ricardo henrique motta · 2017. 12. 7. · ricardo henrique motta análise da inﬂuência de um...

Centro de Tecnologia e UrbanismoDepartamento de Engenharia Elétrica

Ricardo Henrique Motta

Análise da influência de um Ano TípicoMeteorológico na produção de energia de uma

usina fotovoltaica

Londrina

2017

Universidade Estadual de Londrina

Centro de Tecnologia e UrbanismoDepartamento de Engenharia Elétrica


Análise da influência de um Ano Típico Meteorológico naprodução de energia de uma usina fotovoltaica

Trabalho de Conclusão de Curso orientado pelo Prof. Dr. LeonimerFlávio de Melo intitulado “Análise da influência de um Ano TípicoMeteorológico na produção de energia de uma usina fotovoltaica” eapresentado à Universidade Estadual de Londrina, como parte dos requi-sitos necessários para a obtenção do Título de Bacharel em EngenhariaElétrica.

Orientador: Prof. Dr. Leonimer Flávio de Melo

Londrina

2017

Ficha Catalográfica

Ricardo Henrique MottaAnálise da influência de um Ano Típico Meteorológico na produção de energia deuma usina fotovoltaica - Londrina, 2017 - 84 p., 30 cm.Orientador: Prof. Dr. Leonimer Flávio de Melo1. Ano típico meteorológico. 2. TMY. 3. Sandia. 4. Klein. 5. Simulação. 6. Produçãode Energia.I. Universidade Estadual de Londrina. Curso de Engenharia Elétrica. II. Análise dainfluência de um Ano Típico Meteorológico na produção de energia de uma usinafotovoltaica.


Análise da influência de um Ano TípicoMeteorológico na produção de energia de uma

usina fotovoltaica

Trabalho de Conclusão de Curso apresentado ao Curso de En-genharia Elétrica da Universidade Estadual de Londrina, comorequisito parcial para a obtenção do título de Bacharel em Enge-nharia Elétrica.

Comissão Examinadora

Prof. Dr. Leonimer Flávio de MeloUniversidade Estadual de Londrina

Orientador

Prof. Dr. Carlos Henrique Gonçalvez TrevisoUniversidade Estadual de Londrina

Prof. Dra. Silvia Galvão de Souza CervantesUniversidade Estadual de Londrina

Londrina, 1 de março de 2017

Agradecimentos

Agradeço primeiramente à minha família, Pedro Motta, Rita Cecília Bossa Motta eRogério Emanuel Motta, por serem meu porto seguro durante todas as atribulações que o cursode engenharia me trouxe. Foram eles que mostraram o quanto o apoio é mais importante quequalquer tipo de cobrança.

É impossível não lembrar de agradecer também minha segunda família em Londrina,meus amigos de curso. Rafael Marcom, Diego de Freitas Marinho, Lucas da Silva Dias, LucasClaudino, Vanessa de Fátima Dias, Fernando Sbrogio, Suzana Carnielli do Prado e AugustoNery, obrigado por compartilharem comigo desses anos com mais momentos de alegria doque de tristeza. Com vocês a experiência da faculdade alcançou patamares que achava seremimpossíveis de alcançar. Agradeço também à minha namorada, Kendra Isabella Bonfim, poraguentar firme ao meu lado os momentos de dificuldade durante este trabalho. Com certeza suapaciência e seu amor foram muito importantes para chegar ao fim dessa jornada.

Agradecimentos especiais ao pessoal da empresa Fotovoltec, Werner Klaus, SirlenyKemmer e Gustavo Garcia, por toda prestatividade, ajuda e conhecimento cedidos em todas asfases deste trabalho. Ao meu orientador Leonimer Flávio de Melo por me acolher e orientarsempre que necessário.

Enfim, todos que participaram direta ou indiretamente antes ou durante este trabalho.Posso dizer, com certeza, que grande parte do conhecimento e da pessoa que sou hoje estáatrelado à tudo que passamos juntos. Mais uma vez, obrigado.

"A premência do tempo ajeita muitas coisas a seus desígnios, decidindo, por vezes,no momento mais grave, o que um processo interminável não pudera fazê-lo"

(William Shakespeare)

Ricardo Henrique Motta. 2017. 84 p. Trabalho de Conclusão de Curso em Engenharia Elétrica -Universidade Estadual de Londrina, Londrina.

ResumoEste trabalho abrange algumas fases do projeto de uma usina fotovoltaica, desde a medição evalidação de dados medidos em terra com o auxílio do software Matlab, passando pela calibraçãodos dados de satélite com os medidos, até chegar à simulação que é o principal foco de análise. Ageração de anos típicos meteorológicos (TMY) pelos métodos Klein e Sandia também é abordadae explicada com detalhes. Com auxílio do software PVsyst foi possível estudar as perdas queacontecem em uma usina e analisar do ponto de vista da produção de energia, qual método desimulação permite maior ganho.

Palavras-Chave: 1. Ano típico meteorológico. 2. TMY. 3. Sandia. 4. Klein. 5. Simulação. 6.Produção de Energia.

Analysis of the influence of a Typical Meteorological Year in energy production of a pho-tovoltaic plant. 2017. 84 p. Monograph in Engenharia Elétrica - Universidade Estadual deLondrina, Londrina.

AbstractThis work covers some phases of the design of a photovoltaic plant, from the measurement andvalidation of data measured on ground with the aid of Matlab software, through the calibration ofthe satellite data with the measured, until reach the simulation that is the main focus of analysis.The generation of typical meteorological years (TMY) by the methods Klein and Sandia is alsoaddressed and explained in detail. With the help of PVsyst software was possible to study thelosses that happen in a power plant and to analyze from the point of view of energy production,which simulation method allows greater gain.

Key-words: 1. Typical Meteorological Year. 2. TMY. 3. Sandia. 4. Klein. 5. Simulation. 6.Energy Production.

Lista de figuras

Figura 1 – Diagrama de desenvolvimento do trabalho. . . . . . . . . . . . . . . . . . . 4Figura 2 – Ilustração das componentes de irradiação solar. . . . . . . . . . . . . . . . . 10Figura 3 – Sensores na estação de Petrolina. . . . . . . . . . . . . . . . . . . . . . . . 11Figura 4 – Exemplo de montagem de um ano típico meteorológico. . . . . . . . . . . . 12Figura 5 – Perdas por mismatch estático. . . . . . . . . . . . . . . . . . . . . . . . . . 22Figura 6 – Valores brutos vs valores tratados de irradiância global - São Luiz. . . . . . 25Figura 7 – Valores brutos vs valores tratados de irradiância global - Petrolina. . . . . . 26Figura 8 – Valores brutos vs valores tratados de irradiância difusa - São Luiz. . . . . . 27Figura 9 – Valores brutos vs valores tratados de irradiância difusa - Petrolina. . . . . . 28Figura 10 – Relação Kd vs Kt - São Luiz. . . . . . . . . . . . . . . . . . . . . . . . . . 30Figura 11 – Relação Kd vs Kt - Petrolina. . . . . . . . . . . . . . . . . . . . . . . . . . 31Figura 12 – Teste T2C - São Luiz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32Figura 13 – Teste T2C - Petrolina. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33Figura 14 – Valores brutos vs valores tratados de temperatura - São Luiz. . . . . . . . . 34Figura 15 – Variação temporal dos dados brutos de temperatura - São Luiz. . . . . . . . 35Figura 16 – Valores brutos vs valores tratados de temperatura - Petrolina. . . . . . . . . 36Figura 17 – Variação temporal dos dados brutos de temperatura - Petrolina. . . . . . . . 37Figura 18 – Resultados da análise de plausibilidade dos dados - São Luiz. . . . . . . . . 38Figura 19 – Resultados da análise de plausibilidade dos dados - Petrolina. . . . . . . . . 40Figura 20 – Comparação dados filtrados vs dados de satélite sem calibração - São Luiz. . 42Figura 21 – Comparação dados filtrados vs dados de satélite com calibração - São Luiz. . 43Figura 22 – Comparação dados filtrados vs dados de satélite sem calibração - Petrolina. . 44Figura 23 – Comparação dados filtrados vs dados de satélite com calibração - Petrolina. . 45Figura 24 – Comparação mensal - Método Klein - São Luiz. . . . . . . . . . . . . . . . 47Figura 25 – Comparação anual - Método Klein - São Luiz. . . . . . . . . . . . . . . . . 49Figura 26 – Comparação mensal - Método Klein - Petrolina. . . . . . . . . . . . . . . . 50Figura 27 – Comparação anual - Método Klein - Petrolina. . . . . . . . . . . . . . . . . 51Figura 28 – Comparação mensal - Método Sandia - São Luiz. . . . . . . . . . . . . . . 52Figura 29 – Comparação anual - Método Sandia - São Luiz. . . . . . . . . . . . . . . . 53Figura 30 – Comparação mensal - Método Sandia - Petrolina. . . . . . . . . . . . . . . 54Figura 31 – Comparação anual - Método Sandia - Petrolina. . . . . . . . . . . . . . . . 55Figura 32 – Comparação dos valores mensais - São Luiz. . . . . . . . . . . . . . . . . . 56Figura 33 – Comparação dos valores mensais - Petrolina. . . . . . . . . . . . . . . . . . 57Figura 34 – Erro indicado pelo PVsyst nas simulações- Petrolina. . . . . . . . . . . . . 64

Lista de tabelas

Tabela 1 – Valores de albedo de diferentes superfícies. . . . . . . . . . . . . . . . . . . 18Tabela 2 – Dados flash report mismatch. . . . . . . . . . . . . . . . . . . . . . . . . . 21Tabela 3 – Estatística dos dados brutos - São Luiz. . . . . . . . . . . . . . . . . . . . . 37Tabela 4 – Resumo de qualidade dos dados tratados - São Luiz. . . . . . . . . . . . . . 38Tabela 5 – Estatística dos dados brutos - Petrolina. . . . . . . . . . . . . . . . . . . . . 39Tabela 6 – Resumo de qualidade dos dados tratados - Petrolina. . . . . . . . . . . . . . 39Tabela 7 – Valores mensais IGH - Método Klein - São Luiz. . . . . . . . . . . . . . . . 48Tabela 8 – Valores mensais IGH - Método Klein - Petrolina. . . . . . . . . . . . . . . 50Tabela 9 – Valores mensais IGH - Método Sandia - São Luiz. . . . . . . . . . . . . . . 53Tabela 10 – Valores mensais IGH - Método Sandia - Petrolina. . . . . . . . . . . . . . . 54Tabela 11 – Características técnicas do módulo fotovoltaico. . . . . . . . . . . . . . . . 60Tabela 12 – Características técnicas do inversor. . . . . . . . . . . . . . . . . . . . . . . 60Tabela 13 – Características da subestação unitária. . . . . . . . . . . . . . . . . . . . . 61Tabela 14 – Características da usina fotovoltaica. . . . . . . . . . . . . . . . . . . . . . 62Tabela 15 – Perdas consideradas no cálculo da produção de energia. . . . . . . . . . . . 62Tabela 16 – Resumo - Plurianualidade - Petrolina. . . . . . . . . . . . . . . . . . . . . . 65Tabela 17 – Diagrama de perdas - TMY Klein - Petrolina . . . . . . . . . . . . . . . . . 66Tabela 18 – Resumo - Método Klein - Petrolina. . . . . . . . . . . . . . . . . . . . . . 66Tabela 19 – Diagrama de perdas - TMY Sandia - Petrolina . . . . . . . . . . . . . . . . 67Tabela 20 – Resumo - Método Sandia - Petrolina. . . . . . . . . . . . . . . . . . . . . . 67Tabela 21 – Diagrama de perdas - Ano 2005 - Petrolina . . . . . . . . . . . . . . . . . . 74Tabela 22 – Diagrama de perdas - Ano 2006 - Petrolina . . . . . . . . . . . . . . . . . . 75Tabela 23 – Diagrama de perdas - Ano 2007 - Petrolina . . . . . . . . . . . . . . . . . . 76Tabela 24 – Diagrama de perdas - Ano 2008 - Petrolina . . . . . . . . . . . . . . . . . . 77Tabela 25 – Diagrama de perdas - Ano 2009 - Petrolina . . . . . . . . . . . . . . . . . . 78Tabela 26 – Diagrama de perdas - Ano 2010 - Petrolina . . . . . . . . . . . . . . . . . . 79Tabela 27 – Diagrama de perdas - Ano 2011 - Petrolina . . . . . . . . . . . . . . . . . . 80Tabela 28 – Diagrama de perdas - Ano 2012 - Petrolina . . . . . . . . . . . . . . . . . . 81Tabela 29 – Diagrama de perdas - Ano 2013 - Petrolina . . . . . . . . . . . . . . . . . . 82Tabela 30 – Diagrama de perdas - Ano 2014 - Petrolina . . . . . . . . . . . . . . . . . . 83Tabela 31 – Diagrama de perdas - Ano 2015 - Petrolina . . . . . . . . . . . . . . . . . . 84

