Nejnavštěvovanější odborný web
pro stavebnictví a technická zařízení budov
estav.tvnový videoportál
Fotovoltaika

Předpověď výroby fotovoltaických systémů

Článek se zabývá problematikou spojenou s předpovědí výkonu fotovoltaických systémů. Uvádí veličiny, které určují aktuální provozní výkon těchto systémů. Popisuje základní typy předpovědních služeb počasí pro fotovoltaické systémy, včetně jejich využití a zdrojů výchozích dat.

Úvod

Obr. 1 Nárůst instalovaného výkonu FV zdrojů [1]
Obr. 1 Nárůst instalovaného výkonu FV zdrojů [1]

Ačkoliv princip fotovoltaického jevu je již znám přes 100 let (pozorován již 1839 francouzským fyzikem Edmondem Beckquerrelem), praktické uplatnění fotovoltaiky nastalo daleko později (koncem 50. let 20. století v rámci kosmického výzkumu). Ještě většího nasazení zaznamenala fotovoltaika v posledním desetiletí, kdy se stala skutečným průmyslovým odvětvím a začala se prosazovat v oblasti „velké energetiky“. Hlavním důvodem byla cílená podpora tohoto odvětví pomocí dotačních programů a následný výrazný pokles ceny komponent související s velkým objemem výroby a rozvojem technologie. Ve výsledku za posledních 35 let klesla cena fotovoltaických modulů z cca 15 EUR/WP na cca 0,6 EUR/WP (v průměru o 23 % ročně) [1]. Obr. 1 ukazuje nárůst instalovaného výkonu v letech 2008–2015.

Obr. 2 Denní průběh výroby elektrické energie v ČR dle zdrojů ve slunečný den (čtvrtek 1. 9. 2016). Zdroj dat [2]
Obr. 2 Denní průběh výroby elektrické energie v ČR dle zdrojů ve slunečný den (čtvrtek 1. 9. 2016). Zdroj dat [2]

Jelikož se jedná o zdroje energie intermitentní (nestálé), jejichž výkon se odvíjí od aktuálních provozních podmínek (převážně intenzita slunečního záření, teplota), je třeba zabývat se jejich vlivy na síť a možnostmi využití jako lokálního zdroje elektrické energie. Přestože je v podmínkách České republiky průměrné roční využití kapacity instalovaného FV zdroje nízké (okolo 11 %, což odpovídá cca 1000 hodinám nominálního výkonu), může tento zdroj tvořit v některé okamžiky podstatnou složku všech zdrojů. Obr. 2 ukazuje příklad denního průběhu výroby elektrické energie z jednotlivých zdrojů v České republice ve slunečném dni, kdy fotovoltaické zdroje vyrobily 6 % energie (maximum 19 % v rámci měřených čtvrthodin ve vybraném dni). V německé energetické soustavě dosáhl podíl všech obnovitelných zdrojů během jednoho dne (8. května 2016) krátkodobě dokonce 95 % [3]. Nejvýznamněji se na výrobě podílela sluneční a větrná energie.

Veličiny určující výkon FV systémů

Obr. 3 Předpokládaná energie dopadající na rovinu FV modulů v jednotlivých měsících dle jejich sklonu (lokalita Buštěhrad), [4]
Obr. 3 Předpokládaná energie dopadající na rovinu FV modulů v jednotlivých měsících dle jejich sklonu (lokalita Buštěhrad), [4]

Základní veličinou určující aktuální výkon FV systému je osvit, resp. intenzita záření dopadající na rovinu FV modulů, udávaná obvykle v jednotkách [W/m2]. Výstupní výkon FV modulů je na osvitu téměř lineárně závislý, pouze při nejnižších intenzitách výkon výrazně nelineárně klesá (tento pokles je závislý na užité technologii). Druhým důležitým parametrem je provozní teplota článků, z kterých FV modul sestává. Se vzrůstající teplotou účinnost článků a tím i jejich výkon lineárně klesá (např. pro krystalické křemíkové technologie činí pokles cca 0,4 %/°C). Provozní teplota úzce souvisí s okolní teplotou, intenzitou záření a chlazením článků. Při podrobnější analýze by bylo třeba též zahrnout vliv úhlu dopadu záření na rovinu FV modulů (při velkých úlech dopadu dochází ke značným odrazům od krycího skla modulů) či spektrum slunečního záření (FV jev je spektrálně citlivý).

Pro predikci výkonu FV systémů bude dále uvažována intenzita záření jako základní veličina, nicméně řadu diskutovaných metod lze po úpravě použít též pro stanovení dalších veličin, např. teploty.

