Pablo Caballero
May 29, 2024
Une simulation de rendement photovoltaïque a de multiples objectifs. Elle est essentielle pour trouver la conception et les composants les plus appropriés pour un projet, tout en donnant confiance à ceux qui investissent dans la construction du projet.
Au cours des dernières décennies du XXe siècle, avec le développement des applications de l'énergie solaire, les simulations énergétiques ont traditionnellement effectué leurs calculs en utilisant des conditions résumées décrites par les ensembles de données de l'année météorologique typique (TMY).
Aujourd'hui, grâce au développement relativement récent de la modélisation par satellite et à un accès plus facile aux capacités de calcul et aux outils logiciels, les acteurs de l'industrie solaire peuvent désormais tester la conception de leurs centrales et leurs plans financiers par rapport à des conditions plus réalistes décrites par des séries temporelles pluriannuelles (TS).
Dans quelle mesure est-il possible de caractériser l'irradiation solaire et les conditions météorologiques avec les 8760 valeurs stockées dans une TMY ? Cela signifie-t-il que les ensembles de données TMY les plus populaires ne sont plus utiles ?
Dans cet article, nous présentons une vue d'ensemble de ces deux principaux ensembles de données couramment utilisés pour l'évaluation des rendements et donnons des recommandations sur le moment où il convient d'utiliser chacun d'entre eux.
Le P50 de l'TMY est construit en sélectionnant les mois les plus représentatifs de la série temporelle disponible (c'est-à-dire les mois de janvier, février, mars, etc. les plus typiques), qui sont ensuite concaténés en une seule année artificielle et représentative.
Dans l'année météorologique type de Solargis, la sélection des mois représentatifs se fait par un processus itératif basé sur deux critères principaux : premièrement, obtenir des différences minimales entre les caractéristiques statistiques de l'année météorologique type (AMT) et la série temporelle réelle ; et deuxièmement, assurer une similitude maximale entre les fonctions de distribution cumulées (FDC) mensuelles de l'AMT et de la série temporelle, afin de représenter avec précision les valeurs typiques pour chaque mois sélectionné.
La différence de pertinence de chaque paramètre lors de la sélection des mois typiques est traitée en attribuant des poids aux paramètres inclus dans l'ensemble de données. Outre l'irradiation solaire et la température, d'autres paramètres météorologiques sont également inclus dans l'ensemble de données, mais il s'agit généralement de paramètres secondaires moins pertinents pour l'analyse et qui n'influencent donc pas le choix du mois représentatif.
Il est également important de savoir que différentes pondérations peuvent être utilisées en fonction du type d'applications d'énergie solaire considérées. Par exemple, un TMY réalisé pour la simulation de la performance des bâtiments peut être différent de celui réalisé pour les applications thermosolaires, qui à son tour peut être différent des TMY réalisés pour les logiciels de simulation photovoltaïque. Par conséquent, lorsque l'on compare des ensembles de données TMY, il est toujours recommandé de noter la façon dont le TMY est construit et ce pour quoi il est fait.
figure 1. Représentation des données mensuelles de température incluses respectivement dans les TMY (graphique de gauche, année de référence fixée à 1900 par convention) et les séries temporelles (graphique de droite, période de données couvrant des années complètes depuis 1994).
Essentiellement, TMY est une tentative de résumer les conditions variables en une seule année avec une granularité horaire. Il en résulte des fichiers plus légers et plus faciles à manipuler, mais qui entraînent la perte d'un grand nombre d'informations précieuses.
Au cours de la conversion, cette perte de données se produit de deux manières. Tout d'abord, de longues périodes sont éliminées au cours du processus. Deuxièmement, l'agrégation des données des valeurs infra-horaires en valeurs horaires masque des aspects de la variabilité des ressources qu'il peut être utile d'examiner.
En outre, étant donné que chaque site peut donner lieu à un ensemble différent de mois sélectionnés, l'algorithme TMY rend difficile la comparaison des sites. Ce manque de continuité spatiale rend également TMY inadapté à l'analyse régionale ou à l'ajustement des données à l'aide de mesures au sol à proximité (adaptation du site).
Figure 2. Représentation graphique du processus de conversion de TMY à partir de TS
Indépendamment des données rejetées au cours du processus de construction, les ensembles de données de l'année météorologique typique (TMY) peuvent encore être utiles pour effectuer des comparaisons rapides aux premiers stades d'un projet d'énergie solaire, lorsque la prospection du site ou l'analyse de préfaisabilité est généralement nécessaire.
Le traitement d'ensembles de données légers a un effet sur les services de données, rendant les appels d'API plus rapides. Cela peut être particulièrement utile pour les applications où plusieurs sites doivent être vérifiés dans un court laps de temps.
Figure 3. Les valeurs mensuelles de l'année météorologique type sont les moyennes mensuelles
Étant donné qu'elle représente des conditions typiques plutôt que des conditions extrêmes, l'année météorologique type est moins adaptée après les premières étapes préliminaires du développement d'un projet. C'est précisément à ce moment-là que les séries temporelles peuvent être utiles, par exemple lors de la conception de systèmes destinés à résister aux conditions les plus défavorables susceptibles de se produire dans un lieu spécifique. Lors d'études financières, les séries temporelles sont recommandées pour anticiper les années où les rendements sont plus faibles (ou plus élevés).
En général, lorsqu'une caractérisation plus détaillée du site est nécessaire, il convient d'utiliser des séries chronologiques. Cela inclut le cas de l'analyse de la variabilité à différents niveaux : interannuel, mensuel ou subhoraire.
En pratique, lorsque la capacité de traitement des données du simulateur est limitée, nous pouvons considérer les séries temporelles comme la "matière première" pour créer des produits de données secondaires si nécessaire. Cela signifie que si quelqu'un souhaite toujours utiliser des "morceaux" d'une période d'un an pour des simulations énergétiques, ils peuvent facilement être extraits de la série temporelle originale et identifier ceux qui étaient particulièrement extrêmes en termes d'irradiation solaire la plus élevée ou la plus faible (ou tout autre paramètre météorologique ayant une influence sur la conception et les performances du système photovoltaïque).
Figure 4. Les valeurs mensuelles de la série temporelle fournissent les valeurs mensuelles minimales et maximales en plus des moyennes mensuelles
Figure 5. Les séries temporelles permettent de calculer d'autres statistiques telles que P90, P99, etc.
Alors que les ensembles de données TMY peuvent encore être utiles lorsque des comparaisons rapides sont nécessaires (généralement aux premiers stades du projet), les ensembles de données de séries temporelles sont nécessaires pour effectuer une analyse technique et financière d'une centrale photovoltaïque.
Les différences les plus importantes entre les deux ensembles de données sont résumées dans les tableaux ci-dessous.
Figure 6. Comparaison des caractéristiques des séries temporelles et des données TMY
figure 7.Comparaison des applications des données de la série temporelle et des données TMY
Téléchargez un exemple de série temporelle ici (CSV ) et un exemple de fichier TMY ici (CSV).