Lista de abreviaturas e siglas

TMY - Ano Típico Metereológico

SONDA - Sistema de Organização Nacional de Dados Ambientais

WMO - Organização Mundial de Meoteorologia

CC - Corrente Contínua

CA - Corrente alternada

Wp - Watt-pico

IGH - Irradiância Global Horizontal

IDH - Irradiância Difusa Horizontal

IDN - Irradiância Direta Normal

SRTM - Shuttle Radar Topography Mission

SEVIRI - Spinning Enhanced Visible and InfraRed Imager

BSRN - Baseline Surface Radiation Network

INPE - Instituto Nacional de Pesquisas Espaciais

INMET - Instituto Nacional de Metereologia

MSG - Meteosat Second Generation

TOA - Top of atmosphere

MPPT - Maximum power point tracking

STC - Standard test conditions

IGI - Irradiância/irradiação global inclinada

LID - Light Induced Degradation

AM - Air Mass

T2C - Teste de duas componentes

GHI - Global Horizontal Irradiance (IGH)

DHI - Diffuse Horizontal Irradiance (IDH)

Kd - Fração difusa

Kt - Índice de claridade

AZS - Ângulo zenital solar

MBE - Erro relativo médio

NDATA - Número de dados

MREF - Média de referência

STDE - Desvio padrão

RMSE - raiz quadrada do erro médio quadrático

ANEEL - Agência Nacional de Energia Elétrica

EPE - Empresa de Pesquisa Energética

Sumário

Lista de figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvLista de tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xviLista de siglas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvi

1 INTRODUÇÃO GERAL . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.1 Motivação e Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2 Especificações do estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.3 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61.4 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61.5 Descrição dos capítulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 REVISÃO DE LITERATURA . . . . . . . . . . . . . . . . . . . . . . . . 92.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.2 Fotovoltaico na matriz energética brasileira . . . . . . . . . . . . . . . . 92.3 Irradiância e Irradiação solar . . . . . . . . . . . . . . . . . . . . . . . . 92.4 Ano Típico Meteorológico (TMY) . . . . . . . . . . . . . . . . . . . . . . 112.4.1 Método Klein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.4.2 Método Sandia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.5 Dados HelioClim-3v5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.6 Calibração dos dados de satélite . . . . . . . . . . . . . . . . . . . . . . . 152.7 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3 METODOLOGIA DE ANÁLISE DA PRODUÇÃO DE ENERGIA . . . 173.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.2 Software PVsyst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.2.1 Análise de efeitos de sombreamento e albedo . . . . . . . . . . . . . . . . 173.2.1.1 Albedo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.2.2 Fatores de perdas considerados pelo software . . . . . . . . . . . . . . . 183.2.2.1 Perdas por sombreamento externo - horizonte . . . . . . . . . . . . . . . . . 19

3.2.2.2 Perdas por sombreamento interno - entre fileiras e objetos distantes . . . . . . 19

3.2.2.3 Perdas angulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.2.2.4 Perdas por sujeira . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.2.2.5 Perdas por nível de irradiância . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.2.2.6 Perdas por temperatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.2.2.7 Perdas elétricas pelo sombreamento . . . . . . . . . . . . . . . . . . . . . . 20

3.2.2.8 Perdas pela qualidade dos módulos . . . . . . . . . . . . . . . . . . . . . . . 20

3.2.2.9 Perdas por LID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.2.2.10 Perdas espectrais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.2.2.11 Perdas por incompatibilidade elétrica (mismatch) . . . . . . . . . . . . . . . 21

3.2.2.12 Perdas ôhmicas no sistema de distribuição CC . . . . . . . . . . . . . . . . . 22

3.2.2.13 Perdas pela eficiência do inversor e controle de potência máxima (MPPT) . . . 22

3.3 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4 ANÁLISE DE PLAUSIBILIDADE DOS DADOS SOLARIMÉTRICOS 234.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234.2 Critérios de Filtragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234.3 Dados brutos vs Dados Filtrados . . . . . . . . . . . . . . . . . . . . . . 254.3.1 Irradiância Global Horizontal . . . . . . . . . . . . . . . . . . . . . . . . 254.3.1.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

4.3.1.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

4.3.2 Irradiância Difusa Horizontal . . . . . . . . . . . . . . . . . . . . . . . . 264.3.2.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27


4.3.3 Kd vs. Kt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284.3.3.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30


4.3.4 Teste de duas componentes (T2C) . . . . . . . . . . . . . . . . . . . . . . 324.3.4.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32


4.3.5 Temperatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344.3.5.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34


4.4 Visão geral dos dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374.4.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374.4.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394.5 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5 CALIBRAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415.2 Aplicação da calibração . . . . . . . . . . . . . . . . . . . . . . . . . . . 425.2.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425.2.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445.3 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

6 GERAÇÃO DO TMY . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

SUMÁRIO 1

6.2 Método Klein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476.2.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476.2.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 506.3 Método Sandia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 516.3.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526.3.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 546.4 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

7 SIMULAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597.2 Definição de parâmetros padrões para a simulação . . . . . . . . . . . . 597.3 Resultados das simulações . . . . . . . . . . . . . . . . . . . . . . . . . . 627.3.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 637.3.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 657.3.2.1 Plurianualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

7.3.2.2 Método Klein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

7.3.2.3 Método Sandia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

7.4 Análise e Conclusão dos Resultados . . . . . . . . . . . . . . . . . . . . . 687.4.1 Estação 1 - São Luiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 687.4.2 Estação 2 - Petrolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

8 CONCLUSÃO GERAL . . . . . . . . . . . . . . . . . . . . . . . . . . . 698.1 Sugestões para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . 69

REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

APÊNDICES 73

APÊNDICE A – DIAGRAMAS DE PERDAS PARA OS ANOS DE 2005A 2015 - ESTAÇÃO PETROLINA . . . . . . . . . . . 74

1 Introdução Geral

1.1 Motivação e Justificativa

Toda e qualquer construção que envolva capital privado e/ou estatal deve ter como focona análise de investimento estudos que garantam o lucro esperado de tal empreendimento. Olucro é, no sentido denotativo, qualquer tipo de vantagem ou benefício que se pode tirar dealguma coisa, mas quando o assunto é energia elétrica entra-se em algumas discussões que nãodependem apenas do capital de investimento ou valorização do mercado.

No caso da construção de uma usina, por exemplo, deve-se ter em mente qual a melhorforma de geração da energia e isto pode depender desde fatores climáticos ligados ao local deconstrução como também do estudo de degradação que o empreendimento pode trazer paranatureza. Observando mais especificamente esse segundo tópico, entra-se no conceito de energiarenovável que é a energia gerada a partir de recursos que a natureza tem capacidade de reabastecernaturalmente. Entre os diversos recursos oferecidos dessa forma pode-se citar a irradiação solar,o vento e as marés. Atualmente, alguns recursos dos quais a energia é gerada não são renováveis,ou seja, existem em quantidade limitada na natureza, como por exemplo petróleo, urânio ecarvão.

Este é um dos motivos para que os estudos sobre fontes renováveis venham se desenvol-vendo tanto nos últimos anos. Os estudos estão sempre diretamente ligados às análises citadasanteriormente dos fatores climáticos no local do empreendimento. Uma usina que depende dairradiação solar (fotovoltaica), por exemplo, pode ter sua produção de energia variando comperíodos de maior quantidade de precipitação ou até mesmo conforme a temperatura do local.Sabe-se que estes fatores são uma influência direta das estações do ano.

Sendo assim, qualquer investimento em usinas fotovoltaicas deve ter um embasamentodiretamente atrelado à meteorologia do local e o seu comportamento durante o ano. Porémtambém é necessário entender que existem anos mais quentes e mais frios, anos em que há maisprecipitação do que em outros. Por isso tornou-se necessário que esta análise fosse baseada nocomportamento de vários anos e para se ter uma noção deste comportamento é necessário quehajam medições das variáveis que influenciam no possível empreendimento. Quando se trata deenergia fotovoltaica, a principal variável que deve ser estudada é a irradiação solar.

A análise da plurianualidade de medições se torna um pouco complexa e até mesmoextensa. Por isso surgiram estudos sobre como melhorar essa análise, tornando-a mais rápida eao mesmo tempo tão eficiente quanto a primeira. Foi neste momento que nasceram os chamadosanos típicos meteorológicos, anos construídos a partir das medições de variáveis meteorológicasque tem como principal objetivo demonstrar o comportamento plurianual através de apenas um

4 Capítulo 1. Introdução Geral

ano, tornando análises mais rápidas como desejado.

1.2 Especificações do estudo

Partindo de medições em solo feitas por estações solarimétricas com sensores devida-mente calibrados e que passam por manutenção regularmente. As estações ficam expostas aotempo e a qualquer tipo de interferência climática. Essas medições passam por alguns critériosde checagem da qualidade dos dados que vão garantir a boa correspondência entre o medido e oesperado do clima de determinado local no globo terrestre. Isto é feito antes da calibração dosdados de satélite e da geração do ano típico meteorológico. A Figura 1 apresenta um diagramaque demonstra as fases deste trabalho, desde o seu ponto de partida até a análise final dosresultados.

Figura 1 – Diagrama de desenvolvimento do trabalho.

FONTE: Autor.

Vários métodos de geração deste ano típico foram desenvolvidos, neste trabalho serãotratados apenas dois métodos com características bem distintas. O método Klein que tem comoprincipal característica a escolha de um ano mais próximo da média e o método Sandia(WILCOX;MARION, 2008), que toma-se como o estado da arte utilizado na geração de TMY por empresas

1.2. Especificações do estudo 5

do mundo todo e utiliza análise estatística das distâncias de Finkelstein-Schafer.(GAZELA;MATHIOULAKIS, 2001)

Para fins de comparação serão traçadas simulações da produção anual de energia elétricapara os 3 métodos: plurianualidade de medições, método Klein e método Sandia. Como ditoanteriormente essas análises estão diretamente ligadas ao local de medição, por isso tomou-se2 locais diferentes cuja as variáveis solarimétricas em questão foram medidas e abertas aopúblico através do projeto SONDA (Sistema de Organização Nacional de Dados Ambientais).Estas variáveis passarão por testes de qualidade feitos conforme especificações da OrganizaçãoMundial de Meteorologia (WMO).

Feitos os testes de qualidade, o próximo passo é a calibração dos dados de satélite comas medições da estação em terra. Faz-se necessário este tipo de calibração antes da geração deum TMY por conta de uma possível falta nos dados da estação solarimétrica e também por contada grande confiabilidade dos dados de satélite quando correlacionados de forma correta comvariáveis medidas em solo. A base de dados utilizada é HelioClim-3v5, disponibilizada através doSoDa Service, uma base de dados criada em conjunto pelas escolas MINES ParisTech e Armines

da França. Esta base de dados cobre uma área que vai de −66° a 66°, tanto para longitude comopara latitude.(SODA-PRO.COM, )

Com uma série anual bem correlacionada é possível traçar anos típicos que traduzambem o comportamento da irradiação para os locais desejados. A simulação é feita então nosoftware PVsyst que traz a possibilidade de simular a produção de energia de empreendimentosfotovoltaicos a partir de séries temporais de longo prazo ou de TMYs. Para isso se faz necessárioa utilização de uma planta básica como padrão para os dois locais de empreendimento, definindotambém seus materiais utilizados como padrão. Com todos esses fatores pode-se escolher entãoum melhor inversor para o empreendimento, levando em conta para essa escolha que não hajaperda e nem superestimação da potência produzida pelas células fotovoltaicas, observandotambém a relação CC/CA que se encaixa melhor.

Toda a parte de especificações da usina para a simulação utilizará equipamentos reais quetêm sido vistos como o supra sumo da tecnologia disponível atualmente no mercado brasileiro.As características dos equipamentos também são todas retiradas do datasheet disponibilizadopelo fabricante.

No software de simulação será possível chegar a um cálculo das perdas da usina e dasua produção estimada de energia. Este valor sob análise irá indicar qual dos métodos é maisrentável em termos de capacidade de geração da usina.

6 Capítulo 1. Introdução Geral

1.3 Objetivo Geral

O objetivo deste trabalho é fazer a análise da influência que simulações feitas a partirde anos típicos meteorológicos ou de séries de longo prazo podem trazer para a capacidade degeração de um empreendimento fotovoltaico em dois locais brasileiros onde há a medição devariáveis solarimétricas em solo.

1.4 Metodologia

O auxílio do software Matlab foi de suma importância durante todo o trabalho. A leiturados dados brutos, que foram dispostos em planilhas com valores separados por virgula (extensão".csv"), foi feita e os dados dispostos em matrizes divididas por horas (linhas) e dias (colunas)conforme disposição temporal dos dados brutos. A filtragem dos dados problemáticos é feitaatravés de um script específico que analisa conforme orientações da WMO as variáveis. Paraexposição dos resultados da filtragem dos dados são gerados vários tipos de figuras, como porexemplo: mapas de calor, gráficos de dispersão e plotagens temporais simples. O acesso remotoaos dados de satélite do banco SoDa é feito diretamente do Matlab através de um programa desolicitação automática disponibilizado pelo próprio banco de dados. A calibração pelas fórmulasque serão descritas no item 2.6 são inseridas e aplicadas aos dados em ordem temporal demedições, além disso toda fase de análise estatística dos dados também é feita dentro do códigono Matlab para que sejam colocados os valores junto às imagens. O ano típico meteorológico égerado a partir de dois métodos, ambos seguem os passos da seção 2.4 e as funções disponíveisno software matemático auxiliam muito nesta parte do trabalho. A facilidade da linguagem deprogramação e a infinidade de funções oferecidas foram os principais motivos para a escolhadeste software no auxílio deste trabalho.

