EP4158773A1 - Système et procédé de surveillance d'installations d'énergie solaire - Google Patents

Système et procédé de surveillance d'installations d'énergie solaire

Info

Publication number
EP4158773A1
EP4158773A1 EP21726136.1A EP21726136A EP4158773A1 EP 4158773 A1 EP4158773 A1 EP 4158773A1 EP 21726136 A EP21726136 A EP 21726136A EP 4158773 A1 EP4158773 A1 EP 4158773A1
Authority
EP
European Patent Office
Prior art keywords
solar panels
data
solar
performance
nominal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21726136.1A
Other languages
German (de)
English (en)
Inventor
Léon GAILLARD
Christophe MENEZO
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Centre National de la Recherche Scientifique CNRS
Universite Savoie Mont Blanc
Original Assignee
Centre National de la Recherche Scientifique CNRS
Universite Savoie Mont Blanc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Centre National de la Recherche Scientifique CNRS, Universite Savoie Mont Blanc filed Critical Centre National de la Recherche Scientifique CNRS
Publication of EP4158773A1 publication Critical patent/EP4158773A1/fr
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Definitions

  • the present description relates generally to the field of solar energy recovery, and in particular a system and a method for monitoring one or more solar panels.
  • Solar panels for energy recovery include solar cells which produce a current by photovoltaic effect when exposed to solar energy.
  • the efficiency of a solar panel can be measured as the amount of electrical energy produced for a given amount of solar energy available.
  • Solar farms having a high efficiency are often arranged in favorable locations for the recovery of solar energy, such as sparsely populated regions in the countryside or deserted relatively far from towns and cities.
  • the performance of solar installations in dedicated solar farms will depend on factors such as the particular technology used for energy harvesting, the age of the solar panel, the state of maintenance of the solar panel, including the amount of dust covering the solar panels. solar cells in the panel, and the orientation of the panel in relation to solar radiation. In general, a relatively high efficiency can be obtained for this type. solar installation.
  • solar farms located in sparsely populated areas require the addition of relatively expensive power grids in order to transport the electrical energy generated to the locations where the energy is demanded.
  • BIPVs are generally located in urban locations.
  • the energy efficiency of such installations depends not only on the factors indicated above which affect the efficiency of solar farm installations, but also on other factors such as light reflected from surrounding buildings, shadows cast by surrounding buildings, effects premises caused by the building in which the solar panel is installed, etc. Ensuring near-optimal operating efficiency for a solar installation is important to achieving a reasonable return on investment.
  • on-site inspections can be carried out by a technician to verify that the installation is operating with a performance close to the optimum.
  • on-site inspections are expensive, and that There may be a significant delay between the degradation of the performance of a solar installation and a subsequent scheduled on-site inspection which can identify the problem and correct it.
  • a system for monitoring the operation of one or more solar panels comprising: a communication interface arranged to receive performance data indicating the power generated by said one or more solar panels. multiple solar panels during a plurality of energy recovery periods; and a processing device arranged to filter the performance data to classify at least one energy recovery period as a nominal period during which the solar radiation was stable, and to process the performance data to detect degraded operation of said one or more solar panels based on performance data during said at least one nominal period.
  • the processing device is arranged to perform the classification on the basis of a comparison of at least one parameter with at least one threshold.
  • the processing device is arranged to select said at least one threshold such that at least 10%, and for example between 10% and 20%, of the energy recovery periods are classified as nominal.
  • said at least one parameter comprises at least one element of the group consisting of: a clarity index indicating an intensity and / or a stability of solar radiation during each energy recovery period; a performance report indicating a ratio of electrical performance of said one or more solar panels to a simulated behavior of said one or more solar panels during each energy recovery period; and a data simulation report indicating a difference between a measured output power of said one or more solar panels and a predicted nominal thermal and electrical response of said one or more solar panels during each energy recovery period.
  • the processing device is arranged to perform the classification on the basis of the clarity index, the performance report, and the data simulation report.
  • the processing device is arranged to use a nominal sub-assembly, corresponding to the performance data during said at least one nominal period, to characterize the performance of the solar panels, and, by extrapolation and comparison with performance observed during one or more periods of questionable behavior, to assess the losses during these periods.
  • the processing device is further arranged to generate and transmit to said one or more solar panels a control signal based on the degraded operation detected.
  • the control signal is a deactivation signal for deactivating said one or more solar panels.
  • a method of monitoring the operation of one or more solar panels comprising: receiving, through a communication interface, performance data indicating the power generated by said one or more panels solar during a plurality of energy recovery periods; filtering, by a processing device, the performance data to classify at least one energy recovery period as a nominal period during which the solar radiation was stable; and processing the performance data by the processing device to detect degraded operation of said one or more solar panels based on the performance data during said at least one nominal period.
  • the classification is based on a comparison of at least one parameter with at least one threshold.
  • At least 10%, and for example between 10% and 20%, of the energy recovery periods are classified as nominal.
  • said at least one parameter comprises at least one element of the group consisting of: a clarity index indicating a quantity of solar radiation; a performance report indicating a ratio of electrical performance of said one or more solar panels to simulated behavior of said one or more solar panels; and a data simulation report indicating a difference between a measured output power of said one or more solar panels and a predicted nominal thermal and electrical response of said one or more solar panels.
  • the classification is based on the clarity index, the performance report and the data simulation report.
  • a nominal sub-assembly corresponding to the performance data during said at least one nominal period, is used to characterize the performance of the solar panels, and by extrapolation and comparison with the performance observed during one or more periods of questionable behavior, to assess losses during these periods.
  • the method further comprises the generation and transmission to said one or more solar panels of a control signal based on the degraded operation detected.
  • control signal is a deactivation signal for deactivating said one or more solar panels.
  • non-transient storage medium storing computer instructions which, when they are executed by a processing device, cause the implementation of the aforementioned method.
  • FIG. 1 schematically represents a solar energy system according to an exemplary embodiment of the present description
  • FIG. 2 schematically represents a monitoring and diagnostic system of FIG. 1 according to an exemplary embodiment
  • FIG. 3 is a sectional view showing a model of a part of a solar panel according to an exemplary embodiment of the present description
  • FIG. 4 is a flowchart showing steps in a method for monitoring and controlling one or more solar panels according to an exemplary embodiment of the present description
  • FIG. 5 is a flowchart showing several steps of the method of FIG. 4 in more detail according to an exemplary embodiment of the present description
  • FIG. 6 is a flowchart showing steps for initializing and reading the method of FIG. 5 in more detail according to an exemplary embodiment
  • FIG. 7 is a flowchart showing a processing step of FIG. 5 in more detail according to an exemplary embodiment
  • FIG. 8 is a flowchart showing a first part of an enrichment step of the method of FIG. 5 in more detail
  • FIG. 9 is a flowchart showing a second part of the enrichment step of the method of FIG. 5 in more detail
  • FIG. 10 is a flowchart showing a third part of the enrichment step of the method of FIG. 5 in more detail;
  • FIG. 11 is a flowchart showing a fourth part of the enrichment step of the method of FIG. 5 in more detail
  • FIG. 12 is a flowchart showing a first part of an analysis step of the method of FIG. 5 in more detail;
  • FIG. 13 is a flowchart showing a second part of the analysis step of the method of FIG. 5 in more detail
  • FIG. 14 is a flowchart showing a first part of a step of interpreting the method of FIG. 5 in more detail.
  • FIG. 15 is a flowchart showing a second part of the step of interpreting the method of FIG. 5 in more detail.
  • FIG. 1 schematically shows a solar energy system 100 comprising, in the example of Figure 1, two solar energy installations each comprising one or more solar panels (SOLAR PANEL (S)) 102, 104 or a group of solar panels coupled in series, in parallel, or in a network, each solar panel corresponding for example to a solar panel of photovoltaic equipment integrated in a building (BIPV) or another type of solar panel comprising a matrix of solar cells photovoltaic.
  • the solar panels or the groups of solar panels 102, 104 are for example different solar panels of the same building, or could be located at a distance from each other, for example on different buildings.
  • the solar energy system 100 further comprises a monitoring and diagnostic system (MONITORING AND DIAGNOSTICS) 106, which is for example in communication with each of the solar panels or groups of solar panels 102, 104.
  • the monitoring system monitoring and diagnostics 106 receives performance data from each of the solar panels or groups of solar panels 102, 104, and in some embodiments transmits control signals to the solar panels or groups of solar panels 102, 104
  • each solar panel or group of solar panels 102, 104 includes a control module (CTRL MOD) 108 to manage communications with the monitoring and diagnostic system 106 and to control the operation of the panel.
  • CTR MOD control module
  • performance data such as the amount of electrical energy produced during several sample energy recovery periods
  • the System 106 is capable of accurately identifying whether performance is degraded and capable of taking appropriate action to ensure near-optimal operating efficiency for each solar panel or group of solar panels, even when the panels are solar panels or groups of solar panels 102, 204 are in urban environments.
  • the appropriate action might be to send an electronic communication, e.g. email, text message, calendar entry, etc., to one or more members of a maintenance team to notify them of the need. on-site repairs. This has the advantage of allowing some or all of the on-site inspections to be avoided, thereby reducing the cost.
  • Figure 1 illustrates a case where there are two solar panels or groups of solar panels monitored by the monitoring and diagnostic system 106, in alternative embodiments there could be any number of solar panels or groups of solar panels which are monitored by a single central monitoring and diagnostic system 106.
  • FIG. 2 schematically represents the monitoring and diagnostic system 106 of the solar energy system 100 of FIG. 1 in more detail according to an exemplary embodiment.
  • the system 106 comprises for example a processing device (PROCESSING DEVICE) 202 comprising one or more processors under the control of instructions stored in an instruction memory (INSTRUCTION MEMORY) 204.
  • Another memory (MEMORY) 206 which is for example part of the same memory device or of a device different from the memory 204, stores for example performance data (PERFORMANCE DATA) 208, thermal response models (THERMAL RESPONSE MODELS) 210 for solar panels or given solar panel groups, and an INSTRUMENTS TABLE 212, described in more detail below.
  • the system 106 also comprises for example an operator display (OPERATOR DISPLAY) 214 coupled to the processing device 202, and a communication interface (COMMS INTERFACE) 216 also coupled to the processing device 202, and supporting communications with the solar panels or groups of solar panels (SOLAR PANELS) to be monitored.
  • OPERATOR DISPLAY operator display
  • COMMS INTERFACE communication interface
  • SOLAR PANELS solar panels or groups of solar panels
  • the communication link between system 106 and each of the solar panels or groups of solar panels may include wired and / or wireless connections, including one or more wired or wireless networks.
  • thermal response model 210 of a solar panel we will now describe in more detail an example of thermal response model 210 of a solar panel, with reference to Figure 3.
  • FIG. 3 is a sectional view showing a nodal physical model of a part of a solar energy panel according to an exemplary embodiment of the present description.
  • FIG. 3 represents an example of a panel 302 of a BIPV matrix having an air gap in front of a roofing membrane, and comprising opaque modules.
  • the panel 302 comprises a layer forming a roof (ROOF), a layer forming an air gap (AIR GAP), comprising a chamber 304 and a frame 306, a sheet of back (BACK) forming a solar panel support formed adjacent to the air gap, a photovoltaic (PV) layer formed adjacent to the backsheet, and a glass cover layer (GLASS) that covers the photovoltaic PV layer .
  • ROOF roof
  • AIR GAP air gap
  • BACK sheet of back
  • PV photovoltaic
  • GLASS glass cover layer
  • the nodes in the center of each layer represent the temperature of the layer.
  • Figure 3 also defines the following temperatures:
  • Tf air temperature in the air gap
  • Ta temperature of the outside ambient air
  • Ts effective temperature of the sky.
  • Bonds between the nodes in Figure 3 represent a thermal coupling between the nodes.
  • a coupling by convection with the outside ambient air at the temperature Ta a long-wave coupling with the sky at the temperature Ts and a conductive coupling with the PV of the PV layer.
  • a conductive coupling with the glass layer and with the backsheet To / from the back layer there is a conductive coupling with the PV cells of the PV layer and with the frame 306 around the air gap, natural convection with the air gap and a long wave coupling with the roof.
  • the long wave radiant heat flux between the backsheet and the roof is shown as qr in Fig. 3.
  • FIG. 3 also shows radiation from the sun (SUN), the glass layer receiving unreflected incident solar radiation and also radiation reflected from the PV cells of the PV layer, and the PV layer receiving radiation transmitted through the glass layer.
  • SUN sun
  • the glass layer receiving unreflected incident solar radiation and also radiation reflected from the PV cells of the PV layer, and the PV layer receiving radiation transmitted through the glass layer.
  • Figure 3 is only an example of a thermal model of a solar panel, and this model could be adapted to other structures.
  • a generalized solar collector (GSC) model approximates a solar installation in the form of a set of nodes, corresponding for example to those of FIG. 3, each being defined by an energy equilibrium equation, properties internal and terms to describe the thermal couplings between the nodes and with boundary conditions.
  • All nodes can contain photovoltaic elements on the upper side and the lower side, which convert some of the incident shortwave radiation into electricity.
  • this photovoltaic response represents a reduction in the heat dissipated in the node.
  • the system 106 is for example arranged to take a GSC model associated with a given solar panel or group of solar panels, the model being defined by a set of parameters, and to automatically generate an associated system of equilibrium equations. energy. Indeed, the goal is to determine the temperature and intensity of solar radiation at the level of the photovoltaic layer for a given set of environmental conditions.
  • a ' represents a conductance matrix
  • B' represents couplings at boundary conditions
  • C represents thermal capacities of the system
  • U is a vector listing boundaries and sources
  • T represents the temperature vector to be solved
  • T represents the first derivatives of the temperatures of the vector T.
  • the solution in the stable state is obtained by inverting the conductance matrix as follows:
  • the vectors / matrices T, U, A ', B' and C are for example the following:
  • FIG. 4 is a flowchart illustrating steps in a method for monitoring and diagnosing one or more solar panels or a group of solar panels according to an exemplary embodiment of the present description.
  • the method of FIG. 4 is for example carried out by the monitoring and diagnostic system 106 of FIGS. 1 and 2. This method is for example carried out, in series or in parallel, for each solar panel or group of solar panels to be monitored. In some embodiments, the method is performed at regular intervals for each solar panel or group of solar panels, such as once a week or once every two weeks, to ensure relatively rapid detection of a new one. degradation of an installation.
  • performance data is received from the solar panel or from the group of solar panels, such as the solar panels or the groups of solar panels 102 or 104 of FIG. 1.
  • This data subset comprises by example data indicating an amount of energy collected over a plurality of energy recovery periods covering for example a duration of at least three days, and for example a duration of two weeks or more.
  • the data indicates an average current and / or average voltage generated by the solar cells of the solar panel or group of solar panels during each energy recovery period. Each energy recovery period lasts, for example, one hour or less.
  • the subset of data can be downloaded to system 106 from the solar panel or the group of solar panels at one time. Alternatively, the data subset can be downloaded progressively as it is captured.
  • the data subset is classified, on the basis for example of at least one threshold, into at least two classes, one of which is a nominal class corresponding to recovery conditions d stable energy, and the other of which is an abnormal class corresponding to unstable energy recovery conditions.
  • the data value corresponding to each energy recovery period is classified as corresponding to either a nominal period or an abnormal energy recovery period, in which there can be any number of values per class, and all data values could be classified as nominal.
  • the classification is for example based on one or more indicators, and for example based on one or more of three indicators CI, PR and DS, where:
  • - CI is a clarity index indicating an intensity and a stability of solar radiation, the stability indicating the extent of the variation of the intensity over time;
  • - PR is a performance ratio indicating a ratio between electrical energy and incident radiation, normalized by the expected value of the ratio under reference conditions
  • - DS is a data simulation report showing a difference between a measured power output of the solar panel or solar panel array and a predicted nominal thermal and electrical response of the solar panel or solar panel array.
  • the expected performances of the solar panel or of the group of solar panels are characterized on the basis of the data values classified as nominal, that is to say the values captured during the nominal periods. For example, this involves determining an expected amount of energy production for a given amount of available solar power and given environmental conditions, such as ambient temperature, wind speed, etc.
  • the characterization of the solar panel or of the group of solar panels in the step 403 is used to detect degradation of the installation. This implies for example a deduction of the losses in the energy recovered during the abnormal periods, and for example a comparison of the losses deduced with a threshold to determine whether the performance of the installation has become notably degraded. For example, a degradation is identified when the losses reach a threshold TH, the threshold being for example set to lose between 5 and 20%, and for example around 10%.
