Ter certezas sobre a incerteza da radiação solar

Uma das poucas coisas de que podemos ter a certeza é que nada é absolutamente certo. Este paradoxo é especialmente relevante na ciência, onde a incerteza faz parte de todos os modelos.

No contexto da simulação do rendimento fotovoltaico, a incerteza ajuda os utilizadores a compreender os potenciais desvios nos resultados produzidos pelo software que estão a utilizar. A compreensão destes desvios desempenha um papel fundamental na seleção do projeto ideal de uma central eléctrica e na avaliação dos riscos financeiros e do retorno do investimento.

A incerteza tem como objetivo refletir as limitações e os pressupostos incorporados nos modelos de simulação e nos seus dados de entrada. Um dos dados mais importantes para calcular a incerteza do rendimento fotovoltaico é o conjunto de dados de irradiância solar utilizado na simulação.

Neste artigo, destaco pontos-chave para explicar o que é a incerteza da irradiância solar, como é calculada e porque é que a sua compreensão é essencial para uma avaliação fiável do projeto.

A incerteza da radiação solar é mais do que um número

A incerteza quantifica o intervalo em torno de uma estimativa dentro do qual se espera que o valor real de uma determinada magnitude caia, normalmente expresso como uma margem de desvio esperado e um nível de probabilidade.

Isto significa que, quando se lida com a incerteza, há vários pontos de dados fundamentais que devemos considerar para evitar confusões e permitir uma comparação significativa com outros valores:

• O que estamos a ver exatamente: A radiação solar é constituída por diferentes componentes (por exemplo, direta, difusa) e pode ser medida em diferentes planos (horizontal ao solo, normal ao sol, inclinado, etc.). Por conseguinte, é essencial especificar claramente o parâmetro solar a que a estimativa se refere. O GHI, o DNI, o DIF e o GTI são os parâmetros padrão utilizados quando se fala de radiação solar.
• Como o valor é agregado: Para além de especificar a unidade física (normalmente kWh/m² para a radiação solar), é importante indicar o nível de agregação utilizado (por exemplo, diário, mensal, anual). A utilização de uma terminologia adequada também é importante: a irradiância refere-se normalmente a valores de potência instantâneos, enquanto a irradiação denota a energia acumulada ao longo do tempo.
• Como é expressa a incerteza: A incerteza é normalmente apresentada como uma percentagem do valor estimado. No entanto, para evitar ambiguidades, deve também incluir o nível de confiança utilizado (por exemplo, P90, P99, desvio padrão).

Em suma, uma declaração de incerteza completa deve incluir:

Valor estimado + parâmetro solar + unidade física + nível de agregação + margem de incerteza + nível de confiança

Vamos ilustrar isto com um exemplo:

• Declaração de incerteza incompleta: "Para este projeto, esperamos um valor de radiação solar de 1234 kWh/m² com uma incerteza de ±4%."
• Declaração de incerteza completa: "Para este projeto, esperamos uma radiação solar (GHI) de 1234 kWh/m² (soma anual para um único ano) com uma incerteza de ±4% (expressa ao nível P90)."

Como é calculada a incerteza

As estimativas da irradiância solar baseadas em modelos semi-empíricos de satélite tornaram-se um padrão, graças à disponibilidade de dados de satélite consistentes, de alta resolução e globais.

No entanto, o processo de avaliação da exatidão destes conjuntos de dados modelados de radiação solar pode, por vezes, ser pouco claro. Vamos resumir o procedimento em cinco etapas principais:

Passo #1: Comparações entre modelos e medições

O primeiro passo do processo consiste na comparação sistemática de instrumentos de alta qualidade e de primeira classe (para a radiação solar, piranómetros padrão secundários e piranelímetros de primeira classe) com estimativas de modelos nos mesmos locais e durante os mesmos períodos.

É também necessária uma avaliação da qualidade dos dispositivos de medição no solo e das práticas de manutenção. Isto significa garantir que os piranómetros, os pireliómetros e outros sensores cumprem as normas internacionais de calibração e são regularmente recalibrados. A manutenção de rotina, incluindo a limpeza regular das superfícies dos sensores, deve também ser documentada e rigorosamente seguida.

Para cada local, são calculados diferentes indicadores. São mais frequentemente conhecidos como estatísticas de validação, uma vez que também são utilizados para efeitos de validação do desempenho de um modelo.