Já para as simulações, o software utilizado foi o PVsyst. Este programa foi escolhidopor ser um dos mais difundidos dentre empresas no mundo todo para simulação de usinas. Seuscálculos de perdas são parcialmente abertos no manual de ajuda, por isso são discutidos apenassuperficialmente na seção 3. A discussão mais a fundo de cada um dos critérios adotados deperdas tornaria o trabalho muito mais longo, assim todos os valores utilizados para simulação sãoadotados como premissas para se chegar à um resultado de simulação. O próprio software comosaída gera um relatório com informações fornecidas na entrada da simulação e também comoutras saídas, como por exemplo, a decomposição mensal de várias componentes de irradiânciausadas para cálculos e também um diagrama de perdas onde expõe os resultados de cada umadas perdas consideradas pelo software.

1.5. Descrição dos capítulos 7

1.5 Descrição dos capítulos

Em uma introdução sucinta são apresentadas as motivações para execução da análisedesse tema, além de especificações do estudo desenvolvido e da metodologia utilizada em cadafase do trabalho.

No segundo capítulo são apresentados conceitos importantes para melhor entendimentodesse trabalho, descrições dos bancos de dados, descrições dos métodos utilizados para geraçãodo TMY e para calibração dos dados de satélite com os medidos em terra e filtrados. Descriçõesdo software de simulação e características dos cálculos de perdas feitos internamente sãoapresentadas no capítulo 3 para que fique claro a metodologia de análise da produção de energia.

A partir do quarto capítulo são apresentadas as fases do trabalho. Primeiramente sãodiscutidos os dados medidos pela estação com apresentação do resultado e estatísticas da filtragemdos dados em cada um dos filtros utilizados. Com os dados filtrados em mãos, pode ser feita acalibração. Este é o foco do capítulo 5, que apresenta os resultados da calibração para as duasestações. Feita a calibração dos dados, pode-se gerar o TMY. No sexto capítulo são expostos osresultados do ano típico meteorológico tanto do método Klein como do método Sandia para cadauma das estações.

O sétimo capítulo se divide em duas partes, primeiramente apresentação dos resultadosdas simulações para cada um dos métodos e depois a análise desses resultados. Com a análisedas simulações é possível chegar às devidas conclusões, que são expostas no capítulo 8.

Desde o segundo capítulo até o sétimo, tem-se seções de introdução e conclusão parafacilitar o entendimento do ponto de partida e a que ponto do trabalho se chegou com o desenvol-vimento do capítulo.

No apêndice são apresentados detalhadamente cada um dos diagramas de perdas dométodo plurianual de simulação.

9

2 Revisão de Literatura

2.1 Introdução

Neste capítulo serão apresentados conceitos importantes para o melhor entendimentodeste trabalho. Partindo da matriz energética brasileira para visualizar o peso da energia fotovol-taica para os brasileiros. Conceitos de irradiância e seus tipos de componentes também vão serexplicados, assim como cada método de geração do TMY e de calibração dos dados de satélitecom os dados filtrados.

2.2 Fotovoltaico na matriz energética brasileira

Em 2015, o Ministério de Minas e Energias afirmou que as energias renováveis corres-pondem a 42% de toda a matriz energética brasileira.(PORTAL-BRASIL, )

Quando o assunto é apenas a geração de energia elétrica, as fontes renováveis aumentamainda mais a sua importância, chegando a 84% da energia elétrica gerada no país. Destes, ashidrelétricas ainda tem a maior parte na geração, porém as outras fontes vêm crescendo e chegamem 2015 a 16% de toda energia elétrica brasileira.

Investimentos do governo federal na área garantem o aumento do uso das energiasrenováveis, estima-se que de 2003 a 2015 o investimento tenha sido de 97 bilhões de reais emfinanciamentos de 285 iniciativas. O fotovoltaico vem garimpando um espaço dentro da matrizenergética brasileira, em agosto de 2015 o Brasil teve seu primeiro Leilão de Energia de Reservacom projetos fotovoltaicos. Neste leilão foram contratados mais de 1 GWp de potência em 30projetos diferentes.(PORTAL-BRASIL, )

A energia fotovoltaica não é usada somente em usinas, mas também na área residencialcomo microgeração. A EPE estima que até 2050, 13% das residências no Brasil tenham seuabastecimento de energia feito por placas fotovoltaicas.

2.3 Irradiância e Irradiação solar

A irradiância solar é a densidade de potência (W/m2) que atinge uma determinadasuperfície. Já a irradiação solar é a integração da irradiância nessa superfície durante uma hora(Wh/m2). Dependendo do tipo de incidência e da superfície de medição no sensor, pode-seclassificar as componentes de irradiância da seguinte maneira:(DUFFIE; BECKMAN, 2013)

• Irradiância Global Horizontal (IGH): Toda a irradiância que atinge a superfície terrestre;

10 Capítulo 2. Revisão de Literatura

• Irradiância Direta Normal (IDN): Irradiância recebida por um sensor normal ao ângulo deincidência solar;

• Irradiância Difusa Horizontal (IDH): Irradiância recebida por refração ou reflexão, tantode objetos próximos ao sensor quanto da própria atmosfera terrestre. Ou seja, irradiânciarecebida de forma indireta pelo sensor de medição.

Portanto há uma relação entre as 3 irradiâncias, que pode ser simplificada através da equação1.(DUFFIE; BECKMAN, 2013)

IGH = IDH + IDN · cos(AZS), (1)

onde AZS é o ângulo zenital solar, que varia conforme o movimento diário solar. AFigura 2 ilustra melhor a explicação.

Figura 2 – Ilustração das componentes de irradiação solar.

FONTE: esri.com.

O piranômetro é o sensor que faz a medição da irradiância difusa e global, com adiferença de que o para a componente difusa ele deve ser acompanhado de uma esfera ou anelde sombreamento que segue a trajetória solar. Assim a componente direta normal não atinge asuperfície do sensor. Para DNI o sensor utilizado é pireliômetro, um sensor pontual que deveter um algoritmo de seguimento da trajetória solar bem feito conforme o local da estação. A

2.4. Ano Típico Meteorológico (TMY) 11

irradiância direta deve ser medida por um sensor que fique sempre normal à inclinação solar. AFigura 3 mostra a estação de medição de Petrolina e os sensores de cada componente.

Figura 3 – Sensores na estação de Petrolina.

FONTE: INPE (modificado pelo autor).

2.4 Ano Típico Meteorológico (TMY)

Durante um ano as variáveis meteorológicas não se comportam de forma linear ou deforma média. Normalmente elas variam conforme as estações do ano, frentes frias, fenômenosclimáticos ou outros tipos de interferências de caráter meteorológico. Sendo assim deve-se preveresses tipos de variações para que se tenha uma boa perspectiva de como vai ser o comportamentodas variáveis em um futuro empreendimento, por exemplo. Por isso se constrói um TMY baseadono máximo de tempo possível de medições para o local determinado. Assim é possível prevermelhor o comportamento das variáveis durante um ano. Para o caso de uma usina fotovoltaicaas mudanças características do local durante o período de funcionamento são extremamenteimportantes. Com um TMY feito da melhor forma pode-se ter precisão na estimativa da produçãode energia do local. Existem vários métodos para predileção de um ano típico, mas dentre todosescolheu-se para esse trabalho apenas dois: método Klein e o método Sandia.

Esses métodos basicamente usam meses que se comportam conforme o tipo de avaliaçãodesejada para montar um ano típico. Encaixando-se os 12 meses de diferentes anos se tem um


ano construído que deve traduzir bem como as variáveis sofrem mudanças durante o tempo demedição.

A Figura 4 a seguir ilustra melhor como funciona a escolha do ano na base de dados paracompor o TMY.

Figura 4 – Exemplo de montagem de um ano típico meteorológico.

FONTE: soda-is.com.

2.4.1 Método Klein

Proposto por Klein et al em 1977 consiste na escolha de um mês típico para cada mêsdo ano a partir da base de dados que foi usada para se construir o TMY. Sendo assim, deve-sefazer a soma absoluta da diferença entre a média horária a longo prazo e a média horária paracada mês. Por exemplo, para janeiro, se faz a média horária a longo prazo (todos os janeiros) eseparadamente se faz a média horária para cada janeiro da base de dados disponível. Neste caso,o mês de janeiro que vai ser escolhido como mês típico deve ser o janeiro com a menor somaabsoluta da diferença entre as médias horárias. E assim sucessivamente para os outros meses doano, até que se tenha um ano típico baseado em meses típicos retirados sozinhos de qualquer anoda base de dados.

A equação 2 descreve matematicamente o método.

Km,y =∑|LPm − CP y,m|, (2)

onde LPm é a média de longo prazo do mês específico, CP y,m é a média a curto prazo de ummês específico para o ano em questão e Km,y seria o resultado da soma absoluta para cada mês ecada ano especificamente.

2.5. Dados HelioClim-3v5 13

O mês a ser escolhido para montagem do TMY deve ter a menor soma absoluta dadiferença entre a média horária a longo prazo e a média horária de curto prazo, ou seja, parajaneiro tem-se: minimo(K1,y); para fevereiro: minimo(K2,y); e assim por diante até dezembro:minimo(K12,y). Com y variando por todos os anos disponíveis na série de longo prazo.

2.4.2 Método Sandia

Esse método foi modificado a partir da construção de um TMY3 do método San-dia(WILCOX; MARION, 2008) . Isto porque para a construção deste tipo de TMY são usados15 anos de dados e é considerado um ano como tendo 365 dias e 6 horas. Neste trabalho sãodesconsiderados dias 29 de fevereiro de anos bissextos, portanto um TMY tem exatamente 365dias. O intervalo utilizado é de 12 anos por ser o período de tempo em que se tem valores nabase de dados de satélite HelioClim-3v5 correlacionada e calibrada.

O primeiro passo deste método é a seleção de 5 meses, com as menores distâncias esta-tísticas de Finkelstein-Schafer entre as funções de distribuição cumulativa das irradiâncias IGHde longo prazo e de curto prazo. A equação 3 descreve matematicamente o método.(GAZELA;MATHIOULAKIS, 2001)

FSi,j =1

n

∑|CDF i

LP − CDFi,jCP |, (3)

onde: CDF iLP é a função de distribuição cumulativa de longo prazo para o mês i, CDF i,j

CP éa função de distribuição cumulativa de curto prazo para cada mês i de cada ano j e FSi,j é adistância de Finkelstein-Schafer para cada mês i de cada ano j.

O segundo passo consiste em rankear os 5 meses selecionados de acordo com a suaproximidade das médias e das medianas mensais de longo prazo.

Já no terceiro passo, é feita a análise de frequência dos dados de irradiação dos 5 mesesselecionados. Aqui são excluídos os meses rankeados com o maior e menor número total dedados abaixo do 33º percentil (P-33) na base diária.

O quarto e último passo consiste na escolha do melhor mês que continua rankeadoapós as exclusões do terceiro passo e a montagem do ano típico a partir da junção dos mesesselecionados.

Para as demais variáveis climáticas (temperatura) usa-se os mesmos meses para garantira consistência entre os dados de irradiação e demais variáveis. Além do que o foco de qualquerusina fotovoltaica deve ser a irradiação.

2.5 Dados HelioClim-3v5

O banco de dados de irradiação solar na superfície terrestre HelioClim-3v5, é baseadoem estimativas de irradiação em solo, usando as imagens Meteosat de Segunda Geração. Foi


desenvolvido pelo Centro de Observação, Impactos e Energia da Universidade Francesa deEngenheiros MINES ParisTech e ARMINES. As principais características dos dados são:

• Área de cobertura: -66°a 66°em latitude e longitude;

• Período de dados: Desde 01 de Fevereiro de 2004 até 2 dias atrás;

• Resolução espacial: dependente do ângulo em que a terra é vista, para o Brasil tipicamente4,5 km x 5 km;

• Resolução temporal: 15 minutos;

• Dados disponíveis: IGH, IDH, IDN entre outros;

• Correção por altitude mais atual (SRTM), com resolução de aproximadamente 90x90 m2

e 10 metros de precisão;

• Correção por horizonte para cada ponto usando também o SRTM;

• Uso do método de Ruiz-Arias 2009 para a decomposição de IGH em IDH e IDN;

• Banco de dados McClear para a turbidez (melhor resolução espacial e temporal);

Desde 2004, o modelo de transferência HelioSat-2 é aplicado às imagens SEVIRI doMeteosat de segunda geração. E foi usado para atualizar, em uma base diária, o banco de dadosdo recurso solar HelioClim-3. Os dados Meteosat são recebidos da Eumetsat, e processadasquase em tempo real. Esta base de dados tem resolução espacial de aproximadamente 5 km etemporal de 15 minutos.(RIGOLLIER; LEFEVRE; WALD, 2004)

Sintetizando, o modelo de transferência HelioSat-2 trabalha com imagens no espectrovisível: quanto mais branco o pixel, maior a nebulosidade. Para calcular a razão de nuvens, paracada pixel da imagem Meteosat, o pixel em condições de céu limpo é comparado com o pixelem condições de céu atual. Com base na nebulosidade calcula-se a redução da irradiação emsolo.(BEYER; COSTANZO; HEINEMANN, 1996; CANO et al., 1986)

