FuturEnergy | Septiembre/Octubre September/October 2020 www.futurenergyweb.es 65 La metodología de UL La metodología de UL se apoya en pasos fundamentales, cuya ejecución requiere de herramientas y códigos perfeccionados por UL durante años dando servicio a la industria global. La automatización del proceso le permite abordar tareas masivas, que sin los códigos adecuados se tornan muy complejas si se busca precisión en el resultado. 1. Tratamiento de datos: todas las variables de SCADA, incluyendo datos de irradiación, temperatura, inversores, seguidores y contadores de energía se compilan y procesan algorítmicamente para detectar y corregir cualquier posible influencia con efecto en una menor calidad de datos incluyendo huecos de datos, problemas de sincronización, o problemas con los sensores como desorientación, obstrucción o derivas metrológicas. Este paso es crítico para la precisión de los resultados. 2. System Performance Model: la parte crítica de la analítica avanzada pivota sobre el modelo de full performance. Para su generación se utiliza información específica de proyecto, componentes y diseño como inputs para generar la salida esperable a nivel inversores o contadores para cada nivel de irradiación y temperatura. Esto permite obtener la máxima salida esperable sin tener en cuenta perdidas de calidad de módulos, soiling, degradación, disponibilidad, etc. 3. Análisis de desvíos y atribución de perdidas: Se cuantifican a través de modelos propios para la determinación de cada una de las 17 categorías que el modelo de UL es capaz de determinar en función de los datos disponibles. 4. Síntesis, detalles y proyecciones: Los resultados del análisis se sintetizan en métricas de gran utilidad tanto desde el punto de The UL methodology The UL methodology is based on key steps, whose execution requires codes and tools that have been improved by UL over the years, to serve the global industry. Process automation is able to handle massive tasks which, without the appropriate codes, can become very complex where accurate outcomes are required. 1. Data processing: every SCADA variable, including data on irradiation, temperature, the inverters, trackers and energy meters, is algorithmically compiled and processed to detect and correct any possible influence that might have the slightest effect on data quality. These include data gaps, synchronisation issues or problems with the sensors, such as misalignment, obstruction or weather anomalies. This step is critical for outcome accuracy. 2. System Performance Model: the critical part of advanced analytics pivots around the full performance model. Specific information on the project, its components and design are used as inputs to generate the expected output at inverter or meter level for each temperature and irradiation level. This allows the maximum expected output to be obtained, without taking into account module quality losses, soiling, degradation, availability, etc. 3. Deviation analysis and loss attribution: These are quantified via proprietary models to determine each of the 17 categories that the UL model is able to determine, based on the data available. 4. Synthesis, details and projections: The results of the analysis are synthesised into extremely useful metrics, from the point of view of both operator and owner. The different losses obtained in step 3 are integrated into a waterfall loss model that is able to visualise the falls in each category attributed to each period. Long-term projections can also be made to thereby focus on those areas where it is possible to improve the ROI. System Performance Model (SPM) The UL model uses specific final design inputs for each plant (modelling the modules and inverters, string design, module layout and orientation, land gradient, operational details of the trackers and backtracking strategies, ANALÍTICA AVANZADA PARA PLANTAS FOTOVOLTAICAS EN OPERACIÓN Desde los comienzos de la industria solar, los propietarios de activos han dedicado pocos recursos al seguimiento de la operación de plantas fotovoltaicas. La aparente ausencia de palancas accionables, las tarifas reguladas, así como la supuesta sencillez de datos y métricas obtenibles han provocado, históricamente, escasez de recursos asignados a una actividad crítica para el negocio y que por supuesto no es trivial. El parque operacional fotovoltaico sigue creciendo globalmente con aproximadamente 770 GWacumulados previstos a final de 2020, lo que pone en valor la importancia de proporcionar, en un mercado ultra-competitivo como el actual, unas métricas y analíticas adecuadas para maximizar la generación de nuestros activos y mejorar los retornos de la inversión. ADVANCED ANALYTICS FOR OPERATIONAL PV PLANTS From the earliest days of the solar industry, asset owners have allocated few resources to the monitoring of PV plant operation. The apparent absence of actionable levers, regulated tariffs, as well as the supposed simplicity of achievable data and metrics has historically resulted in scant resources being set aside for an activity that is critical for the business and which of course is no trivial matter. The operational PV stock continues to growworldwide, with a cumulative total of some 770 GW forecast for the end of 2020. In today’s ultra-competitive market, it is essential that the appropriate metrics and analytics are provided, in order to maximise asset generation and improve the return on investment. Fotovoltaica | PV
RkJQdWJsaXNoZXIy Njg1MjYx