Marcel Suri
Jun 25, 2025
À medida que os projectos solares se tornam mais complexos, aumenta também a necessidade de dados solares e meteorológicos de alta qualidade, capazes de proporcionar a maior precisão possível nas simulações fotovoltaicas. Embora os conjuntos de dados do Ano Meteorológico Típico (TMY) tenham servido durante muito tempo como um padrão fiável da indústria, as suas limitações estão a tornar-se cada vez mais evidentes - não só para desenvolvimentos complexos à escala dos serviços públicos, mas mesmo para projectos mais simples.
Os conjuntos de dados TMY ainda são úteis para avaliações de pré-viabilidade na fase inicial. No entanto, já não são suficientes para a modelação do desempenho e a análise financeira.
Atualmente, já não estamos condicionados pelos limites computacionais ou pela escassez de dados que nos impediam no passado. Graças aos modelos baseados em satélites e aos avanços na computação em nuvem, temos agora à nossa disposição conjuntos de dados de alta resolução. E quando dados mais detalhados estão prontamente disponíveis, porquê confiar num padrão desatualizado?
Tal como passámos de ecrãs de TV de baixa resolução para ecrãs de TV de ultra-alta definição, a indústria solar deve agora dar o mesmo salto e adotar os dados de séries cronológicas de alta resolução como o novo padrão.
A maioria dos modelos industriais atualmente disponíveis ainda se baseia em TMY horários, que agregam dados históricos num ano "típico" sintético, suavizando a variabilidade natural e ignorando as flutuações meteorológicas diárias e anuais que afectam o comportamento real do sistema fotovoltaico. Como resultado, a TMY não é capaz de refletir a variabilidade habitual das condições meteorológicas e não fornece uma base fiável para as simulações.
Por exemplo, quedas repentinas ou mudanças rápidas na radiação solar podem ser uma surpresa indesejável e causar uma queda na produção e, portanto, nas receitas e nos lucros. Por esta razão, os programadores precisam de dados com uma resolução temporal mais curta do que a horária, para poderem prever melhor estes eventos e prepararem-se para alterações meteorológicas de alta frequência.
Em contrapartida, os dados de séries temporais têm em conta cada ano efetivo do passado, por exemplo, 30 anos. No caso das séries temporais de 15 minutos (TS), cada ano individual é subdividido em intervalos de 15 minutos, o que permite ter em conta melhor os fenómenos meteorológicos extremos e oferece dados específicos do local com um nível de pormenor sem precedentes.
os dados de séries temporais de 15 minutos são, portanto, uma alternativa mais viável ao TMY porque, ao abordar a variabilidade meteorológica, melhoram a precisão e a fiabilidade gerais das simulações fotovoltaicas.
Esta figura mostra as temperaturas máximas do ar ao longo de 30 anos (1994-2024), representadas pelos dados TMY e TS de hora a hora. Embora o conjunto de dados TMY mostre um valor médio de 34 graus Celsius, os dados de séries temporais de granularidade mais elevada fornecem uma visão mais realista das condições solares e meteorológicas efectivas de cada ano.
Para ilustrar melhor o impacto da granularidade dos dados nas simulações fotovoltaicas, vamos comparar como os conjuntos de dados Long-Term Average (LTA), TMY e TS representam o mesmo período.
Os dadosda Média de Longo Prazo (LTA) assumem que todos os dias de fevereiro são idênticos todos os anos - ensolarados, sem nuvens e sem variabilidade na radiação solar. Isto não fornece uma avaliação suficientemente precisa do desempenho fotovoltaico, uma vez que o tempo real em fevereiro pode incluir condições de céu encoberto, precipitação, oscilações de temperatura e instabilidade da irradiância causada por nuvens em movimento.
Dados mensais da média de longo prazo (LTA) para fevereiro. Fonte: Solargis Analyst.
Se o TMY for gerado sinteticamente a partir de dados LTA, introduz alguma variabilidade - mas é artificial. A margem de erro em relação às condições reais pode facilmente atingir 10%. Além disso, as inconsistências entre variáveis-chave, como o GHI e a temperatura, podem resultar em cenários irrealistas - por exemplo, GHI baixo com temperatura elevada - levando, em última análise, a uma subestimação da produção fotovoltaica.
Executar simulações fotovoltaicas com dados TMY de hora a hora significa assumir que todos os dias de fevereiro em todos os anos podem ser representados por um único conjunto de 28 dias "típicos".
Dados horários do Ano Meteorológico Típico (TMY) para o mês de fevereiro. Fonte: Solargis Analyst.
O TMY permite alguma variabilidade do tempo em fevereiro, embora abranja apenas 28 instâncias (28 dias). Mas já é possível considerar dias em que o GHI excede 800 W/m² (onde o LTA assumiu que o GHI atinge um máximo de 700 W/m²), ou quando está nublado e o GHI nem sequer atinge 200 W/m². Também se considera a variabilidade do GHI devido ao movimento das nuvens.
Em contrapartida, os dados das séries temporais (TS) captam todo o espetro da variabilidade histórica. Contabilizam todos os dias reais de fevereiro ao longo do período de 30 anos - mais de 800 dias de fevereiro - oferecendo uma representação detalhada das condições solares, incluindo cenários raros e extremos.
