Solar and meteo data: reducing uncertainty of solar - PowerPoint PPT Presentation

Solar ¡and ¡meteo ¡data: ¡reducing ¡ ¡ uncertainty ¡of ¡solar ¡energy ¡projects ¡ Marcel ¡Suri ¡ GeoModel ¡Solar, ¡Slovakia ¡ 16 th ¡Renewable ¡Energy ¡Finance ¡Forum ¡– ¡Europe ¡ Dublin, ¡Ireland, ¡23 ¡-­‑ ¡24 ¡Sept ¡2014 ¡

About ¡GeoModel ¡Solar ¡ Development ¡and ¡operaGon ¡of ¡SolarGIS ¡online ¡system ¡ • Solar ¡resource ¡and ¡meteo ¡database ¡ • PV ¡soLware ¡ • Data ¡services ¡for ¡PV: ¡planning, ¡monitoring, ¡forecasGng ¡ ¡ Consultancy ¡and ¡expert ¡services ¡ ¡ • Solar ¡resource ¡assessment ¡ • PV ¡yield ¡and ¡performance ¡assessment ¡ • Strategy ¡studies ¡and ¡trainings ¡ 70+ ¡countries ¡ 400+ ¡consultancy ¡assignments ¡in ¡solar ¡energy ¡ Major ¡technical ¡advisors ¡& ¡industrial ¡partners ¡ World ¡bank ¡and ¡governmental ¡agencies ¡ 16 th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 2 ¡

GeoModel ¡Solar: ¡History ¡ 2001 ¡ 2002 ¡ 2003 ¡ 2004 ¡ 2005 ¡ 2006 ¡ 2007 ¡ 2008 ¡ 2009 ¡ 2010 ¡ 2011 ¡ 2013 ¡ 2014 ¡ 2012 ¡ SolarGIS ¡ PVGIS ¡ Commercial ¡database ¡and ¡soLware ¡ Research ¡and ¡demonstraGon ¡project ¡ Focus ¡on ¡industry ¡needs ¡ PromoGon ¡of ¡PV ¡in ¡Europe ¡ ¡ ¡ by ¡GeoModel ¡Solar ¡ by ¡European ¡Commission, ¡ Joint ¡Research ¡Centre ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 3 ¡

Why ¡(good) ¡solar ¡and ¡meteo ¡data ¡is ¡needed ¡ ¡ Solar ¡energy ¡technology ¡depends ¡on ¡geographical ¡condiGons: ¡ Solar ¡resource ¡– ¡fuel ¡for ¡power ¡plants ¡ • Weather ¡determines ¡operaGng ¡condiGons ¡ • Temperature, ¡humidity, ¡wind ¡ o Other ¡geographical ¡condiGons ¡ • Terrain, ¡land ¡use, ¡proximity ¡to ¡sea, ¡polluGon ¡ o ¡ Terrain ¡ Air ¡temperature ¡ Annual ¡power ¡producGon ¡ Solar ¡resource ¡ from ¡the ¡same ¡PV ¡system: ¡ ¡ 1620 ¡kWh/kWp ¡ ¡ 1543 ¡kWh/kWp ¡ ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 4 ¡

Why ¡(good) ¡solar ¡and ¡meteo ¡data ¡is ¡needed ¡ ¡ Solar ¡energy ¡technology ¡depends ¡on ¡geographical ¡condiGons: ¡ Solar ¡resource ¡– ¡fuel ¡for ¡power ¡plants ¡ • Weather ¡determines ¡operaGng ¡condiGons ¡ • Temperature, ¡humidity, ¡wind ¡ o Other ¡geographical ¡condiGons ¡ • Terrain, ¡land ¡use, ¡proximity ¡to ¡sea, ¡polluGon ¡ o ¡ Terrain ¡ Air ¡temperature ¡ Annual ¡power ¡producGon ¡ Solar ¡resource ¡ from ¡the ¡same ¡PV ¡system: ¡ ¡ 1620 ¡kWh/kWp ¡ ¡ 1543 ¡kWh/kWp ¡ ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 5 ¡

Solar ¡resource ¡data: ¡historical ¡approaches ¡ Data ¡available ¡for ¡Europe ¡ NASA, ¡Meteonorm, ¡Satel-­‑light, ¡PVGIS, ¡etc. ¡ • NaGonal ¡databases: ¡Met ¡Office, ¡DWD, ¡Meteo ¡France, ¡etc. ¡ • ¡ Benefits ¡ ¡ Data ¡were ¡available ¡ • Some ¡available ¡for ¡free ¡ • MulGple ¡sources ¡used ¡for ¡risk ¡assessment ¡ • 16 th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 6 ¡

Solar ¡resource ¡data: ¡historical ¡approaches ¡ Discrepancy ¡between ¡various ¡data ¡sources: ¡GHI ¡up ¡±12% ¡ Source: ¡Suri ¡et ¡al ¡2008 ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 7 ¡

Solar ¡resource ¡data: ¡historical ¡approaches ¡ Shortcomings ¡of ¡tradiNonal ¡databases ¡ Low ¡spaGal ¡and ¡temporal ¡resoluGon ¡ • Limited ¡accuracy ¡ • Regional ¡availability ¡ • Limited ¡technical ¡support ¡ • No ¡or ¡only ¡occasional ¡data ¡update ¡ • Limited ¡quality ¡assessment ¡(some ¡database ¡cannot ¡be ¡quality-­‑checked) ¡ • ¡ Source: ¡Suri ¡et ¡al ¡2008 ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 8 ¡