Obecné měření intenzity záření a také předpovědi osvitu jsou obvykle prováděny v horizontální rovině. Při využívání sluneční energie je však vhodné FV moduly sklonit pod definovaným úhlem. Primárně se tím celoročně dosáhne vyšší dopadající energie záření na moduly (Obr. 3), dále se zajistí vyšší samočistící schopnost modulů pomocí stékající dešťové vody. Pro zajištění samočistící schopnosti obvykle postačuje již sklon 12° a více [5].

Teorie

Obr. 4 Schematické znároznění prostupu záření zemnsko atmosférou
Obr. 4 Schematické znároznění prostupu záření zemnsko atmosférou

Intenzita záření vně zemské atmosféry záleží na její vzdálenosti od Slunce, která se během roku mění mezi (1,47 – 1,52) × 108 km. Z tohoto důvodu se mění i intenzita záření vně zemské atmosféry mezi 1325 až 1412 W/m2. Střední hodnota se nazývá solární konstanta EQ = 1367 W/m2. Při prostupu atmosférou je záření částečně odraženo či pohlceno (ozonem, vodní parou, kyslíkem a oxidem uhličitým) a z části rozptýleno (molekulami vzduchu a prachovými částicemi), Obr. 4. Rozptyl prachovými částicemi je silně závislý na dané lokalitě a je vysoký převážně v městských aglomeracích. Při pěkném počasí může intenzita záření v rovině kolmé ke Slunci dosáhnout 1000 W/m2 nezávisle na lokalitě na Zemi. Nejvyšších hodnot dosahuje při mírně oblačném počasí vlivem dalších odrazů od mraků (krátkodobě až 1400 W/m2). Důležitý je též odraz od okolního terénu, míra odrazivosti povrchu je silně závislá na daném povrchu. Je označována albedo, např. v případě travnatého povrchu se pohybuje okolo 0,25, čerstvý sníh dosahuje hodnot až 0,90 [6].

Dopadající složku záření na libovolnou rovinu lze ve výsledku rozdělit na přímou a difúzní. Difúzní (všesměrová) složka nemá definovaný směr. Podíl složky přímé a difúzní se během roku velmi podstatně mění, přičemž difúzní složka v zimním období v oblastech střední Evropy výrazně převládá.

Stanovení intenzity záření v rovině FV modulů

Přepočet intenzity záření dopadající na horizontální rovinu na intenzitu v rovině FV modulů je komplexní úloha, a to ze dvou důvodů. Zaprvé nelze jednoduchým způsobem záření dopadající na horizontální rovinu rozdělit na složku přímou a difúzní. Zadruhé ve skutečnosti není intenzita difúzní složky ve všech směrech shodná. K určení je proto potřeba použít některý z vyvinutých modelů, který vnáší do výpočtu vyrobené energie z FV systému další chybu.

V prvním kroku je celková intenzita záření na horizontální rovinu Gh rozdělena na část přímou Bh a difúzní Dh, přičemž α značí úhel mezi rovinou FV modulů a přímým zářením od Slunce:

Gh = Dh + Bh . sinα (1) [W/m2], [W/m2], [W/m2], [°]
 

Lze k tomu např. použít Perezův model [7]. Následně je např. pomocí modelu publikovaného týmž autorem určena celková intenzita záření na skloněnou rovinu [8]. Zvlášť je počítána difúzní složka přicházející z oblohy a difúzní složka odražená od zemského povrchu. Difúzní složka přicházející z oblohy se dále skládá z části izotropické (tj. nezávislé na směru), části v okolí slunečního disku (přísluneční, což je specifická oblast) a části, která je závislá na úhlu mezi rovinou FV modulů a horizontem (obzorová).

Metody předpovědi počasí, obzvláště pak intenzity záření

Obr. 5 Rozdělení metod předpovědí počasí dle časového horizontu a prostorového rozlišení, [9]
Obr. 5 Rozdělení metod předpovědí počasí dle časového horizontu a prostorového rozlišení, [9]

V současné době existuje řada velmi odlišných metod a přístupů pro predikci počasí. Vhodné rozdělení můžeme provést podle časového horizontu predikce a lokální rozlišení. Obojí velmi úzce souvisí s jejich užitím. S ohledem na časový horizont rozlišujeme mezi krátkodobou predikcí (do 2 hodin), střednědobou (do 6 hodin) a dlouhodobou (do 3 dnů, výjimečně až 15 dnů). Krátkodobá predikce je též v literatuře často uváděna jako tzv. nowcasting. Často je vhodné uvedené metody kombinovat. Např. pro řízení lokálních energetických systémů budov je zapotřebí velmi detailní lokální rozlišení s časovým horizontem do 12 hodin s přihlédnutím na velmi přesnou predikci pro následujících několik hodin.

