Utveckling av prognosmodeller och –verktyg för snöpåverkan på solelproduktion via fjärrmätning

• Main Authors: van Noord, Michiel, Landelius, Tomas, Andersson, Sandra
• Format: Report
• Language: Swedish
• Published: RISE Research Institutes of Sweden, Energi och resurser 2021
• Subjects: solel; solceller; solcellsmodellering; snöförluster; snö; solenergi; satellitdata; väderprognosdata; Environmental Sciences; Miljövetenskap; Kiruna; Norway; Svåra; Norra Sverige; Northern Sweden
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:ri:diva-56632

Solcellsanläggningar installeras överallt i Sverige, från Kurland i söder till Kiruna i norr. Förhållandena mellan våra två landsändar är dock rätt stora. Detta projekt har undersökt hur snöfall påverkar elproduktionen från solceller, med fokus på Mellersta och Norra Sverige. Resultaten från drygt 260 anläggningar och upp till sex vintersäsonger visar att snöförluster är något att räkna med. Årliga förluster upp till 20% har konstaterats. I snitt förväntas de flesta anläggningar dock komma undan med årliga förluster under 10% och i många fall under 5%. Tydligt är att förlusterna blir större ju längre norrut och ju närmare fjällen solcellerna befinner sig. För att få en uppskattning på hur stora snöförlusterna kan vara där du befinner dig har ett gratis verktyg publicerats på snosolel.ri.se. Den stora utmaningen i projektet har varit att kunna studera så många anläggningar som möjligt, för att säkerställa att resultaten är relevanta. Därför har historisk produktionsdata för 263 anläggningar analyserats kombinerad med data för solinstrålning, snödjup och temperatur från vädermodeller och satelliter. Med all denna data har projektet lyckats modellera anläggningarnas prestanda över tid, inklusive sådant som skuggning, med relativt bra precision. Genom att jämföra de modellerna med uppmätt produktion under vintersäsongerna har snöförlusterna beräknats. I ett nästa steg jämfördes snöförlusterna för de studerade anläggningarna med två befintliga modeller för att uppskatta snöförluster. Problemet med dessa och liknande modeller har varit att de är svåra att verifiera mot många anläggningar och över stora geografiska områden. Metoden som utvecklades i detta projekt gör det möjligt att utföra verifieringar med befintliga data utan att behöva komplettera med extra mätningar på plats. Det visade sig att ingen av uppskattnings-modellerna var särskilt bra på att uppskatta snöförlusterna per månad, men att den ena gav rätt bra uppskattningar för årliga förluster. Denna modell, utvecklad av Marion m.fl. (2013), har implementerats i ett gratis online verktyg som uppskattar ungefärliga snöförluster för en solcellsanläggning på valfri plats i Sverige (och delar av Finland och Norge). Inledande försök pekar på att det finns potential att utveckla bättre uppskattningsmodeller för snöförluster. Det finns också goda förhoppningar att kunna förbättra precisionen i metoden för att modellera solcellsanläggningarna utifrån deras produktionsdata. Solar PV systems are installed throughout Sweden, from Kurland in the South to Kiruna in the North. Conditions differ considerably between these two ends of the country. This project has investigated the impact of snowfall on electricity production by PV, focusing mainly on Mid and Northern Sweden. Results for just over 260 installations and up to six winters indicate that snow losses should be counted with. Annual losses up to 20% have been observed. On average, most installations are expected to suffer from losses below 10%, in many cases even below 5%. A clear trend is that snow losses increase with latitude and with altitude. To obtain an estimate of annual snow losses for where you are, a free online tool has been published on snosolel.ri.se (Swedish only). This project’s main challenge has been to include as many PV systems as possible in the study, to assure statistically relevant results. Therefore historical production data for 263 installations has been analysed, together with solar irradiation, temperature and snow depth data from weather models and satellites. Using this combined data this project has been able to model system performance over time, including shading impacts etc., with decent precision. By comparing these models with measured production during winter, snow losses could be calculated. The next step was to compare snow loss results for these installations with snow loss estimates from two existing prediction models. A limitation of these and similar models has been the lack of verifications over a large number of sites and different geographic regions. The modelling approach developed in this project facilitates such verifications, avoiding the need for cumbersome on-site measurements. It was found that none of the two prediction models provided reasonable results for monthly losses, but one of them produced decent annual estimations. That model, developed by Marion et al. (2013), has been implemented in a free online tool for annual snow loss estimation for any site in Sweden (and parts of Finland and Norway). Initial attempts indicate a potential for improvements in prediction models for snow losses. There is also a number of opportunities for future work to try and improve the method for modelling of the studied PV installations from production data.