Bankable ¡solar ¡resource ¡data ¡ ¡ Based ¡on ¡the ¡best-­‑available ¡approaches ¡− ¡satellite ¡and ¡ground ¡ Validated ¡and ¡independently ¡tested ¡− ¡known ¡uncertainty ¡ Consistent ¡in ¡Gme ¡and ¡space ¡over ¡vast ¡geographies: ¡ Project ¡planning ¡ § SystemaGcally ¡updated: ¡ System ¡monitoring ¡ ¡ § Performance ¡assessment ¡ § ForecasNng ¡ § Supported ¡in ¡longterm ¡ ¡ SystemaGc ¡control ¡of ¡data ¡quality ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 9 ¡

Measuring ¡solar ¡resource ¡data ¡ 1. ¡Ground ¡measurements ¡ Pyranometers ¡ • Installed ¡at ¡the ¡power ¡plant ¡ • 2. ¡Satellite-­‑based ¡solar ¡models ¡ Input: ¡satellite ¡& ¡atmospheric ¡data ¡ • Data ¡are ¡available ¡globally ¡ • 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 10 ¡

Ground ¡measurements ¡ Why ¡they ¡are ¡used ¡ Challenges ¡ High ¡frequency ¡measurements ¡ • Regular ¡cleaning ¡and ¡calibraGon ¡ • High ¡accuracy ¡(if ¡properly ¡managed) ¡ • Management ¡of ¡missing ¡data ¡ • • Data ¡quality ¡control ¡ ProspecGon ¡of ¡new ¡sites ¡ • Resource ¡demanding ¡operaGon ¡ • Monitoring ¡of ¡power ¡plants ¡ • ¡ • Longterm ¡sustainability ¡for ¡ ¡ a ¡porjolio ¡is ¡challenge ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 11 ¡ ¡

Ground ¡instruments: ¡theoreNcal ¡uncertainty ¡ Concentrated ¡solar ¡power ¡and ¡Concentrated ¡PV ¡ Pyrheliometer: ¡±1% ¡ • RotaGng ¡Shadowband ¡Radiometer: ¡±3 ¡to ¡±4%* ¡ • ¡ ¡ ¡ Photovoltaics ¡ • Pyranometer: ¡secondary ¡standard: ¡±2% ¡ UncertainNes: ¡daily ¡summaries, ¡at ¡95% ¡confidence ¡level ¡in ¡laboratory ¡condiGons. ¡ In ¡real ¡condiNons ¡uncertainty ¡is ¡higher ¡and ¡depends ¡on ¡operaNon ¡and ¡ maintenance ¡pracNces ¡ * ¡ALer ¡post ¡processing ¡ ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 12 ¡

Issues ¡in ¡ground ¡measurements ¡ Unclean ¡instruments ¡ • Missing ¡data ¡ • Time ¡shiL ¡ • UnrealisGc ¡values ¡ ¡ • Shading ¡ • Misaligned ¡and ¡miscalibrated ¡sensors ¡ • Uncertainty ¡strongly ¡depends ¡on ¡operaNon ¡and ¡maintenance ¡pracNces ¡ 16th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 13 ¡

Satellite-­‑based ¡solar ¡resource ¡data ¡ High-­‑resoluGon ¡data ¡available ¡as ¡conGnuous ¡maps ¡globally ¡ SpaGal ¡resoluGon: ¡approx. ¡3 ¡to ¡5 ¡km ¡ • Frequency ¡of ¡measurements: ¡15 ¡and ¡30 ¡minutes ¡ • History ¡of ¡12 ¡to ¡20 ¡years ¡ Lower ¡instantaneous ¡accuracy ¡for ¡the ¡point ¡esGmate ¡ Accuracy ¡of ¡aggregated ¡values ¡ ¡ comparable ¡to ¡ground ¡sensors ¡ Stable, ¡no ¡maintenance ¡issues ¡ ¡ Data ¡sources: ¡ ¡ EUMETSAT, ¡ECMWF, ¡NOAA ¡ Source: ¡SolarGIS ¡ 16 th ¡REFF ¡EUROPE, ¡Dublin, ¡23-­‑24 ¡Sept ¡2014 ¡ 14 ¡

Satellite ¡data: ¡cloud ¡modelling ¡ • ¡ ¡Satellite ¡pixel ¡integrates ¡cloud ¡signal ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡from ¡an ¡area ¡~4 ¡km ¡ • ¡ ¡Ground ¡instrument ¡shows ¡ ¡ ¡ ¡a ¡pinpoint ¡measurement ¡ ¡

Satellite ¡data ¡uncertainty ¡(SolarGIS) ¡ Relevant ¡for ¡project ¡planning: ¡longterm ¡esNmate ¡of ¡energy ¡yield ¡ GHI: ¡photovoltaics ¡ ± 4.4%* ¡ DNI: ¡concentrated ¡solar ¡ ± 7.7%* ¡ * ¡80% ¡occurrence ¡

Uncertainty ¡of ¡Global ¡Horizontal ¡Irradiance ¡ Uncertainty ¡is ¡higher ¡in ¡ • Coastal ¡zones ¡ • High ¡mountains ¡ • UrbanizaGon ¡ • Tropical ¡climate ¡ SatelliYe ¡data ¡accurate ¡for ¡ ¡ the ¡assessment ¡of ¡monthly ¡ ¡ and ¡annual ¡values ¡ ¡ ¡Hourly ¡values ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Daily ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Monthly ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Yearly ¡ ¡ The ¡uncertainty ¡for ¡ground ¡sensors ¡considers ¡that ¡they ¡are ¡well ¡maintained, ¡calibrated ¡and ¡data ¡are ¡quality ¡controlled ¡