SJSU PV Performance Assessment Guideline Project - - PowerPoint PPT Presentation

▶
sjsu pv performance assessment guideline project
SMART_READER_LITE
LIVE PREVIEW

SJSU PV Performance Assessment Guideline Project - - PowerPoint PPT Presentation

Aug 11, 2023 382 likes •670 views

SJSU PV Performance Assessment Guideline Project Purpose: Improve performance of existing PV systems. Recommend performance assessment metrics and calculation methods appropriate for the purpose

slide-1
SLIDE 1

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

SJSU PV Performance Assessment Guideline Project ¡

Purpose:

  • Improve performance of existing PV systems.
  • Recommend performance assessment metrics and calculation

methods appropriate for the purpose of the assessment.

  • Engineering workforce development.

SJSU Student Team:

  • Mark Lahlouh
  • Quochuy Le
  • Harikrishna Patadiya
  • Uriel Rosas

Advisor:

  • Jim Mokri

SolarTech Performance Committee Advisors:

  • Joe Cunningham
  • Willard McDonald ¡
  • Laks Sampath
slide-2
SLIDE 2

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

  • Purpose of Project and background
  • Summary of Metrics
  • Data quality issues
  • Weather Data:
  • Irradiance: GHI, DNI, DHI, diffuse calc by model, POA
  • Cell temperature, averaging techniques
  • Inverter or Wattmeter Data:
  • Power, Energy, efficiency, clipping
  • EPI (Energy Performance Index). Actual kWh/Expected kWh
  • SAM, PVsyst
  • Regression model
  • Uncertainty analysis

Page 10 ¡

Topics To Discuss:

slide-3
SLIDE 3

Page 10 ¡

Confusion Over Metric Calculation Method and Purpose:

METRIC CALCULATION REFERENCE Yield kWh / kWDC STC NREL/CP-520-37358 Performance Ratio (kWh/ kWDC STC ) / (H/GSTC) IEC61724 Performance Ratio kWh / (sunhours × area × efficiency) SMA Performance Ratio (EActual / EIdeal) * 100% EIdeal is temp. and irrad. compensated SolarPro, Taylor & Williams Specific Production MWhAC / MWDC STC SolarPro, Taylor & Williams Performance Ratio (100 * Net production / total incident solar radiation) / rated PV module eff. NREL/TP-550-38603 Performance Factor ISC,G*RSC*FFR*ROC*VOC,T Sutterlueti Performance Index kWmeasured / kWexpected SolarPro, Sun Light & Power Performance Index Actual Power / (Rated power * irrad adj. * temp adj * degradation adj * soiling adj * BOS adj) Townsend Output Power Ratio kWmeasured / kWpredicted SolarPro, Sun Light & Power Output power kW > CF-6R-PV Table CEC Commissioning Output power kW > 95% expected SRP Arizona Utility Specific Production MWhAC / MWDC-STC SolarPro, Taylor & Williams Acceptance Ratio kWactual / kWexpected Literature Inverter comparison kWh of multiple similar inverters Qualitative String comparison Imp, Vmp of multiple parallel strings Qualitative Utility billing Monthly comparison Qualitative Performance Ratio, temp. comp. (CPR) (kWh/ kWDC *KTemp) / (H/ GSTC) Proposed in this project Energy Performance Index (EPI) kWh AC actual / SAM AC Expected using actual weather data Proposed in this project

slide-4
SLIDE 4

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 10 ¡

Issues With Commonly Used Metrics

0.5 ¡ 0.55 ¡ 0.6 ¡ 0.65 ¡ 0.7 ¡ 0.75 ¡ 0.8 ¡ 0 ¡ 2 ¡ 4 ¡ 6 ¡ 8 ¡ 10 ¡ 12 ¡ PR ¡ Month ¡

Seasonal ¡Varia1on ¡of ¡PR ¡ ¡

Note seasonal variation that can lead to interpreting as underperformance in spring