  • a reaction is for example carried out in the case where a degradation of the installation is detected.
  • the reaction might be to turn off all or part of the degraded solar panel or group of solar panels in order to prevent further degradation until repairs can be made at the site.
  • the reaction may involve generating an alarm on operator display 214, or sending an electronic message to one or more members of a maintenance crew, to indicate that the solar panel or group of solar panels has been found to have degraded performance.
  • FIG. 5 is a flowchart illustrating an example of the implementation of steps 401 to 404 of the method of FIG. 4 according to an exemplary embodiment of the present description.
  • Step 401 of FIG. 4 involves for example an initialization step (INITIALIZATION) 501 and a read step (READ) 502, step 402 for example involves a step processing (PROCESS) 503 and an enrichment step (ENRICH) 504, and steps 403 and 404 involve for example an analysis step (ANALYZE) 505 and an interpretation step (INTERPRET) 506.
  • initialization step INITIALIZATION
  • read step READ
  • step 402 for example involves a step processing (PROCESS) 503 and an enrichment step (ENRICH) 504
  • steps 403 and 404 involve for example an analysis step (ANALYZE) 505 and an interpretation step (INTERPRET) 506.
  • ANALYZE analysis step
  • INTERPRET interpretation step
  • FIGS. 6 to 15 are flowcharts representing the steps 501 to 506 of FIG. 5 in more detail according to an exemplary embodiment.
  • FIG. 6 represents the initialization and reading steps 501, 502 of the method of FIG. 5 in more detail according to an exemplary embodiment.
  • the initialization step 501 is for example based on configuration data 602 stored for example in the memory 204 or 206 of the monitoring and diagnostic system 106. This step prepares for example the set of parameters and the parameters. options to be used for analyzing the solar panel or group of solar panels to be monitored. In general, unique confirmation data 602 is prepared for each installation, since it includes parameters for access to specific data, and characteristics of the installation for simulations, as well as analysis options, a list. filters and derived variable definitions.
  • the instrument table 212 is for example defined for the solar panel or the group of solar panels to be monitored, and is stored in the memory 206.
  • the table links the names of variables in data sources with the names of internal variables used by the algorithm.
  • the instrument table 212 lists, for example, the instruments that provide input data to the system, such as sensors at each solar panel or group of solar panels, groups of sensors, sensors at weather stations, etc. .
  • groups there may be have a single set of data values for all PV cells of each solar panel or group of solar panels, or a plurality of sets of data values, each set corresponding to a different sub-array of the solar panel or group of solar panels solar panels.
  • a subroutine 603 is executed to process input data, this subroutine involving sub-steps 604 to 613.
  • primary and secondary data is imported from available sources, as defined by the instrument table.
  • the primary data includes, for example, performance data received from the solar panel or from the group of solar panels to be monitored.
  • the secondary data is for example data which comes from outside the system 100 of FIG. 1, and can for example include weather data corresponding to the energy recovery periods with which the performance data is associated.
  • Step 604 involves, for example, the reading of primary data from the primary source, represented by monitoring data 605 in FIG. 6.
  • the primary data comprises samples indicating the electrical power generated during each period. energy recovery, each sample corresponding for example to a voltage and current reading or to an electric power reading.
  • the primary data may include readings from other sensors at the solar panel or group of solar panels, such as readings from one or more temperature sensors, readings from one or more temperature sensors solar radiation intensity, readings from one or more wind speed sensors, etc.
  • Step 604 can include the storage of data read in a standard data structure, generally different from the source format. The conversion is for example managed by specifying the source format in the configuration data 602.
  • the source data format is the SQL (Structured Query Language) format, the XLS (Microsoft Excel) format, or the CSV (Character Separated Values) format (the names "Microsoft” and “Excel” may correspond to trademarks).
  • SQL Structured Query Language
  • XLS Microsoft Excel
  • CSV Consumer Separated Values
  • a step 606 one enters a loop concerning the obtaining and the processing of the secondary data, which can comprise one or more sets of data.
  • the loop involves steps 607 through 613.
  • step 607 external data 608 corresponding to a first set of secondary data of the secondary data is for example received from one or more secondary sources.
  • the sampling frequency of the set of secondary data is for example adapted to that of the set of primary data, if this is appropriate. For example, this may involve decimating the samples of the secondary data set and / or interpolating the secondary data samples to coincide with the sampling times of the primary data.
  • time offsets are applied to the secondary data if this is appropriate.
  • the secondary dataset may be relevant for a different geographic location than the solar panel or group of solar panels, and so some adjustments may be applied to make the data more accurate for the actual location of the solar panel. or group of solar panels.
  • the secondary data can indicate times of sunrise or sunset for a given location, and time offsets can be applied to adjust these times to the location of the solar panel or group of solar panels that is being monitored.
  • the set of secondary data is for example concatenated with the set of primary data.
  • the concatenated data set which corresponds to raw data, is for example pre-filtered to remove data which is inconsistent, such as altered or non-digital data values or altered dates and times. . Any missing row is for example inserted to impose a constant sampling rate.
  • step 613 it is determined whether there are additional secondary data sets to be processed, and if so, the method returns to step 606 at the start of the loop. Otherwise, the next step is a step 614.
  • Step 614 involves checking the raw data set to verify whether the remaining data set is empty after the concatenation and pre-filtering steps. If the raw data cannot be trusted, the method eg exits step 615, and an error message is eg displayed on operator display 214 to inform the operator. If the data is ok, this data forms RAW DATA 616 to be processed in the following steps.
  • FIG. 7 is a flowchart showing the processing step 503 of FIG. 5 in more detail according to an exemplary embodiment.
  • the processing step 503 involves the processing of the raw data 616.
  • a spatial aggregation of groups of instruments is carried out.
  • the instrument table indicates cases where two or more instruments or sensors form a group.
  • spatial aggregation can involve the aggregation of readings based on a calculation of standard deviation (std), mean, normalized value (znorm), mean difference (diff), a maximum difference (dmax) or the identity of an outlier (dmxi).
  • the raw data set includes valid data readings representing the electrical power (P) produced by the solar panel or array of solar panels, ambient temperature (T) at the solar panel or array. of solar panels, and the wind speed (W) at the solar panel or group of solar panels. If any one of these three data readings is not available, the method for example stops in a step 703 and an error message is for example generated to alert the operator. If these three data reads are available, the method proceeds to step 704.
  • each solar panel or group of solar panels may include one or more sensors to sense the intensity of ambient light.
  • readings may be available from one or more external sites close to the facility. solar energy, and for example within a radius of 5 km around the solar energy installation, or for example be deduced from satellite data or weather forecast calculations.
  • a step 705 it is determined for example whether the solar radiation Gi for the solar panel or the group of solar panels can be estimated on the basis of a measurement of the direct current. (DC) produced by the solar panel or group of solar panels. If not, the method for example stops in a step 706 and an error message is for example generated to alert the operator. If DC current readings are available, the solar radiation Gi in the plane of the solar panel or group of solar panels is for example estimated in an operation 707 based on the DC current readings.
  • DC direct current
  • step 707 After step 707, or after step 704 if Gi solar radiation readings are found present, the next step is step 708.
  • the raw data is for example filtered on the basis of the ranges of values authorized for the variables.
  • a series of filters are applied to the raw data in combination, each including a test on the instantaneous values of a single variable, and the failed rows are discarded from the data set.
  • a filter can test whether solar irradiance readings are in the range (0; 1500), or for a temperature sensor that has been configured to read -999 in the event of a sensor fault, a filter can be set to exclude such erroneous values.
  • derived variables are for example generated on the basis of the raw data set filtered, according to definitions provided in configuration 602.
  • a derived variable is defined as being a variable calculated from the instantaneous variables of one or more variables.
  • Derived variables share the same time base as raw data variables. For example, this involves the generation of the instantaneous performance ratio PR, which corresponds to the ratio between the output power and the incident radiation, normalized by an expected solar panel efficiency determined under standard test conditions, and for example defined in a specification sheet of solar panel or group of solar panels.
  • step 709 one, some or all of the following derived variables are for example also generated in step 709:
  • ⁇ ref is the conversion efficiency at the reference panel temperature T ref and for the incident radiation G ref .
  • the coefficients ⁇ and ⁇ describe the dependence as a function of the temperature (T pv) and of the radiation (I rr) of the efficiency of the panel, and A is the collection surface.
  • the corrected data set comprising the derived variables is for example pre-filtered to generate a corrected data set (CORRECTED DATA) 711.
  • the same pre-filtering step 612 as that of FIG. 6 is eg applied, to eliminate non-numeric and altered derived variables.
  • This data can also be exported in a step 712 to a persistent file in CSV format, to allow subsequent analysis to be undertaken using corrected data without the need to apply previous steps, if desired.
  • FIG. 8 is a flowchart representing a first part of the enrichment step 504 of the method of FIG. 5 in more detail according to an exemplary embodiment.
  • the enrichment step is for example performed on the corrected data set 711.
  • the method of FIG. 8 involves for example a subroutine 801 for enriching, on the basis of configuration data (config), the information concerning the local environment of the solar panel or of the group of solar panels.
  • the aim of this subroutine is to produce an indicator with which one can distinguish periods of environmental conditions which are favorable for a nominal power production by the solar panel or the group of solar panels.
  • the method involves, for example, the determination of an increased clarity index CI.
  • the local lightness index indicates the degree of cloudiness, shading and variability in solar radiation at the solar installation.
  • FIG. 8 includes a method comprising steps 802 to 807 based on a solar model of a clear sky, which is for example a default method.
  • Figure 8 also indicates that, in addition or as an alternative, another environmental enrichment process 808 could be used.
  • step 802 local radiation information is obtained, for example from a weather station, indicating for example the extent of the cloudiness.
  • a clear sky calculation is for example carried out to predict the quantity of solar radiation received by the solar panel or the group of solar panels when the sky is clear.
  • the incident flux in the plane of the solar panel or group of solar panels is calculated from the position of the sun, the solar flux extraterrestrial, and an estimate of the attenuation of solar radiation by the atmosphere as a function of optical depth.
  • the clear sky calculation is used to obtain an initial estimate of sunny conditions, via a ratio between simulated beam radiation and total radiation measured at noon.
  • step 804 the sunniest days are identified by classifying the days by daily integrated solar radiation, and the daily accumulated lightness indicator obtained in step 803. If the sunniest day does not include cloudy periods, it is adopted for the total radiation profile under clear sky conditions, including diffuse radiation. Otherwise, a composite clear day is constructed from sunny periods in the selection of the sunniest days.
  • step 805 the horizon and shading effects of the solar panel or group of solar panels are inferred, for example on the basis of the daily local radiation profile for light conditions, estimated in the step 804.
  • the local diffuse profile is copied to all the days in the sample. Corrections are then applied for periods with zero beam radiation, setting the diffuse flux equal to the total measured radiation. For periods of absence of data, the diffuse flow is for example set to zero.
  • the result is an estimate of local diffuse radiation taking into account contributions from the immediate environment and the horizon.
  • step 806 the total clear sky radiation is calculated by adding the simulated beam radiation, obtained from step 803, and the local diffuse flux, obtained from step 805.
  • the CI clarity index is defined as the ratio of total radiation to total clear sky radiation.
  • the value of CI is for example modified to read specific values during periods without data, during the night (zero clear sky radiation), and during dawn and dusk (low component. simulated beam).
  • the moving average and fluctuating components of the total radiation are calculated, for example for a period of 1 hour, which values are then used to mark unstable intervals in the IC.
  • step 809 After the increased CI clarity index has been deduced using steps 802 to 807, and / or using alternative method 808, the next step is step 809.
  • step 809 it is determined whether in-plane solar radiation has been estimated in step 707 of FIG. 7 using DC current measurements. If so, in a step 810, a more precise estimate of in-plane solar radiation can be generated based on the mean horizontal total solar radiation Gh if available in the data, using Perez's model. This provides an absolute peak radiation measurement independent of the electrical response of the array.
  • Perez's model is described in more detail in the following publications: publication by Perez, R., Seals, R., Ineichen, P., Stewart, R., Menicucci, D., entitled “A new simplified version of the Perez diffuse irradiance model for tilted surfaces ", 1987, Solar Energy 39 (3), 221-232; the publication by Perez, R., Ineichen, P., Seals, R., Michalsky, J., Stewart, R., entitled “Modeling daylight availability and irradiance components from direct and global irradiance", 1990, Solar Energy 44 (5 ), 271-289; and the publication of
  • Step 811 involves determining whether an interior building temperature Tin is available. If not, in a step 812, the values of the outside temperature will be used in the next step in the data enrichment process.
  • FIG. 9 is a flowchart showing the following steps 901 to 906 of the enrichment step 504 of the method of FIG. 5.
  • a subroutine is implemented to enhance the performance of the system, this subroutine involving steps 902 to 906.
  • This subroutine aims for example to deduce another indicator to be used for classifying the data of step 402, this indicator being a ratio between data and simulated electrical power (DS) assuming a nominal system response to uniform environmental conditions.
  • the simulations provide for example, on the basis of the generalized solar collector model, a predicted matrix temperature and a predicted electrical output of the matrix as a function of the measured environmental conditions.
  • a range of configurations can be simulated in this step in order to obtain information with which we can test hypotheses concerning the state of the PV array, and estimate for example the loss of performance due to integration into the building.
  • step 902 for example, a simulation is carried out on the basis of a reference PV system, and in particular of a PV system of the same type as that of the panel. solar panel or group of solar panels, but without taking into account the integration of the solar panel or group of solar panels in a building.
  • the simulation provides for example an estimate of the average matrix temperature of the solar panel or the group of solar panels and the DC power produced by the solar panel or the group of solar panels.
  • this simulation is based on the generalized solar collector model, for example as defined by the preceding Math 7 through Math 20 equations, and uses the measured environmental conditions as inputs.
  • the BIPV system is for example simulated in a manner similar to the simulation carried out in step 902, but taking into account the integration of the solar panel or of the group of solar panels of the installation. as solar panels integrated into a building. For example, this involves a GSC simulation arranged to describe a thermal coupling to a roof or a facade, with an air gap, as shown in figure 3. Multiple simulations can be performed, by adapting input variables. and parameters to estimate uncertainties and consider different assumptions, eg degradation induced by aging, reduced air flow rates, high ambient temperatures, etc. This will now be described in more detail with reference to a step 904, which is shown in more detail in FIG. 10.
  • FIG. 10 is a flowchart representing examples of simulations carried out in step 904 of FIG. 9. These examples represent optional variants to complete the information generated by steps 902 and 903.
  • the simulation of the integrated PV system is improved by a step 1001, in which a series of simulation variants is carried out to estimate systematic errors in the simulation.
  • systematic errors include those occurring from uncertainties in GSC inputs.
  • a default sequence of calculations is for example defined in step 1002:
  • the solar panel or group of solar panels assuming a lower limit, an upper limit and a nominal mean value of the predicted air flow passing through the air gap of the panel;
  • the solar panel or group of solar panels assuming a relatively high ambient temperature in the vicinity of the panel;
  • the solar panel or group of solar panels assuming a constant interior temperature of the building.
  • variant simulation configurations can be considered to estimate the impact of variations in the GSC parameters (PV characteristics) and are for example carried out in a step 1003
  • a sequence of default simulation variants is defined in a step 1004: the non-integrated solar panel or group of solar panels and the integrated solar panel or group of solar panels assuming relatively low performance, defined by poor optical transmittance and reflectance. and reduced electrical efficiency;
  • one or more simulation variants can be carried out in a step 1005.
  • the ratio DS between data and model is for example determined for the electric power generated by the solar panel or group of solar panels, for the calculated predicted nominal power. in steps 902 and 903. The result of any further simulation is used to quantify the possible deviations.
  • step 906 the power cuts are marked in the indicators Pdc: Gi and DS.
  • the ratios are set to a constant value for any interval in which the measured power is zero.
  • step 906 the process continues in FIG. 11.
  • FIG. 11 is a flowchart representing the following steps 1101 to 1110 of the enrichment step 504 of the method of FIG. 5.