Os valores horários de IGH e IDN do banco de dados HC3v5 foram comparados com 29estações terrestres da REDE BSRN na Europa, África e América Latina, considerando-se ânguloszenitais inferiores a 78°(equivalente a um ângulo de elevação superior a 12°). Os resultadosobtidos dessa validação, baseados nas somas mensais dos valores horários de irradiação, indicamuma correlação excelente entre os valores medidos em solo e da base HC3v5. O fator decorrelação médio é de 0,997. O percentil 80 do bias de todas estações avaliadas é de 3,94%,quer dizer que para 80% das estações a base de dados HC3v5 possui um bias inferior 3,94%.Para dados meteorológicos é a convenção de interpretar este valor como incerteza padrão (comintervalo de confiança de 80%).(SODA-PRO.COM/VALIDATION, )

2.6. Calibração dos dados de satélite 15

Para a parte leste do Brasil, abrangida pelas imagens MSG (i.e. leste de -66°, leste doEstado do Acre), foram comparados os dados IGH de HelioCim-3v5 com os registros solari-métricos de 44 estações terrestres do BSRN (2), INPE-SONDA (11) selecionados e do INMET(31) . Estas estações foram selecionadas seguindo critérios de cobertura espacial e qualidade deequipamento instalado. A qualidade de todos os dados foi analisada, e dados suspeitos excluídos.Para o exemplo da estação solarimétrica BSRN-SONDA de Brasília, verificou-se que mesmopara dados de alta resolução temporal (1 minuto), a correlação entre os dados HC3v5 e dadosmedidos em solo é excelente. O coeficiente de correlação é de 0,996 com erro médio de somente2,9%.(SODA-PRO.COM/VALIDATION, )

2.6 Calibração dos dados de satélite

A calibração é feita utilizando uma regressão através da série de Fourier de primeiraordem (VERNAY; BLANC; PITAVAL, 2013). Para esse tipo de calibração utiliza-se uma variávelmedida em terra, outra variável que serve como referência no mesmo período da medida em terra(série histórica no mesmo período de medições), os dados de longo prazo a serem calibrados(série histórica completa), uma frequência principal da base de tempo utilizada e uma variávelque identifica a base de tempo utilizada. A Equação 4 descreve a calibração.

VR − VG = α + βVR + λ cos(2π · F1 · jd) + σ sin(2π · F1 · jd), (4)

onde VR identifica a variável de referência, VG é a variável medida em terra, F1 é afrequência principal que as componentes senoidais e jd é variável de tempo. Através da regressãopela Equação 4 é possível encontrar os coeficientes α, β, λ e σ que são usados na Equação 5para calibrar a série histórica de longo prazo.

VRC = α + (1− β)V LPR + λ cos(2π · F1 · jd) + σ sin(2π · F1 · jd), (5)

onde VRC é a variável de referência calibrada e V LPR é a série histórica de longo prazo.

Para irradiância a calibração é feita utilizando o índice de claridade Kt que nada maisé que a razão entre a irradiância global horizontal (IGH) e a irradiância no topo da atmosfera(TOA). Utiliza-se esse índice pois o valor medido em terra está sempre sujeito a nebulosidadepor nuvens e variações climáticas de todo tipo. Através do índice de claridade é possível calibrardados de satélite com uma ótima precisão (VERNAY; BLANC; PITAVAL, 2013). Através daoperação inversa também se torna fácil transformar o índice de claridade calibrado em IGHcalibrado.


2.7 Conclusão

Com esses conceitos em mãos a compreensão tanto do andamento do trabalho, quantode como foi feito cada parte da análise se torna mais simples.

Todos os conceitos foram referenciados e isto possibilita que qualquer desenvolvimentodesse trabalho ou de trabalhos futuros seja confirmado.

17

3 Metodologia de análise da produção deenergia

3.1 Introdução

A seguir será apresentado o software de simulação. Serão também discutidas e descritas:a análise de sombreamento, albedo e fatores de perdas considerados pelo software. Todas asdescrições são feitas com base na manual de ajuda que o próprios software disponibiliza parapossíveis dúvidas.

3.2 Software PVsyst

A estimativa de produção de energia é calculada utilizando o software PVsyst. Esteé, por sua vez, o software mais difundido mundialmente para dimensionar sistemas e usinasfotovoltaicas, e avaliar a produção de energia dos mesmos.

O programa foi validado em diversos estudos, por autores independentes, com configu-rações de sistemas e tecnologias distintas. Pode-se concluir que, com exceção de módulos desilício amorfo (tecnologia não utilizada neste caso), o software PVsyst é capaz de simular umgrande número de diferentes sistemas conectados à rede com excelente precisão.

A incerteza padrão da simulação é da ordem de 2 - 3%, considerando as incertezas docálculo de perdas: sombreamento, angulares e espectrais, sujeira, nível de irradiância, tempera-tura, tolerância de potência dos módulos, incompatibilidade elétrica (mismatch), ôhmicas emcorrente contínua e as eficiências do inversor (ajuste MPPT e conversão).

3.2.1 Análise de efeitos de sombreamento e albedo

Para análise de efeitos de sombreamento dos módulos fotovoltaicos utilizam-se 3 compo-nentes distintos:

• Sombreamento pelo horizonte: O horizonte foi levantado com base na latitude e longitudedos locais e o resultado numérico inserido no software PVsyst;

• Sombreamento por objetos próximos, isto é construções internas na usina fotovoltaica,como abrigos de inversores, armazém, linhas de transmissão, ou objetos externos, comoedificações, árvores, e florestas próximas;

• Sombreamento interno entre as mesas fotovoltaicas.

18 Capítulo 3. Metodologia de análise da produção de energia

3.2.1.1 Albedo

Albedo é o coeficiente de reflexão, razão entre a quantidade de luz que é difundida ourefletida por uma superfície e a quantidade de luz incidente sobre a mesma. A refletividadedas superfícies do entorno e dentro da usina foi estimada para um valor médio de refletividade(albedo) de 20% – o valor médio de gramado/pasto. Este valor de albedo foi consideradoconstante durante o ano. A tabela 1 mostram os valores de albedo para diferentes superfícies dereferência.

Tabela 1 – Valores de albedo de diferentes superfícies.

Material / paisagem AlbedoAço galvanizado muito sujo 0,08Aço galvanizado novo 0,35Alumínio 0,85Asfalto 0,15Asfalto molhado 0,18Asfalto seco 0,55 - 0,75Concreto 0,25 - 0,35Deserto 0,30Floresta 0,05 - 0,18Gramado 0,18 - 0,23Lavoura 0,26Nuvens 0,60 - 0,90Savana 0,20 - 0,25Situação Urbana 0,14 - 0,22Telhas vermelhas 0,33

3.2.2 Fatores de perdas considerados pelo software

As perdas consideradas nessa certificação se aplicam à produção anual de referência Yr(reference yield) definido como:(IEC, )

Y r = PSTC ·IGI

GSTC

, (6)

onde PSTC é a soma da potência nominal dos módulos nas condições STC(Standard Test

Conditions), IGI é a irradiação global no plano inclinado (plano dos módulos) sem considerarperdas por sombreamento interno e externo, GSTC é a irradiância nas condições STC. Ascondições STC são as condições de teste padrão com irradiação solar 1000W/m2, temperaturada célula de 25°C e distribuição espectral de 1,5.

A produção de referência equivale à produção de energia de um sistema fotovoltaicocom razão de performance de 100%. Para os fatores de perdas considera-se:

3.2. Software PVsyst 19

• Produção de energia nominal do arranjo em STC = Yr x (1-perdas por sombreamentoexterno) x (1-perdas por sombreamento interno) x (1-perdas angulares) x (1-perdas porsujeira);

• Produção de energia MPPT do arranjo = Produção de energia nominal do arranjo em STCx (1-perdas pelo nível de irradiância) x (1-perdas por temperatura) x (1-perdas elétricaspelo sombreamento) x (1-perdas por tolerância sobre a potência nominal dos módulos) x(1-perdas por LID) x (1-perdas espectrais) x (1-perdas por mismatch) x (1-perdas ôhmicasna cablagem);

• Produção Anual de Energia P50 = Produção de energia MPPT do arranjo x (1-perdas poreficiência conversão do inversor) x (1-perdas por controle de potência máxima MPPT);

A seguir são descritos os fatores de perdas considerados para o cálculo da produção deenergia.

3.2.2.1 Perdas por sombreamento externo - horizonte

As perdas por sombreamento externo são calculadas utilizando-se a linha de horizontepelo software PVsyst para cada intervalo de simulação (hora em hora).

3.2.2.2 Perdas por sombreamento interno - entre fileiras e objetos distantes

As perdas por sombreamento interno, isto é, a sombra de uma fileira de módulos nasdemais fileiras são calculadas baseadas no modelo geométrico de montagem das séries para cadaintervalo da simulação (hora em hora).

3.2.2.3 Perdas angulares

A irradiação resultante sobre os módulos está sujeita a perdas devido à refletividade angu-lar (efeito do ângulo de incidência) sobre a superfície dos módulos fotovoltaicos. A intensidadedos efeitos depende da posição relativa do sol e do plano do módulo. A precisão do cálculo dasperdas de refletividade angular depende das propriedades específicas da superfície do módulo(grau de sujeira, revestimento antirreflexo, textura, etc.).

3.2.2.4 Perdas por sujeira

As perdas por sujeira reduzem a transmissão de radiação solar da atmosfera para omódulo fotovoltaico. Dependem da deposição de poeira nos módulos, da lavagem através dachuva (a inclinação e as caraterísticas da superfície do módulo alteram essa lavagem pela chuva)e da remoção de sujeira por limpeza.

Baseado na experiência empírica de entidades que trabalham com o software em diferen-tes locais no Brasil, o fator mais importante é a atividade agrícola desenvolvida na região em que


o empreendimento é inserido. Se a região apresentar baixa atividade de lavoura, predominânciade pastos e vento fraco considera-se uma perda de 1,5%. Regiões com média atividade de lavouraou vento médio determinam uma perda de 2,0% e, se houver muita atividade de lavoura ou muitovento, a perda aproximada é de 2,25%.

3.2.2.5 Perdas por nível de irradiância

A eficiência dos módulos fotovoltaicos altera-se para diferentes níveis de irradiaçãoincidente sobre o módulo. O software PVsyst calcula as perdas relacionadas à diferença entre ageração nas condições STC e nas condições reais.

3.2.2.6 Perdas por temperatura

A potência dos módulos fotovoltaicos é ensaiada em condições padronizadas de labora-tório (STC). Em condições reais, com a temperatura do módulo muito acima de 25 °C (STC), aeficiência do módulo e consequentemente a produção da usina fotovoltaica é bem inferior. Adiferença de produção de energia nas condições reais e nas condições de laboratório (STC) édenominada “perdas por temperatura”.

3.2.2.7 Perdas elétricas pelo sombreamento

Resultantes da incompatibilidade de resposta elétrica dos módulos em série e sériesfotovoltaicas em paralelo: em uma série de módulos (ou células), a corrente total é sempredeterminada pela corrente na célula mais fraca, no caso as que estão sombreadas nas bordas dasmesas.

3.2.2.8 Perdas pela qualidade dos módulos

As perdas pela qualidade dos módulos é uma perda relacionada à faixa de tolerância dosmódulos em relação à potência nominal dos mesmos. Por exemplo, no caso de módulos de 325Wp com uma banda de tolerância de 0–5 W, obtém-se um ganho de 5 Wp / 325 Wp = 1,5%, ouseja, uma perda de -1,5%. O sinal negativo indica um ganho.

3.2.2.9 Perdas por LID

LID (Light Induced Degradation) é uma perda no desempenho do módulo que surge nasprimeiras horas de exposição ao sol, com módulos cristalinos. Se os módulos são classificadosde acordo com seu test flash para determinar sua classe de potência nominal, o LID vai realmenterepresentar uma perda em relação às condições STC. A perda LID está relacionada com aqualidade de fabricação do wafer, e pode ser da ordem de 1% a 3% ou até mesmo mais.

3.2. Software PVsyst 21

3.2.2.10 Perdas espectrais

O modelo de cálculo considera a alteração do espectro solar pela atmosfera e calcula asperdas resultantes da composição espectral da luz no local da usina e hora da simulação diferentedo espectro AM (Air Mass) de 1,5 aplicado nas condições STC. Para módulos de telureto deCádmio, que são sensíveis às mudanças nas bandas espectrais de absorção de água, isto poderesultar em um ganho de energia em altas potências, enquanto a resposta espectral de módulosde Silício cristalino é baixa. O sinal negativo indica um ganho no IGH.

3.2.2.11 Perdas por incompatibilidade elétrica (mismatch)

Os dados do flash report de um lote exemplar real de 1.806 módulos com potêncianominal de 280 Wp e uma banda de tolerância de 0/+5 Wp foram analisados. A amostra possuios desvios padrões nos seus parâmetros elétricos mostrados na tabela 2.

Tabela 2 – Dados flash report mismatch.

Módulo Yingli YL280P-35b de 72 células, 280Wp, 0 - 5 WpAmostra: 1806 módulos Voc Isc Pmpp Vmpp Impp FFRMS / desvio padrão 0,121 0,047 1,338 0,147 0,036 0,429Média 44,7 8,48 282,2 35,5 7,95 74,5RMS relativo 0,3% 0,6% 0,5% 0,4% 0,4% 0,6%

Com base nestes desvios foi calculado o mismatch estático (de fabricação) em 0,0% paraum arranjo típico de 20 módulos em série, e 192 séries em paralelo. Para arranjos com módulosde maior potência ou séries mais compridas a situação é mais favorável (perdas inferiores). Comomostra a figura 5.

