Certains termes techniques peuvent différer. La version anglaise est la référence.

Précision du rayonnement solaire#

L'irradiation reçue représente la première étape du processus de conversion énergétique, car elle définit la quantité théorique maximale d'énergie solaire disponible avant que d'autres pertes ne soient prises en compte.

Il est donc essentiel d'assurer la précision de la modélisation du rayonnement solaire pour obtenir des prévisions fiables en matière de rendement énergétique.

Ce que nous avons fait

  • Collecte de données auprès de 320 stations terrestres accessibles au public et mesurant l'indice d'humidité relative (GHI).
  • Collecter des données provenant de 235 stations terrestres accessibles au public et mesurant le DNI.
  • Comparer les mesures avec les mêmes périodes de notre modèle d'irradiation par satellite.

Résultats obtenus

  • La moyenne de tous les biais pour le GHI était de 0,5 %, avec un écart-type de 3 %.
  • La moyenne de tous les biais pour le DNI était de 2,2 %, avec un écart-type de 6 %.

Conclusions

  • Grande précision du modèle d'irradiation par satellite Solargis.
  • La validation la plus complète réalisée à ce jour par un fournisseur de données solaires.

Ce que nous avons fait

  • Classer chaque site de validation dans les principales catégories de la classification climatique de Köppen Geigen.
  • Trier toutes les statistiques de validation collectées pour le GHI et le DNI en fonction du type de climat

Résultats obtenus

Nous avons calculé le biais des données modélisées par rapport aux données mesurées et le RMSD pour toutes les stations disponibles, à la fois pour les séries GHI et DNI :

  • Le biais suit la probabilité attendue pour les modèles d'irradiation pour tous les climats.

  • Le biais suit la probabilité attendue pour les modèles d'irradiation pour tous les climats. Le RMSD pour les données mensuelles, journalières et horaires montre des valeurs cohérentes.

Conclusions

  • Le modèle satellitaire Solargis fonctionne de manière cohérente pour tous les climats.
  • Comme prévu par la nature des modèles, il est plus performant pour les climats arides et tempérés.

Ce que nous avons fait

  • Les données mensuelles d'albédo de Solargis ont été comparées aux mesures au sol effectuées par des albédomètres.
  • La disponibilité des mesures était limitée aux stations d'Amérique du Nord.

Résultats obtenus

  • L'exercice de validation a démontré un biais moyen de -0,01.

Conclusions

  • Les résultats de la validation démontrent la grande précision des données d'albédo de Solargis pour les simulations photovoltaïques.
  • Bien que cet exercice de validation couvre un nombre relativement restreint de sites, il représente une gamme variée de conditions climatiques.
  • L'utilisation de valeurs d'albédo mensuelles au lieu de valeurs constantes améliore la précision de la modélisation PV.

Ce que nous avons fait

  • Sélectionner divers sites et configurations pour couvrir un large éventail de conditions d'éclairage, y compris des ciels clairs, des scénarios de ciel couvert et des configurations d'ombrage complexes.
  • Comparer l'algorithme de traçage de rayons de Solargis avec Radiance, un modèle de référence connu pour ses simulations optiques robustes.

Résultats obtenus

  • Dans des conditions de ciel clair, les résultats de Solargis et de Radiance se sont avérés très cohérents.
  • Dans les scénarios de ciel couvert, les résultats étaient également cohérents.
  • Des simulations complexes d'ombrage et d'irradiation par l'arrière ont mis en évidence des écarts mineurs dus à des différences dans les configurations de traçage des rayons.

Conclusions

  • Les tests ont confirmé la précision de l'algorithme de traçage de rayons de Solargis et du modèle de ciel de Perez.
  • Le modèle fonctionne de manière cohérente pour les faces avant et arrière des modules.
  • Amélioration majeure de la précision des simulations de systèmes utilisant la technologie bifaciale par rapport aux autres approches existantes.

Ce que nous avons fait

  • Solargis a participé au "Worldwide Benchmark of Modelled Solar Irradiance Data 2023", mené dans le cadre d'une tâche de l'Agence internationale de l'énergie (AIE) au sein du programme PVPS (Photovoltaic Power Systems Programme).
  • Ce rapport de référence a évalué et comparé les performances de dix modèles distincts d'irradiation solaire par rapport à des mesures terrestres de haute qualité.