  • step 1101 it is determined whether there is a Tpv array temperature reading available for the solar panel or the group of solar panels. If so, in a step 1102, temperature prediction errors and heating correlations are for example calculated. A heating correlation is defined as the difference between PV temperature and ambient temperature, normalized by incident solar radiation. Then, in a step 1103, any temperature divergence is for example marked in the indicator Pdc: Pbipv. The report is set at different constant values depending on whether a significant overestimation or underestimation is observed, or a temperature divergence combined with a bad DS value is observed.
  • step 1104 is performed, involving determining whether sub-array data is available. , allowing to perform a sub-matrix analysis. If so, in a step 1105, the presence of any heterogeneity between the sub-matrices of the solar panel or of the group of solar panels is for example marked. For example, heterogeneity is detected based on a calculation of the variance between measurements, such as power measurements generated by strings of PV cells or modules in the array.
  • step 1106 it is determined whether both a current reading ItoG and an external reading Gext are available as measurements Gi of solar radiation. If so, in a step 1107, the measurement of Gi based on the current reading ItoG is replaced by the measurement Gext of external solar radiation for the following steps of the analysis.
  • the enriched data (ENRICHED DATA) 1108 are ready.
  • this enriched data is exported to data storage 1109 and / or is represented in one or more tables or graphs on operator display 214 as represented by an operation 1110.
  • FIG. 12 is a flowchart showing a first part of the analysis step 505 of the method of FIG. 5 in more detail.
  • a daily weather profile is for example obtained for the location located at or near the solar panel or the group of solar panels for each of the energy recovery periods. These data are for example based on data coming from one or more weather stations in the vicinity of the solar panel or the group of solar panels, and / or based on other sources such as images from satellites, etc.
  • a nominal BIPV simulation is carried out on the basis of the meteorological profile for each energy recovery period.
  • a classification subroutine involving steps 1204 to 1210 is for example carried out on the enriched performance data.
  • This subroutine implements step 402 of FIG. 4.
  • Each of the energy recovery periods is for example classified into one of at least two categories, corresponding to nominal and abnormal periods.
  • the classification is based, for example, on a comparison of one, some or all of the indicators PR, CI and DS, determined during previous steps as has been described previously, with one or more thresholds.
  • the classification algorithm can be based on a supervised approach and / or an unsupervised approach.
  • An unsupervised approach 1204 involves for example a grouping / decision tree algorithm 1205 to automatically generate subsets, and a step 1206 which assigns the subsets to the different classes.
  • a supervised approach 1208 involves for example an Mfilter filtering matrix comprising preset thresholds, while a supervised approach 1209 involves for example an Mfilter filtering matrix comprising thresholds defined from a file stored for example by the memory 206 of the system 106 of FIG. 2.
  • the Mfilter filter matrix is of the form:
  • C 0 to C n are classes, X c , min and X c , max are minimum and maximum thresholds for class c of an indicator V x , and Z c, min and Z c, max are minimum thresholds and maximum for class c of an indicator V z .
  • Classes 7 and 8 correspond to nominal periods, and the other classes correspond, for example, to abnormal periods.
  • the energy recovery periods classified as nominal represent between 10 and 20 percent of the total number of energy recovery periods.
  • the following classification rules could be applied based on the augmented clarity index CI, the performance report PR, and the data simulation report DS.
  • Classes 0-4 are for example assigned to an energy recovery period when the radiation conditions are low / zero, indicating either a night period or a period of very low radiation, or a failure of the system.
  • Class 5 is for example assigned to an energy recovery period when the CI data indicates cloudy conditions, the DS data indicates an underestimation or an overestimation of the power produced, and the performance ratio is low. , indicating poor performance under unstable conditions.
  • An underestimation of the power generated implies that the actual or current data indicates a power significantly greater than that estimated / predicted, for example the data being greater than the estimate by 5 percent or more.
  • An overestimation of the power generated implies that the actual data indicates a power significantly lower than that estimated / predicted, for example the data being less than the estimate by 5 percent or more.
  • Class 6 is for example assigned to an energy recovery period when the CI data indicates a sunny period, the DS data indicates an underestimation or an overestimation of the power generated, and the performance ratio is low, indicating poor performance in sunny conditions.
  • Class 7 is for example assigned to an energy recovery period when the CI data indicates a sunny period, the DS data indicates an agreement or practically an agreement between the estimated power and the effective power, and the ratio of performance is medium to high, indicating that the system is working well in sunny conditions.
  • An agreement or nearly an agreement between the estimated power and the effective power corresponds, for example, to data lying within a limit of 5% with respect to the estimate.
  • Class 8 is for example assigned to an energy recovery period when the CI data indicates a cloudy period, the DS data indicates an agreement or almost an agreement between the estimated power and the effective power, and the ratio of performance is medium to high, indicating that the system is functioning well in cloudy conditions.
  • Class 9 is for example affected if a heterogeneity in the matrix has been noted.
  • the result of the classification can be represented in a step 1210, for example in one or more tables or graphs, and displayed on the operator display 214.
  • the method then continues with example in figure 13.
  • FIG. 13 is a flowchart showing the following operations 1301 to 1318 of the analysis step 505 of the method of FIG. 5 in more detail.
  • a performance characterization subroutine is implemented involving steps 1302 to 1317.
  • the subroutine aims to characterize the nominal behavior of the system using regression models and then extrapolate the result to the full data set in order to characterize the full performance of the solar panel or group of solar panels.
  • step 1302 the performance data is filtered to include only the subsets falling in the nominal class.
  • a loop involving steps 1304 through 1310 is performed to fit the Photovoltaic Array Performance Model (PAPM) to the nominal data subsets.
  • PAPM Photovoltaic Array Performance Model
  • the PAPM model describes the electrical response of a solar panel or group of solar panels using a system of equations.
  • the PAPM model and the corresponding equations are for example described in the publication by King, D., Boyson, W., & Kratochvill, J.
  • the loop begins at step 1304 and is repeated for each sub-array of each solar panel.
  • step 1305 it is determined whether a temperature measurement Tpv of the current sub-matrix of the solar panel or of the group of solar panels is available. If it is the case, in a step 1306, the PAPM performance model is fitted to the data set based on the current measurement Idc and the temperature reading Tpv, and / or the PAPM is fitted to the data set based on Udc voltage measurement and Tpv temperature reading. The step calculates the adjustment values, the adjustment residuals (res), the adjusted parameters (par), and the regression estimation errors associated with each parameter (err).
  • the product of the adjusted results Idc * Udc is calculated to obtain a power estimate from the PAPM.
  • step 1308 is for example carried out.
  • the PAPM performance model is fitted to the data set based on the current Idc and based on the generalized solar collector model (GSC) and / or the PAPM performance model is fitted to the 'dataset based on voltage Udc and based on temperature of the Generalized Solar Collector Model (GSC).
  • the power PAPM estimate is for example calculated from the product Idc * Udc, obtained by using the temperature of the generalized solar collector model (GSC).
  • step 1309 it is determined for example in a step 1310 whether all the sub-matrices have been processed, and if not, the loop is repeated for a following sub-matrix.
  • the result at the output 1311 of the loop is a PAPM characterization for some or all of the sub-matrices of the matrix on the basis of the power Pmp in using the GSC model and in some cases taking into account the temperature Tpv.
  • PVUSA model Photovoltaics for Utility Scale Applications - photovoltaic devices for commercial applications.
  • the PVUSA model is for example described in more detail in the publication by Dows, RN, & Gough, EJ entitled "PVUSA procurement, acceptance, and rating practices for photovoltaic power plants (No. DOE / AL / 82993 - 21) ", 1995, Pacific Gas and Electric Co., San Ramon, CA
  • step 1313 the nominal data subsets are filtered to include only those covering the midday period.
  • step 1314 it is determined whether a temperature measurement Tpv of the solar panel or of the group of solar panels is available. If so, in step 1315 the PVPOW performance model is fitted to the data set based on the Tpv temperature reading. On the other hand, if no Tpv temperature measurement is available, in a step 1316, the PVPOW performance model is fitted to the data set based on the GSC model. [0162] After steps 1311, 1312, 1315, 1316, in a step 1317, the characterization results for the nominal energy recovery periods are for example extrapolated to cover the entire data sample, in other words all periods of energy recovery, thus characterizing the solar panel or group of solar panels as if it had been operating at its nominal level at all times. Extrapolation involves the use of regression parameters, obtained by fitting models to the nominal subset, to predict the expected nominal response for environmental conditions encountered in other subsets.
  • step 1317 results in ANALYZED DATA 1318.
  • FIG. 14 is a flowchart showing a first part of the interpretation step 506 of the method of FIG. 5 in more detail. The steps in Figure 14 are based on the analyzed data 1318.
  • a subroutine 1401 comprising steps 1402 to
  • Step 1402 involves, for example, the specification of a set of measures container for the quantities to be defined during steps 1403 to 1409.
  • measurements of data characteristics are defined. These include, for example, the number of data values, the duration of the interval, the number of usable data, etc.
  • instant indicators are defined. These include for example the number of data points per indicator category PR, CI and DS, for example the number of data points that correspond to sunny conditions, and / or the number of data points that correspond to good performance, etc.
  • step 1405 accumulated energy measurements are determined. These include for example the total incident solar radiation, the total solar radiation in open conditions, the measured total energy generation of the solar panel or group of solar panels, the predicted total energy generation of the solar panel or group of solar panels according to GSC simulation, etc. These also include the accumulated values of adjustment results from steps 1302 through 1317 of Fig. 13, the total energy and the sum of adjustment residuals.
  • a power rating calculation includes a regression fit to linear models of power as a function of environmental conditions, the results of which are used to estimate the power of the solar panel or group of solar panels extrapolated to conditions. reference.
  • the linear models discussed in step 1406 include, for example, the PVUSA evaluation under reference conditions of incident radiation of 1000 W / m, an ambient temperature of 20 ° C, and a wind speed of 1 m / s. of accumulated performance is also for example specified in a step 1406, defined as being the ratio between the total energy generated and the total incident radiation.
  • additional power evaluations are for example defined using a combination of measured and simulated data obtained from the GSC simulation. Assessments include, for example:
  • step 1408 it is determined whether Tpv array temperature data is available. If so, in step 1409 the set of performance metrics is extended to include amounts inferred using that data. For example, the PVPOW ratings described above are determined using the measured matrix temperature. A Ross coefficient is also specified, for example, defined as being the gradient of the correlation between the incident radiation and the difference between the temperature of the solar panel and the outside ambient temperature.
  • step 1410 it is determined whether data for matrix current and voltage, Idc and Udc is available. If so, in step 1411 the set of performance metrics is extended to include power ratings based on the PAPM.
  • step 1411 we enter a loop involving steps 1412 to 1415 applied to each sub-matrix of the solar panel or of the group of solar panels.
  • sub-matrix refers to each part of the solar panel or group of solar panels for which separate current and voltage measurements are available.
  • the PAPM evaluations are for example calculated at the sub-matrix level.
  • step 1412 it is determined whether a temperature measurement Tpv of the solar panel or of the group of solar panels is available.
  • step 1413 the PAPM evaluations are calculated using temperatures predicted by the GSC model. If temperature readings are available, in step 1414, PAPM ratings are calculated using temperature readings. [0176] In steps 1413 and 1414, the PAPM evaluations are for example specified for a current and a voltage extrapolated for reference conditions of incident radiation of 1000 W / m 2 , and a solar panel temperature of 25 ° C. PAPM rated power is defined as the product of the current and voltage ratings. [0177] In step 1415, if there are other sub-matrices, the loop 1411 is continued for the next sub-matrix. If all the sub-matrices have been processed, the algorithm goes to step 1416.
  • step 1416 a combined set of measurements is generated and the process then continues in FIG. 15.
  • FIG. 15 is a flowchart showing subsequent steps of the interpretation step of the method of FIG. 5 in more detail.
  • the classified and characterized subsets of data are for example aggregated over time in order to deduce the integrated performance measures specified in the set of measures defined in steps 1402 to 1416.
  • the integration is by example performed over the full duration of the analysis, although it may also be performed over shorter periods in some embodiments.
  • step 1502 we enter a loop involving steps 1503 to 1515 applied to each class.
  • step 1503 it is determined whether an additional subset filter should be applied to a class, and if so, the filter is applied in step 1504.
  • a filter in step 1504 comprises for example a filter intended to select a particular time of the day.
  • steps 1505, 1506, 1507 and 1508 are performed to respectively determine whether the time base for aggregation temporal must be in hours, (hh), in days of the year (doys), in weeks of the year (woys) and / or over a period defined by the operator.
  • the time bases are for example defined by the user and one, some or all of the time bases can be applied.
  • Step 1509 then involves, for example, entering a sub-loop applied to each of the time bases involving steps 1510, 1511 and 1512.
  • step 1510 mean deviation and standard deviation calculations are performed on each variable found in the data set for the time base, and in step 1511 the quantities defined in the set of measures are calculated.
  • step 1512 it is determined whether there are other time bases to be taken into account, and if so, the method returns to step 1509. When there is no longer any other time bases to be taken into account, the next step is step 1513.
  • Step 1513 involves, for example, determining whether current Idc and voltage Udc measurements are available for the solar panel or the group of solar panels. If so, in a step 1514 another aggregation is carried out to obtain a combined PAPM evaluation for all the sub-matrices.
  • step 1515 it is determined whether there are other classes to be to treat. If so, the process returns to the start of the loop 1502. Once all the classes have been processed, the next step is a step 1516.
  • a photovoltaic yield analysis is for example carried out on the basis of the data subsets aggregated over time, thus generating a set of measurements (MEASURES) 1517.
  • this includes the variation of yield over given periods, such as the daily variation.
  • the measurements 1517 are for example stored in memory, and in step 1519, the measurements 1517 are for example represented in one or more graphs or tables, which are for example displayed for an operator on operator display 214 of Figure 2.
  • a current state of the solar panel or group of solar panels is determined based on some or all of the measurements. For example, a flag of yields 1521, an evaluation flag 1522 and / or a fault flag 1523 are generated if one or more of the measurements exceed a given threshold or a given allowable range. Indeed, these flags provide for example a binary judgment of the state of the system, and indicate to an operator the moment when an action must be taken. In some embodiments, activating a flag can also trigger an automatic reaction.
  • the yield flag is for example activated as a function of a comparison between the yield extrapolated for measured values and simulated values.
  • extrapolated efficiency is the product of the integrated performance ratio during sunny periods, corresponding to the ratio of generated energy to incident energy, and incident energy over the full analysis period.
  • a discrepancy between the extrapolated and simulated returns indicates that the nominal behavior differs from the model's expectations.
  • the test is conditioned on the fact that there is sufficient nominal data, for example in the form of a percentage of the total data, the nominal data representing for example at least 10 percent of the total data.
  • the yield flag is activated when:
  • t name is the duration of nominal periods
  • t tot is the total duration of the analysis period
  • Ydat is the extrapolated yield data
  • Y sim is the extrapolated simulation data.
  • a yield warning flag is also set when:
  • the evaluation flag is for example activated as a function of a comparison of the nominal PVGSC evaluations adjusted to the measured power and to the simulated power.
  • the PVGSC assessment is for example based on the simple PV power model combined with simulated GSC matrix temperatures.
  • the adjustment is limited to nominal data over the midday period, since this corresponds, for example, to the period of greatest accuracy of the model.
  • the test is conditioned by a relatively good fit between the model and the data.
  • the evaluation flag is activated when:
  • a yield warning flag is also set when:
  • the fault flag is for example activated as a function of a comparison between the efficiency during subassemblies classified as faulty and the expected nominal efficiency.
  • the expected nominal efficiency is for example deduced from the simple power model with simulated GSC temperatures.
  • the model is fitted to nominal data during the midday period, then is extrapolated to other periods and integrated.
  • the test is conditioned on whether there is sufficient nominal data, for example as a percentage of the total data, the nominal data representing for example at least 10% of total data.
  • the yield flag is activated when:
  • t nom is the duration of the nominal periods
  • ttot is the total duration of the analysis period
  • Ydat is the extrapolated yield data
  • Y sim is the extrapolated simulation data.
  • a fault warning flag is also activated when: [Math 29] and / or when:
  • An advantage of the embodiments described here is that one or more solar panels can be monitored remotely, making it possible to reduce the number of costly visual inspections.
  • the embodiments described here also allow the rapid detection of any degradation in the efficiency of a solar energy installation, including for solar installations in urban environments, where there are many factors that can impact the efficiency. .
  • filtering data to identify nominal periods to use as a reference it is possible to accurately identify when the performance of a solar panel or group of solar panels becomes significantly degraded and when an intervention. must be programmed to avoid a significant loss of the potential energy that can be recovered.

