Puntos de referencia para datos y métodos de energía solar.

En el mundo en constante evolución de las aplicaciones de la energía solar, el acceso a datos de irradiancia modelados precisos y confiables es crucial. Con frecuencia se utilizan datos de irradiancia modelados basados ​​en productos satelitales y modelos numéricos de predicción del tiempo. Muchas de estas fuentes de datos las ofrecen proveedores institucionales o comerciales. Sin embargo, a los usuarios les resulta difícil y requiere mucho tiempo identificar de forma independiente el mejor proveedor para su aplicación y ubicación específicas.

Evaluación comparativa de datos solares

En nuestro informe de la Tarea 16, “Parámetro mundial de datos modelados de irradiancia solar”, abordamos este desafío. El informe presenta un punto de referencia de la irradiancia normal directa (DNI) derivada del modelo, así como datos de irradiancia horizontal global (GHI) que considera 129 sitios distribuidos globalmente donde se han instalado o se han instalado estaciones terrestres de medición de la radiación. Las estimaciones de DNI y GHI se comparan con observaciones de alta calidad de estas estaciones. El rendimiento de los datos modelados se analiza con respecto a diferentes regiones y zonas climáticas. Este estudio ayuda a la industria solar a tomar decisiones mejor informadas sobre las evaluaciones de recursos solares.

Construyendo una base de datos de referencia

Se hicieron grandes esfuerzos para construir la base de datos de referencia. Finalmente utilizamos datos de 25 proveedores diferentes con 129 estaciones durante 2015-2020. En este punto de referencia solo se han considerado datos de calidad garantizada a través de un conjunto integral de mejores prácticas y procedimientos de control de calidad recientemente implementados. Estas incluyen pruebas de control de calidad de datos automáticas y manuales realizadas por un equipo de expertos dirigido por CSP Services GmbH para todas las estaciones y dan como resultado indicadores que describen la calidad de cada marca de tiempo. La mayor parte de los datos con control de calidad, que cubren todos los continentes y muchas zonas climáticas, se han publicado dentro de este punto de referencia.

Representación global

Uno de los puntos fuertes de este referente es su alcance global. Las 129 estaciones terrestres están distribuidas estratégicamente en todo el mundo, abarcando diversas regiones y zonas climáticas. Esta representación global incluye 31 estaciones en África, 31 en Asia, 27 en América del Norte, 20 en Europa, 13 en Australia, 5 en América del Sur e incluso 2 en la Antártida. Al abarcar un alcance geográfico tan amplio, este punto de referencia proporciona información sobre el rendimiento de los datos derivados de modelos en diversas condiciones ambientales, desde desiertos áridos hasta extremos polares.

Evaluación de datos derivados del modelo

Se probaron diez modelos diferentes, aunque no todos proporcionan estimaciones para todas las estaciones. Entre otros parámetros estadísticos de rendimiento, la desviación media del sesgo, la desviación cuadrática media y la desviación estándar se calculan para cada año y por estación. Los resultados de la desviación del sesgo medio relativo que afecta a GHI se muestran en la Figura 1.

Hallazgos de referencia

Según los resultados del análisis estadístico, el conjunto de datos más apropiado podría depender del sitio, el clima o el continente de interés. Los errores del modelo y las diferencias entre los diversos conjuntos de datos modelados son mucho mayores para DNI que para GHI.

Figura 1: Desviación de sesgo media relativa (rMDB) para GHI y todas las estaciones y años. El color magenta indica resultados fuera del rango de la barra de colores. El tamaño de los puntos corresponde al número total de puntos de datos en los datos probados de 2015 a 2020.

Las mediciones de irradiancia solar y las series temporales desempeñan un papel decisivo a la hora de respaldar las evaluaciones de recursos solares, especialmente para instalaciones fotovoltaicas medianas y grandes. No solo representan la base de la evaluación y previsión de los recursos solares, sino que también impulsan estudios prospectivos de rendimiento fotovoltaico y pueden utilizarse como referencia de calibración al utilizar datos satelitales, evaluar el rendimiento de los sistemas fotovoltaicos o desarrollar algoritmos de previsión.

Desafío: lagunas de datos

Sin embargo, estos conjuntos de datos inevitablemente tienen lagunas (períodos en los que faltan datos) como resultado de errores durante el registro de datos, fallas de sensores o procedimientos de control de calidad que pueden comprometer su aplicabilidad y valor. Un problema adicional es que las lagunas de datos pueden aumentar aún más cuando se calculan agregaciones temporales, en particular para los promedios intradiarios a diarios, diarios a mensuales y anuales, degradando aún más el conjunto de datos.

Esto ha planteado la necesidad de métodos para llenar vacíos que puedan posprocesar conjuntos de datos históricos estáticos o flujos de datos más dinámicos en tiempo real. Cada caso se caracteriza por diferentes limitaciones, como el acceso a los datos que sigue a una brecha de datos determinada o el desfase de tiempo aceptable para generar los datos sintéticos de reemplazo.

Punto de referencia para los métodos de subsanación de huecos de GHI

En nuestro informe “Marco para la evaluación comparativa de los métodos de llenado de brechas de GHI”, dirigido por Mines Paris PSL, proponemos un marco de referencia para llenar las brechas y evaluamos un conjunto de posibles algoritmos de referencia para sumas intrahorarias y diarias de series temporales de GHI. Se han comparado cinco métodos para diferentes longitudes de espacios: vecinos más cercanos, interpolación lineal, dos enfoques de aprendizaje automático y uso de datos satelitales. Para intervalos cortos, la interpolación lineal funciona mejor, mientras que para intervalos más largos se sugiere el uso de datos satelitales.

Conclusión

Con acceso a parámetros estadísticos completos de rendimiento e información sobre los errores del modelo, los analistas pueden tomar decisiones informadas sobre qué proveedores de datos y modelos se alinean con sus necesidades. Nuestros informes publicados recientemente sirven como guía, haciendo que la incertidumbre de los datos y modelos sea comparable para los profesionales e investigadores de la industria solar, lo que en última instancia hace avanzar el campo y promueve soluciones de energía sostenible en todo el mundo.

Fuente:
pv magazine