Esta comparação deve ser repetida para o maior número possível de locais e durante o maior período de tempo possível. Para avaliar corretamente um modelo de irradiância solar, este deve ser realizado em estações meteorológicas representativas de todas as regiões geográficas e seguir um processo normalizado que permita a comparação entre diferentes locais e estações de medição.

É importante sublinhar que a validação e a incerteza são concetualmente diferentes: enquanto a validação se limita a recolher uma série de estatísticas para os locais onde estão disponíveis referências terrestres, a incerteza vai um passo mais além e visa estimar o desempenho esperado em locais fora da rede de referência.

Passo #2: Caracterização do desvio

Uma vez analisado um número suficiente de sítios de validação, pode ser obtida uma estimativa inicial do desempenho do modelo. Esta etapa envolve o exame da distribuição de frequência e da magnitude dos desvios entre as estimativas do modelo e os valores medidos.

A análise da distribuição dos desvios nas zonas climáticas e regiões geográficas ajuda a identificar as principais condições ou áreas onde é provável que existam discrepâncias maiores ou menores entre os valores de irradiância modelados e medidos no solo.

Estes resultados são frequentemente publicados em relatórios públicos, oferecendo orientações preliminares aos utilizadores de modelos solares sobre os níveis de precisão esperados para os valores anuais da radiação solar. No entanto, para uma estimativa mais precisa da incerteza em locais específicos, é necessária uma visão mais profunda de todas as estatísticas de validação e uma análise completa dos factores contribuintes (conforme descrito nos próximos passos).

Passo #3: Desvios não sistemáticos

Embora a quantificação dos desvios seja essencial para identificar os desvios sistemáticos entre as estimativas do modelo e as medições, a avaliação dos erros não sistemáticos é igualmente importante. Isto é normalmente conseguido através do cálculo da raiz do erro quadrático médio (RMSE), que capta os desvios não sistemáticos e oferece uma avaliação mais abrangente do desempenho global do modelo.

A incorporação de indicadores adicionais de consistência, como o Índice de Kolmogorov-Smirnov (KSI), ajuda a avaliar a capacidade de um modelo para representar várias condições de irradiância solar e oferece uma visão mais profunda do comportamento do modelo antes de proceder à estimativa da incerteza.

A concentração exclusiva em estatísticas de validação de longo prazo (anuais) também pode ocultar inconsistências sazonais. Portanto, para uma avaliação robusta da incerteza, as estatísticas mensais também devem ser analisadas.

Passo #4: Factores que afectam a incerteza do modelo solar

As caraterísticas das diferentes distribuições de erros empíricos identificadas anteriormente são agora analisadas e comparadas com as caraterísticas de cada local e período de validação. O objetivo é associar as propriedades específicas do local e do período às caraterísticas correspondentes da distribuição de erros. Os principais factores que influenciam o desempenho do modelo podem incluir:

• Persistência das nuvens
• Variabilidade das nuvens
• Profundidade ótica dos aerossóis
• Vapor de água total
• Cobertura de neve
• Variabilidade do terreno
• Distância às superfícies de água
• Poluição antropogénica
• Distorção de pixéis de satélite
• Superfícies de alto albedo

Como resultado, já podemos identificar situações em que se espera que o desempenho do modelo solar seja inferior, incluindo áreas de alta montanha, condições de neve, desertos reflectores, proximidade de costas ou ambientes urbanizados.

Passo #5: Estimativa da incerteza específica do local

Reunindo as conclusões do passo anterior, o objetivo agora é estimar o nível de incerteza para o local solicitado. Isto significa avaliar, para esse local específico, cada um dos factores identificados como influenciando o desempenho do modelo.

Esta não é uma tarefa fácil e requer um conhecimento profundo e especializado do modelo, dos seus algoritmos internos e dos seus dados de entrada. Devido à complexidade de certas interações e à experiência limitada de validação em algumas regiões, a automatização total do processo de estimativa da incerteza continua a ser um desafio.

A disponibilidade limitada de estações de referência públicas em certas regiões também exige a utilização de estimativas de incerteza mais conservadoras. No entanto, à medida que novos projectos solares são desenvolvidos, mais estações meteorológicas são instaladas e o conhecimento científico progride, a nossa confiança na estimativa da incerteza da radiação solar continua a aumentar.