Landscapes

  • Photovoltaic Devices (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

La présente description concerne un système de surveillance du fonctionnement d'un ou plusieurs panneaux solaires (102, 104), le système comprenant : une interface de communication agencée pour recevoir des données de performances indiquant la puissance générée par lesdits un ou plusieurs panneaux solaires (102, 104) pendant une pluralité de périodes de récupération d'énergie; et un dispositif de traitement agencé pour filtrer les données de performances pour classer au moins une période de récupération d'énergie comme période nominale pendant laquelle le rayonnement solaire était stable, et pour traiter les données de performances pour détecter un fonctionnement dégradé desdits un ou plusieurs panneaux solaires (102, 104) sur la base des données de performances pendant ladite au moins une période nominale.

Description

DESCRIPTION
Système et procédé de surveillance d'installations d'énergie solaire
La présente demande de brevet revendique la priorité de la demande de brevet français FR2005564 déposée le 26 mai 2020, qui sera considérée comme faisant partie intégrante de la présente description.
Domaine technique
[0001] La présente description concerne de façon générale le domaine de la récupération d'énergie solaire, et en particulier un système et un procédé de surveillance d'un ou plusieurs panneaux solaires.
Technique antérieure
[0002] Les panneaux solaires destinés à la récupération d'énergie comprennent des cellules solaires qui produisent un courant par effet photovoltaïque lorsqu'elles sont exposées à de l'énergie solaire. Le rendement d'un panneau solaire peut se mesurer comme étant la quantité d'énergie électrique produite pour une quantité donnée d'énergie solaire disponible .
[0003] Les fermes solaires ayant un haut rendement sont souvent disposées dans des emplacements favorables pour la récupération d'énergie solaire, comme les régions faiblement peuplées à la campagne ou désertes relativement loin des villes et des cités. Le rendement des installations solaires dans des fermes solaires dédiées va dépendre de facteurs comme la technologie particulière utilisée pour la récupération d'énergie, l'âge du panneau solaire, l'état de maintenance du panneau solaire, y compris la quantité de poussière recouvrant les cellules solaires du panneau, et l'orientation du panneau par rapport au rayonnement solaire. En général, on peut obtenir un rendement relativement élevé pour ce type d'installation solaire. Toutefois, les fermes solaires disposées dans des régions faiblement peuplées nécessitent l'ajout de réseaux d'alimentation relativement coûteux afin de transporter l'énergie électrique générée vers les emplacements où l'énergie est demandée.
[0004] Au cours des dernières années, on a vu une croissance des installations photovoltaïques intégrées dans des bâtiments (BIPV). De telles installations intègrent la technologie photovoltaïque dans les matériaux de construction des bâtiments afin de transformer des zones des toitures et/ou des façades de bâtiments en panneaux solaires. Un avantage de telles installations par rapport à des fermes solaires disposées dans des régions faiblement peuplées est que l'énergie électrique peut être produite à proximité de l'emplacement où elle doit être utilisée, souvent au moins une partie de l'énergie produite étant utilisée dans le bâtiment lui-même.
[0005] Les BIPV sont en général situés dans des emplacements urbains. Ainsi, le rendement énergétique de telles installations dépend non seulement des facteurs indiqués précédemment qui affectent le rendement des installations des fermes solaires, mais aussi d'autres facteurs comme la lumière réfléchie par les bâtiments environnants, les ombres portées par les bâtiments environnants, des effets locaux provoqués par le bâtiment sur lequel le panneau solaire est installé, etc. Le fait d'assurer un rendement de fonctionnement proche de l'optimal pour une installation solaire est important pour obtenir un retour sur investissement raisonnable.
[0006] Pour une installation d'énergie solaire donnée, des inspections sur site peuvent être effectuées par un technicien pour vérifier que l'installation fonctionne avec un rendement proche de l'optimal. Toutefois, il y a une difficulté en ce que de telles inspections sur site sont coûteuses, et qu'il peut y avoir un retard significatif entre la dégradation du rendement d'une installation solaire et une inspection sur site ultérieure programmée qui pourra identifier le problème et le corriger. Toutefois, il y a une difficulté pour obtenir un système capable de détecter rapidement une dégradation du rendement d'une installation d'énergie solaire, en particulier pour des installations solaires se trouvant dans des environnements urbains, où il y a de nombreux facteurs qui peuvent impacter le rendement.
Résumé de l'invention
[0007] Selon un aspect de la présente description, on prévoit un système de surveillance du fonctionnement d'un ou plusieurs panneaux solaires, le système comprenant : une interface de communication agencée pour recevoir des données de performances indiquant la puissance générée par lesdits un ou plusieurs panneaux solaires pendant une pluralité de périodes de récupération d'énergie ; et un dispositif de traitement agencé pour filtrer les données de performances pour classer au moins une période de récupération d'énergie comme période nominale pendant laquelle le rayonnement solaire était stable, et pour traiter les données de performances pour détecter un fonctionnement dégradé desdits un ou plusieurs panneaux solaires sur la base des données de performances pendant ladite au moins une période nominale.
[0008] Selon un mode de réalisation, le dispositif de traitement est agencé pour réaliser la classification sur la base d'une comparaison d'au moins un paramètre à au moins un seuil .
[0009] Selon un mode de réalisation, le dispositif de traitement est agencé pour sélectionner ledit au moins un seuil de telle sorte qu'au moins 10 %, et par exemples entre 10 % et 20 %, des périodes de récupération d'énergie soient classées comme nominales. [0010] Selon un mode de réalisation, ledit au moins un paramètre comprend au moins un élément du groupe constitué de : un indice de clarté indiquant une intensité et/ou une stabilité du rayonnement solaire pendant chaque période de récupération d'énergie ; un rapport de performance indiquant un rapport de performance électrique desdits un ou plusieurs panneaux solaires par rapport à un comportement simulé desdits un ou plusieurs panneaux solaires pendant chaque période de récupération d'énergie ; et un rapport de simulation de données indiquant une différence entre une puissance de sortie mesurée desdits un ou plusieurs panneaux solaires et une réponse thermique et électrique nominale prédite desdits un ou plusieurs panneaux solaires pendant chaque période de récupération d'énergie.
[0011] Selon un mode de réalisation, le dispositif de traitement est agencé pour réaliser la classification sur la base de l'indice de clarté, du rapport de performance, et du rapport de simulation de données.
[0012] Selon un mode de réalisation, le dispositif de traitement est agencé pour utiliser un sous-ensemble nominal, correspondant aux données de performances pendant ladite au moins une période nominale, pour caractériser les performances des panneaux solaires, et, par extrapolation et comparaison avec des performances observées pendant une ou plusieurs périodes de comportement douteux, pour évaluer les pertes pendant ces périodes.
[0013] Selon un mode de réalisation, le dispositif de traitement est agencé en outre pour générer et émettre vers lesdits un ou plusieurs panneaux solaires un signal de commande basé sur le fonctionnement dégradé détecté.
[0014] Selon un mode de réalisation, le signal de commande est un signal de désactivation pour désactiver lesdits un ou plusieurs panneaux solaires. [0015] Selon un autre aspect, on prévoit un procédé de surveillance du fonctionnement d'un ou plusieurs panneaux solaires, le procédé comprenant : recevoir, par une interface de communication, des données de performances indiquant la puissance générée par lesdits un ou plusieurs panneaux solaires pendant une pluralité de périodes de récupération d'énergie ; filtrer, par un dispositif de traitement, les données de performances pour classer au moins une période de récupération d'énergie comme période nominale pendant laquelle le rayonnement solaire était stable ; et traiter les données de performances par le dispositif de traitement pour détecter un fonctionnement dégradé desdits un ou plusieurs panneaux solaires sur la base des données de performances pendant ladite au moins une période nominale.
[0016] Selon un mode de réalisation, la classification est basée sur une comparaison d'au moins un paramètre à au moins un seuil.
[0017] Selon un mode de réalisation, au moins 10 %, et par exemple entre 10 % et 20 %, des périodes de récupération d'énergie sont classées comme nominales.
[0018] Selon un mode de réalisation, ledit au moins un paramètre comprend au moins un élément du groupe constitué de : un indice de clarté indiquant une quantité de rayonnement solaire ; un rapport de performance indiquant un rapport de performance électrique desdits un ou plusieurs panneaux solaires par rapport à un comportement simulé desdits un ou plusieurs panneaux solaires ; et un rapport de simulation de données indiquant une différence entre une puissance de sortie mesurée desdits un ou plusieurs panneaux solaires et une réponse thermique et électrique nominale prédite desdits un ou plusieurs panneaux solaires. [0019] Selon un mode de réalisation, la classification est basée sur l'indice de clarté, le rapport de performance et le rapport de simulation de données.
[0020] Selon un mode de réalisation, un sous-ensemble nominal, correspondant aux données de performances pendant ladite au moins une période nominale, est utilisé pour caractériser les performances des panneaux solaires, et par extrapolation et comparaison aux performances observées pendant une ou plusieurs périodes de comportement douteux, pour évaluer les pertes pendant ces périodes.
[0021] Selon un mode de réalisation, le procédé comprend en outre la génération et l'émission vers lesdits un ou plusieurs panneaux solaires d'un signal de commande basé sur le fonctionnement dégradé détecté.
[0022] Selon un mode de réalisation, le signal de commande est un signal de désactivation pour désactiver lesdits un ou plusieurs panneaux solaires.
[0023] Selon un autre aspect, on prévoit un support de stockage non transitoire mémorisant des instructions d'ordinateur qui, lorsqu'elles sont exécutées par un dispositif de traitement, amènent la mise en œuvre du procédé susmentionné .
Brève description des dessins
[0024] Ces caractéristiques et avantages, ainsi que d'autres, seront exposés en détail dans la description suivante de modes de réalisation particuliers faite à titre non limitatif en relation avec les figures jointes parmi lesquelles :
[0025] la figure 1 représente schématiquement un système d'énergie solaire selon un exemple de réalisation de la présente description ; [0026] la figure 2 représente schématiquement un système de surveillance et de diagnostic de la figure 1 selon un exemple de réalisation ;
[0027] la figure 3 est une vue en coupe représentant un modèle d'une partie d'un panneau solaire selon un exemple de réalisation de la présente description ;
[0028] la figure 4 est un organigramme représentant des étapes dans un procédé de surveillance et de commande d'un ou plusieurs panneaux solaires selon un exemple de réalisation de la présente description ;
[0029] la figure 5 est un organigramme représentant plusieurs étapes du procédé de la figure 4 plus en détail selon un exemple de réalisation de la présente description ;
[0030] la figure 6 est un organigramme représentant des étapes d'initialisation et de lecture du procédé de la figure 5 plus en détail selon un exemple de réalisation ;
[0031] la figure 7 est un organigramme représentant une étape de traitement de la figure 5 plus en détail selon un exemple de réalisation ;
[0032] la figure 8 est un organigramme représentant une première partie d'une étape d'enrichissement du procédé de la figure 5 plus en détail ;
[0033] la figure 9 est un organigramme représentant une deuxième partie de l'étape d'enrichissement du procédé de la figure 5 plus en détail ;
[0034] la figure 10 est un organigramme représentant une troisième partie de l'étape d'enrichissement du procédé de la figure 5 plus en détail ;
[0035] la figure 11 est un organigramme représentant une quatrième partie de l'étape d'enrichissement du procédé de la figure 5 plus en détail ; [0036] la figure 12 est un organigramme représentant une première partie d'une l'étape d'analyse du procédé de la figure 5 plus en détail ;
[0037] la figure 13 est un organigramme représentant une deuxième partie de l'étape d'analyse du procédé de la figure 5 plus en détail ;
[0038] la figure 14 est un organigramme représentant une première partie d'une étape d'interprétation du procédé de la figure 5 plus en détail ; et
[0039] la figure 15 est un organigramme représentant une deuxième partie de l'étape d'interprétation du procédé de la figure 5 plus en détail.
Description des modes de réalisation
[0040] De mêmes éléments ont été désignés par de mêmes références dans les différentes figures. En particulier, les éléments structurels et/ou fonctionnels communs aux différents modes de réalisation peuvent présenter les mêmes références et peuvent disposer de propriétés structurelles, dimensionnelles et matérielles identiques.
[0041] Sauf précision contraire, lorsque l'on fait référence à deux éléments connectés entre eux, cela signifie directement connectés sans éléments intermédiaires autres que des conducteurs, et lorsque l'on fait référence à deux éléments couplés entre eux, cela signifie que ces deux éléments peuvent être connectés ou être reliés par l'intermédiaire d'un ou plusieurs autres éléments.
[0042] Dans la description qui suit, lorsque l'on fait référence à des qualificatifs de position absolue, tels que les termes "avant", "arrière", "haut", "bas", "gauche", "droite", etc., ou relative, tels que les termes "dessus", "dessous", "supérieur", "inférieur", etc., ou à des qualificatifs d'orientation, tels que les termes "horizontal", "vertical", etc., il est fait référence sauf précision contraire à l'orientation des figures ou à une installation solaire dans une position normale d'utilisation.
[0043] Sauf précision contraire, les expressions "environ", "approximativement", "sensiblement" et "de l'ordre de" signifient à 10 % près, de préférence à 5 % près.
[0044] La figure 1 représente schématiquement un système d'énergie solaire 100 comprenant, dans l'exemple de la figure 1, deux installations d'énergie solaire comprenant chacune un ou plusieurs panneaux solaires (SOLAR PANEL(S)) 102, 104 ou un groupe de panneaux solaires couplés en série, en parallèle, ou en réseau, chaque panneau solaire correspondant par exemple à un panneau solaire d'équipement photovoltaïque intégré dans un bâtiment (BIPV) ou un autre type de panneau solaire comprenant une matrice de cellules solaires photovoltaïques. Les panneaux solaires ou les groupes de panneaux solaires 102, 104 sont par exemple des panneaux solaires différents d'un même bâtiment, ou pourraient être situés à distance les uns des autres, par exemple sur des bâtiments différents.
[0045] Le système d'énergie solaire 100 comprend en outre un système de surveillance et de diagnostic (MONITORING AND DIAGNOSTICS) 106, qui est par exemple en communication avec chacun des panneaux solaires ou groupes de panneaux solaires 102, 104. Le système de surveillance et de diagnostic 106 reçoit par exemple des données de performances à partir de chacun des panneaux solaires ou groupes de panneaux solaires 102, 104, et dans certains modes de réalisation transmet des signaux de commande aux panneaux solaires ou groupes de panneaux solaires 102, 104. Par exemple, chaque panneau solaire ou groupe de panneaux solaires 102, 104 comprend un module de commande (CTRL MOD) 108 pour gérer des communications avec le système de surveillance et de diagnostic 106 et pour contrôler le fonctionnement du panneau solaire ou du groupe de panneaux solaires, comprenant par exemple la désactivation du panneau solaire ou du groupe de panneaux solaires dans le cas d'un fonctionnement défectueux.
[0046] Par exemple, des données de performances comme la quantité d'énergie électrique produite pendant plusieurs périodes échantillons de récupération d'énergie, sont recueillies par chaque panneau solaire ou groupe de panneaux solaires 102, 104 et sont transmises au système 106. Le système 106 est par exemple capable d'identifier avec précision si les performances sont dégradées et capable de prendre une action appropriée afin d'assurer un rendement de fonctionnement proche de l'optimal pour chaque panneau solaire ou groupe de panneaux solaires, même lorsque les panneaux solaires ou groupes de panneaux solaires 102, 204 sont dans des environnements urbains. Par exemple, l'action appropriée pourrait consister à émettre une communication électronique, par exemple un courriel, un message de texte, une entrée de calendrier, etc., vers un ou plusieurs membres d'une équipe de maintenance afin de leur notifier le besoin de réparations sur site. Cela procure l'avantage de permettre d'éviter certaines ou la totalité des inspections sur site, réduisant ainsi le coût.
[0047] Bien que la figure 1 illustre un cas dans lequel il y a deux panneaux solaires ou groupes de panneaux solaires surveillés par le système de surveillance et de diagnostic 106, dans des variantes de réalisation il pourrait y avoir un nombre quelconque de panneaux solaires ou groupes de panneaux solaires qui sont surveillés par un seul système de surveillance et de diagnostic central 106.
[0048] La figure 2 représente schématiquement le système de surveillance et de diagnostic 106 du système d'énergie solaire 100 de la figure 1 plus en détail selon un exemple de réalisation . [0049] Le système 106 comprend par exemple un dispositif de traitement (PROCESSING DEVICE) 202 comprenant un ou plusieurs processeurs sous le contrôle d'instructions mémorisées dans une mémoire d'instructions (INSTRUCTION MEMORY) 204. Une autre mémoire (MEMORY) 206, qui fait par exemple partie du même dispositif mémoire ou d'un dispositif différent de la mémoire 204, mémorise par exemple des données de performances (PERFORMANCE DATA) 208, des modèles de réponse thermique (THERMAL RESPONSE MODELS) 210 pour des panneaux solaires ou des groupes de panneaux solaires donnés, et une table d'instruments (INSTRUMENTS TABLE) 212, décrits plus en détail ci-après .
[0050] Le système 106 comprend aussi par exemple un affichage d'opérateur (OPERATOR DISPLAY) 214 couplé au dispositif de traitement 202, et une interface de communication (COMMS INTERFACE) 216 couplée aussi au dispositif de traitement 202, et supportant des communications avec les panneaux solaires ou les groupes de panneaux solaires (SOLAR PANELS) à surveiller. Par exemple, la liaison de communication entre le système 106 et chacun des panneaux solaires ou groupes de panneaux solaires peut comprendre des connexions filaires et/ou sans fil, comprenant un ou plusieurs réseaux filaires ou sans fil.
[0051] On va maintenant décrire plus en détail un exemple de modèle de réponse thermique 210 d'un panneau solaire, en faisant référence à la figure 3.
[0052] La figure 3 est une vue en coupe représentant un modèle physique nodal d'une partie d'un panneau d'énergie solaire selon un exemple de réalisation de la présente description. En particulier, la figure 3 représente un exemple d'un panneau 302 d'une matrice BIPV ayant un intervalle d'air devant une membrane de toiture, et comportant des modules opaques. [0053] Dans l'exemple de la figure 3, le panneau 302 comprend une couche formant un toit (ROOF), une couche formant un intervalle d'air (AIR GAP), comprenant une chambre 304 et un cadre 306, une feuille de dos (BACK) formant un support du panneau solaire formé adjacent à l'intervalle d'air, une couche photovoltaïque (PV) formée adjacente à la feuille de dos, et une couche de couverture en verre (GLASS) qui recouvre la couche photovoltaïque PV.
[0054] Les nœuds au centre de chaque couche représentent la température de la couche. La figure 3 définit aussi les températures suivantes :
Ti : température de l'air ambiant intérieur ;
Tf : température de l'air dans l'intervalle d'air ;
Ta : température de l'air ambiant extérieur ; et
Ts : température effective du ciel.
[0055] Des liaisons entre les nœuds en figure 3 représentent un couplage thermique entre les nœuds. En particulier, vers/à partir de la couche de verre il y a un couplage par convection avec l'air ambiant extérieur à la température Ta, un couplage à ondes longues avec le ciel à la température Ts et un couplage conducteur avec le PV de la couche PV. Vers/à partir de la couche PV, il y a un couplage conducteur avec la couche de verre et avec la feuille de dos. Vers/à partir de la couche de dos, il y a un couplage conducteur avec les cellules PV de la couche PV et avec le cadre 306 autour de l'intervalle d'air, une convection naturelle avec l'intervalle d'air et un couplage à ondes longues avec le toit. Le flux thermique de rayonnement à ondes longues entre la feuille de dos et le toit est représenté par qr en figure 3. Vers/à partir du cadre 306, il y a un couplage conducteur avec la feuille de dos et avec le toit. Vers/à partir de l'intervalle d'air il y a une convection naturelle vers la feuille de dos et vers le toit, et une advection à partir de l'air montant : de l'air est remplacé selon un débit d'air, par exemple provenant de l'air ambiant extérieur. Si les températures du nœud d'air et de l'air montant diffèrent, le flux d'air équivaut à un transfert thermique. Vers/à partir du toit, il y a un couplage conducteur avec le cadre 306, une convection naturelle vers l'intervalle d'air et vers l'air ambiant intérieur à la température Ti, et un couplage à ondes longues vers la feuille de dos.