Performance Ratio (uncorrected):

slide-5
SLIDE 5

METRIC ¡ USE ¡ METHOD ¡ UNCERTAINT Y ¡

kWh ¡Produc4on ¡ Maintenance ¡ Compare ¡AC ¡kWh ¡over ¡ periods ¡or ¡inverters ¡ High ¡ Yield ¡ Financial ¡ kWhAC ¡/ ¡Rated ¡DC ¡Power ¡ Low ¡ PPI ¡– ¡Power ¡Perf. ¡ Index ¡ Commissioning ¡ Measured ¡kWAC ¡Output ¡vs. ¡ Expected ¡kWAC ¡Output ¡ Moderate ¡ PR-­‑Performance ¡ Ra4o ¡ Maintenance ¡ (kWhAC/Rated ¡kWDC) ¡/ ¡ (kWhSUN/1000) ¡ High ¡ CPR ¡– ¡Temp. ¡ Corrected ¡PR ¡ Maintenance ¡ [kWh/(Rated ¡kWDC*Temp ¡

  • Corr. ¡)] ¡/ ¡[kWhSUN/1000] ¡

Moderate ¡ EPI ¡– ¡Energy ¡Perf. ¡ Index ¡ Maintenance, ¡ Commissioning, ¡ Financial ¡ Actual ¡kWhAC ¡ ¡/ ¡Calc. ¡kWhAC ¡ Using ¡SAM, ¡PVSYST ¡or ¡equal ¡ Moderate ¡ EPI ¡– ¡Regression ¡ Model ¡EPI ¡ Maintenance ¡& ¡ Commissioning, ¡ Financial ¡ Actual ¡kWhAC ¡ ¡/ ¡Calc. ¡kWhAC ¡ Using ¡Regression ¡Model ¡ Low ¡

PERFORMANCE ¡METRICS ¡INVESTIGATED ¡IN ¡PROJECT ¡

Page 5 ¡

slide-6
SLIDE 6

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Metrics for Condition Based Maintenance:

Is the system underperforming to the point where a root-cause- analysis and corrective maintenance is needed?

  • EPI-SAM: Calculate actual kWhAC /expected kWhAC using SAM

model with actual climate data in TMY3 format as input file

  • EPI-Regression: Calculate actual kWhAC /expected kWhAC using

regression model using irradiance and cell temperature

  • CPR-Corrected Performance Ratio (corrected for average

assessment period power-weighted temperature)

¡

Page 6 ¡

slide-7
SLIDE 7

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Metrics for Commissioning (0 to 6 months):

Is the actual short-term power and long-term energy as expected?

  • PPI (Power Performance Index):

PPI=Actual ¡kWAC ¡Power ¡/ ¡[kWDC ¡STC ¡Power ¡* ¡(IPOA/1000)*(1+μ(TCell-­‑25) ¡* ¡Derate ¡factors]

  • EPI-SAM: Calculate actual kWhAC /expected kWhAC using SAM model
  • EPI-Regression: Calculate actual kWhAC /expected kWhAC using regression

model

  • CPR-Corrected Performance Ratio (corrected for average assessment period

power-weighted temperature) ¡

Page 7 ¡

slide-8
SLIDE 8

Power ¡Performance ¡Index ¡(PPI) ¡

Page 3 ¡

µ typically = - 0.005/°C. Used for commissioning and assessment of instantaneous power (versus energy)

slide-9
SLIDE 9

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

EPI-­‑Regression: ¡

  • Found ¡to ¡have ¡minimum ¡model ¡uncertainty ¡ ¡
  • General ¡regression ¡equa4on: ¡

Energy ¡= ¡A ¡+ ¡Temp*Irrad*B ¡+ ¡Irrad*C ¡+ ¡Irrad2*D ¡ Coefficients ¡(A, ¡B, ¡C, ¡D) ¡are ¡determined ¡by ¡matrix ¡opera4ons ¡in ¡Excel ¡

  • r ¡MatLab ¡
  • Refining ¡the ¡regression ¡model ¡to ¡account ¡for ¡irradiance, ¡temperature, ¡

inverter ¡efficiency, ¡beam ¡and ¡diffuse ¡irradiance, ¡and ¡cross ¡products. ¡

  • Using ¡data ¡from ¡600kW ¡system ¡to ¡develop ¡regression ¡equa4on ¡

Page 3 ¡

slide-10
SLIDE 10

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

  • PR doesn’t require a PV Model but has excessive seasonal variation.
  • CPR reduces seasonal variation using a power-weighted daily

average cell temperature.

