Gestión de pérdidas e indicadores en sistemas fotovoltaicos: desafíos actuales

Gestión de pérdidas e indicadores en sistemas fotovoltaicos: desafíos actuales

Resumen. Los sistemas solares se prevén como los favoritos entre las nuevas tecnologías de generación de energía. La gestión de las pérdidas de energía parece relevante en este contexto competitivo que se avecina. Por un lado, es necesaria la detección de las pérdidas y su cuantificación, desglosadas por tipo. Por otro lado, también es necesario identificar las causas de las pérdidas (nuevos enfoques de aprendizaje automático y big data). Los KPI contractuales también deben abordarse más a fondo, en la medida en que los indicadores clásicos de disponibilidad contractual, relaciones públicas y otros indicadores clásicos mantengan su papel protagonista. En este sentido, los métodos de cálculo basados en datos agregados y en tiempo real sobre la energía producible (posible) son esenciales para estimar mejor las pérdidas. Si comparamos los contextos de la energía eólica y fotovoltaica, el primero cuenta con una mejor estandarización de los KPI contractuales que el último, cuyas empresas, propietarios, EPC, O&M y gestores de activos parecen proceder con una amplia variedad de KPI contractuales. Además, la caracterización de las pérdidas contractuales no suele ser susceptible de una clasificación automática, lo que crea otra necesidad en términos de cómo digitalizar esta recategorización «manual» y vincularla rápidamente al sistema, a las herramientas de monitoreo y análisis o, por ejemplo, a las órdenes de trabajo.

‍

Introducción

Los estudios realizados en colaboración con la Agencia Internacional de Energía pronosticaron la importancia de la energía solar en los próximos años (SolarPower Europe (2020): Global Market Outlook for Solar Power 2020-2024), que llegará a los teravatios en términos de potencia total instalada, lo que sitúa a la fotovoltaica como una de las tecnologías de generación favoritas y, en general, la energía renovable satisface el 80% de la demanda de energía de 2030.

En aras de la simplicidad, este documento se centrará en los sistemas conectados a la red, sin cargos locales.

‍

‍

Se construyen modelos empíricos sencillos para describir el rendimiento de los sistemas fotovoltaicos en «funcionamiento normal» (S.K. Firth, 2010).

Las pérdidas no nos dicen todo sobre una planta, a pesar de obtener: indicadores adecuados, detección, estimación, incluso procesos de previsión o alerta temprana de fallos, son solo una imagen incompleta de lo que está sucediendo en una planta fotovoltaica. Hay una gran cantidad de eventos muy diferentes con síntomas similares, debido a que la potencia de salida de los sistemas fotovoltaicos en funcionamiento depende en gran medida de las condiciones climáticas y ambientales y consiste en muchas unidades interconectadas, por lo que es inevitable encontrar demasiadas situaciones de falla (Mellit, 2018). Sin embargo, es esencial en cualquier gestión de activos el uso continuo de indicadores clave adecuados y un sistema de gestión de pérdidas adecuado.

‍

Causas probables de estimación/detección de pérdidas incorrectas

‍

Después de dos años de recopilación de datos/conclusiones en ISOTROL, se elaboró esta lista como causas probables de estimación/detección de pérdidas incorrectas:

-Indicadores: variedad relacionada con las pérdidas fotovoltaicas
-Producibles: cómo estimar la energía que espera
-Categorización: métodos de detección/clasificación
-Tratamiento de datos: almacenamiento, limpieza y validación
-Plataforma centralizada para la adquisición y supervisión de datos
-Sensorización y entradas
-Otros

Las tres primeras fuentes se comentarán brevemente a lo largo del presente estudio y se abordará un caso para ilustrar algunas conclusiones.

Indicadores. Los principales indicadores contractuales imponen eliminar de los cálculos las señales de recursos y los umbrales de cálculo y poder excluir ciertos eventos o períodos. Por lo tanto, gestionaremos los KPI operativos y, por otro lado, los contractuales. La primera se refería principalmente a la supervisión de datos y eventos en tiempo real y la última a la gestión de las responsabilidades contractuales, que podían conllevar penalizaciones por un mal rendimiento o por una mala gestión de las garantías. Por lo tanto, los indicadores clásicos y contractuales son relevantes en términos de beneficios, lo que nos lleva a identificar acciones de mejora y, por lo tanto, a aumentar nuestra rentabilidad.

En términos de disponibilidad basada en el tiempo, que, en general, mide dentro de un intervalo de tiempo la parte disponible del activo DC Power, podemos encontrar en el mercado dos enfoques principales a la hora de excluir los eventos externos: a) sumar el tiempo excluido como tiempo operativo (en numerador) o b) deducir el tiempo excluido del tiempo útil a considerar (denominador).

En términos de disponibilidad basada en la energía, que, en general, mide dentro de un intervalo de tiempo el rendimiento, una práctica común para los KPI contractuales es añadir (en numerador) la pérdida externa como una energía extra producida, de modo que se elimine su efecto externo y se alcance la figura contractual.