Résultats obtenus par l'AIE

  • L'étude de l'AIE a porté sur 129 stations terrestres après le contrôle de la qualité des données. Ce contrôle comprenait des inspections visuelles couvrant des aspects tels que l'évaluation de l'ombrage, le test de fermeture, la vérification de la symétrie AM/PM pour le GHI et la vérification de l'étalonnage à l'aide de l'indice de ciel clair.
  • Un ensemble de mesures de performance complètes a été calculé, y compris le biais, le RMSD, le KSI et d'autres indicateurs pour montrer la fréquence relative des situations de dépassement et un indice de performance combiné.

Conclusions

  • Les résultats de l'analyse comparative montrent "des écarts de performance notables entre les différents ensembles de données modélisées" qui ont été évalués.
  • En particulier, les mesures d'écart des ensembles de données basés principalement sur l'imagerie satellitaire géostationnaire sont plus proches les unes des autres que des ensembles de données basés sur la prévision numérique du temps et sur les satellites polaires. Plus précisément, le rapport mentionne que "les mesures d'écart moyennes les plus faibles sont souvent atteintes par un seul ensemble de données (Solargis)".
  • Les résultats s'alignent sur les tendances observées dans des études indépendantes antérieures.

Précision des conditions environnementales#

Les conditions environnementales définissent l'environnement opérationnel dans lequel le système fonctionne. Par conséquent, une validation précise de la température, du vent, de l'humidité et d'autres paramètres météorologiques est essentielle pour évaluer la précision des pertes d'efficacité et estimer les effets de la dégradation à long terme.

Ce que nous avons fait

  • Collecter des données provenant de stations météorologiques de référence sur plus de 11 000 sites répartis dans diverses zones climatiques.
  • Comparer les valeurs de température de l'air à 2 mètres (TEMP) incluses dans les jeux de données Solargis pour les mêmes sites, et calculer le biais des données modélisées par rapport aux données mesurées pour toutes les stations disponibles.

Résultats obtenus

  • Pour TEMP, nous avons calculé un biais moyen de -0,1°C (24 h) et un écart type de 1°C.
  • En général, les écarts nocturnes sont légèrement plus élevés, mais les valeurs diurnes - pertinentes pour la production d'énergie solaire - sont estimées avec une plus grande précision.

Conclusions

  • La méthodologie de dérivation des paramètres météorologiques dans les séries temporelles de Solargis, qui intègre des modèles mondiaux de prévision numérique du temps avec des techniques avancées de post-traitement pour améliorer la résolution des données de température, a été validée avec succès.
  • Les températures de l'air de Solargis sont très fiables et bien adaptées au calcul de la température des cellules photovoltaïques, un facteur critique dans l'évaluation des pertes thermiques dans les systèmes photovoltaïques.
  • Bien que les données de température de l'air dérivées des modèles mondiaux de prévision numérique du temps représentent des régions plus vastes et peuvent ne pas saisir pleinement les microclimats localisés, elles font constamment preuve d'une grande fiabilité, ce qui les rend très efficaces pour les simulations de systèmes photovoltaïques.

Ce que nous avons fait

  • Collecter des données provenant de stations météorologiques de référence sur plus de 11 000 sites répartis dans diverses zones climatiques.
  • Comparer les valeurs de vitesse du vent (WS) incluses dans les jeux de données Solargis pour les mêmes sites, et calculer le biais des données modélisées par rapport aux données mesurées pour toutes les stations disponibles.

Résultats obtenus

  • Pour WS, nous avons calculé un biais moyen de 0,1 m/s (24 h) et un écart type de 1,1 m/s.
  • En général, les écarts nocturnes sont légèrement plus élevés, mais les valeurs diurnes - pertinentes pour la production d'énergie solaire - sont estimées avec une plus grande précision.

Conclusions de l'étude

  • Les données de Solargis sur la vitesse du vent sont très fiables et bien adaptées au calcul de la température des cellules photovoltaïques en combinaison avec d'autres paramètres tels que la température de l'air et le rayonnement solaire.
  • Bien que les données sur la vitesse du vent provenant des modèles mondiaux de prévision numérique du temps représentent des régions plus vastes et peuvent ne pas saisir pleinement les microclimats localisés, elles font constamment preuve d'une grande fiabilité, ce qui les rend très efficaces pour les simulations de systèmes photovoltaïques.

Ce que nous avons fait

  • Collecter des données provenant de stations météorologiques de référence sur plus de 11 000 sites répartis dans diverses zones climatiques.
  • Comparer les valeurs d'humidité relative (HR) incluses dans les jeux de données Solargis pour les mêmes sites, et calculer le biais des données modélisées par rapport aux données mesurées pour toutes les stations disponibles.