[0056] La figure 3 représente aussi un rayonnement provenant du soleil (SUN), la couche de verre recevant un rayonnement solaire incident non réfléchi et aussi un rayonnement réfléchi à partir des cellules PV de la couche PV, et la couche PV recevant un rayonnement transmis à travers la couche de verre.
[0057] Bien sûr, la figure 3 n'est qu'un exemple de modèle thermique d'un panneau solaire, et ce modèle pourrait être adapté à d'autres structures.
[0058] Un modèle de collecteur solaire généralisé (GSC) approxime une installation solaire sous forme d'un ensemble de nœuds, correspondant par exemple à ceux de la figure 3, chacun étant défini par une équation d'équilibre d'énergie, des propriétés internes et des termes pour décrire les couplages thermiques entre les nœuds et avec des conditions de frontière. Tous les nœuds peuvent contenir des éléments photovoltaïques sur le côté supérieur et le côté inférieur, qui convertissent une partie du rayonnement à ondes courtes incident en l'électricité. Dans le contexte d'un modèle thermique, cette réponse photovoltaïque représente une réduction de la chaleur dissipée dans le nœud. Le système 106 est par exemple agencé pour prendre un modèle GSC associé à un panneau solaire ou un groupe de panneaux solaires donné, le modèle étant défini par un ensemble de paramètres, et pour générer automatiquement un système associé d'équations d'équilibre d'énergie. En effet, le but est de déterminer la température et l'intensité du rayonnement solaire au niveau de la couche photovoltaïque pour un ensemble donné de conditions d'environnement.
[0059] Par exemple, le problème mathématique à résoudre est défini par l'équation suivante :
[0060] [Math 1] où A' représente une matrice de conductance, B' représente des couplages à des conditions de frontière, C représente des capacités thermiques du système, U est un vecteur listant des frontières et des sources, T représente le vecteur de températures à résoudre, et représente des dérivés premières des températures du vecteur T.
[0061] La solution à l'état stable est obtenue en inversant la matrice de conductance de la manière suivante :
[Math 2]
[0062] En adoptant A=C_1A', B=C_1B', où A-1 est l'inverse de la matrice A, et C-1 est l'inverse de la matrice C, et en réarrangeant pour , la solution à l'état non stable de l'équation Math 1 à l'instant t+δt est trouvée par intégration :
[Math 3]
[0063] En supposant une variation linéaire au niveau élément des entrées :
[Math 4] la solution à l'état non stable du modèle GSC devient: [Math 5] où :
[Math 6] et :
[Math 7]
[0064] En prenant un exemple d'une matrice photovoltaïque intégrée dans un bâtiment avec un intervalle d'air avant la membrane de toit et comportant des modules opaques, comme l'exemple de la figure 3, les vecteurs/matrices T, U, A', B' et C sont par exemple les suivants :
[Math 8]
[Math 9]
[Math 10] où :
[Math 11]
[Math 12]
[Math 13]
[Math 14]
[Math 15]
[Math 16]
[Math 17] et
[Math 18] où Rij donne la résistance thermique entre les nœuds i et j, hc et hr représentent respectivement des coefficients de transfert thermique de convection et de rayonnement, Gi donne le rayonnement d'ondes courtes net absorbé moins une éventuelle photo-conversion, et hTfin représente la contribution de l'advection. [0065] La figure 4 est un organigramme illustrant des étapes dans un procédé de surveillance et de diagnostic d'un ou plusieurs panneaux solaires ou d'un groupe de panneaux solaires selon un exemple de réalisation de la présente description. Le procédé de la figure 4 est par exemple réalisé par le système de surveillance et de diagnostic 106 des figures 1 et 2. Ce procédé est par exemple réalisé, en série ou en parallèle, pour chaque panneau solaire ou groupe de panneaux solaires à surveiller. Dans certains modes de réalisation, le procédé est réalisé à intervalles réguliers pour chaque panneau solaire ou groupe de panneaux solaires, comme par exemple une fois par semaine ou une fois toutes les deux semaines, afin d'assurer une détection relativement rapide d'une nouvelle dégradation d'une installation.
[0066] Dans une étape 401, des données de performances sont reçues du panneau solaire ou du groupe de panneaux solaires, comme les panneaux solaires ou les groupes de panneaux solaires 102 ou 104 de la figure 1. Ce sous-ensemble de données comprend par exemple des données indiquant une quantité d'énergie recueillie sur une pluralité de périodes de récupération d'énergie couvrant par exemple une durée d'au moins trois jours, et par exemple une durée de deux semaines ou plus. Par exemple, les données indiquent un courant moyen et/ou une tension moyenne générées par les cellules solaires du panneau solaire ou du groupe de panneaux solaires pendant chaque période de récupération d'énergie. Chaque période de récupération d'énergie dure par exemple une heure ou moins. Le sous-ensemble de données peut être téléchargé vers le système 106 à partir du panneau solaire ou du groupe de panneaux solaires en une seule fois. En variante, le sous- ensemble de données peut être téléchargé progressivement au fur et à mesure qu'il est capturé. [0067] Dans une étape 402, le sous-ensemble de données est classé, sur la base par exemple d'au moins un seuil, en au moins deux classes, dont l'une est une classe nominale correspondant à des conditions de récupération d'énergie stables, et dont l'autre est une classe anormale correspondant à des conditions de récupération d'énergie instables. Par exemple, la valeur de données correspondant à chaque période de récupération d'énergie est classée comme correspondant soit à une période nominale soit à une période anormale de récupération d'énergie, dans laquelle il peut y avoir un nombre quelconque de valeurs par classe, et toutes les valeurs de données pourraient être classées comme nominales.
[0068] La classification est par exemple basée sur un ou plusieurs indicateurs, et par exemple basée sur un ou plusieurs de trois indicateurs CI, PR et DS, où :
- CI est un indice de clarté indiquant une intensité et une stabilité du rayonnement solaire, la stabilité indiquant l'étendue de la variation de l'intensité dans le temps ;
- PR est un rapport de performance indiquant un rapport entre l'énergie électrique et le rayonnement incident, normalisé par la valeur attendue du rapport dans des conditions de référence ; et
- DS est un rapport de simulation de données indiquant une différence entre une sortie de puissance mesurée du panneau solaire ou du groupe de panneaux solaires et une réponse thermique et électrique nominale prédite du panneau solaire ou du groupe de panneaux solaires.
[0069] Dans une étape 403, les performances attendues du panneau solaire ou du groupe de panneaux solaires sont caractérisées sur la base des valeurs de données classées comme nominales, c'est-à-dire les valeurs capturées pendant les périodes nominales. Par exemple, cela implique la détermination d'une quantité attendue de production d'énergie pour une quantité donnée de puissances solaire disponible et des conditions d'environnement données, comme la température ambiante, la vitesse du vent, etc.
[0070] Dans une étape 404, la caractérisation du panneau solaire ou du groupe de panneaux solaires dans l'étape 403 est utilisée pour détecter une dégradation de l'installation. Cela implique par exemple une déduction des pertes dans l'énergie récupérée pendant les périodes anormales, et par exemple une comparaison des pertes déduites à un seuil pour déterminer si les performances de l'installation sont devenues notablement dégradées. Par exemple, une dégradation est identifiée lorsque les pertes atteignent un seuil TH, le seuil étant par exemple réglé pour perdre entre 5 et 20 %, et par exemple environ 10 %.
[0071] Dans une étape 405, une réaction est par exemple effectuée dans le cas où une dégradation de l'installation est détectée. Par exemple, dans certains cas, la réaction pourrait être de désactiver la totalité ou une partie du panneau solaire ou du groupe de panneaux solaires dégradé afin d'empêcher la poursuite de la dégradation jusqu'à ce que des réparations puissent être effectuées sur le site. En plus ou à la place, la réaction peut impliquer la génération d'une alarme sur l'affichage d'opérateur 214, ou l'émission d'un message électronique vers un ou plusieurs membres d'une équipe de maintenance, pour indiquer que le panneau solaire ou le groupe de panneaux solaires a été trouvé avec des performances dégradées .
[0072] La figure 5 est un organigramme illustrant un exemple de mise en œuvre des étapes 401 à 404 du procédé de la figure 4 selon un exemple de réalisation de la présente description.
[0073] L'étape 401 de la figure 4 implique par exemple une étape d'initialisation (INITIALIZATION) 501 et une étape de lecture (READ) 502, l'étape 402 implique par exemple une étape de traitement (PROCESS) 503 et une étape d'enrichissement (ENRICH) 504, et les étapes 403 et 404 impliquent par exemple une étape d'analyse (ANALYZE) 505 et une étape d'interprétation (INTERPRET) 506.
[0074] Les figures 6 à 15 sont des organigrammes représentant les étapes 501 à 506 de la figure 5 plus en détail selon un exemple de réalisation.
[0075] La figure 6 représente les étapes d'initialisation et de lecture 501, 502 du procédé de la figure 5 plus en détail selon un exemple de réalisation.
[0076] L'étape d'initialisation 501 est par exemple basée sur des données de configuration 602 mémorisées par exemple dans la mémoire 204 ou 206 du système de surveillance et de diagnostic 106. Cette étape prépare par exemple l'ensemble de paramètres et les options à utiliser pour l'analyse du panneau solaire ou du groupe de panneaux solaires à surveiller. En général, des données de confirmation uniques 602 sont préparées pour chaque installation, puisqu'elles incluent des paramètres d'accès à des données spécifiques, et les caractéristiques de l'installation pour des simulations, ainsi que des options d'analyse, une liste de filtres et des définitions de variable dérivées.
[0077] Pendant l'étape d'initialisation, la table d'instruments 212 est par exemple définie pour le panneau solaire ou le groupe de panneaux solaires à surveiller, et est mémorisée dans la mémoire 206. La table relie des noms de variables dans des sources de données aux noms de variables internes utilisés par l'algorithme. La table d'instruments 212 liste par exemple les instruments qui fournissent des données d'entrée au système, comme des capteurs au niveau de chaque panneau solaire ou groupe de panneaux solaires, des groupes de capteurs, des capteurs au niveau de stations météo, etc. Par exemple en ce qui concerne les groupes, il peut y avoir un seul ensemble de valeurs de données pour toutes les cellules PV de chaque panneau solaire ou groupe de panneaux solaires, ou une pluralité d'ensembles de valeurs de données, chaque ensemble correspondant à une sous-matrice différente du panneau solaire ou du groupe de panneaux solaires.
[0078] Après l'étape 501, une sous-routine 603 est exécutée pour traiter des données d'entrée, cette sous-routine impliquant des sous-étapes 604 à 613. Pendant la sous-routine 603, des données primaires et secondaires sont importées à partir de sources disponibles, comme cela est défini par la table d'instruments. Les données primaires comprennent par exemple des données de performances reçues du panneau solaire ou du groupe de panneaux solaires à surveiller. Les données secondaires sont par exemple des données qui proviennent de l'extérieur du système 100 de la figure 1, et peuvent inclure par exemple des données météo correspondant aux périodes de récupération d'énergie auxquelles les données de performances sont associées.
[0079] L'étape 604 implique par exemple la lecture de données primaires à partir de la source primaire, représentées par des données de surveillance 605 en figure 6. Par exemple, les données primaires comprennent des échantillons indiquant la puissance électrique générée pendant chaque période de récupération d'énergie, chaque échantillon correspondant par exemple à une lecture de tension et de courant ou à une lecture de puissance électrique. Additionnellement , les données primaires peuvent inclure des lectures provenant d'autres capteurs au niveau du panneau solaire ou du groupe de panneaux solaires, comme des lectures provenant d'un ou plusieurs capteurs de température, des lectures provenant d'un ou plusieurs capteurs d'intensité de rayonnement solaire, des lectures provenant d'un ou plusieurs capteurs de vitesse de vent, etc. [0080] L'étape 604 peut inclure la mémorisation de données lues dans une structure de données standard, en général différente du format source. La conversion est par exemple gérée en spécifiant le format source dans les données de configuration 602. Par exemple, le format de données source est le format SQL (de l'anglais Structured Query Language), le format XLS (Microsoft Excel), ou le format CSV (de l'anglais Character Separated Values) (les noms "Microsoft" et "Excel" peuvent correspondre à des marques déposées).
[0081] Dans une étape 606, on entre dans une boucle concernant l'obtention et le traitement des données secondaires, qui peuvent comprendre un ou plusieurs ensembles de données. La boucle implique les étapes 607 à 613.
[0082] Dans l'étape 607, des données externes 608 correspondant à un premier ensemble de données secondaires des données secondaires sont par exemple reçues d'une ou plusieurs sources secondaires.
[0083] Dans une étape 609, la fréquence d'échantillonnage de l'ensemble de données secondaires est par exemple adaptée à celle de l'ensemble de données primaires, si cela est approprié. Par exemple, cela peut impliquer une décimation des échantillons de l'ensemble de données secondaires et/ou une interpolation des échantillons de données secondaires pour coïncider avec les instants d'échantillonnage des données primaires.
[0084] Dans une étape 610, des décalages temporels sont appliqués aux données secondaires si cela est approprié. Par exemple, l'ensemble de données secondaires peut être pertinent pour un emplacement géographique différent de celui du panneau solaire ou du groupe de panneaux solaires, et ainsi certains ajustements peuvent être appliqués pour rendre les données plus précises pour l'emplacement effectif du panneau solaire ou du groupe de panneaux solaires. À titre d'exemple, les données secondaires peuvent indiquer des heures de levé du soleil ou de coucher du soleil pour un emplacement donné, et des décalages temporels peuvent être appliqués pour ajuster ces heures à l'emplacement du panneau solaire ou du groupe de panneaux solaires qui est surveillé.
[0085] Dans une étape 611, l'ensemble de données secondaires est par exemple concaténé avec l'ensemble de données primaires.
[0086] Dans une étape 612, l'ensemble de données concaténé, qui correspond à des données brutes, est par exemple préfiltré pour retirer des données qui sont incohérentes, comme des valeurs de données altérées ou non numériques ou des dates et des heures altérées. Toute rangée manquante est par exemple insérée pour imposer une cadence d'échantillonnage constante.
[0087] Dans l'étape 613, on détermine s'il y a des ensembles de données secondaires additionnels à traiter, et si oui, le procédé revient à l'étape 606 au début de la boucle. Sinon, l'étape suivante est une étape 614.
[0088] L'étape 614 implique une vérification de l'ensemble de données brutes pour vérifier si l'ensemble de données restant est vide après les étapes de concaténation et de pré filtrage. Si on ne peut pas se fier aux données brutes, le procédé sort par exemple à une étape 615, et un message d'erreur est par exemple affiché sur l'affichage d'opérateur 214 pour informer l'opérateur. Si les données sont ok, ces données forment des données de sortie brutes (RAW DATA) 616 à traiter dans les étapes suivantes.
[0089] La figure 7 est un organigramme représentant l'étape de traitement 503 de la figure 5 plus en détail selon un exemple de réalisation. L'étape de traitement 503 implique le traitement des données brutes 616.
[0090] Dans une étape 701, si cela est approprié, on réalise une agrégation spatiale de groupes d'instruments. Par exemple, la table d'instruments indique des cas dans lesquels deux ou plusieurs instruments ou capteurs forment un groupe. À titre d'exemple, il peut y avoir plusieurs capteurs de température au niveau du panneau solaire ou du groupe de panneaux solaires, et une valeur agrégée est par exemple générée en calculant la moyenne des lectures de température, ou une moyenne pondérée des lectures de température. De façon plus générale, l'agrégation spatiale peut impliquer l'agrégation de lectures sur la base d'un calcul de l'écart type (std), de la moyenne, d'une valeur normalisée (znorm), d'une différence moyenne (diff), d'une différence maximum (dmax) ou de l'identité d'une valeur aberrante (dmxi).
[0091] Dans certains modes de réalisation, dans une étape
702, on détermine si l'ensemble de données brutes inclut des lectures de données valides représentant la puissance électrique (P) produite par le panneau solaire ou le groupe de panneaux solaires, la température ambiante (T) au niveau du panneau solaire ou du groupe de panneaux solaires, et la vitesse du vent (W) au niveau du panneau solaire ou du groupe de panneaux solaires. Si l'une quelconque de ces trois lectures de données n'est pas disponible, le procédé par exemple s'arrête dans une étape 703 et un message d'erreur est par exemple généré pour alerter l'opérateur. Si ces trois lectures de données sont disponibles, le procédé passe à une étape 704.
[0092] Dans l'étape 704, on détermine s'il y a des lectures de données disponibles indiquant la quantité de rayonnement solaire Gi au niveau du panneau solaire ou du groupe de panneaux solaires. Par exemple, chaque panneau solaire ou groupe de panneaux solaires peut comprendre un ou plusieurs capteurs pour détecter l'intensité de la lumière ambiante. En variante, des lectures peuvent être disponibles à partir d'un ou plusieurs sites externes proches de l'installation d'énergie solaire, et par exemple dans un rayon de 5 km autour de l'installation d'énergie solaire, ou par exemple être déduites de données de satellites ou de calculs de prévisions météo .
[0093] Si aucune lecture de la sorte n'est disponible, dans une étape 705 on détermine par exemple si le rayonnement solaire Gi pour le panneau solaire ou le groupe de panneaux solaires peut être estimé sur la base d'une mesure du courant continu (DC) produit par le panneau solaire ou le groupe de panneaux solaires. Dans la négative, le procédé par exemple s'arrête dans une étape 706 et un message d'erreur est par exemple généré pour alerter l'opérateur. Si des lectures de courant DC sont disponibles, le rayonnement solaire Gi dans le plan du panneau solaire ou du groupe de panneaux solaires est par exemple estimé dans une opération 707 sur la base des lectures de courant DC.
[0094] Après l'étape 707, ou après l'étape 704 si des lectures de rayonnement solaire Gi sont trouvées présentes, l'étape suivante est l'étape 708.
[0095] Dans l'étape 708, les données brutes sont par exemple filtrées sur la base des plages de valeurs autorisées pour les variables. Une série de filtres est appliquée aux données brutes en combinaison, chacun comprenant un test sur les valeurs instantanées d'une seule variable, et les rangées en échec sont rejetées de l'ensemble de données. Par exemple, un filtre peut tester si des lectures de rayonnement solaire se trouvent dans la plage (0 ; 1500), ou pour un capteur de température qui a été configuré pour lire -999 dans le cas d'un défaut du capteur, un filtre peut être défini pour exclure de telles valeurs erronées.
[0096] Dans une étape 709, des variables dérivées sont par exemple générées sur la base de l'ensemble de données brutes filtrées, selon des définitions fournies dans la confi guration 602. Une variable dérivée est définie comme étant une variable calculée à partir des variables instantanées d'une ou plusieurs variables. Les variables dérivées partagent la même base de temps que les variables de données brutes. Par exemple, cela implique la génération du rapport de performances instantanées PR, qui correspond au rapport entre la puissance en sortie et le rayonnement incident, normalisé par un rendement de panneau solaire attendu déterminé dans des conditions de test standard, et par exemple défini dans une feuille de spécifications du panneau solaire ou du groupe de panneaux solaires.
[0097] Additionnellement, l'une, certaines ou la totalité des variables dérivées suivantes sont par exemple aussi générées dans l'étape 709 :
- I*V. : puissance électrique P calculée par le produit d'une lecture de courant I et d'une lecture de tension V ; pvpr : puissance théorique supposant un rapport de performance constant, par exemple de 90 % ou 75 % ; pvpow : modèle linéaire simple de la puissance photovoltaïque, défini par Math 21 ci-après ;
- NOCT : température de cellule en fonctionnement nominal de chaque panneau solaire ou groupe de panneaux solaires, définie par Math 22 ci-après ;
- Pdc:Gi : rapport de performance instantané, utilisant la puissance DC ;
- P:Pnoct : rapport entre la puissance générée par le panneau solaire ou le groupe de panneaux solaires et la puissance
NOCT.
[Math 19] où ηref est le rendement de conversion à la température de panneau de référence Tref et pour le rayonnement incident Gref. Les coefficients β et γ décrivent la dépendance en fonction de la température (Tpv) et du rayonnement (Irr) du rendement du panneau, et A est la surface de collecte.