O mismatch dinâmico envolve três tipos de mismatches: variações de temperatura entrediversas partes de um arranjo fotovoltaico, pequenas variações na irradiação devido às tolerânciasde inclinação/orientação das estruturas de suporte e por fim sombreamento parcial tambémdevido às tolerâncias das estruturas de suporte dos módulos ou seguidores. O conjunto de perdaspor mismatch estimadas foram de 1%.


Figura 5 – Perdas por mismatch estático.

FONTE: (DAS; PAL; SADHU, ).

3.2.2.12 Perdas ôhmicas no sistema de distribuição CC

As perdas ôhmicas no sistema de distribuição de corrente contínua (CC) incluem asperdas no conjunto de cabos, caixas de conexão, fusíveis e bornes de contato. A queda de tensãonas condições STC foi avaliada em 1%. Com base nessa queda de tensão o programa PVsystcalcula para cada intervalo de tempo o carregamento dos condutores e as respectivas perdas deenergia.

3.2.2.13 Perdas pela eficiência do inversor e controle de potência máxima (MPPT)

Apesar da eficiência de conversão e controle de potência máxima do inversor seremaltas, cada tipo de inversor tem sua própria função de eficiência, que descreve a eficiência doinversor dependendo da carga e da tensão de entrada do inversor. O software PVsyst consideraessa função, e avalia a eficiência do inversor para cada intervalo de simulação.

3.3 Conclusão

A forma como o software considera cada tipo de perda é de extrema importância paravalidar o resultado final de produção de energia que o mesmo apresenta. Mesmo assim, nemtodos os cálculos internos que o software faz são expostos ao publico. Por isso, todas as perdasconsideradas foram explicadas de forma sucinta, para que se tenha um embasamento no momentoda discussão das simulações.

23

4 Análise de plausibilidade dos dados so-larimétricos

4.1 Introdução

Neste capítulo serão apresentados os dados solarimétricos recebidos das estações sola-rimétricas. As variáveis precisam passar por intervenção de filtros que testam a qualidade dasmedições e retiram possíveis erros.

4.2 Critérios de Filtragem

Com o objetivo de organizar melhor as checagens de qualidade dos dados solarimétricose meteorológicos do mundo todo, as maiores instituições que estudam essas variáveis criarampublicações para servir como base para eventuais checagens.

Este trabalho baseia-se em duas publicações, uma que rege como verificar a qualidade dedados de irradiação e outra que parte para o campo de diversas variáveis meteorológicas. A partirdestes trabalhos, que serão citados posteriormente, é que foram aplicados critérios de controle dequalidade e também filtragem de dados solarimétricos com o intuito de eliminar dados suspeitose/ou com problemas.

Vale ressaltar que esses critérios são aplicados para medições de 1 em 1 minuto, que écomo se apresentam os dados brutos das estações.

Para temperatura(ZAHUMENSKY, 2004) foram eliminados:

• Valores fora do intervalo de 13°C a 44°C para Petrolina ou de 14°C a 38°C para São Luiz;

• Variações entre uma medição e a próxima maior que 3°C;

• Valores que não variem mais que 0,1°C durante uma hora.

Para irradiância global horizontal(LONG; DUTTON, 2002) foram eliminados:

• Valores noturnos de irradiação maiores e menores que zero;

• Valores fora do intervalo de −2W/m2 a 1, 2 · TOA · [cos(AZS)1,2] + 50 W/m2, ondeTOA é a irradiação no plano horizontal no topo da atmosfera.

Para irradiância difusa horizontal (LONG; DUTTON, 2002) foram eliminados:

24 Capítulo 4. Análise de plausibilidade dos dados solarimétricos

• Valores noturnos de irradiação maiores e menores que zero;

• Valores fora do intervalo de −2W/m2 a {0, 75 · TOA · [cos(AZS)1,2] + 30}W/m2, ondeTOA é a irradiação no plano horizontal no topo da atmosfera.;

• Valores que vão contra o T2C – teste de compatibilidade entre GHI e DHI;

• Valores que não estejam de acordo com a Relação Kd/Kt.(CHANDRASEKARAN; KU-MAR, 1994)

Alguns destes testes serão explicados conforme a apresentação dos resultados da filtragemna próxima seção.

Os limites admitidos para temperatura são baseados na maior e na menor temperaturaencontradas historicamente, segundo INPE, para os locais. Para a Estação 1 (São Luiz) a menortemperatura foi de 13,1 °C em 17 de abril de 1974 e a maior de 37,2 °C em 4 de outubro de1997(INPE, b). Para a Estação 2 (Petrolina) a menor temperatura registrada é de 12,4 °C em 30de junho de 1981 e a maior de 44,1 °C em 3 de janeiro de 1963(INPE, a).

4.3. Dados brutos vs Dados Filtrados 25

4.3 Dados brutos vs Dados Filtrados

4.3.1 Irradiância Global Horizontal

A irradiância ao longo do período de observação é representada por um mapa 2D, onde oeixo vertical representa as horas do dia (iniciando em cima) e o eixo horizontal representa o diado mês. As cores indicam os níveis de irradiância. As linhas vermelhas representam os momentosdo nascer do sol e pôr do sol (1°acima do horizonte). A referência de tempo é horário local(UTC-3) para melhor entendimento dos níveis. Em branco, para controle visual, são apresentadosos dados com falhas ou filtrados pelos testes.

4.3.1.1 Estação 1 - São Luiz

Na Figura 6 são mostradas as diferenças entre os dados brutos e os dados filtrados peloteste de qualidade.

Figura 6 – Valores brutos vs valores tratados de irradiância global - São Luiz.

FONTE: Autor.

É perceptível as melhoras que sofreram os dados de irradiância com a filtragem dos dados.Quando brutos, os dados possuíam muitos valores negativos principalmente no período noturnoe as vezes picos exorbitantes que vão de −6999W/m2 a 2356W/m2. Nos momentos em que háa falta de dados durante um dia todo ou um período, pode-se indicar como possíveis motivos


desse problema a má comunicação na rede de transmissão de dados ou falta de bateria nosequipamentos da estação solarimétrica. Valores rejeitados são representados na cor branca para ocontrole visual. No período de 22/04/2010 a 07/10/2010 os dados foram excluídos manualmentepor não estarem dentro do esperado para esse período na estação.

Observa-se que os valores registrados apresentam uma boa simetria em relação às linhasvermelhas que representam o pôr e nascer do sol, indicando que as configurações de latitude,longitude e time zone dos dispositivos da estação estão corretas.

4.3.1.2 Estação 2 - Petrolina

Figura 7 – Valores brutos vs valores tratados de irradiância global - Petrolina.

FONTE: Autor.

Novamente, fica claro que os critérios de checagem de qualidade se aplicam bem àsmedições de irradiância global. Todos valores que fogem aos critérios citados no item 4.2 foramexcluídos. Antes da verificação de plausibilidade os valores ficam distorcidos por conta demarcações errôneas dos sensores na ordem de −6999W/m2.

4.3.2 Irradiância Difusa Horizontal

No mapa 2D de irradiância segue as mesmas características do mapa de irradiânciaglobal, com as linhas em vermelho indicando os momentos de nascer e pôr do sol.


O sensor de irradiância difusa é um piranômetro que tem como diferença em relaçãoao piranômetro de irradiância global uma esfera ou um disco de sombreamento. Essa esferaou disco deve acompanhar a trajetória solar, sombreando corretamente o equipamento durantetodos os momentos em que houver incidência solar. O equipamento deve sombrear corretamentemesmo em momentos de nebulosidade completa, onde não há referência alguma solar. Por contadisso os cálculos de geometria solar devem seguir um padrão alinhado à latitude e longitudecorreta da estação solarimétrica, estando sempre alinhados ao sistema GPS que a estação deveconter.

Esses fatos dificultam muito a marcação perfeita do sensor, portanto é normal queaconteçam muitos erros de marcações.


Figura 8 – Valores brutos vs valores tratados de irradiância difusa - São Luiz.

FONTE: Autor.

A filtragem fez a exclusão de uma boa parte dos dados por estarem fora dos critériosadotados para controle de erros. Os níveis de irradiância variam de 1863W/m2 a −6999W/m2.Isto mostra que realmente existem muitos valores errôneos no período, uma vez que os valoresesperados para níveis de irradiância difusa são de 0 a cerca de 600W/m2. A maioria das exclusõesfoi feita por conta do teste Kd vs Kt.



Figura 9 – Valores brutos vs valores tratados de irradiância difusa - Petrolina.

FONTE: Autor.

Os níveis de irradiância variam de−6999W/m2 a−1557W/m2 e a quantidade de dadosexcluídos foi considerável, mas também não se pode esquecer a dificuldade de se fazer marcaçõescorretas em um sensor de irradiância difusa.

4.3.3 Kd vs. Kt

Há uma relação intuitiva entre IGH e IDH: quanto maior IGH, relativamente menor IDHdeve ser, pois somente em situações de céu claro (valor pequeno de IDH) é possível existiremvalores elevados de IGH e vice versa. O seguinte teste detalha essa relação intuitiva com maisprecisão.

O índice de claridade Kt é definido como a razão entre o valor da irradiância globalhorizontal em solo (IGH) e o valor da irradiância no topo da atmosfera (TOA) para a mesmalatitude, longitude e plano.

Kt = IGH/TOA (7)

Kt pode ser considerado como o fator de atenuação da atmosfera e os níveis consideradosvariam de autor para autor, os considerados nesse trabalho são de Kt > 0.7 representa céu


claro, Kt < 0.3 representa céu encoberto e 0.3 < Kt < 0.7 representa situações de nebulosidadeintermediárias.(CHANDRASEKARAN; KUMAR, 1994)

A fração difusa da irradiância Kd é definido como a relação entre irradiância difusahorizontal em solo (IDH) e a irradiância global em solo (IGH).

Kd = IDH/IGH (8)

As Figuras 10 e 11 apresentam para cada registro um par de dados (Kt,Kd) em uma área 2D,chamado de gráfico de dispersão. As cores representam o número de pares no mesmo ponto, istoé, a intensidade da ocorrência.

Kt deve ter valores entre 0 e 1, mas em casos especiais em que há reflexão do sol atravésde nuvens brancas, ele pode chegar a valores maiores que 1 (efeito borda de nuvem ou céu clarocom poucas nuvens refletores). Adotou-se assim o valor de 1,2 para ter margem de segurança.Isso deve ocorrer apenas por curtos períodos de tempo (alguns minutos).

No caso de céu coberto (Kt < 0,3) não haverá irradiação direta (IDN = 0) e a irradiânciaserá totalmente difusa. Assim Kd deve ser próximo a 1. Para ter certa margem de segurança,adotou-se o limite máximo para Kd de 1,03. Quando Kt está acima de 0,7 (céu claro), Kd deveser baixo mas nunca zero pois sempre há uma irradiação difusa vindo da atmosfera de algumaforma.

A equação que rege a reta vermelha da imagem é a seguinte: (DUFFIE; BECKMAN,2013)

Kd =

1, 03, para Kt ≤ 0, 3

1, 33−Kt, para 0, 3 ≤ Kt ≤ 1, 2.(9)

Assim todos os pontos devem estar abaixo da linha vermelha. Caso haja dados que não estejamabaixo dessa curva, então o IDH não é compatível com o valor IGH. Causas para tal podemser: falhas no sombreamento do piranômetro de IDH, sombreamento maior do sensor de IGHcomparado com sensor de IDH.



Na Figura 10 é possível ver a disposição dos pontos do teste para a estação de São Luiz.

Figura 10 – Relação Kd vs Kt - São Luiz.

FONTE: Autor.

Observa-se que no período de observação ocorreram muitas medições de IDH com umarelação Kd superior ao plausível. A maioria dos erros se concentra entre 0, 3 < Kt < 0, 7, o queindica que durante um dia de nebulosidade intermediária a fração difusa se mantém maior que 1.Isto aconteceu por conta de um mal sombreamento do sensor de irradiância difusa, fazendo comque houvesse níveis iguais aos de irradiância global.



Na Figura 11 é possível ver a disposição dos pontos do teste para a estação de Petrolina.

Figura 11 – Relação Kd vs Kt - Petrolina.

FONTE: Autor.

Os mesmos erros vistos na Estação 1 em dias de nebulosidade intermediária tambémsão vistos para a Estação 2. Isto acontece porque novamente não houve marcação correta dosensor de irradiância difusa que deveria ser sombreado, como não houve interferência da esferaou disco de sombreamento o mesmo fez medições iguais ao sensor global. Este fato leva o pontono gráfico a ficar acima da reta vermelha usada como guia para exclusão.


4.3.4 Teste de duas componentes (T2C)

Outro teste que fez a exclusão de alguns dados de IDH foi o teste de duas componentes(T2C), este teste se baseia também na idéia explicada anteriormente de que há uma relaçãoentre IGH e IDH. Quando utiliza-se a irradiância global são descartados valores de irradiânciamuito baixa que possam interferir nos resultados. Os valores tem que estar sempre acima de50W/m2. Para operacionalizar a avaliação dessa coerência, desenvolveu-se o seguinte teste ecorrespondentes gráficos que demostram os intervalos de confiança percentil-1 e percentil-99dos valores diários da razão IDH/IGH.