Résultats obtenus

  • Pour l'humidité relative,le biais moyen calculé est de 0 % (24 h) et l'écart-type de 7 %, ce qui témoigne d'une bonne concordance avec les mesures au sol.

Conclusions

  • Les données d'humidité relative de Solargis fournissent des données précises pour les calculs ultérieurs de la perte de salissure attendue à l'aide de modèles physiques.
  • Bien que les données d'humidité relative provenant de modèles de prévision numérique du temps globaux représentent des régions plus vastes et peuvent ne pas saisir pleinement les microclimats localisés, elles font constamment preuve d'une grande fiabilité, ce qui les rend très efficaces pour les simulations photovoltaïques.

Précision des pertes de conversion énergétique#

Des algorithmes de simulation précis sont essentiels pour optimiser les performances des systèmes photovoltaïques au cours du processus de conception. Les facteurs critiques comprennent la qualité des données d'entrée utilisées pour modéliser la conversion de l'énergie - du rayonnement solaire en courant continu dans les modules PV, du courant continu en courant alternatif dans les onduleurs - et l'estimation des pertes d'énergie au cours de la transmission et de la distribution ultérieures.

Ce que nous avons fait

  • Collecter les fiches techniques des modules photovoltaïques les plus répandus dans l'industrie.
  • Nous avons vérifié les données générales, les caractéristiques mécaniques, les caractéristiques électriques, les caractéristiques du modèle de diode, les caractéristiques optiques, les caractéristiques du module PV et les conditions de référence, entre autres paramètres.

Résultat obtenu

  • Après vérification des informations collectées, les experts de Solargis ont trouvé des divergences et des informations manquantes sur les fiches techniques, les certificats et les rapports de laboratoire.
  • L'impact de l'exécution de simulations utilisant des modules PV non vérifiés peut être significativement élevé.

Conclusions

  • La précision et la fiabilité des détails techniques des modules photovoltaïques sont essentielles pour garantir la précision des résultats des simulations photovoltaïques.
  • Un processus rigoureux de vérification des composants est nécessaire pour attribuer une classe de confiance à chaque module PV par le biais de contrôles d'experts.
  • Le processus de vérification implique de compléter les paramètres requis, de passer des validations critiques et de vérifier l'authenticité des fiches techniques, des certificats et des rapports de laboratoire.

Ce que nous avons fait

  • Collecter les fiches techniques des onduleurs solaires les plus populaires du secteur.
  • Vérifiez les données générales, les caractéristiques d'entrée et de sortie, les performances opérationnelles, les caractéristiques mécaniques, le rendement et les fonctionnalités avancées, entre autres paramètres spécifiques.

Résultat obtenu

  • Après vérification des informations collectées, les experts de Solargis ont trouvé des divergences et des informations manquantes sur les fiches techniques, les certificats et les rapports de laboratoire.
  • L'impact des simulations réalisées avec des onduleurs non vérifiés peut être très important.

Conclusions

  • La précision et la fiabilité des détails techniques de l'onduleur sont essentielles pour garantir la précision des résultats de la simulation photovoltaïque.
  • Un processus rigoureux de vérification des composants est nécessaire, attribuant une classe de confiance à chaque onduleur par le biais de contrôles d'experts.
  • Le processus de vérification implique de compléter les paramètres requis, de passer des validations critiques et de vérifier l'authenticité des fiches techniques, des certificats et des rapports de laboratoire.

Ce que nous avons fait

  • Collecte d'ensembles de données solaires à haute résolution pour 20 sites couvrant diverses zones climatiques.
  • Comparer les pertes d'écrêtage calculées de l'onduleur et le rendement énergétique en utilisant les données d'entrée de l'irradiation solaire à des résolutions temporelles d'intervalles de 1 minute, 15 minutes et 60 minutes.

Résultats obtenus

  • Les sites tropicaux présentent une surestimation de la production annuelle allant jusqu'à 2,5 % lorsque l'on utilise des données de 60 minutes au lieu de 1 minute.
  • Des valeurs plus importantes ont été obtenues pour des rapports DC/AC de 1,5.

Conclusions

  • L'utilisation de données à résolution d'une minute dans la conception de systèmes photovoltaïques améliore la précision en minimisant la surestimation de la production et en fournissant une évaluation plus précise des pertes par écrêtage.
  • Le développement et l'utilisation de modèles précis à 1 minute sont fortement recommandés pour optimiser le rapport DC/AC, analyser la stabilité du réseau, dimensionner les systèmes de stockage d'énergie et assurer la conformité du réseau.