[Math 19] où les symboles contenant l'indice NOCT font référence à des valeurs dans des conditions de température de fonctionnement de cellule nominales, Gi est le rayonnement dans le plan incident tel qu'évoqué précédemment, ηref est le rendement de conversion photovoltaïque dans les conditions de référence, τα est le produit de la transmittance optique et de l'absorbance, Vv est la vitesse du vent, et les coefficients cV1 , cV2 décrivent la dépendance fonctionnelle de la vitesse du vent dans la température des panneaux solaires.
[0098] Dans une étape 710, l'ensemble de données corrigé comprenant les variables dérivées est par exemple préfiltré pour générer un ensemble de données corrigées (CORRECTED DATA) 711. La même étape de pré-filtrage 612 que celle de la figure 6 est par exemple appliquée, pour éliminer des variables dérivées non numériques et altérées. Ces données peuvent aussi être exportées dans une étape 712 vers un fichier persistant au format CSV, pour permettre d'entreprendre une analyse ultérieure en utilisant des données corrigées sans avoir besoin d'appliquer des étapes précédentes, si on le souhaite. [0099] La figure 8 est un organigramme représentant une première partie de l'étape d'enrichissement 504 du procédé de la figure 5 plus en détail selon un exemple de réalisation. L'étape d'enrichissement est par exemple effectuée sur l'ensemble de données corrigées 711.
[0100] Le procédé de la figure 8 implique par exemple une sous-routine 801 pour enrichir, sur la base de données de configuration (config), les informations concernant l'environnement local du panneau solaire ou du groupe de panneaux solaires. Le but de cette sous-routine est de produire un indicateur avec lequel on peut distinguer des périodes de conditions d'environnement qui sont favorables à une production de puissance nominale par le panneau solaire ou le groupe de panneaux solaires. Le procédé implique par exemple la détermination d'un indice de clarté augmenté CI. L'indice de clarté local indique le degré de nébulosité, d'ombrage et de variabilité dans le rayonnement solaire au niveau de l'installation solaire. La figure 8 inclut un procédé comportant des étapes 802 à 807 basées sur un modèle solaire de ciel dégagé, qui est par exemple un procédé par défaut. La figure 8 indique aussi que, en plus ou en tant que variante, un autre procédé d'enrichissement d'environnement 808 pourrait être utilisé.
[0101] Dans certains modes de réalisation, dans l'étape 802, des informations de rayonnement local sont obtenues, par exemple à partir d'une station météo, indiquant par exemple l'étendue de la nébulosité.
[0102] Dans l'étape 803, un calcul de ciel clair est par exemple réalisé pour prédire la quantité de rayonnement solaire reçu par le panneau solaire ou le groupe de panneaux solaires lorsque le ciel est clair. Le flux incident dans le plan du panneau solaire ou du groupe de panneaux solaires est calculé d'après la position du soleil, le flux solaire extraterrestre, et une estimation de l'atténuation du rayonnement solaire par l'atmosphère en fonction de la profondeur optique. Dans l'étape 803, le calcul de ciel clair est utilisé pour obtenir une estimation initiale de conditions ensoleillées, par l'intermédiaire d'un rapport entre un rayonnement de faisceau simulé et un rayonnement total mesuré à midi.
[0103] Dans l'étape 804, les jours les plus ensoleillés sont identifiés en classant les jours par rayonnement solaire intégré journalier, et l'indicateur de clarté accumulé journalier obtenu dans l'étape 803. Si le jour le plus ensoleillé ne comporte pas de périodes nuageuses, il est adopté pour le profil de rayonnement total dans des conditions de ciel clair, comprenant le rayonnement diffus. Sinon, un jour clair composite est construit à partir de périodes ensoleillées dans la sélection des jours les plus ensoleillés.
[0104] Dans l'étape 805, les effets d'horizon et d'ombrage du panneau solaire ou du groupe de panneaux solaires sont inférés, par exemple sur la base du profil de rayonnement local journalier pour des conditions claires, estimé dans l'étape 804. Le profil diffus local est copié dans tous les jours se trouvant dans l'échantillon. Des corrections sont ensuite appliquées pour des périodes ayant un rayonnement de faisceau nul, en mettant le flux diffus égal au rayonnement total mesuré. Pour des périodes d'absence de données, le flux diffus est par exemple mis à zéro. Le résultat est une estimation de rayonnement diffus local prenant en compte des contributions provenant de l'environnement immédiat et de l'horizon.
[0105] Dans l'étape 806, le rayonnement total de ciel clair est calculé en faisant la somme du rayonnement de faisceau simulé, obtenu à partir de l'étape 803, et du flux diffus local, obtenu à partir de l'étape 805. L'indice de clarté CI est défini comme étant le rapport entre le rayonnement total et le rayonnement total de ciel clair.
[0106] Dans l'étape 807, la valeur de CI est par exemple modifiée pour lire des valeurs spécifiques pendant des périodes sans données, pendant la nuit (rayonnement de ciel clair nul), et pendant l'aube et le crépuscule (faible composante de faisceau simulée). La moyenne mobile et les composantes fluctuantes du rayonnement total sont calculées, par exemple pour une période de 1 heure, valeurs qui sont ensuite utilisées pour marquer des intervalles non stables dans le CI.
[0107] Après que l'indice de clarté CI augmenté a été déduit en utilisant les étapes 802 à 807, et/ou en utilisant le procédé alternatif 808, l'étape suivante est l'étape 809.
[0108] Dans l'étape 809, on détermine si le rayonnement solaire dans le plan a été estimé dans l'étape 707 de la figure 7 en utilisant des mesures de courant DC. Si oui, dans une étape 810, une estimation plus précise du rayonnement solaire dans le plan peut être générée sur la base du rayonnement solaire total horizontal moyen Gh s'il est disponible dans les données, en utilisant le modèle de Perez. Cela fournit une mesure de rayonnement crête absolu indépendante de la réponse électrique de la matrice. Par exemple, le modèle de Perez est décrit plus en détail dans les publications suivantes : publication de Perez, R., Seals, R., Ineichen, P., Stewart, R., Menicucci, D., intitulée "A new simplified version of the Perez diffuse irradiance model for tilted surfaces", 1987, Solar Energy 39 (3), 221-232 ; la publication de Perez, R., Ineichen, P., Seals, R., Michalsky, J., Stewart, R., intitulée "Modeling daylight availability and irradiance components from direct and global irradiance", 1990, Solar Energy 44 (5), 271-289 ; et la publication de
Perez, R. et. al. intitulée "The Development and Vérification of the Perez Diffuse Radiation Model", 1988, SAND88-7030, le contenu de ces trois publications étant incorporé ici en référence dans les limites autorisées par la loi.
[0109] Après l'étape 810, ou après l'étape 809 dans le cas où le rayonnement solaire dans le plan n'a pas été estimé en utilisant des mesures de courant DC, une étape 811 est réalisée. L'étape 811 implique de déterminer si une température intérieure de bâtiment Tin est disponible. Dans la négative, dans une étape 812, les valeurs de la température extérieure seront utilisées dans l'étape suivante dans le processus d'enrichissement de données.
[0110] La figure 9 est un organigramme représentant des étapes suivantes 901 à 906 de l'étape d'enrichissement 504 du procédé de la figure 5.
[0111] Dans l'étape 901, une sous-routine est mise en œuvre pour enrichir les performances du système, cette sous-routine impliquant des étapes 902 à 906. Cette sous-routine vise par exemple à déduire un autre indicateur à utiliser pour classer les données de l'étape 402, cet indicateur étant un rapport entre des données et une puissance électrique simulée (DS) en supposant une réponse du système nominal à des conditions d'environnement uniformes. En particulier, les simulations fournissent par exemple, sur la base du modèle de collecteur solaire généralisé, une température de matrice prédite et une sortie électrique de matrice prédite en fonction des conditions d'environnement mesurées. Une plage de configurations peut-être simulée dans cette étape afin d'obtenir des informations avec lesquelles on peut tester des hypothèses concernant l'état de la matrice PV, et estimer par exemple la perte de performance due à l'intégration dans le bâtiment.
[0112] Dans l'étape 902, on réalise par exemple une simulation sur la base d'un système PV de référence, et en particulier d'un système PV du même type que celui du panneau solaire ou du groupe de panneaux solaires, mais sans prendre en compte l'intégration du panneau solaire ou du groupe de panneaux solaires dans un bâtiment. La simulation fournit par exemple une estimation de la température moyenne de matrice du panneau solaire ou du groupe de panneaux solaires et de la puissance DC produite par le panneau solaire ou le groupe de panneaux solaires. Par exemple, cette simulation est basée sur le modèle de collecteur solaire généralisé, par exemple tel que défini par les équations Math 7 à Math 20 précédentes, et utilise comme entrées les conditions d'environnement mesurées .
[0113] Dans l'étape 903, le système BIPV est par exemple simulé de manière similaire à la simulation effectuée dans l'étape 902, mais en prenant en compte l'intégration du panneau solaire ou du groupe de panneaux solaires de l'installation comme étant des panneaux solaires intégrés dans un bâtiment. Par exemple, cela implique une simulation GSC agencée pour décrire un couplage thermique à un toit ou une façade, avec un intervalle d'air, comme cela est illustré en figure 3. De multiples simulations peuvent être effectuées, en adaptant des variables d'entrée et des paramètres afin d'estimer des incertitudes et de considérer différentes hypothèses, par exemple la dégradation induite par le vieillissement, des débits d'air réduits, des températures ambiantes élevées, etc. On va maintenant décrire cela plus en détail en faisant référence à une étape 904, qui est représentée plus en détail en figure 10.
[0114] La figure 10 est un organigramme représentant des exemples de simulations réalisées dans l'étape 904 de la figure 9. Ces exemples représentent des variantes optionnelles pour compléter les informations générées par les étapes 902 et 903. [0115] Par exemple, la simulation du système PV intégré est améliorée par une étape 1001, dans laquelle une série de variantes de simulation est réalisée pour estimer des erreurs systématiques dans la simulation. Ici, les erreurs systématiques incluent celles apparaissant à partir d'incertitudes dans des entrées GSC. Une séquence de calculs par défaut est par exemple définie dans l'étape 1002 :
- le panneau solaire ou groupe de panneaux solaires supposant une limite inférieure, une limite supérieure et une valeur moyenne nominale de flux d'air prédit passant à travers l'intervalle d'air du panneau ;
- le panneau solaire ou groupe de panneaux solaires supposant une température ambiante relativement élevée au voisinage du panneau ;
- le panneau solaire ou groupe de panneaux solaires supposant une vitesse de vent locale relativement élevée ; et
- le panneau solaire ou groupe de panneaux solaires supposant une température intérieure de bâtiment constante.
[0116] Au lieu d'estimer des erreurs systématiques comme dans l'étape 1001, des variantes de configurations de simulation peuvent être considérées pour estimer l'impact de variations des paramètres GSC (caractéristiques PV) et sont par exemple réalisées dans une étape 1003. Une séquence de variantes de simulation par défaut est définie dans une étape 1004 : le panneau solaire ou groupe de panneaux solaires non intégré et le panneau solaire ou groupe de panneaux solaires intégré supposant des performances relativement faibles, définies par de mauvaises transmittance et réflectance optiques et un rendement électrique réduit ;
- le panneau solaire ou groupe de panneaux solaires intégré sans vieillissement ;
- le panneau solaire ou groupe de panneaux solaires supposant une limite inférieure, une limite supérieure et une valeur moyenne nominale de débit d'air prédit passant à travers l'intervalle d'air du ou des panneaux. Cet ensemble de variantes est identique au premier ensemble se trouvant dans l'étape 1003 excepté que dans cette instance le but est d'estimer l'effet de l'intervalle d'air restreint.
[0117] En plus des simulations réalisées dans les étapes 1001 à 1004, une ou plusieurs variantes de simulation peuvent être réalisées dans une étape 1005.
[0118] En faisant de nouveau référence à la figure 9, dans une étape 905, le rapport DS entre données et modèle est par exemple déterminé pour la puissance électrique générée par le panneau solaire ou groupe de panneaux solaires, pour la puissance nominale prédite calculée dans les étapes 902 et 903. Le résultat de toute autre simulation est utilisé pour quantifier les écarts possibles.
[0119] Dans l'étape 906, les coupures d'électricité sont marquées dans les indicateurs Pdc:Gi et DS. Les rapports sont réglés à une valeur constante pour tout intervalle dans lequel la puissance mesurée est nulle.
[0120] Après l'étape 906, le procédé continue en figure 11.
[0121] La figure 11 est un organigramme représentant des étapes suivantes 1101 à 1110 de l'étape d'enrichissement 504 du procédé de la figure 5.
[0122] Dans l'étape 1101, on détermine s'il y a une lecture de température de matrice Tpv disponible pour le panneau solaire ou le groupe de panneaux solaires. Si oui, dans une étape 1102, des erreurs de prédiction de température et des corrélations de chauffage sont par exemple calculées. Une corrélation de chauffage est définie comme étant la différence entre la température PV et la température ambiante, normalisée par le rayonnement solaire incident. Ensuite, dans une étape 1103, toute divergence de température est par exemple marquée dans l'indicateur Pdc:Pbipv. Le rapport est mis à différentes valeurs constantes en fonction du fait qu'une surestimation ou une sous-estimation significative est observée, ou qu'une divergence de température combinée avec une mauvaise valeur DS est observée.
[0123] Après l'étape 1103, ou après l'étape 1101 dans le cas où aucune lecture de température de matrice Tpv n'était disponible, l'étape 1104 est réalisée, impliquant de déterminer si des données de sous-matrice sont disponibles, permettant d'effectuer une analyse de sous-matrice. Si oui, dans une étape 1105, la présence de toute hétérogénéité entre les sous-matrices du panneau solaire ou du groupe de panneaux solaires est par exemple marquée. Par exemple, une hétérogénéité est détectée sur la base d'un calcul de la variance entre les mesures, comme des mesures de puissance générées par des chaînes de cellules PV ou des modules dans la matrice.
[0124] Dans l'étape 1106, on détermine si à la fois une lecture de courant ItoG et une lecture externe Gext sont disponibles comme mesures Gi de rayonnement solaire. Si oui, dans une étape 1107, la mesure de Gi basée sur la lecture de courant ItoG est remplacée par la mesure Gext de rayonnement solaire externe pour les étapes suivantes de l'analyse.
[0125] Après l'étape 1107, ou après l'étape 1106 dans le cas où seule une lecture de courant ItoG est disponible, les données enrichies (ENRICHED DATA) 1108 sont prêtes. Dans certains modes de réalisation, ces données enrichies sont exportées vers un stockage de données 1109 et/ou sont représentées dans un ou plusieurs tableaux ou graphiques sur l'affichage d'opérateur 214 comme cela est représenté par une opération 1110.
[0126] La figure 12 est un organigramme représentant une première partie de l'étape d'analyse 505 du procédé de la figure 5 plus en détail. [0127] Dans une étape 1201, un profil météorologique quotidien est par exemple obtenu pour l'emplacement situé au niveau ou à proximité du panneau solaire ou du groupe de panneaux solaires pour chacune des périodes de récupération d'énergie. Ces données sont par exemple basées sur des données provenant d'une ou plusieurs stations météorologiques au voisinage du panneau solaire ou du groupe de panneaux solaires, et/ou basées sur d'autres sources comme des images provenant de satellites, etc.
[0128] Dans une étape 1202, une simulation BIPV nominale est réalisée sur la base du profil météorologique pour chaque période de récupération d'énergie.
[0129] Dans une étape 1203, une sous-routine de classification impliquant des étapes 1204 à 1210 est par exemple réalisée sur les données de performances enrichies. Cette sous-routine met en œuvre l'étape 402 de la figure 4. Chacune des périodes de récupération d'énergie est par exemple classée en l'une d'au moins deux catégories, correspondant à des périodes nominales et anormales. La classification est basée par exemple sur une comparaison de l'un, de certains ou de tous les indicateurs PR, CI et DS, déterminés pendant des étapes précédentes comme cela a été décrit précédemment, à un ou plusieurs seuils.
[0130] L'algorithme de classification peut être basé sur une approche supervisée et/ou une approche non supervisée.
[0131] Une approche non supervisée 1204 implique par exemple un algorithme de regroupement/arbre de décision 1205 pour générer automatiquement des sous-ensembles, et une étape 1206 qui attribue les sous-ensembles aux différentes classes.
[0132] Une approche supervisée 1208 implique par exemple une matrice de filtrage Mfilter comprenant des seuils préréglés, tandis qu'une approche supervisée 1209 implique par exemple une matrice de filtrage Mfilter comprenant des seuils définis à partir d'un fichier mémorisé par exemple par la mémoire 206 du système 106 de la figure 2.
[0133] Dans un mode de réalisation, la matrice de filtrage Mfilter est de la forme :
[0134] [Math 20] où C0 à Cn sont des classes, Xc,min et Xc,max sont des seuils minimum et maximum pour la classe c d'un indicateur Vx, et Zc, min et Zc,max sont des seuils minimum et maximum pour la classe c d'un indicateur Vz .
[0135] Dans un mode de réalisation, il y a 11 classes définies de la manière suivante :
-1 : classe par défaut si aucun critère d'une autre classe n'est satisfait ;
0 : nuit ;
1 : puissance nulle de lever du jour ou tombée de la nuit ;
2 : rayonnement nul, correspondant à un état désactivé du panneau solaire ou du groupe de panneaux solaires ;
3 : pas de données ;
4 : puissance nulle/faible (défaillance) ;
5 : conditions nuageuses instables ;
6 : mauvaises performances (douteuses) ;
7 : ensoleillé nominal ;
8 : nuageux nominal ;
9 : drapeau de sous-matrice (hétérogénéité).
[0136] Bien sûr, la liste qui précède n'est qu'un exemple des classes disponibles. Les classes 7 et 8 correspondent à des périodes nominales, et les autres classes correspondent par exemple à des périodes anormales. Dans certains modes de réalisation, les périodes de récupération d'énergie classées comme nominales représentent entre 10 et 20 pourcent du nombre total de périodes de récupération d'énergie.
[0137] À titre d'exemple, les règles de classification suivantes pourraient être appliquées sur la base de l'indice de clarté augmenté CI, du rapport de performance PR, et du rapport de simulation de données DS.
[0138] Les classes 0-4 sont par exemple affectées à une période de récupération d'énergie lorsque les conditions de rayonnement sont faibles/nulles, indiquant soit une période de nuit soit une période de très faible rayonnement, ou une défaillance du système.
[0139] La classe 5 est par exemple affectée à une période de récupération d'énergie lorsque les données CI indiquent des conditions nuageuses, les données DS indiquent une sous- estimation ou une surestimation de la puissance produite, et le rapport de performance est faible, indiquant de mauvaises performances dans des conditions instables.
[0140] Une sous-estimation de la puissance générée implique que les données effectives ou actuelles indiquent une puissance notablement supérieure à celle estimée/prédite, par exemple les données étant supérieures à l'estimation de 5 pourcent ou plus.
[0141] Une surestimation de la puissance générée implique que les données effectives indiquent une puissance notablement inférieure à celle estimée/prédite, par exemple les données étant inférieures à l'estimation de 5 pourcent ou plus.
[0142] La classe 6 est par exemple affectée à une période de récupération d'énergie lorsque les données CI indiquent une période ensoleillée, les données DS indiquent une sous- estimation ou une surestimation de la puissance générée, et le rapport de performance est faible, indiquant de mauvaises performances dans des conditions ensoleillées.
[0143] La classe 7 est par exemple affectée à une période de récupération d'énergie lorsque les données CI indiquent une période ensoleillée, les données DS indiquent un accord ou pratiquement un accord entre la puissance estimée et la puissance effective, et le rapport de performance est moyen à haut, indiquant que le système fonctionne bien dans des conditions ensoleillées.
[0144] Un accord ou presque un accord entre la puissance estimée et la puissance effective correspond par exemple à des données se trouvant dans une limite de 5 % par rapport à 1'estimation .
[0145] La class 8 est par exemple affectée à une période de récupération d'énergie lorsque les données CI indiquent une période nuageuse, les données DS indiquent un accord ou presque un accord entre la puissance estimée et la puissance effective, et le rapport de performance est moyen à haut, indiquant que le système fonctionne bien dans des conditions nuageuses .
[0146] La classe 9 est par exemple affectée si une hétérogénéité dans la matrice a été notée.