  • EPI-SAM depends on accurate PV Model to calculate expected

performance using actual weather and assumed derate factors. Moderate uncertainty. Lower uncertainty if EPI value is trended.

  • EPI-Regression applies operating data to “train” regression model

using actual weather and AC kWh output. Matrix operation in Excel or Matlab to calculate equation coefficients. Low uncertainty.

  • Plane of Array (POA) irradiance calculated from GHI with existing

NREL DISC (Direct Insolation Solar Code) program for DNI and model for diffuse, such as Perez.

Page 10 ¡

Comments on Metrics:

slide-11
SLIDE 11

Measurements ¡and ¡Calcula=ons: ¡

  • Measurement ¡Issues: ¡
  • Radia4on ¡ ¡

– Pyranometer ¡responsivity, ¡sensor ¡cleaning, ¡calibra4on, ¡angle ¡of ¡incidence, ¡ spectral ¡content, ¡sample ¡rate ¡(15 ¡minute ¡vs. ¡hourly) ¡ ¡ ¡

  • Temperature ¡ ¡

– Module ¡temp, ¡cell ¡temp, ¡from ¡ambient. ¡ ¡

  • Wind ¡speed, ¡direc4on ¡

– Effect ¡on ¡cell ¡temperature ¡

  • Inverter ¡output ¡– ¡kW, ¡kWh ¡

– Calibra4on, ¡inverter ¡power ¡limi4ng, ¡mppt, ¡accoun4ng ¡for ¡outages ¡

  • Calcula4on ¡Issues: ¡
  • Plane ¡of ¡Array ¡from ¡horizontal ¡ ¡GHI ¡
  • Average ¡temperature ¡for ¡PR ¡correc4on ¡
  • Soiling ¡effect ¡(effec4ve ¡irradiance ¡per ¡D. ¡King) ¡and ¡Derate ¡Factors ¡when ¡using ¡

SAM ¡ ¡

  • Methods ¡to ¡reduce ¡uncertainty ¡

Page 9 ¡

slide-12
SLIDE 12

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

  • 1. Irradiance decreases, cell temp constant, power increases
  • 2. Irradiance decreases, cell temp increases, power increases
  • 3. Irradiance change compared to temp change and power change

Page 4 ¡

0 ¡ 10 ¡ 20 ¡ 30 ¡ 40 ¡ 50 ¡ 60 ¡ 70 ¡ 0 ¡ 200 ¡ 400 ¡ 600 ¡ 800 ¡ 1000 ¡ 1200 ¡ 1400 ¡ 1600 ¡

Data ¡Anomalies ¡-­‑ ¡10 ¡minute ¡data ¡

Irradiance ¡ Power ¡ Temp ¡

1 2 3

Observed ¡Data ¡Quality ¡Issues: ¡

slide-13
SLIDE 13

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 13 ¡ Temperature Compensated Performance Ratio (CPR) Calculation Anomalies

  • ­‑0.1 ¡

0.1 ¡ 0.3 ¡ 0.5 ¡ 0.7 ¡ 0.9 ¡ 1.1 ¡ 1.3 ¡ 1.5 ¡ 0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 350 ¡ 400 ¡ Performance ¡Ra1o ¡ Day ¡of ¡Year ¡