O primeiro gráfico é feito para ângulo zenital solar (AZS) ≤ 75° (elevação solar acimade 15°), já o segundo gráfico para ângulo zenital solar (AZS) > 75° (elevação solar abaixo de15°). A curva azul representa o valor da relação IDH/IGH atingido por 99% dos registros pordia (percentil-99, P99). A curva verde representa o valor da relação IDH/IGH atingido por 1%dos registros por dia (percentil-1, P1). Segundo a WMO, todos os pontos devem estar abaixo dalinha traçada em vermelho:

• Quando o sol está elevado (AZS < 75°, elevação solar acima de 15°): 1,05;

• Quando o sol está elevado (AZS > 75°, elevação solar abaixo de 15°): 1,10.


Figura 12 – Teste T2C - São Luiz.

FONTE: Autor.


Observa-se que durante o período existem poucos dias em que houve uma relação diáriaentre IGH e IDH errônea, em todos esses dias pelo menos uma marcação acima de 50W/m2 foiexcluída pelo teste. Os períodos em que há falha na curva devem-se à falta de dados ou à diascom níveis de irradiância global muito baixas (menores que 50W/m2).


Figura 13 – Teste T2C - Petrolina.

FONTE: Autor.

Muitos dias tiveram valores excluídos pelo teste T2C, principalmente no gráfico superiorque indica uma elevação solar acima de 15°. Nos momentos em que a elevação solar aumenta, onível de tolerância aceito no teste é 5% menor que para elevações menores que 15°.


4.3.5 Temperatura

A variação da temperatura (Figuras 14 e 16) ao longo do período em forma de um mapade calor, representado por uma figura 2D em que os valores de temperatura variam com osminutos ao longo dos dias do ano. As linhas vermelhas indicam os momentos de nascer e pôr dosol e mostram como a temperatura muda conforme a incidência solar no dia.

Para indicar de uma forma melhor a evolução temporal e contínua dos dados de tempera-tura traçou-se as Figuras 15 e 17, onde é possível ver os períodos onde ocorrem as marcaçõeserrôneas de temperatura.


Na Figura 14 fica visível como a temperatura aumenta no decorrer do dia e como osvalores filtrados trazem de volta a variação que se espera na temperatura do local durante um dia.

Figura 14 – Valores brutos vs valores tratados de temperatura - São Luiz.

FONTE: Autor.


Picos maiores que 50°C e quedas abaixo de 10°C são vistas durante todo o período ecoincidem bem com os períodos em que os dados foram filtrados.

Figura 15 – Variação temporal dos dados brutos de temperatura - São Luiz.

FONTE: Autor.

Foram excluídos manualmente os períodos de 31/01/2005 a 16/03/2005, 22/04/2010 a07/10/2010 e 16/10/2015 a 06/04/2016, por não terem valores condizentes com o que se esperana estação. A inspeção é feita visualmente e então os valores são comparados com o mesmoperíodo de outros. Caso não haja compatibilidade o período é excluído manualmente (não entrana exclusão dos filtros) e é tido como um período em que houve falha nos dados.



O mapa de cores e níveis de temperatura do gráfico após o teste de qualidade deixa claroque os erros foram excluídos.

Figura 16 – Valores brutos vs valores tratados de temperatura - Petrolina.

FONTE: Autor.

4.4. Visão geral dos dados 37

Para a Estação 2 ficam visíveis na Figura 17 3 momentos de queda brusca dos valoresde temperatura que devem ser excluídos pelos testes de qualidade, um deles é o que causa adistorção das cores do primeiro gráfico da Figura 16.

Figura 17 – Variação temporal dos dados brutos de temperatura - Petrolina.

FONTE: Autor.

4.4 Visão geral dos dados

4.4.1 Estação 1 - São Luiz

Na Estação 1 a Tabela 3 é possível ver os valores mínimos, médios, máximos e tambéma completude das variáveis avaliadas quando em seus estados brutos.

Tabela 3 – Estatística dos dados brutos - São Luiz.

Equipamento Unidade Mínimo Médio Máximo Completude[%]Termo-Higrômetro °C -47,76 28,14 84,60 92,28Piranômetro W/m2 -6999,00 193,02 2356,00 92,28Piranômetro W/m2 -6999,00 125,44 1863,00 92,28

De modo geral, a variável que sofreu mais perda com a filtragem dos dados foi airradiância difusa. Isto já é esperado pois o sistema de medição dessa variável utiliza um seguidorde trajetória solar para fazer o sombreamento do piranômetro. Por ser baseado em um sistemade controle muito complexo e sujeito a muitas variáveis de estado, é normal que aconteçam


problemas. Podem ter acontecido paradas do sistema seguidor, sombreamentos incorretos oudesnivelados e até mesmo influência do reflexo ou sombreamento de algum objeto próximo àestação.

A Tabela 4 mostra os percentuais de exclusão total de cada variável para a Estação 1.

Tabela 4 – Resumo de qualidade dos dados tratados - São Luiz.

Equipamento Unidade Faltantes[%] Filtrados[%] Total válidos[%]Termo-Higrômetro °C 7,72 15,83 76,46Piranômetro W/m2 7,72 4,17 88,12Piranômetro W/m2 7,72 24,68 67,60

A Figura 18 apresenta o resultado da análise de qualidade dos dados de temperatura,irradiância global e difusa. O gráfico indica as horas nas quais não houve registro de dados ou osdados registrados foram rejeitados. Em ouro estão os dados que passaram o controle de qualidadee em vermelho os dados não registrados (em falta) ou rejeitados pelo controle de qualidade.

Figura 18 – Resultados da análise de plausibilidade dos dados - São Luiz.

FONTE: Autor.

Vale ressaltar aqui que o maior período consecutivo em que aconteceu a falta de dadosfoi de 16 dias e meio. O período de 22/04/2010 a 07/10/2010 foi excluído manualmente por

4.4. Visão geral dos dados 39

claramente não mostrar medições corretas em todas as variáveis, neste intervalo houverammarcações mas muito baixas. Por esses motivos os dados desse período passaram pelos testes dequalidade, porém foram excluídos manualmente baseado na análise visual dos dados.

4.4.2 Estação 2 - Petrolina

Os dados da estação de Petrolina foram tomados a partir de 01/01/2010 por apresentarmuitos dados com falha no período anterior a isso. Os dados se estendem até o dia 08/04/2016,portanto existe a disponibilidade de pelo menos 6 anos completos de medições.

Na Tabela 5 é possível ver os valores mínimos, médios, máximos e também a completudedas variáveis avaliadas quando em seus estados brutos para a Estação 2.

Tabela 5 – Estatística dos dados brutos - Petrolina.

Equipamento Unidade Mínimo Médio Máximo Completude[%]Termo-Higrômetro °C -6999,00 26,95 40,03 98,19Piranômetro W/m2 -6999,00 193,68 1488,00 98,19Piranômetro W/m2 -6999,00 64,96 1557,00 98,19

A irradiância difusa foi a variável que sofreu maior perda pelos critérios de avaliação deplausibilidade. Esses erros podem ter sido inseridos pelos mesmos motivos indicados na Estação1.

A Tabela 6 mostra os percentuais de exclusão total de cada variável para a Estação 2.

Tabela 6 – Resumo de qualidade dos dados tratados - Petrolina.

Equipamento Unidade Faltantes[%] Filtrados[%] Total válidos[%]Termo-Higrômetro °C 1,81 0,38 97,81Piranômetro W/m2 1,81 0,67 97,52Piranômetro W/m2 1,81 27,99 70,20


A Figura 19 mostra o resultado da análise de qualidade dos dados de temperatura,irradiância global e difusa. O gráfico indica as horas nas quais não houve registro de dados ou osdados registrados foram rejeitados. Em ouro estão os dados que passaram o controle de qualidadee em vermelho os dados não registrados (em falta) ou rejeitados pelo controle de qualidade.

Figura 19 – Resultados da análise de plausibilidade dos dados - Petrolina.

FONTE: Autor.

O maior período consecutivo em que aconteceu a falta de dados foi de pouco mais de 2dias completos. Apesar do alto índice de exclusão de irradiância difusa, os dados de irradiânciaglobal são muito bons e poucos dados foram perdidos nos testes de qualidade.

4.5 Conclusão

Com a filtragem dos dados foi possível perceber que a irradiância difusa é a variávelque mais sofre perdas. Os motivos para estas perdas podem ser problemas dos sensores oua dificuldade dos seguidores de trajetória solar encontrarem o caminho correto para fazeremmedições dentro do esperado. Para a estação de São Luiz a porcentagem de perda foi de 24,64%para a irradiância global, caso esta estação fosse submetida aos requisitos de uma certificação dedados solarimétricos da EPE ela seria rejeitada por ter mais que 10% de perdas. De modo geral aestação de Petrolina tem uma melhor qualidade dos dados do que a estação de São Luiz.

41

5 Calibração

5.1 Introdução

Fazer uma calibração se torna necessário para que o comportamento médio da variável aser calibrada se torne o mais parecido possível com o comportamento da variável desejada. Paraisso, deve-se observar principalmente o erro de relativo médio (MBE) e coeficiente de correlaçãodas duas variáveis que são descritos nas Equações 10 e 11.

MBE =V 1− V 2

V 2(10)

CC =

∑Ni=1

(V 1i − V 1

)·(V 2i − V 2

)√∑Ni=1

(V 1i − V 1

)2 ·√∑Ni=1

(V 2i − V 2

)2 (11)

Onde N é o total de amostras utilizadas, V1 e V2 são as variáveis avaliadas. Outrasanálises estatísticas também podem ser avaliadas como o número total de amostras (NDATA), amédia de referência (MREF), o desvio padrão (STDE) e o erro médio quadrático (RMSE).

A seguir serão apresentados os resultados da calibração para as duas estações.

42 Capítulo 5. Calibração

5.2 Aplicação da calibração


Antes da calibração, o MBE na base horária entre os dados medidos filtrados e os dadosde satélite para a estação 1 é de 3,4%. As Figuras 20 e 21 mostram a comparação estatística dasvariáveis antes e depois da calibração respectivamente.

Figura 20 – Comparação dados filtrados vs dados de satélite sem calibração - São Luiz.

FONTE: Autor.

5.2. Aplicação da calibração 43

Como é possível ver o erro relativo médio foi zerado e o coeficiente de correlação éótimo para essa variável. Pode-se dizer que a série histórica de longo prazo calibrada descrevebem o comportamento da estação durante o período de medições e portanto, para todo o períodoem que há dados de satélite.

Figura 21 – Comparação dados filtrados vs dados de satélite com calibração - São Luiz.

FONTE: Autor.

44 Capítulo 5. Calibração


O erro relativo médio, antes da calibração, entre os dados medidos filtrados e a sériehistórica para a estação 2 é de 4,4%. As Figuras 22 e 23 mostram, respectivamente, a comparaçãoestatística das variáveis antes e depois da calibração.

Figura 22 – Comparação dados filtrados vs dados de satélite sem calibração - Petrolina.

FONTE: Autor.

5.3. Conclusão 45

Para a estação 2 o MBE foi zerado e o coeficiente de correlação é muito bom. Pode-sedizer que os dados de satélite calibrados descrevem bem o comportamento da estação durante operíodo de medições e portanto, para todo o período em que há dados disponíveis.

Figura 23 – Comparação dados filtrados vs dados de satélite com calibração - Petrolina.

FONTE: Autor.

5.3 Conclusão

Neste capítulo foi mostrado como os dados de satélite quando calibrados utilizando sériesde Fourier de primeiro grau se comportam bem como os dados da estação solarimétrica medidaem solo.

47

6 Geração do TMY

6.1 Introdução

Utilizando a metodologia de simulação apresentada na item 2.4 foi possível gerar os anostípicos meteorológicos através dos dois métodos que são focos de comparação nesse trabalho.Nessa fase pode-se observar a soma anual de irradiação para cada método, esse valor deve terinfluência direta na produção de energia da usina simulada.

6.2 Método Klein

Como discutido anteriormente, o método Klein tem como característica o fato de seremutilizados para formação do ano, os meses que mais se aproximam da média plurianual do mêsanalisado. Os anos típicos gerados para cada estação serão apresentados.


Figura 24 – Comparação mensal - Método Klein - São Luiz.

FONTE: Autor.

A visualização do comportamento do ano típico dentro da série histórica calibrada éimportante para que se possa entender o quanto um TMY se adequa historicamente à série. Para

48 Capítulo 6. Geração do TMY

essa visualização foi traçada a Figura 24, cuja linha em vermelho identifica os valores do TMYgerado, em preto e laranja estão estatísticas dos anos da série calibrada.

Na Figura 24 as linhas inferior e superior em cada mês indicam o menor e o maior valormensal, respectivamente. As caixas em laranja identificam a região de valores entre o percentil25 e 75. A linha dentro da caixa indica a média mensal e o círculo mostra a mediana mensal.

Os valores do TMY ficam próximos das médias mensais, como era esperado para essemétodo. A tabela 7 mostra os valores mensais e a soma anual de irradiação do ano típico.

Tabela 7 – Valores mensais IGH - Método Klein - São Luiz.