[0147] Après la sous-routine de classification, le résultat de la classification peut être représenté dans une étape 1210, par exemple dans un ou plusieurs tableaux ou graphiques, et affiché sur l'affichage d'opérateur 214. Le procédé continue ensuite par exemple en figure 13.
[0148] La figure 13 est un organigramme représentant des opérations suivantes 1301 à 1318 de l'étape d'analyse 505 du procédé de la figure 5 plus en détail.
[0149] Dans l'étape 1301, une sous-routine de caractérisation de performance est mise en œuvre impliquant les étapes 1302 à 1317. La sous-routine vise à caractériser le comportement nominal du système en utilisant des modèles de régression, puis en extrapolant le résultat vers l'ensemble de données complet afin de caractériser les performances complètes du panneau solaire ou du groupe de panneaux solaires.
[0150] Dans l'étape 1302, les données de performances sont filtrées pour inclure seulement les sous-ensembles tombant dans la classe nominale.
Dans une étape 1303, on détermine si des mesures de courant Idc et de tension Udc sont disponibles pour le panneau solaire ou le groupe de panneaux solaires. Si c'est le cas, une boucle impliquant des étapes 1304 à 1310 est exécutée afin d'ajuster le modèle de performance de matrice photovoltaïque (PAPM) aux sous-ensembles de données nominaux. Le modèle PAPM décrit la réponse électrique d'un panneau solaire ou d'un groupe de panneaux solaires en utilisant un système d'équations. Le modèle PAPM et les équations correspondantes sont par exemple décrits dans la publication de King, D., Boyson, W., & Kratochvill, J. intitulée "Sandia Report: Photovoltaic Array Performance Model", 2004, Albuquerque, New Mexico and Livermore, California : Sandia National Laboratories, dont le contenu est incorporé ici en référence dans les limites autorisées par la loi. En particulier, les équations pertinentes correspondent par exemple aux équations (1) à (8) se trouvant sur la page 9 de cette publication, où lmp et Vmp correspondent à Idc et Udc dans la présente description, et Te et To représente Tpv et la température extérieure ambiante respectivement .
[0151] La boucle commence à l'étape 1304 et est répétée pour chaque sous-matrice de chaque panneau solaire.
[0152] Dans l'étape 1305, on détermine si une mesure de température Tpv de la sous-matrice courante du panneau solaire ou du groupe de panneaux solaires est disponible. Si c'est le cas, dans une étape 1306, le modèle de performance PAPM est ajusté à l'ensemble de données sur la base de la mesure de courant Idc et de la lecture de température Tpv, et/ou le PAPM est ajusté à l'ensemble de données sur la base de la mesure de tension Udc et de la lecture de température Tpv. L'étape calcule les valeurs d'ajustement, les résidus d'ajustement (res), les paramètres ajustés (par), et les erreurs d'estimation de régression associées à chaque paramètre (err).
[0153] Ensuite, dans une étape 1307, le produit des résultats ajustés Idc*Udc est calculé pour obtenir une estimation de puissance d'après le PAPM.
[0154] Après l'étape 1307, ou après l'étape 1305 si aucune température de matrice Tpv n'est disponible pour la sous- matrice courante, une étape 1308 est par exemple effectuée. Dans l'étape 1308, le modèle de performance PAPM est ajusté à l'ensemble de données sur la base du courant Idc et sur la base du modèle de collecteur solaire généralisé (GSC) et/ou le modèle de performance PAPM est ajusté à l'ensemble de données sur la base de la tension Udc et sur la base de la température du modèle de collecteur solaire généralisé (GSC).
[0155] Ensuite, dans une étape 1309, l'estimation PAPM de puissance est par exemple calculée à partir du produit Idc*Udc, obtenu en utilisant la température du modèle de collecteur solaire généralisé (GSC).
[0156] Après l'étape 1309, on détermine par exemple dans une étape 1310 si toute les sous-matrices ont été traitées, et sinon, la boucle est répétée pour une sous-matrice suivante.
[0157] Une fois que toute les sous-matrices ont été traitées, le résultat au niveau de la sortie 1311 de la boucle est une caractérisation PAPM pour certaines ou la totalité des sous- matrices de la matrice sur la base de la puissance Pmp en utilisant le modèle GSC et dans certains cas en prenant en compte la température Tpv.
[0158] En plus ou en variante de l'ajustement des ensembles de données nominaux au modèle PAPM, une technique similaire peut être appliquée sur la base du modèle PVUSA (de l'anglais Photovoltaics for Utility Scale Applications - dispositifs photovoltaïques pour des applications commerciales) dans une étape 1312. Le modèle PVUSA est par exemple décrit plus en détail dans la publication de Dows, R. N., & Gough, E. J. intitulée "PVUSA procurement, acceptance, and rating practices for photovoltaic power plants (No. DOE/AL/82993-- 21)", 1995, Pacific Gas and Electric Co., San Ramon, CA
(United States). Dept. of Research and Development, Bechtel Corp., San Francisco, CA (United States), dont le contenu est incorporé ici en référence dans les limites autorisées par la loi.
[0159] En outre, aussi en plus ou en variante de l'ajustement des ensembles de données nominaux au modèle PAPM, une technique similaire peut être appliquée sur la base du modèle PVPOW, définie par Math 22, impliquant des étapes 1313 à 1316.
[0160] Dans l'étape 1313, les sous-ensembles de données nominaux sont filtrés pour inclure seulement ceux couvrant la période de midi.
[0161] Dans l'étape 1314, on détermine si une mesure de température Tpv du panneau solaire ou du groupe de panneaux solaires est disponible. Si c'est le cas, dans une étape 1315, le modèle de performance PVPOW est ajusté au jeu de données sur la base de la lecture de température Tpv. Par contre, si aucune mesure de température Tpv n'est disponible, dans une étape 1316, le modèle de performance PVPOW est ajusté à l'ensemble de données sur la base du modèle GSC. [0162] Après les étapes 1311, 1312, 1315, 1316, dans une étape 1317, les résultats de caractérisation pour les périodes de récupération d'énergie nominales sont par exemple extrapolés pour couvrir l'échantillon de données entier, en d'autres termes toutes les périodes de récupération d'énergie, caractérisant ainsi le panneau solaire ou le groupe de panneaux solaires comme s'il avait fonctionné de manière nominale à tout moment. L'extrapolation comprend l'utili sation de paramètres de régression, obtenus en ajustant des modèles au sous-ensemble nominal, pour prédire la réponse nominale attendue pour les conditions d'environnement rencontrées dans d'autres sous-ensembles.
[0163] L'extrapolation de l'étape 1317 a pour résultat des données analysées (ANALYZED DATA) 1318.
[0164] La figure 14 est un organigramme représentant une première partie de l'étape d'interprétation 506 du procédé de la figure 5 plus en détail. Les étapes de la figure 14 sont basées sur les données analysées 1318.
[0165] Une sous-routine 1401 comprenant des étapes 1402 à
1416 est utilisée pour définir un ensemble de mesures intégrées ou plus généralement des quantités qui sont déduites de données couvrant plusieurs intervalles, appelées ici ensemble de mesures. L'ensemble de mesures prédéfini est ensuite appliqué à des agrégations temporelles différentes dans des étapes suivantes de la figure 15.
[0166] L'étape 1402 implique par exemple la spécification d'un conteneur d'ensemble de mesures pour les quantités à définir pendant les étapes 1403 à 1409.
[0167] Dans l'étape 1403, des mesures de caractéristiques de données sont définies. Celles-ci incluent, par exemple, le nombre de valeurs de données, la durée de l'intervalle, le nombre de données utilisables, etc. [0168] Dans l'étape 1404, des indicateurs instantanés sont définis. Ceux-ci incluent par exemple le nombre de points de données par catégorie d'indicateur PR, CI et DS, par exemple le nombre de points de données qui correspondent à des conditions ensoleillées, et/ou le nombre de points de données qui correspondent à de bonnes performances, etc.
[0169] Dans l'étape 1405, des mesures d'énergie accumulée sont déterminées. Celles-ci incluent par exemple le rayonnement solaire incident total, le rayonnement solaire total dans des conditions dégagées, la génération d'énergie totale mesurée du panneau solaire ou du groupe de panneaux solaires, la génération d'énergie totale prédite du panneau solaire ou du groupe de panneaux solaires selon la simulation GSC, etc. Celles-ci comprennent aussi les valeurs accumulées de résultats d'ajustement provenant des étapes 1302 à 1317 de la figure 13, l'énergie totale et la somme de résidus d'adaptation .
[0170] Dans l'étape 1406, des évaluations sont définies en utilisant des performances mesurées. Un calcul d'évaluation de puissance comprend par exemple un ajustement par régression à des modèles linéaires de puissance en fonction de conditions d'environnement, dont les résultats sont utilisés pour estimer la puissance du panneau solaire ou du groupe de panneaux solaires extrapolée à des conditions de référence. Les modèles linéaires évoqués dans l'étape 1406 comprennent par exemple l'évaluation PVUSA dans des conditions de référence de rayonnement incident de 1000 W/m , une température ambiante de 20 °C, et une vitesse du vent de 1 m/s Un rapport de performance accumulée est aussi par exemple spécifié dans une étape 1406, défini comme étant le rapport entre l'énergie totale générée et le rayonnement incident total . [0171] Dans l'étape 1407, des évaluations de puissance additionnelles sont par exemple définies en utilisant une combinaison de données mesurées et simulées obtenues à partir de la simulation GSC. Les évaluations comprennent par exemple :
- une évaluation PVGSC, basée sur le modèle pvpow, avec une puissance mesurée et une température de panneau solaire simulée GSC, et extrapolée pour des conditions de référence de rayonnement incident de 1000 W/m et une température de panneau solaire de 25 °C. La puissance évaluée, l'erreur d'estimateur de régression, et la somme de résidus sont inclus dans la définition. Des variantes comprennent un remplacement de la valeur renvoyée par le rendement électrique, ou par le coefficient de température apparent
- une évaluation d'ajustement PVGSC, identique à l'ajustement PVGSC excepté que la puissance prédite ajustée obtenue à partir de l'étape 1316 de la figure 3 est utilisée
- une évaluation PVUSA utilisant le modèle prédit GSC.
[0172] Dans l'étape 1408, on détermine si des données de température de matrice Tpv sont disponibles. Si oui, dans l'étape 1409, l'ensemble de mesures de performance est étendu pour inclure des quantités déduites en utilisant ces données. Par exemple, les évaluations PVPOW décrites précédemment sont déterminées en utilisant la température de matrice mesurée. Un coefficient de Ross est aussi par exemple spécifié, défini comme étant le gradient de la corrélation entre le rayonnement incident et la différence entre la température du panneau solaire et la température ambiante extérieure.
[0173] Dans l'étape 1410, on détermine si des données de courant et de tension de matrice, Idc et Udc sont disponibles. Si oui, dans l'étape 1411, l'ensemble de mesures de performance est étendu pour inclure des évaluations de puissance basées sur le PAPM. [0174] Dans une étape 1411, on rentre dans une boucle impliquant des étapes 1412 à 1415 appliquées à chaque sous- matrice du panneau solaire ou du groupe de panneaux solaires. Ici, sous-matrice fait référence à chaque partie du panneau solaire ou du groupe de panneaux solaires pour laquelle des mesures séparées de courant et de tension sont disponibles. Les évaluations PAPM sont par exemple calculées au niveau sous-matrice. [0175] Dans l’étape 1412, on détermine si une mesure de température Tpv du panneau solaire ou du groupe de panneaux solaires est disponible. Si aucune mesure de température Tpv n’est disponible, dans une étape 1413, les évaluations PAPM sont calculées en utilisant des températures prédites par le modèle GSC. Si des mesures de température sont disponibles, dans une étape 1414, les évaluations PAPM sont calculées en utilisant des lectures de température. [0176] Dans les étapes 1413 et 1414, les évaluations PAPM sont par exemple spécifiées pour un courant et une tension extrapolés pour des conditions de référence de rayonnement incident de 1000 W/m2, et une température de panneau solaire de 25 °C. La puissance évaluée PAPM est définie comme étant le produit des évaluations de courant et de tension. [0177] Dans l’étape 1415, s’il existe d’autres sous-matrices, la boucle 1411 est poursuivie pour la sous-matrice suivante. Si toutes les sous-matrices ont été traitées, l’algorithme passe à l’étape 1416. [0178] Dans l’étape 1416, un ensemble de mesures combiné est généré et le procédé continue ensuite en figure 15. [0179] La figure 15 est un organigramme représentant des étapes suivantes de l’étape d’interprétation du procédé de la figure 5 plus en détail. [0180] Dans une étape 1501, les sous-ensembles de données classés et caractérisés sont par exemple agrégés temporellement afin de déduire les mesures de performance intégrées spécifiées dans l'ensemble de mesures défini dans les étapes 1402 à 1416. L'intégration est par exemple réalisée sur la durée complète de l'analyse, bien qu'elle puisse aussi être réalisée sur des périodes plus courtes dans certains modes de réalisation.
[0181] Dans une étape 1502, on rentre dans une boucle impliquant des étapes 1503 à 1515 appliquées à chaque classe.
[0182] Dans l'étape 1503, on détermine si un filtre de sous- ensemble additionnel doit être appliqué à une classe, et si oui, le filtre est appliqué dans l'étape 1504. Un filtre dans l'étape 1504 comprend par exemple un filtre destiné à sélectionner une heure particulière dans la journée.
[0183] Après l'étape 1504, ou après l'étape 1503 si aucun filtre de sous-ensemble ne doit être appliqué, les étapes 1505, 1506, 1507 et 1508 sont réalisées pour déterminer respectivement si la base de temps pour l'agrégation temporelle doit être en heures, (hh), en jours de l'année (doys), en semaines de l'année (woys) et/ou sur une période définie par l'opérateur. Les bases de temps sont par exemple définies par l'utilisateur et l'une, certaines ou la totalité des bases de temps peuvent être appliquées.
[0184] L'étape 1509 implique ensuite par exemple d'entrer dans une sous-boucle appliquée à chacune des bases de temps impliquant les étapes 1510, 1511 et 1512.
[0185] Dans l'étape 1510, des calculs d'écart moyen et d'écart type sont réalisés sur chaque variable se trouvant dans l'ensemble de données pour la base de temps, et dans l'étape 1511 les quantités définies dans l'ensemble de mesures sont calculées. [0186] Dans l'étape 1512, on détermine s'il y a d'autres bases de temps à prendre en compte, et si oui, le procédé revient à l'étape 1509. Lorsqu'il n'y a plus d'autres bases de temps à prendre en compte, l'étape suivante est l'étape 1513.
[0187] L'étape 1513 implique par exemple de déterminer si des mesures de courant Idc et de tension Udc sont disponibles pour le panneau solaire ou le groupe de panneaux solaires. Si oui, dans une étape 1514 une autre agrégation est réalisée pour obtenir une évaluation PAPM combinée pour toutes les sous-matrices .
[0188] Après l'étape 1514, ou après l'étape 1513 s'il n'y a pas de mesures de courant Idc et de tension Udc, dans l'étape 1515 on détermine s'il y a d'autres classes à traiter. Si oui, le procédé revient au départ de la boucle 1502. Une fois que toutes les classes ont été traitées, l'étape suivante est une étape 1516.
[0189] Dans l'étape 1516, une analyse de rendement photovoltaïque est par exemple effectuée sur la base des sous- ensembles de données agrégés dans le temps, générant ainsi un ensemble de mesures (MEASURES) 1517. Dans certains modes de réalisation, cela inclut la variation de rendement sur des périodes données, comme la variation journalière.
[0190] Dans l'étape 1518, les mesures 1517 sont par exemple stockées en mémoire, et dans l'étape 1519, les mesures 1517 sont par exemple représentées dans un ou plusieurs graphiques ou tableaux, qui sont par exemple affichées pour un opérateur sur l'affichage d'opérateur 214 de la figure 2.
[0191] Dans certains modes de réalisation, dans une étape
1520, un état de courant du panneau solaire ou du groupe de panneaux solaires est déterminé en fonction de certaines ou de la totalité des mesures. Par exemple, un drapeau de rendements 1521, un drapeau d'évaluation 1522 et/ou un drapeau de défauts 1523 sont générés si une ou plusieurs des mesures dépassent un seuil donné ou une plage autorisée donnée. En effet, ces drapeaux fournissent par exemple un jugement binaire de l'état du système, et indiquent à un opérateur le moment où une action doit être entreprise. Dans certains modes de réalisation, l'activation d'un drapeau peut aussi déclencher une réaction automatique.
[0192] Le drapeau de rendements est par exemple activé en fonction d'une comparaison entre le rendement extrapolé pour des valeurs mesurées et des valeurs simulées. Par exemple, le rendement extrapolé est le produit du rapport de performance intégré pendant des périodes ensoleillés, correspondant au rapport entre l'énergie générée et l'énergie incidente, et de l'énergie incidente sur la période d'analyse complète. Une divergence entre les rendements extrapolé et simulé indique que le comportement nominal diffère des attentes du modèle. Dans certains modes de réalisation, le test est conditionné par le fait qu'il y ait suffisamment de données nominales, par exemple sous forme d'un pourcentage des données totales, les données nominales représentant par exemple au moins 10 pourcent des données totales.
[0193] Par exemple, le drapeau de rendements est activé lorsque :
[Math 21] et
[Math 22] où tnom est la durée de périodes nominales, ttot est la durée totale de la période d'analyse, Ydat est la donnée de rendement extrapolée et Ysim est la donnée de simulation extrapolée.
[0194] Dans certains modes de réalisation, un drapeau d'avertissement de rendement est aussi activé lorsque :
[Math 23]
[0195] Le drapeau d'évaluation est par exemple activé en fonction d'une comparaison des évaluations PVGSC nominales ajustées à la puissance mesurée et à la puissance simulée. L'évaluation PVGSC est par exemple basée sur le modèle de puissance PV simple combiné avec des températures de matrice simulées GSC. Dans certains modes de réalisation, l'ajustement est limité à des données nominales sur la période de midi, puisque cela correspond par exemple à la période de plus grande précision du modèle. Dans certains modes de réalisation, le test est conditionné par un ajustement relativement bon entre le modèle et les données.
[0196] Par exemple, le drapeau d'évaluation est activé lorsque :
[Math 24] et
[Math 25] où Pdat est la donnée de puissance, δpdat est l'écart type de la donnée de puissance, Psim est la puissance simulée, et δPsim est l'écart type de la puissance simulée. [0197] Dans certains modes de réalisation, un drapeau d'avertissement de rendement est aussi activé lorsque :
[Math 26]
[0198] Le drapeau de défauts est par exemple activé en fonction d'une comparaison entre le rendement pendant des sous-ensembles classés comme défectueux et le rendement nominal attendu. Le rendement nominal attendu est par exemple déduit à partir du modèle de puissance simple avec des températures simulées GSC. Dans certains modes de réalisation, le modèle est ajusté aux données nominales pendant la période de midi, puis est extrapolé vers d'autres périodes et intégré. Comme pour le drapeau de rendements, dans certains modes de réalisation, le test est conditionné par le fait qu'il y ait suffisamment de données nominales, par exemple sous forme d'un pourcentage des données totales, les données nominales représentant par exemple au moins 10 % des données totales.
[0199] Par exemple, le drapeau de rendements est activé lorsque :
[Math 27] et
[Math 28] où tnom est la durée des périodes nominales, ttot est la durée totale de la période d'analyse, Ydat est la donnée de rendement extrapolée et Ysim est la donnée de simulation extrapolée.
[0200] Dans certains modes de réalisation, un drapeau d'avertissement de défauts est aussi activé lorsque : [Math 29] et/ou lorsque:
[Math 30] où tfauit est la durée des périodes défectueuses.
[0201] Un avantage des modes de réalisation décrits ici est qu'un ou plusieurs panneaux solaires peuvent être surveillés à distance, permettant de réduire le nombre d'inspections visuelles coûteuses. Les modes de réalisation décrits ici permettent aussi la détection rapide de toute dégradation du rendement d'une installation d'énergie solaire, y compris pour des installations solaires se trouvant dans des environnements urbains, où il y a de nombreux facteurs qui peuvent impacter le rendement. En outre, en filtrant des données pour identifier des périodes nominales à utiliser comme référence, il est possible d'identifier avec précision le moment où les performances d'un panneau solaire ou d'un groupe de panneaux solaires deviennent notablement dégradées et où une intervention doit être programmée pour éviter une perte significative en ce qui concerne l'énergie potentielle qui peut être récupérée.
[0202] Divers modes de réalisation et variantes ont été décrits. La personne du métier comprendra que certaines caractéristiques de ces divers modes de réalisation et variantes pourraient être combinées, et d'autres variantes apparaîtront à la personne du métier.
[0203] Par exemple, bien qu'on ait décrit un procédé basé sur les trois indicateurs clés CI, PR et DS, il apparaîtra clairement à la personne du métier que des variantes de procédé pourraient être basées sur seulement un ou deux de ces indicateurs.
[0204] Enfin, la mise en œuvre pratique des modes de réalisation et variantes décrits est à la portée de la personne du métier à partir des indications fonctionnelles données ci-dessus.

