizan datos de 60 minutos en lugar de 1 minuto.
  • Se obtuvieron valores mayores para relaciones CC/CA de 1,5.

Conclusiones

  • El uso de datos con resolución de 1 minuto en el diseño de sistemas fotovoltaicos mejora la precisión al minimizar la sobreestimación de la producción y proporcionar una evaluación más precisa de las pérdidas por recorte.
  • El desarrollo y el uso de modelos precisos de 1 minuto son muy recomendables para optimizar la relación CC/CA, analizar la estabilidad de la red, dimensionar los sistemas de almacenamiento de energía y garantizar el cumplimiento de la red.