Fig.1: Passos para estimar a incerteza do modelo de irradiância solar

Comparação de modelos de irradiância solar

A comparação entre modelos pode ser complicada e requer uma análise cuidadosa dos processos de validação subjacentes. Para o ajudar, eis uma lista de verificação de questões-chave que podem ajudar a comparar diferentes modelos de irradiância solar:

• Os modelos foram submetidos ao mesmo processo de avaliação da incerteza?
  Isto é crucial, uma vez que a comparação de valores de incerteza entre modelos só tem significado se ambos tiverem sido avaliados com a mesma metodologia, abrangendo métricas estatísticas idênticas (como enviesamento, RMSE), níveis de agregação (mensal, anual) e intervalos de confiança (por exemplo, P90). Sem um quadro de avaliação consistente, os valores de incerteza de diferentes modelos não podem ser diretamente comparados.
• Algum dos modelos utiliza afinação específica do local?
  Em caso afirmativo, embora esses modelos possam apresentar excelentes resultados de validação em locais selecionados, o seu desempenho pode deteriorar-se significativamente quando aplicados fora dessas áreas. As estatísticas de validação fornecidas por esses modelos reflectem frequentemente uma "precisão aparente" em vez de um desempenho preditivo genuíno.
• Os estudos de comparação são realizados diretamente pelos fornecedores de dados (ou consultores afiliados), ou são realizados por organizações independentes?
  Para além das estatísticas de exatidão fornecidas pelos fornecedores de dados, os estudos independentes permitem que os modelos sejam avaliados em condições de igualdade utilizando métodos normalizados. Os exercícios colaborativos de avaliação comparativa envolvem normalmente instituições públicas de investigação e partes interessadas privadas. Para além de fomentar a transparência, estes exercícios promovem o intercâmbio de conhecimentos a nível da indústria e a melhoria contínua das práticas de modelação solar.
• As estatísticas referem-se aos mesmos locais de referência, períodos de validação e protocolos de controlo de qualidade?
  Se não for esse o caso, confiar em validações internas para comparações diretas de modelos pode ser enganador, uma vez que as variações nos locais de referência, períodos de dados ou procedimentos de filtragem de dados podem distorcer os resultados a favor de um modelo em detrimento de outro.

A incerteza pode ser baixa, mas nunca nula

Tal como referido no início deste artigo, a incerteza nunca pode ser totalmente eliminada. No entanto, isto não significa que não possa ser minimizada.

No contexto dos dados de irradiância solar, há passos claros que podem ser dados para reduzir a incerteza - por exemplo, rever cuidadosamente os conjuntos de dados de entrada e selecionar o fornecedor de dados por satélite de maior qualidade.

Os modelos de irradiância baseiam-se em redes de referência publicamente disponíveis para validação, que também constituem a base da modelação da incerteza (ver o capítulo anterior). A incerteza pode ser ainda mais reduzida através da incorporação de medições locais para corrigir os desvios introduzidos pela resolução original dos dados de satélite e ajustar a estrutura interna dos dados, um processo conhecido como adaptação ao local. Para tal, são necessárias campanhas de medição da irradiância solar local - com a duração mínima de um ano.

Dito isto, as medições no terreno não são perfeitas. Mesmo os sensores GHI (Global Horizontal Irradiance - Irradiância Horizontal Global) da mais alta qualidade e com boa manutenção têm uma incerteza inerente na ordem dos ±2% a ±3%. Este facto deve ser sempre tido em conta ao estimar a incerteza do modelo de dados.

Antes de qualquer comparação ou adaptação ao local, os dados medidos devem ser submetidos a uma rigorosa avaliação da qualidade para eliminar os valores afectados por erros de medição. Normalmente, estes problemas só são visíveis em dados de alta resolução - idealmente sub-hora ou hora a hora. Os dados agregados com uma resolução diária ou mensal não são adequados para este fim, uma vez que é impossível efetuar um rastreio de qualidade adequado e os erros de medição não podem ser identificados ou quantificados de forma fiável.

Incerteza, P50 e P90: cálculo de amostras

Uma forma útil de mostrar como a incerteza afecta os valores esperados para o mesmo projeto é olhar para os diferentes gráficos de distribuição de probabilidades e para os valores P50 e P90 da irradiância solar.

O exemplo seguinte ilustra a razão pela qual a escolha de avaliações baseadas na precisão e não apenas em estimativas optimistas é essencial para um bom desenvolvimento do projeto e para a sua viabilidade bancária.