Claims

REVENDICATIONS
1. Système de surveillance du fonctionnement d'un ou plusieurs panneaux solaires (102, 104), le système comprenant : une interface de communication (216) agencée pour recevoir des données de performances indiquant la puissance générée par lesdits un ou plusieurs panneaux solaires (102, 104) pendant une pluralité de périodes de récupération d'énergie ; et
- un dispositif de traitement (202) agencé pour filtrer les données de performances pour classer au moins une période de récupération d'énergie comme période nominale pendant laquelle le rayonnement solaire était stable, et pour traiter les données de performances pour détecter un fonctionnement dégradé desdits un ou plusieurs panneaux solaires (102, 104) sur la base des données de performances pendant ladite au moins une période nominale.
2. Système selon la revendication 1, dans lequel le dispositif de traitement (202) est agencé pour réaliser la classification sur la base d'une comparaison d'au moins un paramètre (CI, PR, DS) à au moins un seuil.
3. Système selon la revendication 2, dans lequel le dispositif de traitement (202) est agencé pour sélectionner ledit au moins un seuil de telle sorte qu'au moins 10 %, et par exemples entre 10 % et 20 %, des périodes de récupération d'énergie soient classées comme nominales.
4. Système selon la revendication 2 ou 3, dans lequel ledit au moins un paramètre comprend au moins un élément du groupe constitué de :
- un indice de clarté (CI) indiquant une intensité et/ou une stabilité du rayonnement solaire pendant chaque période de récupération d'énergie ;
- un rapport de performance (PR) indiquant un rapport de performance électrique desdits un ou plusieurs panneaux solaires (102, 104) par rapport à un comportement simulé desdits un ou plusieurs panneaux solaires (102, 104) pendant chaque période de récupération d'énergie ; et - un rapport de simulation de données (DS) indiquant une différence entre une puissance de sortie mesurée desdits un ou plusieurs panneaux solaires (102, 104) et une réponse thermique et électrique nominale prédite desdits un ou plusieurs panneaux solaires (102, 104) pendant chaque période de récupération d'énergie.
5. Système selon la revendication 4, dans lequel le dispositif de traitement (202) est agencé pour réaliser la classification sur la base de l'indice de clarté (CI), du rapport de performance (PR) et du rapport de simulation de données (DS).
6. Système selon l'une quelconque des revendications 1 à 5, dans lequel le dispositif de traitement (202) est agencé pour utiliser un sous-ensemble nominal, correspondant aux données de performances pendant ladite au moins une période nominale, pour caractériser les performances des panneaux solaires, et, par extrapolation et comparaison avec des performances observées pendant une ou plusieurs périodes de comportement douteux, pour évaluer les pertes pendant ces périodes.
7. Système selon l'une quelconque des revendications 1 à 6, dans lequel le dispositif de traitement (202) est agencé en outre pour générer et émettre vers lesdits un ou plusieurs panneaux solaires (102, 104) un signal de commande basé sur le fonctionnement dégradé détecté.
8. Système selon la revendication 7, dans lequel le signal de commande est un signal de désactivation pour désactiver lesdits un ou plusieurs panneaux solaires (102, 104).
9.Procédé de surveillance du fonctionnement d'un ou plusieurs panneaux solaires (102, 104), le procédé comprenant :
- recevoir, par une interface de communication (216), des données de performances indiquant la puissance générée par lesdits un ou plusieurs panneaux solaires (102, 104) pendant une pluralité de périodes de récupération d' énergie ; filtrer, par un dispositif de traitement (202), les données de performances pour classer au moins une période de récupération d'énergie comme période nominale pendant laquelle le rayonnement solaire était stable ; et
- traiter les données de performances par le dispositif de traitement (202) pour détecter un fonctionnement dégradé desdits un ou plusieurs panneaux solaires (102, 104) sur la base des données de performances pendant ladite au moins une période nominale.
10. Procédé selon la revendication 9, dans lequel la classification est basée sur une comparaison d'au moins un paramètre (CI, PR, DS) à au moins un seuil.
11. Procédé selon la revendication 10, dans lequel au moins 10 %, et par exemple entre 10 % et 20 %, des périodes de récupération d'énergie sont classées comme nominales.
12. Procédé selon la revendication 10 ou 11, dans lequel ledit au moins un paramètre comprend au moins un élément du groupe constitué de : un indice de clarté (CI) indiquant une quantité de rayonnement solaire ;
- un rapport de performance (PR) indiquant un rapport de performance électrique desdits un ou plusieurs panneaux solaires (102, 104) par rapport à un comportement simulé desdits un ou plusieurs panneaux solaires (102, 104) ; et - un rapport de simulation de données (DS) indiquant une différence entre une puissance de sortie mesurée desdits un ou plusieurs panneaux solaires (102, 104) et une réponse thermique et électrique nominale prédite desdits un ou plusieurs panneaux solaires (102, 104).
13. Procédé selon la revendication 12, dans lequel la classification est basée sur l'indice de clarté (CI), le rapport de performance (PR) et le rapport de simulation de données (DS).
14. Procédé selon l'une quelconque des revendications 9 à
13, dans lequel un sous-ensemble nominal, correspondant aux données de performances pendant ladite au moins une période nominale, est utilisé pour caractériser les performances des panneaux solaires, et par extrapolation et comparaison aux performances observées pendant une ou plusieurs périodes de comportement douteux, pour évaluer les pertes pendant ces périodes.
15. Procédé selon l'une quelconque des revendications 9 à
14, comprenant en outre la génération et l'émission vers lesdits un ou plusieurs panneaux solaires (102, 104) d'un signal de commande basé sur le fonctionnement dégradé détecté .
16. Procédé selon la revendication 15, dans lequel le signal de commande est un signal de désactivation pour désactiver lesdits un ou plusieurs panneaux solaires (102, 104).
17. Support de stockage non transitoire mémorisant des instructions d'ordinateur qui, lorsqu'elles sont exécutées par un dispositif de traitement, amènent la mise en œuvre du procédé de l'une quelconque des revendications 9 à 16.
EP21726136.1A 2020-05-26 2021-05-20 Système et procédé de surveillance d'installations d'énergie solaire Pending EP4158773A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2005564A FR3111031B1 (fr) 2020-05-26 2020-05-26 Système et procédé de surveillance d’installations d’énergie solaire
PCT/EP2021/063509 WO2021239581A1 (fr) 2020-05-26 2021-05-20 Système et procédé de surveillance d'installations d'énergie solaire

Publications (1)

Publication Number Publication Date
EP4158773A1 true EP4158773A1 (fr) 2023-04-05

Family

ID=72178770

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21726136.1A Pending EP4158773A1 (fr) 2020-05-26 2021-05-20 Système et procédé de surveillance d'installations d'énergie solaire

Country Status (3)

Country Link
EP (1) EP4158773A1 (fr)
FR (1) FR3111031B1 (fr)
WO (1) WO2021239581A1 (fr)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5025306B1 (fr) 1968-04-04 1975-08-22
JP5607772B2 (ja) * 2013-02-08 2014-10-15 株式会社 日立産業制御ソリューションズ 太陽電池パネル監視プログラム、太陽電池パネル監視装置及び太陽電池パネル監視方法
CN107112945B (zh) * 2014-12-24 2019-03-12 松下知识产权经营株式会社 监视装置、太阳光发电装置、监视系统以及监视方法

Also Published As

Publication number Publication date
WO2021239581A1 (fr) 2021-12-02
FR3111031B1 (fr) 2022-10-14
FR3111031A1 (fr) 2021-12-03

Similar Documents

Publication Publication Date Title
Jordan et al. The dark horse of evaluating long-term field performance—Data filtering
Huld et al. Mapping the performance of PV modules, effects of module type and data averaging
Soria et al. A study of the annual performance of bifacial photovoltaic modules in the case of vertical facade integration
EP2707781B1 (fr) Procede de prevision de la consommation energetique d'un batiment
Cano Photovoltaic modules: Effect of tilt angle on soiling
US20140188410A1 (en) Methods for Photovoltaic Performance Disaggregation
US20110066401A1 (en) System for and method of monitoring and diagnosing the performance of photovoltaic or other renewable power plants
FR2941328A1 (fr) Procede de prevision de la production electrique d'un dispositif photovoltaique
Osterwald et al. Photovoltaic module calibration value versus optical air mass: the air mass function
Deville et al. Open‐source photovoltaic model pipeline validation against well‐characterized system data
Micheli et al. Selection of optimal wavelengths for optical soiling modelling and detection in photovoltaic modules
WO2023222401A1 (fr) Procede de prevision d'une puissance produite par au moins un panneau photovoltaique
Lindig et al. New PV performance loss methodology applying a self-regulated multistep algorithm
FR3087926A1 (fr) Securisation d’une intervention sur une branche basse tension du reseau de distribution electrique
Kirsten Vidal de Oliveira et al. Validation of thermal models for bifacial photovoltaic systems under various albedo conditions
US20250175123A1 (en) A method and computing device for monitoring performance of a photovoltaic panel
FR3131140A1 (fr) Procede et dispositif de suivi de point de puissance maximale et de surveillance de degradation d’un module photovoltaique
WO2021239581A1 (fr) Système et procédé de surveillance d'installations d'énergie solaire
Ohabuiro et al. Global solar radiation modelling using an artificial neural network for Kazaure, Jigawa State, Nigeria
Pierro et al. Impact of light soaking and thermal annealing on amorphous silicon thin film performance
Sohani et al. An accurate data-driven physical model for bifacial PV power estimation
Kraus et al. Reliable long-term performance assessment of commercial photovoltaic modules tested under field conditions over 5 years
EP2902762B1 (fr) Procédé de détermination d'une signature thermique d'un bâtiment par la mesure de la température au fil du temps, et dispositif associé
FR3112439A1 (fr) Procédé de détection de défaillance d’un onduleur photovoltaïque
Yordanov Characterization and analysis of photovoltaic modules and the solar resource based on in-situ measurements in southern Norway

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20221223

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20251031