Mês Irradiação [KWh/m2]Janeiro 144Fevereiro 126Março 134Abril 127Maio 137Junho 144Julho 155Agosto 174Setembro 176Outubro 178Novembro 170Dezembro 163Anual 1828

6.2. Método Klein 49

O comportamento da soma anual de cada ano da série histórica calibrada também sedifere ano a ano. Como cada mês se comporta próximo da média, espera-se que o TMY tambémse comporte de forma média quando se trata a soma anual, como mostra a Figura 25.

Figura 25 – Comparação anual - Método Klein - São Luiz.

FONTE: Autor.

Os anos de 2004 e 2016 ficam abaixo pois para o ano típico considera-se apenas anoscompletos. Como os dados HelioClim3-v5 se iniciam em 01/02/2004, utiliza-se dados a sériecalibrada apenas até 31/01/2016 para geração do TMY. Assim, 2004 tem 11 meses e 2016 apenas1 mês.




Figura 26 – Comparação mensal - Método Klein - Petrolina.

FONTE: Autor.

Tabela 8 – Valores mensais IGH - Método Klein - Petrolina.


Como era esperado para esse método, os valores do TMY ficam próximos das médiasmensais. A tabela 8 mostra os valores mensais e a soma anual de irradiação do ano típico.

6.3. Método Sandia 51

O comportamento da soma anual de cada ano da série histórica calibrada também sedifere ano a ano. Espera-se que o TMY também se comporte de forma média quando se trata asoma anual, Assim como cada mês se comporta próximo da média. A Figura 27.

Figura 27 – Comparação anual - Método Klein - Petrolina.

FONTE: Autor.

Os anos de 2004 e 2016 ficam abaixo pelos mesmos motivos que a estação 1.

6.3 Método Sandia

O método Sandia utiliza não só a comparação com a média e a mediana, como tambémuma análise de persistência dos valores mais baixos e mais altos de irradiância, além de compararas funções de distribuição cumulativa de curto prazo e de longo prazo. A ideia de fazer todasessas análises faz com que os meses escolhidos para compor o TMY descrevam melhor ocomportamento solar da estação durante um ano.

A seguir serão apresentados os anos típicos gerados para cada estação.



A Figura 28 foi traçada para indicar o comportamento dos meses escolhidos para oano típico em relação ao conjunto de meses da série histórica calibrada. A linha em vermelhoidentifica os valores do TMY gerado, em preto e laranja estão estatísticas dos anos da sériecalibrada.

Figura 28 – Comparação mensal - Método Sandia - São Luiz.

FONTE: Autor.


Os valores mensais do TMY mostram que nem sempre o mês escolhido é o mais próximoda média, podendo variar para valores acima ou abaixo da média, mas sempre dentro da caixaque contém o percentil 25 e 75 mensais. A tabela 9 mostra os valores mensais e a soma anual deirradiação do ano típico.


Tabela 9 – Valores mensais IGH - Método Sandia - São Luiz.


O comportamento da soma anual de cada ano da série histórica calibrada também sedifere ano a ano. Como os meses hora estão abaixo da média e hora estão acima, espera-se quena soma anual o TMY fique próximo da média. A Figura 29 mostra o comportamento anual doTMY.

Figura 29 – Comparação anual - Método Sandia - São Luiz.

FONTE: Autor.

Assim como no método Klein os anos de 2004 e 2016 ficam abaixo dos outros anos pornão serem anos completos.




Figura 30 – Comparação mensal - Método Sandia - Petrolina.

FONTE: Autor.

A tabela 10 mostra os valores mensais e a soma anual de irradiação do ano típico.

Tabela 10 – Valores mensais IGH - Método Sandia - Petrolina.



Como esperado os valores, variam em torno da média mas nem sempre ficam próximosdela.

O comportamento da soma anual de cada ano da série histórica calibrada também sedifere ano a ano. Espera-se que o TMY também se comporte de forma média quando se trata asoma anual, isto porque seus valores variam acima e abaixo da média e da mediana. A Figura 31mostra o comportamento anual do TMY.

Figura 31 – Comparação anual - Método Sandia - Petrolina.

FONTE: Autor.

Os anos de 2004 e 2016 ficam abaixo pelos mesmos motivos que as figuras anteriores.


6.4 Conclusão

Comparados os dois métodos, tem-se resultados muito próximos na soma anual, porémcada um deles com uma característica. Para melhor visualização da comparação, as imagensanteriores foram dispostas juntas para cada estação. Para estação 1 de São Luiz tem-se a Figura32.

Figura 32 – Comparação dos valores mensais - São Luiz.

FONTE: Autor.

6.4. Conclusão 57

A imagem superior mostra o método Klein, enquanto que a imagem inferior mostra ométodo Sandia. A Figura 33 mostra a mesma comparação, mas desta vez para a estação dePetrolina.

Figura 33 – Comparação dos valores mensais - Petrolina.

FONTE: Autor.

Nas figuras fica visível que os resultados pelos dois métodos são bem parecidos, porém,cada um deles tem uma característica. O primeiro com pontos mais próximos da média e osegundo com pontos que variam hora acima e hora abaixo da média.

59

7 Simulação

7.1 Introdução

Neste capítulo serão apresentados todos os parâmetros utilizados para a simulação assimcomo os resultados da simulação para cada método e para cada estação.

7.2 Definição de parâmetros padrões para a simulação

Primeiramente, antes de ser feita a simulação deve-se pensar no tipo de módulo fotovol-taico e também no tipo de inversor que serão utilizados. Para este trabalho, como o objetivo é umestudo da diferença entre os métodos de simulação, foi tomado um tipo de módulo e inversorcomerciais disponíveis no Brasil como configuração padrão da usina fotovoltaica.

Os órgãos brasileiros que certificam a produção de energia de uma usina fotovoltaicafazem exigência que nas certificações entregues esteja feita análise apenas até a potência de saídados inversores com todos os módulos conectados na configuração necessária. É por esse motivoque neste trabalho serão abordados os mesmos pontos requisitados por ANEEL e EPE, afim demanter o padrão do necessário atualmente para construção de uma usina. Portanto, perdas porsubestações elevadoras ou abaixadoras e sistemas de transmissão entre subestações não serãolevadas em consideração nas simulações.

Os dados de cada equipamento serão apresentados no formato de tabelas com as princi-pais características do equipamento.

60 Capítulo 7. Simulação

O módulo utilizado tem como fabricante a Jinkosolar, modelo JKM 325PP-72, feitode Silício policristalino e possui 72 (6x12) células fotovoltaicas. Na tabela 11, seguem aspropriedades elétricas e mecânicas do módulo utilizado para simulação. Todos os valores foramretirados do datasheet do equipamento.

Tabela 11 – Características técnicas do módulo fotovoltaico.

Característica Unidade valorPotência Nominal [Wp] 325Tensão Nominal [V] 37,60Corrente Nominal [A] 8,66Tensão em circuito aberto [V] 46,70Corrente em curto-circuito [A] 9,10Coeficiente de Temperatura Pmpp [%/°C] -0,40Eficiência [%] 16,75Dimensões do Módulo [mm] 1956 x 992 x 40Peso [Kg] 26,5Moldura material Liga de alumínio anodizadoSeção do cabo [mm2] 4Conectores tipo MC4 ou compatível

O inversor utilizado é do modelo PVS800-57-1000KW-C, cujo o fabricante é a empresaABB. Suas características mecânicas e elétricas, retiradas do datasheet do equipamento estãoexpostas na tabela 12.

Tabela 12 – Características técnicas do inversor.

Característica Unidade valorMáxima potência CC recomendada [kWp] 1200Máxima tensão de entrada [V] 1100Faixa de tensão de operação MPPT [V] 600-850Máxima corrente de entrada [A] 1710Número de pares de entrada [Un] 8 até 20Potência nominal [kW] 1000Máxima corrente de saída [A] 1445Tensão nominal de saída [V] 400Fator de potência na potência nominal [ ] 1Eficiência máxima [%] 98,8Máxima distorção harmônica total [%] < 3Proteção para sobretensão CA Sim

Com as características físicas e elétricas dos equipamentos que foram utilizados parasimulação, foi possível especificar as características da usina propriamente dita. Normalmente

7.2. Definição de parâmetros padrões para a simulação 61

essas especificações dependem do terreno onde se pretende fazer a montagem, como por exemploárea e perímetro disponíveis, análise hidrográfica e da inclinação do terreno. Como não existeterreno físico para este trabalho e a intenção foi fazer a montagem virtual para comparação dosmétodos de simulação, foi necessário impor algumas características do modelo a ser trabalhadono software de simulação.

A simulação foi feita apenas para uma subestação unitária, mas uma usina completa podeter tantas subestações unitárias quanto necessário. Neste caso, as subestações unitárias foramconsideradas como iguais para toda a usina. Cada subestação unitária possui dois inversoresde 1MW de potência, portanto com o objetivo de formar a usina com uma potência padrão de100MW deve-se colocar 50 subestações unitárias iguais às que serão simuladas. Como não háterreno físico, foi suposto uma área totalmente plana em que todas as subestações recebem amesma quantidade de irradiação e por isso para obter a produção de energia total da usina deve-seapenas multiplicar o resultado da simulação pelo número de subestações unitárias presentes noprojeto, no caso 50.

A tabela 13 mostra a quantidade de equipamentos utilizadas na montagem de umasubestação unitária.

Tabela 13 – Características da subestação unitária.

Característica QuantidadeMódulos por série fotovoltaica 20Séries fotovoltaicas por caixas de junção 16Caixas de junção por inversor 12Séries fotovoltaicas por inversor 192Módulos fotovoltaicos por inversor 3.840Inversores por subestação unitária 2

Além disto também é foco de atenção a estrutura de montagem onde serão colocados osmódulos. Tem-se dois tipos de montagens que são os mais difundidos mundialmente, a estruturafixa e a estrutura com rastreador de trajetória solar. Com o intuito de melhorar os resultados dausina foi utilizado um sistema rastreador solar de 1 eixo orientado na direção Norte-Sul, comalgoritmo de controle backtracking. Esse algoritmo garante que em momentos de baixa elevaçãosolar não haja sombreamento de uma série fotovoltaica em outras, melhorando assim a geraçãonesses momentos. O sistema rastreador tem variação que vai de −55° a 55° de inclinação e umespaçamento entre os eixos de 6,5 metros. Cada mesa com eixo rastreador tem comprimentode 42,9 metros e largura de 1,98 metros. Cada mesa com 2 séries fotovoltaicas, totalizando 16mesas por eixo rastreador (acionamento) e 6 rastreadores por inversor.


De modo geral a usina fotovoltaica tem suas características dispostas na tabela 14.

Tabela 14 – Características da usina fotovoltaica.

Característica QuantidadePotência nominal de módulos instalados 124.800 kWpPotência nominal de inversores instalados 100.000 kWpNúmero de inversores / Potência Unitária 100 / 1000 kWNúmero de módulos / Potência Unitária 384.000 / 325 WpNúmero de rastreadores 600Orientação do eixo 0°(Norte)

Os valores de perdas já discutidos na seção 3.2.2 estão descritos na tabela 15 conformeforam usados para simulação.

Tabela 15 – Perdas consideradas no cálculo da produção de energia.

Perda ValorSombreamento externo - horizonte Calculado pelo software PVsystSombreamento interno - entre fileiras e objetos Calculado pelo software PVsystAngulares Calculado pelo software PVsystSujeira 2,0%Nível de Irradiância Calculado pelo software PVsystTemperatura Calculado pelo software PVsystElétricas pelo sombreamento Calculado pelo software PVsystQualidade dos módulos -1,5%LID 2,0%Espectrais Calculado pelo software PVsystMismatch 1,0%Ôhmicas em CC 1,0%Eficiência do inversor e controle do MPPT Calculado pelo software PVsyst

7.3 Resultados das simulações

Todas as simulações foram feitas conforme especificações da sessão anterior. Seusresultados são retirados de um relatório de saída do software PVsyst que apresenta todas asconfigurações do sistema e um diagrama de perdas que será apresentado neste documento emforma de tabela.

Os resultados serão apresentados separadamente, primeiramente pelas estações e posteri-ormente pelos métodos utilizados para geração. A ordem dos métodos avaliados será a seguinte:plurianualidade, Klein e Sandia. Ao final desta seção será apresentado um resumo dos resultados

7.3. Resultados das simulações 63

para toda a usina e não apenas para subestações como foi simulado. Considerações e análise dosresultados serão apresentados na próxima seção.


O software PVsyst faz uma série de análises para ter certeza de que os dados que estãosendo colocados em sua entrada não tem problemas. Uma das análises é a comparação do melhordia de céu claro de cada mês com um modelo de dia de céu claro. Caso não haja correspondênciaentre o bloco de dados medidos e o bloco de dados do modelo é feita uma sugestão de ajuste dehorário, para que os dados medidos se ajustem melhor ao modelo de céu claro calculado para olocal.

Infelizmente se meses do ano inserido tem dias de céu claro muito menor que o modelo,o software não permite que seja feita a simulação. Neste caso só o ajuste de horário sugeridopelo software não basta, como mostra o aviso em vermelho na Figura 34.

Este problema aconteceu para a estação de São Luiz, não permitindo que fosse feitanenhum tipo de simulação para esse local. Tentando resolver o problema tentou-se alterar nos da-dos brutos o deslocamento de tempo indicado pelo PVsyst, refazendo a análise de plausibilidade,a calibração e regerando os TMYs. O software continuou indicando o mesmo problema.