Daily ¡Performance ¡Ra1o ¡ ¡2011 ¡-­‑ ¡600kW ¡System ¡

Temp ¡Comp ¡PR ¡ Basic ¡PR ¡

  • Poly. ¡(Temp ¡Comp ¡PR) ¡
  • Poly. ¡(Basic ¡PR) ¡

Observed ¡Data ¡Quality ¡Issue: ¡

slide-14
SLIDE 14

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 3 ¡

Poten=al ¡for ¡Data ¡Quality ¡Issues: ¡

EPRI ¡Presenta4on ¡

slide-15
SLIDE 15

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 3 ¡

Poten=al ¡for ¡Data ¡Quality ¡Issues: ¡

EPRI ¡Presenta4on ¡

slide-16
SLIDE 16

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 3 ¡

Poten=al ¡for ¡Data ¡Quality ¡Issues: ¡

EPRI ¡Presenta4on ¡

slide-17
SLIDE 17

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Calculated Cell Temperature:

Where, ΔT is temperature rise

  • ver ambient, such as 3°C.

Sandia Equation Simple Equation

Several methods to calculate cell temperature were compared using live-site data where both cell and ambient temperatures were measured. Sandia formula and textbook formula matched measured data best. Recommend using Sandia model.

0 ¡ 20 ¡ 40 ¡ 60 ¡ 80 ¡ 1320 ¡ 1340 ¡ 1360 ¡ 1380 ¡ 1400 ¡ 1420 ¡ 1440 ¡ 1460 ¡ 1480 ¡ Temperature, ¡C ¡ Assessment ¡Period, ¡Hours ¡

Cell ¡Temperature ¡Calcula1on ¡Methods ¡

Ambient ¡Temp ¡ Measured ¡Cell ¡Temp ¡ Sandia ¡Calc ¡Temp ¡ Energy ¡Weighted ¡Daily ¡Avg ¡ Textbook ¡Cell ¡Temp ¡

Textbook Equation

slide-18
SLIDE 18

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Uncertainty: ¡

  • Increased ¡uncertainty ¡leads ¡to ¡higher ¡cost ¡(1% ¡adds ¡$1M ¡to ¡finance ¡costs ¡
  • n ¡large ¡system) ¡
  • Considered ¡methods ¡to ¡do ¡uncertainty ¡analysis ¡[tradi4onal ¡propaga4on ¡
  • f ¡uncertainty] ¡
  • Inves4ga4ng ¡use ¡of ¡Excel, ¡random ¡number ¡to ¡generate ¡normal ¡

distribu4on, ¡apply ¡to ¡regression ¡equa4on, ¡calculate ¡devia4ons ¡from ¡ mean ¡of ¡product ¡[Monte ¡Carlo ¡equivalent ¡methods] ¡

  • Have ¡model ¡uncertain4es ¡of ¡5% ¡to ¡10% ¡with ¡Regression ¡Model ¡

Page 3 ¡

slide-19
SLIDE 19

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 16 ¡

y ¡= ¡-­‑6E-­‑05x ¡+ ¡0.8773 ¡ R² ¡= ¡0.01766 ¡ 0.6 ¡ 0.65 ¡ 0.7 ¡ 0.75 ¡ 0.8 ¡ 0.85 ¡ 0.9 ¡ 0.95 ¡ 1 ¡ 0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 350 ¡

NOCT ¡Corrected ¡PR ¡

y ¡= ¡-­‑6E-­‑05x ¡+ ¡0.768 ¡ R² ¡= ¡0.02775 ¡ 0.6 ¡ 0.65 ¡ 0.7 ¡ 0.75 ¡ 0.8 ¡ 0.85 ¡ 0.9 ¡ 0.95 ¡ 1 ¡ 0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 350 ¡