Otra forma exhaustiva es extraer tanto del numerador como del denominador (energía producida y producible) todos los intervalos afectados por cualquier evento externo. Si ahora hablamos de otro rey de los indicadores, el PR, su uso ha sido muy difícil, y muchos debates modernos afirman que las relaciones públicas no son lo suficientemente representativas como indicador, y señalan que otros indicadores de rendimiento técnico son más relevantes según el actor del proceso (por ejemplo, el componente difuso, la ganancia, los algoritmos producibles a medida, los subelementos, la disponibilidad de energía y tiempo, etc.).

Relaciones públicas contractuales solía ser el PR ajustado por la red, es decir, el PR corregido (con temperatura, degradación del módulo y disponibilidad) y limpiado del impacto de cualquier evento externo o, a veces, además (en aras de un rendimiento operativo impecable), incluso limpiado de cualquier intervalo de falta de disponibilidad (deduciendo tanto la irradiación como la energía producida) o cualquier intervalo con valores atípicos.

En cuanto a los indicadores de rendimiento de la inversión, se basan principalmente en los mismos KPI anteriores, pero se aíslan por separado de las causas probables de no alcanzar los valores esperados. Por lo tanto, en este sentido, podemos encontrar en la literatura los clásicos OPR (ratio de rendimiento operativo, es decir, RP real frente a lo esperado), IPR y WPR (ratio de inversión y rendimiento meteorológico, es decir, comparar los resultados de producción o la irradiación real con los esperados, respectivamente), cuyas cifras dan a los propietarios una idea de si sus gestores de activos están maximizando los activos o si todavía hay una trayectoria de mejora. También son útiles para comprobar el grado de equidad de los valores laborales esperados en vigor.

Producibles. Para la estimación de las pérdidas se necesita una referencia. Esta energía de referencia o esperada solía denominarse energía producible. Por lo tanto, pérdida = productible-producción real. Por otro lado, la condición de no disponibilidad, o desencadenante, también será relevante, como puede ver en el siguiente diagrama. Cuatro grupos comunes producibles se han propuesto en este documento.

‍

‍

‍

Se basan en casos ordinarios recopilados a lo largo de dos años en una empresa de ingeniería reconocida que desarrolla productos, proyectos, soluciones y software fotovoltaicos para sistemas de supervisión y control: a) Los basados en objetivos de relaciones públicas derivados de la evaluación inicial del rendimiento energético, b) los modelos matemáticos c) los basados en una referencia de relaciones públicas reciente del comportamiento empírico de la unidad de generación d) el mejor comportamiento comparando el grupo. (Véase la figura 2. Energías esperadas). Combinando estos productos producibles con su corrección o no con factores (como la degradación del módulo o la temperatura) podemos obtener varios escenarios. Evidentemente, los factores que desencadenan las condiciones de falta de disponibilidad serán de suma importancia y qué señales las controlarán (iniciando el cálculo de pérdidas correspondiente). Sin embargo, esto debe abordarse en un diagrama más complejo que no entrará en el ámbito de este artículo.

Categorización de pérdidas. Tras analizar la mayor parte de los requisitos y condiciones contractuales a los que se enfrentan nuestros clientes, en términos de categorización de las pérdidas, se puede concluir que sus necesidades podrían desglosarse en una simple clasificación por tipos. Esa categorización de las pérdidas podría basarse en las respuestas a las siguientes preguntas: a) ¿quién las pagará? b) ¿Podemos controlarlas? c) ¿en qué nivel de la cascada eléctrica se encuentran? d) ¿cuáles son sus causas probables? Por lo tanto, dependiendo de la jerarquía de ponderaciones de estas preguntas, comenzaremos el árbol troncal de clasificación.

Los estudios futuros incluirán ejemplos de categorizaciones utilizadas de casos reales. Al fin y al cabo, lo que cualquier cliente/gestor de activos puede desear es un reparto exhaustivo de las energías desde el principio (el sol llega por el colector) hasta el último contador total en el límite de la red, además de combinar la suma en cada nivel con la gama completa de posibles causas de pérdida en ese nivel. Sin embargo, por otro lado, una clasificación más sencilla garantiza un cálculo correcto y evita la redundancia en las partidas de pérdida calculadas (las pérdidas se contabilizan dos veces). Esto puede ocurrir cuando las señales y los algoritmos no están bien modelados en clasificaciones más complejas y exhaustivas. A lo largo de este estudio, se abordará solo un caso, en la zona entre la entrada de corriente continua del inversor y su salida de corriente alterna. Este suele ser el capítulo común de bajo rendimiento, falta de disponibilidad y pérdidas de regulación de los inversores.

‍

Caso de estimación de pérdidas

Veamos un ejemplo de estimación de pérdidas sin Soporte de sensorización. Ahora observamos un grupo de elementos, los inversores, cuyo rendimiento es necesario controlar.

