A maioria dos projetos fotovoltaicos baseia-se num único valor P50 para representar o rendimento energético anual esperado. No entanto, um único número não é suficiente para dar uma visão completa da situação e, certamente, não consegue refletir a variedade de resultados que o seu projeto poderá enfrentar.
Neste webinar, analisamos em pormenor o que realmente está por trás da incerteza do rendimento fotovoltaico e por que razão compreendê-la é importante para a viabilidade económica do projeto. Irá aprender sobre as três principais fontes de incerteza nos cálculos de rendimento: modelação da irradiância solar, simulação fotovoltaica e variabilidade interanual — e como a redução da incerteza abre espaço para melhores decisões de conceção e financiamento mais favorável.
Veja a gravação para saber como a Solargis calcula a incerteza do rendimento fotovoltaico, com base em dados solares e meteorológicos líderes do setor, abordagens de modelação comprovadas e uma metodologia transparente.
Nos projetos que observamos nos desertos, uma das principais preocupações é a acumulação de sujidade. A acumulação de poeira nestes ambientes é rápida e, muitas vezes, subestimada na fase de colocação em funcionamento.
Além disso, é difícil avaliar a situação sem conhecer todos os detalhes. Que modelo de acumulação de sujidade utilizou? Que conjunto de dados de entrada e que simulador?
No nosso projeto de exemplo, partimos deliberadamente do pressuposto de que o P50 se mantém inalterado, a fim de avaliar o efeito da redução da incerteza. Na prática, um método mais detalhado pode também refinar o P50, mas o principal benefício que pretendíamos destacar durante o webinar é um intervalo de incerteza mais estreito, o que significa que o P75/P90 ou quaisquer outros valores Pxx se aproximam do P50.
Sim, está confirmado: a estimativa da incerteza da irradiância solar que fornecemos no Evaluate é específica para cada local, não se trata de uma média regional.
É solicitada, mediante pedido, numa das secções e aparece nos resultados online assim que a análise estiver concluída.
A variabilidade interanual também pode ser facilmente extraída a partir do desvio-padrão do PVOUT.
Note-se que a incerteza da simulação fotovoltaica ainda não está abrangida pela plataforma e deve ser estimada separadamente.
Depende da data em que teve início a missão do satélite que cobre uma determinada região. Consequentemente, o conjunto de dados disponível pode ter início em 1994, 1999 ou 2007, dependendo da localização. Para mais detalhes, clique aqui.
Quanto mais extenso for o registo de dados, mais robusta será a estimativa da variabilidade interanual.
Dito isto, uma vez que as observações por satélite são continuamente incorporadas no modelo de irradiância, é geralmente melhor trabalhar com o conjunto de dados mais atualizado disponível.
Isto permite-lhe beneficiar de um registo histórico mais extenso, ao mesmo tempo que capta quaisquer tendências recentes que possam ser relevantes.
Isso depende do local específico e da complexidade da central elétrica. A simulação fotovoltaica pode ser o fator determinante em projetos mais complexos, em áreas bem conhecidas onde o modelo de irradiância apresenta um melhor desempenho.
Da mesma forma, o modelo de irradiância solar pode ser o fator dominante em projetos relativamente simples localizados em áreas onde se prevê que o modelo de irradiância apresente desvios mais elevados.
Por outro lado, a variabilidade interanual pode ser significativa em áreas onde a variabilidade da nebulosidade é especialmente difícil de captar (por exemplo, mudanças rápidas na nebulosidade num intervalo de 10 a 15 minutos) e pode até tornar-se o fator que mais contribui para o resultado em alguns casos.
Em geral, não recomendamos esta abordagem. Implica a combinação de dados provenientes de diferentes modelos, que provavelmente apresentam níveis distintos de consistência, metodologia e precisão.
Como regra geral, ao medir qualquer parâmetro, é preferível basear-se na fonte mais precisa e bem validada disponível. O mesmo princípio aplica-se aos modelos de irradiância solar. A combinação de resultados de vários modelos não reduz necessariamente a incerteza e, em alguns casos, pode até introduzir fontes adicionais de inconsistência.
Todos eles são utilizados, mas para fins diferentes. Enquanto o P50 é utilizado como cenário de base na modelação financeira, o P90 é uma métrica comum para os cálculos do rácio de cobertura do serviço da dívida (DSCR).
Em geral, qualquer valor Pxx pode ser calculado de acordo com os requisitos das partes interessadas do projeto.
Utilizamos o nosso próprio modelo de satélite Solargis para a irradiação solar e modelos de reanálise de previsão numérica do tempo (NWP) de alta qualidade, principalmente o ERA5, para parâmetros meteorológicos adicionais, tais como a temperatura, a velocidade do vento e a humidade, entre outros parâmetros.
Pode encontrar mais informações aqui.
O maior número de anos possível. A principal limitação é a data de início das missões de satélite que cobrem a região.
Como mínimo prático, recomenda-se geralmente pelo menos 11 anos de dados para obter valores Pxx estatisticamente significativos.
No entanto, são preferíveis conjuntos de dados mais longos e mais atualizados, uma vez que fornecem estimativas mais robustas da variabilidade interanual, ao mesmo tempo que captam as tendências recentes.
A nível global, o Solargis GHI apresenta um desvio médio de 0,5% e um desvio-padrão de 3% para os valores anuais, quando comparado com 320 locais de medição de referência.
Para resultados específicos por região, recomendamos a consulta do mais recente relatório de validação publicado pela Solargis, que inclui também métricas adicionais que demonstram o desempenho e a consistência do modelo em escalas temporais horárias e mensais.
Pode consultar as estatísticas detalhadas de validação aqui.
Utilizamos dados in situ para fins de validação do modelo. Assim que o modelo for validado, é aplicado ao local do projeto utilizando dados de PM provenientes de modelos de reanálise, principalmente o CAMS, como dados de entrada. Pode encontrar aqui uma explicação completa sobre o funcionamento do modelo de sujidade da Solargis.
Se estiverem disponíveis medições locais in situ de sujidade ou poeira nas proximidades do local do seu projeto, podemos avaliar se a sua incorporação melhoraria a precisão da estimativa da perda por sujidade.
Atualmente, esta funcionalidade não está incluída como uma característica padrão do software Solargis, mas a nossa equipa de consultoria pode avaliá-la caso a caso.
A redução da incerteza baseia-se em métodos científicos bem estabelecidos. A incerteza é quantificada através da comparação do desempenho do modelo com um grande número de estações de medição no terreno, numa ampla variedade de condições.
A mensagem fundamental para os bancos e as entidades financiadoras é que uma avaliação da incerteza mais detalhada e específica do local, em vez de uma avaliação regional genérica, resulta normalmente num intervalo de confiança mais estreito. Isto, por sua vez, conduz a um valor P90 mais elevado e pode apoiar um aumento da capacidade de endividamento.
O impacto exato no dimensionamento da dívida, por exemplo, se o rácio de endividamento aumenta de 75 % para 78 %, depende dos requisitos de DSCR do credor e das especificidades do modelo financeiro do projeto.
