Unsere Solarvorhersage-Tools werden weiter verbessert, da sie rechnerische Fortschritte bei der Modellierung von Bestrahlungsstärke, Wolken, Schatten, PV-Physik, Array-Wärmeübertragung, Wechselrichtern und anderen dynamischen Situationen integrieren. Unabhängig von der Raffinesse wird es jedoch immer einen systematischen Fehler geben, der sich irgendwie und irgendwo zeigt. Meistens wissen wir nicht, wie sich diese Verzerrung manifestiert, wenn wir Leistungs-KPIs berechnen. Es ist äußerst wichtig, ein falsch positives oder falsch negatives Ergebnis zu vermeiden – insbesondere, wenn es um vertragliche Vereinbarungen geht. Der Zweck dieses Artikels besteht darin, eine Methode vorzustellen, die dieses Problem mindert. Ein zusätzlicher Vorteil besteht darin, dass diese Methode es Leistungsmanagern ermöglicht, modellunabhängig zu werden.
Wichtige Definitionen:
- Modell: Dies ist das Solarleistungsvorhersagemodell, das mit den Entwurfsparametern und Verlustfaktoren eines Projekts konfiguriert ist. Enthalten sind Charakterisierungen für die Module, Arrays, Wechselrichter, Stromsammelsysteme und alles andere zwischen der Sonne und dem Abgabepunkt.
- Vorhergesagt: Dies ist ein Datensatz, der die Energieerzeugung enthält, die von einem Projektmodell mit TMY [1]-Wetterdaten als Eingabe berechnet wurde. Diese TMY-Datei ist repräsentativ für den Standort, und die Ergebnisse der simulierten PV-Erzeugung sind alle Teil der vorhergesagten Daten, die mit stündlicher oder geringerer Auflösung für ein nominelles Jahr gespeichert werden. (Dies wird oft als 8760hr-Datei bezeichnet). [2]
- Erwartet: Dieser Datensatz enthält die Energieerzeugung, die mit demselben Modell berechnet wurde, jedoch unter Verwendung der gemessenen Wetterdaten, die für die Anlage gesammelt wurden. Die gemessenen MET-Daten und die Ergebnisse der simulierten PV-Erzeugung sind alle Teil der erwarteten Daten. Beachten Sie, dass „dasselbe Modell“ oben unterstrichen ist, was für diese Methode sehr wichtig ist. Dazu später mehr. [2]
- Gemessen: Die für die Anlage protokollierte gemessene Stromerzeugung, die mit den gemessenen MET-Daten übereinstimmt, die zur Berechnung der erwarteten Leistung verwendet werden.
- Plan: Dieser Datensatz enthält die geplante Erzeugung während der gesamten Betriebsdauer des Projekts. Dies wird normalerweise in einem Pro-Forma gespeichert und wurde verwendet, um den Verkaufspreis oder die Finanzierungsbedingungen des Projekts zu bestimmen. Häufig wird der TMY zusammen mit der Plangenerierung gespeichert.
Unsere Einrichtung ist jetzt in Betrieb und Leistungsmanager müssen verstehen, wie gut die Dinge im Vergleich zu Plan laufen. Dies ist der Zweck von Performance-KPIs. Das tatsächliche Wetter weicht jedoch höchstwahrscheinlich von TMY ab (verursacht durch Unterschiede in Wolken, Wind, Umgebungstemperatur und Schnee).
Angenommen, wir summieren die Energieerzeugung des letzten Monats und möchten diese mit dem Plan vergleichen. Und nehmen wir an, der Monat war besonders bewölkt und regnerisch. Wie machen wir das? Der übliche Ansatz besteht darin, das Modell des Projekts mit den gemessenen MET-Daten auszuführen und dann das Ergebnis des Modells direkt mit der gemessenen Generation zu vergleichen. Das ist ein vernünftiger Ansatz – fast.
Hier sind nur einige Situationen, die dazu führen können, dass das Modell den ursprünglichen Plan nicht mehr mit demselben TMY reproduziert:
- Die ursprüngliche Modellkonfiguration ist verloren gegangen
- Die Modellierungssoftware wurde überarbeitet (oder abgekündigt)
- Die ursprüngliche Modellmethode ist manuell und sehr zeitaufwändig, und es besteht der Wunsch, mit einer anderen Plattform zu automatisieren
Nochmals, ob sehr einfach oder unglaublich komplex, alle Modelle sind keine perfekten Schätzer, und die Modellbauer wissen nicht, wie die Ergebnisse verzerrt sein können. Es kann sein, dass das Modell bei hohen Temperaturen einen erhöhten Fehler aufweist, oder dass es eine geringe Einstrahlung nicht gut auswertet, oder dass die Wirkungsgradkurve des Wechselrichters ungenau ist, und so weiter. Manchmal ist die Verzerrung saisonbedingt – möglicherweise zu viel Vorhersagen während der Wintermonate.