Konkrétní metody lze rozdělit na dvě skupiny, statistické a numerické, které budou následně blíže popsány, Obr. 5.

Numerické modely předpovědi počasí

Numerické předpovědní služby počasí jsou využitelné pro časový horizont až 15 dní. Jsou založeny na modelování počasí pomocí diferenciálních metod, přičemž přímo vycházejí z fyzikální podstaty se zohledněním okrajových podmínek (reliéf prostředí, výchozí měřený stav atd.). V současné době je světově provozováno okolo 15 globálních modelů počasí, příkladem může být služba Global Forecast System společnosti US National Oceanic či služba provozovaná evropským centrem ECMWF. Vstupní data jsou získávána z pozemního a satelitního snímkování a měření, výstupem jsou předpovědi s časovým krokem typicky 3 hodin. Vnitřní krok modelu je však daleko kratší (až kolem 30 s). Tyto služby mají hrubé rozlišení (16–50 km) a neumožňují detailní lokální předpovědi. Jsou však cenným zdrojem informací pro další zpracování řadou služeb provozovaných na národní úrovni. Tyto služby se prostorovým rozlišením dostávají na 5–20 km a již detailně zohledňují reliéf krajiny a lokální charakter počasí.

Statistické modely předpovědi počasí

Obr. 7 Snímek pořízený pomocí skyscanneru instalovaného na UCEEB ČVUT
Obr. 7 Snímek pořízený pomocí skyscanneru instalovaného na UCEEB ČVUT

Statistické modely lze rozdělit na čistě statistické metody (regresní metody, klouzavé průměrování, sezónní analýza) a metody umělé inteligence (zahrnující fuzzy systémy, genetické algoritmy, umělé neuronové sítě nebo strojové učení).

Tyto modely vycházejí z aktuálních a historických naměřených dat a jsou velmi vhodné pro krátkodobé předpovědi s patřičným lokálním charakterem. Jako zdroj dat se v případě předpovědi intenzity slunečního záření využívají senzory osvitu (např. senzory založené na FV článku nebo fotodiodě, případně pyranometr) (Obr. 6) nebo tzv. skyscanner (Obr 7). Skyscanner je v podstatě širokoúhlá kamera snímající oblohu, která je vhodná pro užití ve venkovním prostředí. Často je navíc opatřena mechanikou zajišťující stínění slunečního disku a jeho nejbližšího okolí. Pomocí speciálního softwaru lze následně vyhodnotit typ mraků, jejich rychlost, výšku, index oblačnosti a stanovit vývoj na uvažovaný horizont predikce. S výhodou se užívá matice těchto senzorů a následné zpracování množství dat z různých lokalit.

 
Obr. 6 Senzory osvitu: 1 – s křemíkovým článkem (Mencke&Tegtmeyer GmbH)
1
Obr. 6 Senzory osvitu: 2 – fotodiodou (Solar Monitor s.r.o.)
2
Obr. 6 Senzory osvitu: 3 – pyranometr (Kipp&Zonnen)
3

Obr. 6 Senzory osvitu: 1 – s křemíkovým článkem (Mencke&Tegtmeyer GmbH), 2 – fotodiodou (Solar Monitor s.r.o.), 3 – pyranometr (Kipp&Zonnen)

Pro porovnání přesnosti metody (tzv. benchmarking) se někdy uvažuje referenční předpověď vycházející z persistentního modelu, Obr 5. Ten považuje za předpověď veličiny X v čase t + 1 aktuální měřenou hodnotu dané veličiny. I tento předpoklad je jistou formou triviální předpovědi, nicméně se ukazuje, že není postačující pro časový horizont delší nežli 1 hodina [9].

Nejčastěji se však pro určení přesnosti předpovědi provádí porovnání s následným měřením. Příklad předpovědi intenzity slunečního záření pro 4 po sobě jdoucí dny pomocí metody statistického zpracování měřených dat ukazuje Obr. 8. Z obrázku je patrné, že předpověď s delším časovým horizontem 3 h (vpravo) dosahuje výrazně menší přesnosti nežli předpověď s horizontem 1 h (vlevo), u které je stále zřetelně zachován vývoj počasí během dne.

