Vérification des données au sol
Les mesures solaires et météorologiques au sol jouent un rôle essentiel dans l'industrie solaire. Elles sont utilisées pour adapter les modèles et évaluer les performances des centrales solaires.
Cependant, l'un des principaux défis posés par les données mesurées sur l'irradiation solaire est la présence fréquente de valeurs anormales.
Avant que les mesures au sol ne soient utilisées pour l'évaluation des performances ou pour l'adaptation des séries temporelles modélisées, toutes les valeurs suspectes dans les séries temporelles mesurées doivent être identifiées et signalées par des procédures de contrôle de la qualité.
Notre service de contrôle de la qualité des mesures solaires et météorologiques est basé sur l'expérience de Solargis dans le traitement de mesures provenant de milliers de sites dans le monde. Il vous aide à identifier les erreurs et à préparer vos jeux de données pour les prochaines étapes de votre projet.
L'ampleur des erreurs dues à l'effet cosinus, à la réponse à la température, à la sensibilité spectrale, à la stabilité, à la non-linéarité, etc. dépend de la qualité des capteurs et des conditions locales. Nous commencerons donc par examiner les spécifications techniques des capteurs et leurs certificats d'étalonnage.
Dans un deuxième temps, nous identifions les erreurs telles que le mauvais alignement des capteurs, l'ombre des objets environnants, etc.
Dans la plupart des cas, il est difficile de prévenir l'encrassement des capteurs (poussière, neige, gouttelettes d'eau, gel, fientes d'oiseaux, etc. Nous pouvons toutefois identifier ces irrégularités grâce à une analyse approfondie des données dans Solargis Analyst.
En plus de signaler et de supprimer les erreurs, nous remplaçons les données manquantes et erronées par des données provenant de nos modèles. Nous pouvons ainsi créer un ensemble de données de séries temporelles harmonisées, complètes et sans lacunes, prêt à être utilisé pour l'évaluation des performances.
Dans la plupart des cas, les données sur site proviennent de plusieurs pyranomètres. En les harmonisant, nous remplaçons les valeurs erronées par des données modélisées et fusionnons plusieurs ensembles de données en un seul.
Contrairement à un simple calcul de moyenne, qui peut dégrader la qualité originale des données, notre approche statistique multicritères préserve les caractéristiques naturelles des mesures.
Grâce à nos approches statistiques, nous pouvons adapter les valeurs de notre modèle à la même granularité que vos mesures - par exemple en désagrégeant les données mesurées sur 15 minutes en séries temporelles sur 1 minute.
Nous émettons une déclaration d'incertitude pour les ensembles de données qui ont fait l'objet d'un contrôle de qualité. Cela vous permet d'utiliser les données pour l'évaluation de la performance et l'adaptation au site des séries chronologiques historiques modélisées par satellite.