Dados da série temporal (TS) para cada dia efetivo de fevereiro ao longo do período de 30 anos. Fonte: Solargis Analyst.
Enquanto que as simulações baseadas em TMY produzem frequentemente previsões demasiado optimistas e concepções de sistemas subóptimas, os dados de séries temporais permitem uma compreensão realista do desempenho de uma central fotovoltaica numa vasta gama de condições do mundo real. Fornecem a base para expectativas precisas em operações, planeamento de manutenção e modelação económica.
Expressa no número de pontos de dados, a diferença de granularidade é significativa. Enquanto a maioria dos modelos da indústria que se baseiam em dados TMY horários fornecem 8.760 pontos de dados por ano (24 horas x 365 dias), os dados TS de 15 minutos ao longo de um período de 30 anos oferecem 1.051.200 pontos de dados (30 anos x 8.760 horas x 4 intervalos por hora) - fornecendo 120 vezes mais informações úteis do que o TMY.
Comparação de pontos de dados por parâmetro de dados TMY horários, TMY de 15 minutos e de séries temporais de 15 minutos.
Trabalhar com mais de 1 milhão de pontos de dados por parâmetro - em comparação com 8.760 nos modelos tradicionais baseados em TMY - permite não só melhorar significativamente as simulações de rendimento energético, mas também uma modelação financeira mais robusta e uma maior viabilidade bancária. A mudança para dados de séries temporais não é apenas uma atualização técnica; é fundamental para melhorar o ROI, garantir o financiamento e proporcionar um desempenho fotovoltaico fiável a longo prazo.
A modelação precisa do desempenho fotovoltaico é um dos aspectos mais cruciais para garantir o financiamento de projectos solares por parte de bancos e investidores. A maior variabilidade climática, aliada a um mercado energético mais competitivo e ao valor volátil da eletricidade, fez com que as partes interessadas financeiras elevassem os seus padrões. Atualmente, os bancos, os investidores e as seguradoras exigem avaliações mais rigorosas e baseadas em provas do rendimento energético e dos riscos operacionais. Os projectos que se baseiam apenas nos dados TMY não conseguem muitas vezes satisfazer estas expectativas.
Devido à maior frequência e gravidade dos fenómenos climáticos extremos - juntamente com os danos que causam aos activos e à produção de energia - os promotores têm de considerar as perdas potenciais dos fenómenos climáticos extremos e a probabilidade da sua ocorrência. Estas são, afinal, preocupações centrais das instituições financeiras e das seguradoras.
As entidades financiadoras estão sob pressão para analisar os projectos mais minuciosamente, especialmente porque os prémios de seguro aumentam em resposta às perdas relacionadas com o clima. Em 2024, os prémios de seguro para as energias renováveis aumentaram 20% a 40% em relação ao ano anterior. Isto reflecte uma perceção crescente de que as previsões de baixa resolução não estão a conseguir antecipar o fraco desempenho ou a falha do equipamento durante eventos de grande impacto.
Uma vez que os dados do TMY não captam com exatidão a frequência ou o impacto de eventos extremos - como ondas de calor, tempestades ou nebulosidade prolongada - os modelos baseados no TMY subestimam sistematicamente a exposição ao risco e exageram a consistência do desempenho.
Em contrapartida, os dados de séries cronológicas oferecem várias vantagens estratégicas:
Modelação de perdas mais precisa: Os programadores podem simular o stress do equipamento, os riscos de redução ou a variabilidade da produção em condições meteorológicas extremas realistas.
Melhoria da diligência devida: Os financiadores têm acesso a previsões detalhadas do rendimento energético, ajudando-os a compreender os melhores e os piores cenários.
Maior transparência e confiança: Um modelo construído sobre dados de séries temporais harmonizados e baseados na física pode ser validado, auditado e replicado - requisitos críticos para investidores institucionais.
Alinhamento com os requisitos de seguro: A modelação de alta resolução suporta avaliações de risco mais robustas, permitindo termos de seguro mais favoráveis e reduzindo os riscos de recusa de cobertura.
Em última análise, os projectos fotovoltaicos devem agora competir não só em termos de capacidade e LCOE, mas também de credibilidade. Uma central solar que tenha um bom desempenho em teoria, mas que falhe no mundo real, já não satisfará os financiadores. À medida que os investidores se tornam mais conscientes do risco, a indústria deve elevar os seus padrões de dados em conformidade. Isso significa ir além do TMY - e abraçar os dados de séries temporais de alta resolução como a nova base para a avaliação de projectos fotovoltaicos.
Na Solargis, a nossa missão é trazer rigor científico, transparência e maior precisão à modelação de projectos solares. Construímos o Solargis Evaluate com base nesse princípio.
Por defeito, o Solargis Evaluate utiliza dados de séries temporais de 15 minutos que abrangem até 30 anos para simular o desempenho fotovoltaico com uma precisão inigualável. Isso permite que os desenvolvedores modelem melhor o comportamento do inversor e projetem sistemas resistentes a mudanças repentinas de condições. Os operadores de rede e os programadores podem antecipar eficazmente as variações de desempenho em tempo real, reduzindo o risco de não cumprir os requisitos de procura de energia definidos pelos contratos com os fornecedores de energia, bem como minimizar a instabilidade nas operações das centrais fotovoltaicas.