Obr. 8a Příklad předpovědi intenzity osvitu pomocí statistické metody – 1hodinovápředpověď (lokalita UCEEB ČVUT, Buštěhrad, vybrané dny v říjnu 2016)Obr. 8b Příklad předpovědi intenzity osvitu pomocí statistické metody – 3hodinová předpověď (lokalita UCEEB ČVUT, Buštěhrad, vybrané dny v říjnu 2016)Obr. 8 Příklad předpovědi intenzity osvitu pomocí statistické metody – 1hodinová a 3hodinová předpověď (lokalita UCEEB ČVUT, Buštěhrad, vybrané dny v říjnu 2016)

Závěr

S rozvojem FV systémů dostala předpověď osvitu zcela nový rozměr. V zemích, kde tvoří solární energie nezanedbatelný podíl v energetickém mixu, je předpověď osvitu důležitá s ohledem na řízení energetiky a obchodování na denním a vnitrodenním trhu s elektrickou energií. Současně se předpověď slunečního záření uplatní na lokální úrovni pro řízení energetických systémů budov ať již a s ohledem na pasivní solární zisky, či s ohledem na aktivní využití lokálně generované solární energie. Zejména v případě menších fotovoltaických systémů vybavených bateriovým úložištěm energie je možné výrazně zlepšit lokální hospodaření s energií a plně využít potenciál obnovitelného zdroje. Lze zabránit stavům, kdy je bateriové úložiště plně nabito a současně je nízká aktuální spotřeba energie, tudíž není možné energii z FV systému lokálně využít. Kvalitní předpovědní služba spolu s řídícím algoritmem budovy může navýšit využití obnovitelného zdroje o 10–15 %. Proto je i ekonomicky zajímavé využívat kvalitní předpovědní služby osvitu jak s lokálním tak s globálním charakterem a to pro různý časový horizont. V případě lokálních krátkodobých předpovědí lze vhodně využít pozemní měření rozličnými senzory osvitu a snímkování oblohy skyscannery, pro středně a dlouhodobé předpovědi jsou již vhodnější numerické modely s výrazně hrubším prostorovým rozlišením. S dalším rozvojem využívání obnovitelných zdrojů energie budou uvedené služby zcela jistě nabývat na významu a tvořit nedílnou součást řízení energetiky na národní i mezinárodní úrovni v rámci tzv. chytrých sítí.

Poděkování

Tato práce byla podpořena MŠMT v rámci programu NPU I č. LO1605 – Univerzitní centrum energeticky efektivních budov – Fáze udržitelnosti.

Zdroje

  1. Photovoltaics report. Fraunhofer ISE, PSE AG. 2016.
  2. OTE a.s., Operátor trhu s elektřinou. [online]. Dostupné na: http://www.ote-cr.cz/
  3. CRAIG Morris. Germany nearly reached 100 percent renewable power on Sunday. Energytransition.org, 2016. [online]. Dostupné na: https://energytransition.org/2016/05/germany-nearly-reached-100-percent-renewable-power-on-sunday/
  4. PVGIS. Photovoltaic Geographical Information System. JRC Renewable Energies Unit. [online]. Dostupné na: http://re.jrc.ec.europa.eu/pvgis/
  5. Planning & Installing Photovoltaic Systems. A guide for installers, architects and eingineers. The German Energy Society. Second Edition. 2008. London. Sterling, VA
  6. Meteonorm. Global Meteorological Database. V7.1. Handbook part II: Theory
  7. PEREZ, R., INEICHEN, P., aj. Dynamic Models for hourly global-to-direct irradiance conversion. Solar World Congress 1991. Volume 1, Part II. Proceedings of the Biennial Congress of the International Solar Energy Society, Colorado, USA, 1991.
  8. EREZ, R., R. SEALS, aj. A new simplified version of the Perez Diffuse Irradiance Model for tilted surfaces. Solar Energy, Vol. 39, No. 3, pp. 221–231, 1987.
  9. DIAGNE, M., MATHIEU, D., aj. Review of solar irradiance forecasting methods and a proposition for small-scale insular grids. Renewable and Sustainable Energy Reviews. Vol. 27. 2013. s. 65–76.
English Synopsis
Power Prediction of Photovoltaic Systems

This article focuses on the topic of power prediction for photovoltaic systems. It presents parameters which have major impact on operation performance of such systems. Main types of weather predictions for photovoltaic systems are being described together with their usage and sources for input data.

 
 
Reklama