Como a adaptação do local reduz a incerteza quanto ao rendimento energético

Para a análise da variabilidade interanual do recurso solar e da incerteza associada, utilizamos séries temporais longas, dependendo da disponibilidade de dados de satélite.

As séries temporais longas permitem-nos ter uma ideia das tendências e, caso exista uma tendência, a incerteza decorrente da variabilidade interanual irá captá-la.

Na abordagem do Solargis Evaluate para simulação fotovoltaica, recomendamos que a simulação seja realizada com base em séries temporais históricas, uma vez que isso irá propagar adequadamente para os resultados da simulação qualquer tendência proveniente dos dados solares, bem como de outros parâmetros meteorológicos, tais como a temperatura do ar, o vapor de água ou a velocidade do vento.

Essas simulações fotovoltaicas proporcionam um efeito combinado mais realista de quaisquer tendências provenientes dos dados solares e meteorológicos primários.

As medições no terreno são essenciais para a adaptação do local. Exigimos medições de GHI (e, idealmente, de DNI e DIF) realizadas com um piranómetro e, idealmente, também parâmetros meteorológicos como a temperatura do ar, a velocidade do vento, a precipitação e a humidade relativa — estes fatores também afetam o rendimento fotovoltaico.

É muito difícil apresentar uma visão geral como esta, uma vez que depende em grande medida da qualidade dos dados medidos (instrumentos, limpeza, calibração, operação e manutenção) e da incerteza dos dados do modelo solar baseado em satélite (que é determinada, em grande parte, pelas condições geográficas locais e pelos padrões meteorológicos).

No entanto, em termos gerais, é possível passar de uma incerteza de 4 a 8% nos dados do modelo de satélite para uma incerteza de 3 a 5% nos dados adaptados ao local. Em princípio, não existe dependência regional (exceto em altas montanhas ou em latitudes muito elevadas, por exemplo, acima de 60 graus), desde que estejam disponíveis medições de alta qualidade.

Não dispomos de exemplos concretos, uma vez que os detalhes do financiamento são, normalmente, informação confidencial, à qual não temos acesso. É possível realizar cálculos ilustrativos, como o apresentado no webinar, com base na incerteza dos dados e em pressupostos sobre as variáveis financeiras do projeto (preço da energia, DSCR, prazo de vencimento da dívida, etc.).

Utilizamos medições de GHI, DNI e variáveis meteorológicas. Todas as medições têm de ser de qualidade suficiente para poderem ser utilizadas.

A luz difusa (DIF) é adaptada indiretamente através da adaptação do GHI (e, caso existam medições de DNI disponíveis, também através da adaptação do DNI), mediante um novo cálculo para manter a consistência entre o GHI, o DNI e o DIF.

Além disso, as nossas técnicas de adaptação ao local têm em consideração a consistência entre o GHI e o DNI, para evitar resultados fisicamente impossíveis, como um DIF negativo.

Os dados de modelos baseados em satélite, sem adaptação ao local, podem ser utilizados na fase de pré-viabilidade, caso não estejam disponíveis medições no terreno, e posteriormente substituídos por dados adaptados ao local na fase de viabilidade, assim que as medições estiverem disponíveis.

No entanto, deve ter-se cuidado com a incerteza e a validação dos dados do modelo de satélite — uma elevada incerteza dos dados de satélite pode conduzir a uma grande variação após a adaptação.

A indicação do desempenho do modelo numa determinada região pode ser inferida a partir da validação do modelo para os locais nessa região e nas regiões circundantes com condições ambientais semelhantes.

P90 e P50 são cenários probabilísticos utilizados na construção de conjuntos de dados TMY. O número indica a percentagem de casos reais (anos) em que se prevê que o valor P90/P50 do recurso solar ou do rendimento fotovoltaico seja excedido.

O cálculo do P90 recorre ao conceito de incerteza combinada, que integra a incerteza dos valores do modelo a longo prazo e a incerteza decorrente da variabilidade interanual.

Por exemplo, pode-se esperar que uma determinada soma anual de irradiação solar P90 seja excedida com uma probabilidade de 90%.

Pode ler mais sobre cenários probabilísticos aqui.

Preste atenção aos indicadores de qualidade que o fornecedor (LTA) utiliza para descrever os dados (idealmente, estes devem indicar mais do que apenas o enviesamento), como é estimada a incerteza do conjunto de dados e se essa incerteza é realista (tenha em conta o limite físico de incerteza de 3%), como são processados e submetidos a controlo de qualidade os dados medidos no terreno, e informe-se sobre a documentação do processo de adaptação ao local e a validação dos dados do modelo baseado em satélite (o fornecedor deve ser transparente).

Para além da redução do viés, existem muitos critérios adicionais que têm de ser verificados nos resultados da adaptação ao local, por exemplo, a consistência dos valores de GHI-DNI-DIF, a consistência dos perfis diurnos, o ajuste da distribuição cumulativa, a consistência sazonal, a consistência a longo prazo e outros. A adaptação ao local não deve centrar-se apenas na redução do viés.

Sim, isso é possível, embora seja raro. Se os dados originais do modelo de satélite tiverem sobrestimado o recurso solar no local, a média (ou seja, o P50) dos dados adaptados ao local será inferior. Se esta diminuição for superior ao aumento do P90 devido à menor incerteza após a adaptação ao local, o P90 adaptado ao local será inferior ao P90 original.

No entanto, o P90 adaptado será mais preciso e representará muito melhor o recurso solar real no local, e a incerteza dos dados adaptados ao local será muito menor, reduzindo também os riscos associados à utilização desses dados.

Não existe um valor-alvo para o R². O controlo de qualidade das medições garante que todas as medições erradas sejam excluídas. As restantes podem ser consideradas corretas, independentemente da sua correlação com os dados do modelo de satélite.