Um die Modellverzerrung zu kontrollieren, vergleichen Sie die Modellergebnisse nicht direkt mit dem Plan. Wenden Sie stattdessen eine Wetterkorrektur an, die ein Verhältnis der vorhergesagten und der erwarteten Generation ist. Von größter Bedeutung ist, dass das Modell für Vorhergesagt und Erwartet identisch ist, mit dem einzigen Unterschied, dass es sich um die eingegebenen messtechnischen Daten handelt. Hier ist die Gleichung, die verwendet werden sollte, um die Plangenerierung zu korrigieren, die mit der gemessenen Generierung verglichen werden soll:
Diese Methode mildert die Bias-Fehler, da sie sich im Verhältnis aufheben:
Wichtig ist die Annahme, dass die Bias-Merkmale für den jeweiligen Beurteilungszeitraum ähnlich sind.
Hier ist die vollständige Gleichung zur Korrektur des Plans, sodass er mit der gemessenen Monatsenergie verglichen werden kann:
Um das Gemessene zu korrigieren, um es mit dem Plan zu vergleichen, kehrt man einfach das Korrekturverhältnis um:
Und wir haben eine unvoreingenommene Einschätzung!
Diese Methode wurde getestet, indem mehrere verschiedene Modellierungsplattformen auf dieselbe Situation angewendet wurden – alle lieferten sehr ähnliche Ergebnisse. Wie gewünscht, befreit uns dies davon, möglicherweise durch Modellverzerrungen verwirrt zu werden. Dies ermöglicht es einem auch, modellagnostisch zu werden. Bitte führen Sie sorgfältige Tests durch, bevor Sie die Modellierungsmethoden wechseln, die sich auf finanzielle Verpflichtungen auswirken können.
Obwohl sich dieser Artikel mit Solarstromsystemen befasst, ist das Konzept auf fast alle Kraftwerke anwendbar. Tatsächlich hat dieser Autor diese Methoden in den 1980er Jahren entwickelt, als Kombikraftwerke eine Neuheit waren und ASME PTC 46 noch nicht existierte.
Nebenbemerkung: Es gibt einen sehr wichtigen Eckfall, der zum Testen jeder Korrekturmethode verwendet werden sollte. Nehmen wir an, die gemessenen MET-Daten sind identisch mit TMY. In diesem Fall sollte überhaupt keine Wetterkorrektur erforderlich sein. Wir gleichen einfach die Stromzählerstände direkt mit Plan ab. Das ist es! Diese Methode erfüllt diesen Test, da Vorhergesagt [MWh] = Erwartet [MWh] und der Korrekturfaktor 1.0000000 ist.
Zweite Randnotiz: Die Verwendung von Temperaturmessungen auf der Rückseite des Moduls zur Leistungsmodellierung wird diesen Eckfalltest nicht bestehen. Dies liegt daran, dass sich das Array-Wärmeübertragungsmodell von der tatsächlichen Array-Wärmeübertragung unterscheidet. Die prognostizierte [MWh] ist nicht die gleiche Zahl wie die erwartete [MWh], selbst wenn die gemessene MET die gleiche wie TMY ist. Ergo wird von dieser Methode abgeraten.
[1] TMY bezieht sich auf ein typisches meteorologisches Jahr und repräsentiert viele Jahre gesammelter Daten für einen bestimmten Ort, die einen erwarteten Wert für Elemente wie Einstrahlung, Umgebungstemperatur, Wind, Feuchtigkeit und Niederschlag liefern. Dies ist die nominell verfügbare Energie für die Modellierung des Sonnenzyklus. Die tatsächlichen Jahre variieren natürlich. TMY-Werte sollten jedoch die zentrale Tendenz darstellen.
[2] Analysis of Photovoltaic System Energy Performance Evaluation, 1. November 2013, National Renewable Energy Laboratory. Auch IEC 61724 – Teil 3.