Vamos considerar um caso de exemplo que envolve dois modelos:

• O modelo A:
  • Apresenta um GHI P50 mais elevado (1250 kWh/m2 ), o que provavelmente proporcionará um rendimento P50 mais elevado aquando da execução da simulação.
  • Tem uma incerteza associada mais elevada (±10,4% para o intervalo de confiança P90).
• Modelo B:
  • Dá um GHI P50 mais baixo, o que provavelmente proporcionará um rendimento P50 mais baixo aquando da execução da simulação.
  • Também apresenta uma incerteza associada menor (±6,6% para o intervalo de confiança P90).

Fig.2: Incerteza nas estimativas da irradiância horizontal global (GHI) de dois modelos num local de amostragem na Eslováquia.

Embora o modelo A possa parecer inicialmente mais atrativo devido à sua estimativa central mais elevada, a sua distribuição mais ampla reflecte uma maior variabilidade e risco.

Em contrapartida, a distribuição mais restrita do modelo B resulta numa irradiância P90 mais elevada, o que pode levar a melhores condições financeiras para o financiamento do projeto, especialmente por parte de credores conservadores.

Acrescentar outras fontes de incerteza

O modelo de irradiância solar não é a única fonte de incerteza que afecta a estimativa de rendimento FV fornecida pelo software. Ao longo do processo de simulação fotovoltaica, existem vários outros pontos em que podem ocorrer desvios entre os valores assumidos e o que vai acontecer na realidade.

Isto significa contabilizar fontes adicionais de incerteza que devem ser combinadas para calcular os valores anuais P90, P99 ou outros valores Pxx.

Simulação energética: Embora seja um desafio desenvolver modelos de incerteza detalhados para cada etapa da simulação, a investigação em curso continua a fazer progressos nesta área. O processo envolve a avaliação de vários factores que introduzem diferentes tipos de incerteza, incluindo:

• A qualidade dos parâmetros meteorológicos adicionais incluídos nos conjuntos de dados de entrada e a forma como estes são utilizados nos modelos de conversão.
• A granularidade dos dados de entrada e a forma como são processados durante a simulação (alguns softwares efectuam uma agregação preliminar, o que significa que os cálculos reais podem ser efectuados numa resolução temporal diferente da dos dados de entrada).
• Os métodos de cálculo da energia utilizados no software, como o traçado de raios, modelos simplificados de factores de visão, etc.
• Os parâmetros de entrada ajustáveis pelo utilizador e os valores de referência predefinidos fornecidos pelo software.
• Especificações técnicas dos componentes FV, incluindo a verificação das caraterísticas dos módulos FV e dos inversores.

Variabilidade de ano para ano: Para além das incertezas decorrentes da irradiância solar e do modelo de simulação, o cálculo dos valores anuais de P90, P99 ou outros valores Pxx também requer a contabilização da variabilidade interanual. Este fator reflecte as flutuações meteorológicas naturais e só pode ser estimado de forma fiável utilizando um conjunto de dados históricos suficientemente longo.

Para considerar corretamente a variabilidade interanual, é importante examinar o período de referência dos dados de entrada e a forma como é tratado na simulação (alguns programas só podem funcionar com períodos de um ano).

Fig.3: Captura de ecrã dos resultados combinados da incerteza do GHI no Solargis Evaluate 2.0.

O conhecimento da incerteza desbloqueia o financiamento

Compreender a incerteza do rendimento fotovoltaico é essencial para estimar os riscos financeiros. Estimativas fiáveis do recurso solar esperado são frequentemente uma condição sine qua non para garantir o financiamento do projeto.

No que diz respeito à irradiância solar, é importante que os fornecedores de dados não só melhorem os modelos meteorológicos e as técnicas de medição (ou seja, forneçam dados mais exactos), mas também aprofundem a sua compreensão do desempenho do modelo, nomeadamente fornecendo estimativas sólidas da incerteza dos dados.

Do ponto de vista da conceção técnica, é quase impossível otimizar os componentes de uma central eléctrica sem conhecer a incerteza dos dados. Os engenheiros têm de garantir que o equipamento selecionado funciona nas condições recomendadas pelo fabricante, o que exige um conhecimento sólido da fiabilidade dos dados de entrada. As entradas de irradiância solar de alta qualidade devem ser complementadas por modelos de cálculo exactos e bem estabelecidos para minimizar a incerteza nas estimativas finais de rendimento energético.

Embora a incerteza possa parecer situar-se algures entre a probabilidade e a expetativa, é sempre necessária uma avaliação minuciosa e cuidadosa da mesma para os projectos fotovoltaicos. Avaliar a incerteza é um dos primeiros passos para desbloquear o financiamento e estimar retornos realistas do projeto.