Infelizmente para a estação de São Luiz não foi possível chegar a resultados de simulaçãoe estimação da produção de energia por nenhum dos métodos.

Figura 34 – Erro indicado pelo PVsyst nas simulações- Petrolina.

FONTE: PVsyst.

A fonte desse problema pode ser um deslocamento dos dados de satélite no momento dasua integração horária feita no próprio banco de dados. Porém, a estação de Petrolina utiliza omesmo método para integração e não indicou dados com problema. Outra fonte possível pode sero algoritmo de calibração, mas o mesmo algoritmo também foi aplicado aos dados de Petrolinasem problemas. As falhas existentes nos dados brutos também podem causar algum tipo deerro por serem muito longas. Uma vez que a calibração utiliza séries de Fourier baseadas naperiodicidade dos dados, a falta de dados causa uma descontinuidade no período das senoidesutilizadas no método. Como o resultado até o momento da simulação das duas estações são osmesmos, não é possível saber ao certo o motivo do erro indicado.



7.3.2.1 Plurianualidade

Os diagramas de perdas completos da série histórica calibrada de 2005 a 2015 (somenteanos completos) são apresentados no Apêndice A. Na Tabela 16 é apresentado um pequenoresumo do resultado final das simulações plurianuais.

Tabela 16 – Resumo - Plurianualidade - Petrolina.

Ano Produção de Energia [MWh/ano]2005 5.6762006 5.7622007 5.8832008 5.2372009 5.5552010 5.5732011 5.6612012 5.9792013 5.6532014 5.0802015 5.925

Média 5.635Total da usina(50 subestações) 281.750

O ano com a menor produção de energia foi 2014, com 5080 MWh/ano. Já a maiorprodução ocorreu em 2012, produzindo 5979 MWh/ano. Para encontrar o total da produçãoda usina no método da plurianualidade, se fez a média da produção dos anos completos emultiplicou-se pelo total de subestações presentes no projeto (50). Assim se tem uma produçãode 281.750 MWh/ano através desse método para a usina toda.


7.3.2.2 Método Klein

Através do TMY gerado pelo método Klein foi feita a simulação para estação de Petrolina.O diagrama de perdas que estima a produção de energia durante um ano típico é mostrado naTabela 17.

Tabela 17 – Diagrama de perdas - TMY Klein - Petrolina

Cenário simulado

Potência total instalada CC [kWp] 1.248Potência total instalada CA [kW] 1.000Razão Wp/W 1,25Irradiação Global Horizontal (IGH) [kWh/mano] 2.027Ganho Irradiação Global no plano Inclinado 36,7%Irradiação Global no plano Inclinado (IGI) [kWh/mano] 2.771

Perdas até a saída do inversor

Sombreamento externo - horizonte 0,00%Sombreamento interno - entre mesas e objetos 0,9%Angulares (IAM) 0,5%Sujeira 2,0%

Irradiação efetiva no plano do coletor [kWh/mano] 2.677Produção de energia nominal do arranjo em STC [MWh/ano] 6.698


Nível de irradiância -0,3%Temperatura 10,2%Sombreamento: Perdas elétricas 0,00%Tolerância / Qualidade dos módulos -1,50%LID 2,00%Correção espectral 0,00%Incompatibilidade elétrica (mismatch) 1,00%Ôhmicas em corrente contínua 0,90%

Produção de Energia MPPT do arranjo [MWh/ano] 5.886Perdas até a saída do inversor Eficiência do inversor e controle de potência máxima 1,8%

Produção Anual de Energia [MWh/ano] 5.780

Para toda usina pode-se dizer que a produção de energia estimada é de 289.000 MWh/anocom o TMY gerado pelo método Klein.

Tabela 18 – Resumo - Método Klein - Petrolina.

Ano Produção de Energia [MWh/ano]TMY 5.780

Total da usina(50 subestações) 289.000


7.3.2.3 Método Sandia

Com a simulação feita pelo TMY gerado através do método Sandia tem-se o diagramade perdas indicado na Tabela 19.

Tabela 19 – Diagrama de perdas - TMY Sandia - Petrolina

Cenário simulado









A produção de energia para toda usina é feita através da multiplicação da produção anualde uma subestação pelo total de subestações do projeto. Assim, chegou-se ao valor de 289.650MWh/ano.

Tabela 20 – Resumo - Método Sandia - Petrolina.

Ano Produção de Energia [MWh/ano]TMY 5.793

Total da usina(50 subestações) 289.650


7.4 Análise e Conclusão dos Resultados


Para a estação de São Luiz não foi possível chegar aos resultados da simulação por contade erros em relação ao dia de céu claro indicados pelo software de simulação.


Para a estação de Petrolina, o método de simulação utilizado que se mostrou maiseficiente em quantidade de produção de energia foi o TMY gerado pelo método Sandia. Ométodo Sandia se mostrou 7.900 MWh/ano maior em relação à análise da plurianualidade e 650MWh/ano maior em relação ao método Klein.

Em porcentagem, a melhoria em relação à plurianualidade foi de 2,8%. Já para o métodoKlein a melhoria fica em torno de 0,2%.

A tarifa média do brasileiro foi de R$276,96 por MWh, segundo a EPE em 2014. Issogeraria R$ 180.024,00 a mais em tarifa de uma usina simulada pelo método Sandia em relaçãoao método Klein. Considerando que o consumo anual per capita do brasileiro em 2014 foi de2,335 MWh, uma usina projetada pelo método Sandia consegue abastecer durante um ano 278pessoas a mais que uma usina projetada pelo método Klein e 3.385 pessoas a mais do que sefosse projetada pela plurianualidade.

De modo geral estes 2,8% de diferença são 2,8% a menos de produção, ou seja, pode-seconsiderar 2,8% a menos de lucro da empresa que rege a usina.

69

8 Conclusão Geral

Simular a produção de energia de uma usina fotovoltaica é uma das partes mais impor-tantes do projeto. É nessa fase que todo investimento físico e financeiro se torna, enfim, energiaelétrica. Portanto, a simulação merece uma atenção muito especial nas etapas de um projeto.

O fato de se encontrar um método de simulação que otimize tempo e traga melhorasna produção de energia seria perfeito para projetos de grandes usinas. Em leilões de energiade reserva, por exemplo, se existem duas usina que ocupam a mesma área, pode-se dizer quevencerá o leilão a usina com maior capacidade absoluta de produção certificada.

É por esse motivo que as simulações pelo método Sandia se mostram melhor que osoutros métodos. Porém não se pode deixar de citar que a diferença em relação ao método Klein émuito baixa e que avaliando os custos totais de construção de uma usina, diferenças tão baixasda produção de energia se tornam insignificantes. De qualquer forma, o ganho do uso de TMYsna simulação não fica só restrito à capacidade de produção, mas também ao tempo de simulação.Simular ano a ano a série calibrada torna o processo demorado e cansativo, já para um TMY temque ser feita apenas uma simulação.

Apesar dos problemas encontrados para simulação da estação de São Luiz, os resultadosencontrados em Petrolina são suficientes para demonstrar as melhoras que é possível ter quandose altera apenas o método de simulação de um projeto.

Uma conclusão mais que correta deste trabalho é a melhoria que uma simulação porTMY, qualquer que seja o método, traz em relação à simulações plurianuais. As melhoras ficamem torno de 2,5%, mas também deve-se observar a exaustividade e o tempo gasto se simulandoano a ano uma série histórica.

8.1 Sugestões para trabalhos futuros

Para trabalhos futuros, uma sugestão é o teste em outros locais do Brasil com a finalidadede confirmar a superioridade do TMY em relação à plurianualidade. Além disso pode-se tambémcontinuar este trabalho, tentando descobrir os motivos dos erros encontrados na estação dePetrolina.

Na vertente da simulação sugere-se a discussão das perdas utilizadas pelo PVsyst.

71

Referências

BEYER, H. G.; COSTANZO, C.; HEINEMANN, D. Modifications of the heliosat procedure forirradiance estimates from satellite images. Solar Energy, Elsevier, v. 56, n. 3, p. 207–212, 1996.Citado na página 14.

CANO, D. et al. A method for the determination of the global solar radiation from meteorologicalsatellite data. Solar Energy, Elsevier, v. 37, n. 1, p. 31–39, 1986. Citado na página 14.

CHANDRASEKARAN, J.; KUMAR, S. Hourly diffuse fraction correlation at a tropical location.Solar Energy, Elsevier, v. 53, n. 6, p. 505–510, 1994. Citado 2 vezes nas páginas 24 e 29.

DAS, N.; PAL, N.; SADHU, P. K. Design of interior daylighting shading control using lv andpvsyst software. Citado na página 22.

DUFFIE, J.; BECKMAN, W. Solar Engineering of Thermal Processes. [S.l.: s.n.], 2013. Citado3 vezes nas páginas 9, 10 e 29.

GAZELA, M.; MATHIOULAKIS, E. A new method for typical weather data selection toevaluate long-term perfomance of solar energy systems. Solar Energy, Elsevier, v. 70, n. 4, p.339–348, 2001. Citado 2 vezes nas páginas 5 e 13.

IEC. Photovoltaic system performance monitoring - Guidelines for measurement, data exchangeand analysis. [S.l.]. Citado na página 18.

INPE. Serie Historica - Dados diarios - Petrolina. Disponível em: <http://www.inmet.gov.br/projetos/rede/pesquisa/gera_serie_txt.php?&mRelEstacao=82983&btnProcesso=serie&mRelDtInicio=01/01/1961&mRelDtFim=31/12/2013&mAtributos=,,,1,,,,,,,,,,,,,>. Citado napágina 24.

INPE. Serie historica - Dados diarios - Sao Luiz. Disponível em: <http://www.inmet.gov.br/projetos/rede/pesquisa/gera_serie_txt.php?&mRelEstacao=82280&btnProcesso=serie&mRelDtInicio=01/01/1971&mRelDtFim=30/06/2015&mAtributos=,,,1,,,,,,,,,,,,,>. Citado napágina 24.

LONG, C. N.; DUTTON, E. G. BSRN Global Network recommended QC tests, V2.0. [S.l.],2002. Citado na página 23.

PORTAL-BRASIL. Portal Brasil - Energia renovavel representa mais de 42% da matrizenergetica brasileira. Disponível em: <http://www.brasil.gov.br/meio-ambiente/2015/11/energia-renovavel-representa-mais-de-42-da-matriz-energetica-brasileira>. Citado na página 9.

RIGOLLIER, C.; LEFEVRE, M.; WALD, L. The method heliosat-2 for deriving shortwave solarradiation from satellite images. Solar Energy, Elsevier, v. 77, n. 2, p. 159–169, 2004. Citado napágina 14.

SODA-PRO.COM. Presentation HelioClim-3. Disponível em: <http://www.soda-pro.com/web-services/radiation/helioclim-3-for-pay/info>. Citado na página 5.

SODA-PRO.COM/VALIDATION. Disponível em: <http://www.soda-pro.com/help/helioclim/helioclim-3-validation>. Citado 2 vezes nas páginas 14 e 15.

http://www.inmet.gov.br/projetos/rede/pesquisa/gera_serie_txt.php?&mRelEstacao=82983&btnProcesso=serie&mRelDtInicio=01/01/1961&mRelDtFim=31/12/2013&mAtributos=,,,1,,,,,,,,,,,,,






http://www.brasil.gov.br/meio-ambiente/2015/11/energia-renovavel-representa-mais-de-42-da-matriz-energetica-brasileira

http://www.brasil.gov.br/meio-ambiente/2015/11/energia-renovavel-representa-mais-de-42-da-matriz-energetica-brasileira

http://www.soda-pro.com/web-services/radiation/helioclim-3-for-pay/info

http://www.soda-pro.com/web-services/radiation/helioclim-3-for-pay/info

http://www.soda-pro.com/help/helioclim/helioclim-3-validation

http://www.soda-pro.com/help/helioclim/helioclim-3-validation

72 Referências

VERNAY, C.; BLANC, P.; PITAVAL, S. Characterizing measurements campaigns for aninnovative calibration approach of the global horizontal irradiation estimated by helioclim-3.Solar Energy, Elsevier, v. 57, p. 339–347, 2013. Citado na página 15.

WILCOX, S.; MARION, W. Manual do Usuario para Definicao de Dados TMY3. [S.l.], 2008.Citado 2 vezes nas páginas 4 e 13.

ZAHUMENSKY, I. Guidelines on Quality Control Procedures for Data from Automatic WeatherStations. [S.l.], 2004. Citado na página 23.

Apêndices

74

APÊNDICE A – Diagramas de perdaspara os anos de 2005 a 2015 - Estação

Petrolina

A seguir serão apresentados os diagramas de perdas para a estação de Petrolina de todosos anos simulados no método da plurianualidade.

Tabela 21 – Diagrama de perdas - Ano 2005 - Petrolina

Cenário simulado









75


Cenário simulado









76


Cenário simulado









77


Cenário simulado









78


Cenário simulado









79


Cenário simulado









80


Cenário simulado









81


Cenário simulado









82


Cenário simulado









83


Cenário simulado









84 APÊNDICE A. Diagramas de perdas para os anos de 2005 a 2015 - Estação Petrolina


Cenário simulado









ricardo henrique motta · 2017. 12. 7. · ricardo henrique motta análise da inﬂuência de um...

Documents