Growing Pain #2 : S'attaquer aux mauvaises pratiques en matière de données dans le secteur solaire

L'un des principaux objectifs de la série Growing Pains est de mettre en évidence le rôle que jouent des données fiables sur les ressources solaires pour garantir le succès des projets solaires à grande échelle. L'article précédent a démontré l'impact de l'utilisation de données précises pendant la phase de conception du projet.

Cependant, dans le secteur solaire, il existe souvent des incitations commerciales apparentes à utiliser certains ensembles de données plutôt que d'autres, indépendamment de leur précision et de leur fiabilité. Cela encourage des pratiques telles que le "data shopping", ou la sélection d'ensembles de données pour un gain à court terme, en raison d'un manque de sensibilisation et de transparence dans le secteur.

Les développeurs disposent de nombreuses options gratuites et payantes lorsqu'ils choisissent un ensemble de données, il est donc crucial de prendre une décision éclairée et impartiale.

La question essentielle à se poser est de savoir si la source de données choisie est fiable. Le respect des meilleures pratiques et l'amélioration de la transparence entre les parties prenantes garantiront en fin de compte des profits plus élevés tout en récompensant ceux qui investissent dans la compréhension du véritable potentiel de leurs projets à grande échelle.

Ce numéro de Growing Pains décrit les défis posés par le data shopping et le "paradoxe du choix". Il explique les recommandations de Solargis pour résoudre ces problèmes et explique pourquoi les mesures prises aujourd'hui pour améliorer la transparence aideront les acteurs de l'industrie à assurer une croissance plus saine et plus durable au cours des prochaines décennies.

Le risque de mauvaises pratiques en matière de données dans le secteur solaire

Les raisons pour lesquelles des ensembles de données peu fiables sont utilisés dans le secteur solaire relèvent de deux catégories principales : le "data shopping" et le "paradoxe du choix". Les individus et les organisations peuvent ne pas être conscients qu'ils adoptent ces approches, c'est pourquoi il est essentiel de sensibiliser toutes les parties.

Défi 1 : L'achat de données

Lors de l'obtention d'un financement de projet ou de la vente d'un projet, la prédiction du rendement énergétique le plus élevé garantira les conditions financières les plus favorables. Pour obtenir les chiffres les plus élevés, la tentation est de choisir l'ensemble de données qui illustre les niveaux les plus élevés de ressources solaires, en faisant du "shopping" pour trouver la source de données qui correspond à un objectif financier particulier à court terme.

Voici deux exemples de la manière dont la recherche de données peut se faire.

1. Obliger les conseillers techniques indépendants à utiliser une source de données privilégiée

Les informations impartiales que les conseillers techniques indépendants/ingénieurs peuvent fournir ajoutent de la valeur au processus de développement. S'il devient courant d'exiger des conseillers qu'ils utilisent un ensemble de données particulier, leur indépendance s'en trouve amoindrie. Les conseillers sont alors incités à produire les résultats souhaités par leurs clients. Il existe des parallèles avec le secteur financier en 2008, lorsque les agences de crédit ont accordé des notes plus favorables aux prêteurs afin de les rendre plus attractifs. L'évaluation du projet doit reposer sur un choix d'ensembles de données dont la fiabilité peut être objectivement évaluée.

2. Supprimer les mesures qui ne conviennent pas

La meilleure pratique consiste à mesurer la ressource solaire sur place, pendant un an ou plus, afin de réduire l'incertitude des résultats des modèles solaires basés sur les satellites grâce à des mesures précises au sol. Si les données du modèle solaire adaptées aux conditions locales s'avèrent inférieures, on peut être tenté d'ignorer les résultats plus fiables et validés au profit de l'estimation initiale.

Le fait de ne pas suivre des processus transparents pourrait avoir des avantages à court terme pour certaines parties prenantes. Toutefois, si l'une d'entre elles en profite au détriment des autres, la croissance durable du secteur s'en trouve affectée.

La tendance des développeurs à gérer leurs propres projets étant de plus en plus forte, il est dans leur intérêt à long terme d'utiliser des données cohérentes, validées et exactes tout au long du processus de développement.

Le "data shopping" entraîne donc les risques suivants :

• Sous-performance financière à long terme des projets - Des évaluations de rendement énergétique gonflées peuvent avoir de graves conséquences financières à long terme. Une baisse de 1% de la performance des actifs signifie une perte de revenus de 1 000 EUR/MW/an, ce qui représente des millions sur la durée de vie d'un projet typique de 100 MW.
• Une perte de confiance de la part des investisseurs - DNV a souligné que la sous-performance est très répandue et qu'en moyenne, les projets sont sous-performants de 5 %[1]. Si cela continue, les investisseurs commenceront à considérer l'énergie solaire comme un actif peu fiable et les conditions de financement des projets se détérioreront.