Weighted ¡Temperature ¡Corrected ¡PR ¡

  • 2. Long-Term Performance Ratio with Temperature Correction (CPR) Results

Figure 4. Daily PR over one year using the NOCT temperature correction factor Figure 5. Daily PR over one year using the weighted temperature correction factor

slide-20
SLIDE 20

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

Page 17 ¡

y ¡= ¡-­‑0.0001x ¡+ ¡1.0039 ¡ R² ¡= ¡0.08989 ¡ 0.6 ¡ 0.7 ¡ 0.8 ¡ 0.9 ¡ 1 ¡ 1.1 ¡ 1.2 ¡ 0 ¡ 30 ¡ 60 ¡ 90 ¡ 120 ¡ 150 ¡ 180 ¡ 210 ¡ 240 ¡ 270 ¡ 300 ¡ 330 ¡ 360 ¡ 390 ¡

Daily ¡EPI ¡

Figure 7. Daily Energy Performance Index (EPI) over one year using SAM and actual climate

slide-21
SLIDE 21

Page 19 ¡

  • ­‑1 ¡

49 ¡ 99 ¡ 149 ¡ 199 ¡ 249 ¡ 299 ¡ 349 ¡ 399 ¡ 449 ¡

  • ­‑1 ¡

49 ¡ 99 ¡ 149 ¡ 199 ¡ 249 ¡ 299 ¡ 349 ¡ 399 ¡ 449 ¡ Actual ¡ Expected ¡

January ¡thru ¡March: ¡ ¡Comparison ¡of ¡Actual ¡Vs ¡Expected ¡ ¡ Energy ¡ Using ¡Regression ¡Equa1on ¡#1 ¡ ¡

slide-22
SLIDE 22

Data ¡(Without ¡Cell ¡Temp) ¡

y ¡= ¡0.5311x ¡+ ¡40.869 ¡ 0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 350 ¡

  • ­‑50 ¡

0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 350 ¡ 400 ¡ 450 ¡ Expected ¡Power ¡Output ¡ Actual ¡Power ¡Output ¡

Actual ¡vs. ¡Expected ¡

slide-23
SLIDE 23

Data ¡(Using ¡Cell ¡Temp) ¡

y ¡= ¡1x ¡+ ¡2E-­‑11 ¡ 0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 350 ¡ 400 ¡

  • ­‑100 ¡

0 ¡ 100 ¡ 200 ¡ 300 ¡ 400 ¡ 500 ¡ Expected ¡Power ¡Output ¡ Actual ¡Power ¡Output ¡

cell ¡temp-­‑ ¡dele1ng ¡some ¡data ¡ ¡

slide-24
SLIDE 24

Page 9 ¡

  • ­‑5 ¡
  • ­‑4 ¡
  • ­‑3 ¡
  • ­‑2 ¡
  • ­‑1 ¡

0 ¡ 1 ¡ 2 ¡ 3 ¡ 4 ¡ 5 ¡

  • ­‑100 ¡

100 ¡ 300 ¡ 500 ¡ 700 ¡ 900 ¡ 1100 ¡

January ¡thru ¡March: ¡EPI ¡ Equa1on ¡#1 ¡Regression ¡

slide-25
SLIDE 25

y ¡= ¡0.9945x ¡+ ¡40.381 ¡ R² ¡= ¡0.99233 ¡ 0 ¡ 500 ¡ 1000 ¡ 1500 ¡ 2000 ¡ 2500 ¡ 3000 ¡ 3500 ¡ 4000 ¡ 4500 ¡ 0 ¡ 500 ¡ 1000 ¡ 1500 ¡ 2000 ¡ 2500 ¡ 3000 ¡ 3500 ¡ 4000 ¡ 4500 ¡ Es1mated ¡Daily ¡Energy, ¡kWh/day ¡ Actual ¡Daily ¡Energy, ¡kWh/day ¡

Es1mated ¡vs ¡Actual ¡ Equa1on ¡#1 ¡Regression ¡

Es4mated ¡vs ¡Actual ¡ Linear ¡(Es4mated ¡vs ¡Actual) ¡

slide-26
SLIDE 26

0 ¡ 1000 ¡ 2000 ¡ 3000 ¡ 4000 ¡ 5000 ¡ 6000 ¡ 7000 ¡ 8000 ¡ 9000 ¡ 10000 ¡ 0 ¡ 1000 ¡ 2000 ¡ 3000 ¡ 4000 ¡ 5000 ¡ 6000 ¡ 7000 ¡ 8000 ¡ 12/18/2010 ¡ 2/6/2011 ¡ 3/28/2011 ¡ 5/17/2011 ¡ 7/6/2011 ¡ 8/25/2011 ¡10/14/2011 ¡12/3/2011 ¡ 1/22/2012 ¡ Energy, ¡kWh/day ¡ Irradiance, ¡Wh/day ¡ Day ¡