Sensores específicos no rastrean este rendimiento, y ya hemos obtenido y dividido las pérdidas por regulación e falta de disponibilidad. Ahora podemos centrarnos únicamente en esta pérdida:

‍

‍

Esta pérdida de bajo rendimiento podría dividirse en diferentes partes: a) la baja eficiencia del grupo de inversores b) la ineficiencia de la hoja de datos o del fabricante c) los subrendimientos específicos detectables mediante señales (por ejemplo: reducción de temperatura, recorte, etc.) d) un bajo rendimiento anómalo individual con respecto al grupo.

‍

‍

Centrémonos nuevamente en la única pieza desconocida entre las diferentes piezas de inversores de bajo rendimiento. En particular, en la parte correspondiente al bajo rendimiento individual de un inversor, que lo diferencia del grupo cuyas pérdidas queremos estimar. Si denominamos Yk = YieldInverter_k a la energía del inversor normalizada (dividida por el valor máximo de potencia), las pérdidas de bajo rendimiento se pueden estimar como su desviación respecto al comportamiento del grupo (mediana o mejor individuo ponderado), independientemente de su tamaño:

‍

‍

De esta bolsa de ineficiencias inexplicables hay que deducir las pérdidas de otras personas ya rastreadas por señales (como se mencionó anteriormente, en la figura 5). Al medir las distancias con respecto al comportamiento del grupo de inversores, también podemos hablar de «aceleraciones», para detectar estas aceleraciones, crear ciertos eventos y, en función de ellas, pronosticar problemas futuros y posibles fallos. Todos estos métodos se pueden aplicar fácilmente a diferentes niveles eléctricos y funcionales de los elementos de una planta fotovoltaica. Los desafíos ambientales y el crecimiento de la demanda de energía hacen que las empresas eléctricas sigan estrategias ambiciosas para garantizar el funcionamiento óptimo y seguro de los sistemas de energía eléctrica, al tiempo que utilizan fuentes de energía renovables (K. Yurtseven, 2021). En este sentido, hay muchos estudios sobre algoritmos de detección de fallos sin sensores, que se han evaluado principalmente en términos de a) la capacidad de detección de fallos b) la independencia medioambiental c) la ausencia de software adicional d) una implementación clara e) la capacidad de diagnóstico de fallos f) la simplicidad operativa.

‍

Conclusiones

‍

Los indicadores fotovoltaicos clásicos siguen desempeñando un papel esencial en los ámbitos contractuales, a pesar de no ser tan útiles en contextos operativos o de carteras de múltiples plantas, contratos o tecnologías, sobre todo si no nos preocupamos lo suficiente por sus insumos alimentarios. La categorización de las pérdidas no es tan fácil de estandarizar, a menos que sea compleja o exhaustiva y, por lo tanto, conlleve riesgos de pérdida y redundancia. Tanto los indicadores fotovoltaicos clásicos como una categorización adecuada de las pérdidas configuran un entorno adecuado para el análisis obligatorio del rendimiento, que permite deducir dónde y cómo actuar para lograr la optimización de los activos fotovoltaicos. La detección de fallos sin sensores mediante la comparación de las personas de un grupo se está convirtiendo en un enfoque práctico para la estimación de pérdidas y la alerta temprana de fallos y la creación de eventos.

‍

Referencias

6174-1, I. T. (2017). Rendimiento del sistema fotovoltaico: monitorización. Comisión Electrotécnica Internacional, parte 1.

6174-2, I. T. (2016). Rendimiento del sistema fotovoltaico: método de evaluación de la capacidad. Comisión Electrotécnica Internacional, parte 2.

6174-3, I. T. (2016). Rendimiento del sistema fotovoltaico: método de evaluación energética. Comisión Electrotécnica Internacional, parte 3.

A. Chouder, S. S. (2010). Supervisión automática y detección de fallos de sistemas fotovoltaicos basada en el análisis de pérdidas de potencia. Conversión y gestión de la energía 51, 1929-1937.

A. Drews, y A. (2007). Monitorización y detección remota de fallos de sistemas fotovoltaicos conectados a la red a partir de observaciones satelitales. Energía solar 81, 548—564.

Europa, S. (2020). Perspectivas del mercado mundial de energía solar 2020-2024. Energía solar en Europa.

K. Yurtseven, E. K. (2021). Método de detección de fallos sin sensores para sistemas fotovoltaicos mediante el mapeo de las características inherentes del emplazamiento de la planta fotovoltaica: sencillo y práctico. Energía solar 216, 96—110.

Mellit, A. T. (2018). Métodos de detección y diagnóstico de fallos en sistemas fotovoltaicos: una revisión. Renovar. Sostenga. Energy Rev. 91, 1—17.

S. Silvestre, A. C. (2013). Detección automática de fallos en sistemas fotovoltaicos conectados a la red. Energía solar 94, 119—127.

S. K. Firth, K. L. (2010). Un modelo simple del rendimiento de un sistema fotovoltaico y su uso en la detección de fallas. Energía solar 84, 624—635.

W. Chine, A.M. (2014). Método de detección de fallos en plantas fotovoltaicas conectadas a la red. Energía renovable 66, 99-110.