Pour faire face à ces risques, Solargis recommande de

• Améliorer la transparence - Rendre les processus qui influencent la sélection des données facilement accessibles aux parties prenantes, y compris la justification de l'utilisation d'une source de données particulière dans les rapports financiers.
• Poser les bonnes questions - Les financiers, les promoteurs et les ingénieurs indépendants peuvent tous examiner de près la manière dont sont calculées et sélectionnées les données qui sous-tendent les décisions stratégiques et opérationnelles cruciales pendant le cycle de vie d'un projet solaire à grande échelle, ce qui permettra d'obtenir de meilleurs résultats pour tous.

Défi 2 : le paradoxe du choix

La deuxième pratique clé liée aux données qui augmente le risque pendant la phase de développement et au-delà est souvent involontaire. Elle peut néanmoins aboutir à des projets peu performants et à un manque de confiance de la part des investisseurs.

Le logiciel de simulation photovoltaïque PVSyst, couramment utilisé, permet aux utilisateurs d'importer des données solaires provenant de plus de 15 sources, y compris un mélange d'options gratuites et commerciales. En l'absence d'un processus d'évaluation solide, des ensembles de données peu fiables peuvent facilement se faufiler, car le choix pléthorique donne l'impression que toutes les données se valent. C'est le "paradoxe du choix".

La sélection d'un ensemble de données non fiables peut entraîner les risques suivants :

• Surestimation de la production du projet - La recherche de données conduit invariablement à une surestimation. Des données peu fiables peuvent également exposer les développeurs d'actifs à grande échelle à ce risque, entraînant une perte de confiance et un projet sous-performant.
• Sous-estimation de la production d'un projet - Ne pas reconnaître le véritable potentiel d'un site peut conduire à des conditions de financement de projet moins favorables, ainsi qu'à des prix de vente finaux réduits.
• Risques techniques - la durée de vie de composants clés tels que les onduleurs est raccourcie par des performances dans des conditions extrêmes, ce qui augmente les coûts de maintenance et réduit la durée de vie globale du projet.

Pour faire face à ces risques, Solargis recommande de

• Sensibiliser - Les développeurs et les autres parties prenantes devront comprendre les raisons pour lesquelles des choix de données spécifiques sont faits.
• Standardiser la sélection des données - Évaluer la manière dont les données sont calculées et validées, comment la validation a été effectuée - et par qui - permet d'identifier les ensembles de données non fiables.
• Appliquer le processus "MASTER" - Solargis a produit un e-book décrivant les 6 propriétés d'un ensemble de données solaires fiables, de la conception spécifique au solaire à la résolution temporelle et spatiale. Téléchargez-le sur ce lien pour en savoir plus.

Trois conseils pour sélectionner un jeu de données fiable pour un projet solaire à grande échelle

Vous trouverez ci-dessous trois lignes directrices générales pour aider les développeurs à sélectionner le jeu de données le plus précis pour les actifs à grande échelle.

1. Optez pour une source de données validée qui s'est toujours révélée fiable dans la région où se trouve le site. Pour les projets à grande échelle, il est important de disposer d'un long historique de données et d'une granularité temporelle et spatiale élevée.
2. Lors de la sélection d'un fournisseur de données, n'optez pas pour les données les moins chères. Investissez dans un fournisseur qui peut être un partenaire de confiance à long terme et apporter un soutien à valeur ajoutée pour les actifs à grande échelle.
3. Pensez au-delà des besoins immédiats de développement. L'utilisation d'un ensemble de données cohérent et précis à toutes les étapes du cycle de vie d'un projet, y compris le suivi régulier des actifs et les prévisions, garantit des résultats optimaux.

Solargis a développé ce sujet dans son article intitulé "Que pouvez-vous attendre de votre fournisseur de données solaires". Pour en savoir plus , cliquez ici.

===

L'amélioration de la transparence des pratiques en matière de données dans le secteur solaire est un effort de l'ensemble de l'industrie. Les développeurs de projets solaires ont un rôle essentiel à jouer. Qu'il s'agisse d'évaluer de manière critique leurs propres processus de sélection des données ou de fournir un contrôle précieux aux autres parties prenantes, les avantages pour le secteur vont de retours financiers tangibles à une atmosphère de confiance mutuelle.

À mesure que les projets prennent de l'ampleur et que les enjeux augmentent, ces deux avantages seront essentiels pour garantir le succès à long terme.

Contactez-nous pour en savoir plus sur la manière dont Solargis peut vous conseiller pour éliminer les mauvaises pratiques en matière de données et accroître la transparence des projets solaires à grande échelle : https://solargis.com/about-us/contact

[1] https://static1.squarespace.com/static/5b4e34d1f2e6b166c33dc4f1/t/5ee91426b832f31dd0d8c26b/1592333358437/Solar+Risk+Assessment+2020.pdf