Daily ¡Output ¡and ¡Input ¡

Irradiance ¡ Energy ¡AC ¡ y ¡= ¡0.9924x ¡+ ¡19.277 ¡ R² ¡= ¡0.99239 ¡ 0 ¡ 500 ¡ 1000 ¡ 1500 ¡ 2000 ¡ 2500 ¡ 3000 ¡ 3500 ¡ 4000 ¡ 4500 ¡ 0 ¡ 1000 ¡ 2000 ¡ 3000 ¡ 4000 ¡ 5000 ¡ Es1mated ¡Daily ¡Energy, ¡kWh/day ¡ Actual ¡Daily ¡Energy, ¡kWh/day ¡

Es1mated ¡vs ¡Actual ¡Annual ¡

Es4mated ¡vs ¡Actual ¡ Linear ¡(Es4mated ¡vs ¡ Actual) ¡

Standard ¡Devia4on ¡of ¡Residuals ¡= ¡91 ¡

slide-27
SLIDE 27
  • ­‑300 ¡
  • ­‑200 ¡
  • ­‑100 ¡

0 ¡ 100 ¡ 200 ¡ 300 ¡ ¡ 2 ¡ 4 ¡ 6 ¡

Residuals ¡vs ¡Daily ¡Irradiance ¡ ¡

Residuals ¡

  • ­‑300 ¡
  • ­‑200 ¡
  • ­‑100 ¡

0 ¡ 100 ¡ 200 ¡ 300 ¡ ¡ 1 ¡ 2 ¡ 3 ¡

Residuals ¡vs ¡Daily ¡Temperature ¡ ¡

Residuals ¡

  • ­‑200 ¡
  • ­‑150 ¡
  • ­‑100 ¡
  • ­‑50 ¡

0 ¡ 50 ¡ 100 ¡ 150 ¡ 200 ¡ 250 ¡ 300 ¡ 7 / 2 6 / 2 1 1 ¡ 8 / 5 / 2 1 1 ¡ 8 / 1 5 / 2 1 1 ¡ 8 / 2 5 / 2 1 1 ¡ 9 / 4 / 2 1 1 ¡ 9 / 1 4 / 2 1 1 ¡ 9 / 2 4 / 2 1 1 ¡ 1 / 4 / 2 1 1 ¡ 1 / 1 4 / 2 1 1 ¡ 1 / 2 4 / 2 1 1 ¡ 1 1 / 3 / 2 1 1 ¡ 1 1 / 1 3 / 2 1 1 ¡

Residuals ¡vs ¡Date ¡

Residuals ¡ y ¡= ¡0.9864x ¡+ ¡37.71 ¡ R² ¡= ¡0.98644 ¡ 0 ¡ 500 ¡ 1000 ¡ 1500 ¡ 2000 ¡ 2500 ¡ 3000 ¡ 3500 ¡ 4000 ¡ 4500 ¡ 0 ¡ 1000 ¡ 2000 ¡ 3000 ¡ 4000 ¡ 5000 ¡ Es1mated ¡Daily ¡Energy, ¡kWh/day ¡ Actual ¡Daily ¡Energy, ¡kWh/day ¡

Es1mated ¡vs ¡Actual ¡Aug ¡1 ¡to ¡Nov ¡1 ¡

Es4mated ¡vs ¡Actual ¡ Linear ¡(Es4mated ¡vs ¡ Actual) ¡

Standard ¡Devia4on ¡

  • f ¡Residuals ¡= ¡73 ¡