Tal como referido acima, há vários critérios que têm de ser equilibrados. A adaptação ao local não deve conduzir a uma situação em que um critério seja melhorado e outros fiquem piores do que os dos dados originais antes da adaptação ao local.

Depende do desajuste inicial entre os valores de medição e os valores do modelo, o que determina a escolha do método adequado de adaptação ao local.

Em métodos mais complexos (por exemplo, adaptação dos dados de AOD de entrada do modelo ou das propriedades das nuvens), a adaptação altera de forma consistente tanto os dados de GHI como os de DNI.

Os métodos de pós-processamento mais simples, adequados para a correção de discrepâncias menores, tratam cada parâmetro separadamente.

No entanto, mesmo nestas abordagens mais simples, a parametrização da adaptação ao local deve ser efetuada de forma a que a consistência entre o GHI e o DNI não seja quebrada e se mantenha dentro dos limites das combinações fisicamente possíveis. A adaptação do GHI e do DNI afeta o DIF, que é indiretamente adaptado através de um novo cálculo para manter a consistência entre o GHI, o DNI e o DIF.

Se as medições no terreno forem escassas e a variabilidade sazonal não puder ser bem compreendida, a redução da incerteza dos dados originais do modelo de satélite para os dados adaptados ao local será menor.

Em casos extremos, a adaptação ao local pode ser recusada, uma vez que as medições no terreno não contêm informação suficiente para diminuir a incerteza dos dados do modelo de satélite.

Não, não o recomendamos — tal como referido no webinar, as medições no terreno abrangem apenas cerca de 1 ano, o que não inclui informações sobre a variabilidade e as tendências dos parâmetros solares e meteorológicos no local.

A utilização destes dados nas estimativas de rendimento fotovoltaico conduziria provavelmente a imprecisões (subestimativa ou sobreestimativa) e não permitiria ter em conta eventos extremos realistas.

Se estiverem em bom estado de conservação, os instrumentos de Classe B podem ser utilizados para a adaptação ao local, embora recomendemos a utilização de instrumentos de Classe A. Nesse caso, a margem para a redução da incerteza dos dados do modelo adaptado ao local é limitada, se é que existe alguma.

A utilização da série temporal completa de dados adaptados constitui a melhor abordagem, permitindo uma análise muito mais aprofundada da variabilidade. No entanto, o setor, por diversas razões, continua a preferir trabalhar com o cenário P90, pelo menos em alguns casos.

A incerteza é quantificada separadamente para o GHI e o DNI. Se estiverem disponíveis medições do DNI, podemos ajustar o DNI e reduzir a sua incerteza, para além da do GHI.

Além disso, as medições do DNI permitem a adaptação dos aerossóis e podem ajudar a reduzir a incerteza do GHI.

As medições do DIF também podem ajudar a identificar problemas de medição durante o processo de controlo de qualidade e, consequentemente, melhorar a incerteza tanto do GHI como do DNI.

O fator limitante para a adaptação ao local é o período de medições no terreno disponíveis. Uma vez que os modelos podem apresentar um desempenho diferente em cada estação do ano, o requisito básico para a adaptação ao local é que as medições, após o controlo de qualidade, abranjam todas as estações do ano.

Por outras palavras, o requisito mínimo para a adaptação ao local é um ano de medições, sendo o ideal dois anos ou mais. Isto evita o sobreajuste para uma única estação.

O pressuposto básico para a adaptação ao local é a estabilidade das correções (derivadas do período de medições no terreno) ao longo de todo o histórico dos dados do modelo. Aparentemente, trata-se de uma simplificação da realidade.

A adaptação ao local deve ser capaz de reduzir qualquer erro sistemático presente nos dados originais do modelo; por isso, um dos passos principais da adaptação ao local é a inspeção tanto das

1) medições e

2) do modelo, em busca de eventuais anomalias.

No que diz respeito aos dados do modelo, verificamos principalmente a estabilidade temporal; quanto às medições, procuramos anomalias que possam não ser representativas de todo o histórico (por exemplo, incêndios florestais, efeitos vulcânicos).

Só se estas condições prévias forem cumpridas é que a adaptação ao local adequada pode ser aplicada.

Além disso, se estiverem disponíveis medições plurianuais, analisamos a estabilidade ano a ano dos indicadores de validação do modelo (por exemplo, desvio, RMSD).

Por fim, a incerteza dos dados adaptados ao local tem em conta o risco de sobreajuste, que diminui com o prolongamento do período de tempo. Assim, a incerteza alcançável dos dados adaptados ao local diminui com o prolongamento do período de medições disponíveis.

As medições no terreno e os dados de satélite (antes e depois da adaptação) irão sempre sobrepor-se. A diferença entre eles dependerá dos indicadores de precisão (desvio, RMSD, KSI) dos dados do modelo de satélite após a adaptação ao local — a soma anual dependerá, especificamente, do desvio dos dados adaptados ao local.

As correções desenvolvidas para o período de sobreposição (normalmente 1 a 2 anos) são aplicadas a toda a série temporal histórica (mais de 30 anos de dados), que, após a adaptação ao local, representa melhor as condições locais e apresenta uma incerteza reduzida.

O cálculo dos componentes básicos da radiação solar (GHI, DNI, DIF) não utiliza o albedo.

O albedo torna-se relevante no cálculo da irradiância global inclinada (GTI, também conhecida como irradiância no plano do painel ou POA), quando é necessário calcular os reflexos do solo e de outras superfícies.

A sensibilidade aos dados de albedo depende da abordagem utilizada no cálculo da GTI (fator de visão vs. ray tracing).