Conference PaperPDF Available

Unsicherheitem der Speicherauslegung in PV-Systemen bei Betrachtung langjähriger Datensätze der Einstrahlung

Authors:
Unsicherheitem der Speicherauslegung in PV-Systemen
bei Betrachtung langjähriger Datensätze der Einstrahlung
Hans Georg Beyer
Fróðskaparsetur Føroya, 100 Tórshavn, Färöer
00298 292560, hansgb@setur.fo
1 Einleitung
Die Dimensionierung von Speichersytemen ist ein wesentlicher Punkt bei der
Auslegung von Regenerativen Enegiesystemen für hohe Automomie bzw hohe
Versorgungsicherheit ist aufgrund der Jahr zu Jahr Variabilität der natürlichen
Energieflüße erschwert. So ist es auch bei der Auslegung von PV-Systemen
notwendig, möglichst umfangreiche Datensätze historischer
Einstrahlungsbedingungen zu verwenden (siehe z.B. [1,2,3]). Wie in [4,5] anhand
von täglich aufgelösten Datenreihen der meteorologischen Bedingungen auf den
Färöern (62 N, 7W) gezeigt wurde, können die Anforderungen an die Speicher
dort für Wind/Wasserkraft/PV Hybridsysteme untersucht - in einzelnen Jahren sehr
unterschiedlich. Dabei zeigt sich, das bei Systemen mit Speichern zur Lastdeckung
im Bereich von Wochen oder kleiner kritische Situationen nicht notwendigerweise in
den Jahren mit der geringsten jährlichen Einstrahlungssumme auftreten. Die alleinige
Betrachtung eines solchen Auslegungsjahres kann so nicht ausreichend sein.
Die Problematik der Sensitivität der für eine gewählte PV-Größe ermittelten
Speichergröße gegenüber der Länge des gewählten Datensatzes soll hier anhand
der eines vereinfachten PV/Speicher Modellsystems in einem Sommerbetrieb (Last
nur von April-September) mit täglicher Zeitauflösung dargestellt werden. Dafür wird
wie in [2,5,6] ein aus synoptischen Bedeckungsgraddaten abgeleiteter Satz des
täglichen PV-Ertrags für die Jahre 1958-2013 genutzt.
2 Schema der Modelluntersuchungen
Da hier im Gegensatz zu den in [4,5,6] untersuchten Hybridsystemen PV/Speicher-
Systeme untersucht werden, wird entsprechend der geografischen Lage (62º) die
Anforderung an die Systeme auf die Versorgung einer konstanten Last in den
Sommermonaten Mai-September beschränkt. Die Simulation für Systeme mit
verschiedenen PV-Größe /Speichergröße Kombinationen zur Nachverfolgung des
Speicherzustands als bestimmende Größe wird kontinuierlich über die gesamten
56 Jahre geführt. Die PV-Größe wird dabei als primäre Größe gesetzt. Sie ist dabei
auf die Größe normiert, deren Ertrag über die Sommermonate dem Verbrauch in
diesen Monaten entspricht. Der Speicherinhalt wird in Vielfachen des täglichen
Verbrauchs [Lasttage] angegeben. Idealisierend werden Speicherverluste
vernachlässigt. Die für die vollständige Lastdeckung notwendige Speichergröße wird
für eine gegebene PV-Größe über ein Bilanzverfahren (siehe [7]) bestimmt.
3 Der Verlauf des Speicherinhalts für unterschiedliche PV Größen
Es wird hier zunächst ein System mit einer PV-Größe von 1 untersucht Zur
Sicherstellung der Last (Speicherinhalt stets 0) ist dabei eine Speichergröße von
13.5 Lasttagen erforderlich. In Abb.1 ist der tägliche Verlauf des Speicherinhalts über
die untersuchten 56 Jahre dargestellt. Der Speicher wird hier Ende August 1997
(Betriebstag 14488) Entladegrenze geführt, d.h. der Speicher ist hier so
dimensioniert, das die Last in diesem August gerade noch gedeckt werden kann.
Eine Vergrößerung der PV-Größe um 10 Prozent erlaubt eine Verringerung der
Speichergröße auf ~9.86 Lasttage (Abb.2). Auch bei dieser Konfiguration tritt die
Speicherentladung Ende August auf, allerdings im Jahr 2009 (Betriebstag 18871).
Bei einer Vergrößerung der PV um 50 Prozent kann der Speicher auf 3.83 Lastage
verkleinert werden, die kritische Situation tritt hier im August 1958 (Betriebstag 243)
auf (Abb,3)
Abb.1: Die über 56 Jahre mit
täglicher Zeitauflöung simulierte
zeitliche Entwicklung des
Speicherinhalts eines idealisierten
PV/Batterie Systens zur Deckung
einer konstanten Last in den
Sommermonaten Mai-August. Die
PV-Größe ist entsprechend der
Gleichheit von Gesamterzeugung und Last in diesen Monaten gewählt. Die
Speichergröße ist durch das Kriterium der vollständigen Lastdeckung bestimmt. Nur
am Betriebstag 14488 (Ende August 1997) tritt eine vollständige Speicherentladung
auf.
Abb.2: Gleiche Darstellung wie
Abb.1, aber für ein System mit
einer mit dem Faktor von 1.1
überdimensionierten PV-Größe.
Der Speicherinhalt fällt an
Betriebstag 18871 (Ende August
2009) auf Null.
Abb.3: Gleiche Darstellung wie
Abb.1, aber r ein System mit
einer mit dem Faktor von 1.5
überdimensionierten PV-Größe.
Der Speicherinhalt fällt an
Betriebstag 243 (Ende August
1956) auf Null.
Offensichtlich ist r die betrachteten Systeme durch die astronomischen
Bedingungen der August der kritischte Monat (der Betrieb im Mai wird durch den
Ende April, aufgrund der zuvor abgeschalteten Last vollgeladenen Speicher
gestützt). Abb. 4 zeigt Jahresausschnitte der Speicherentwicklung für die kritischen
Jahre.
Abb.4: Jährliche Abschnitte der Speicherentwicklung für die Jahre 1958 (1.
Spalte), 1997 (2. Spalte) und 2009 (dritte Spalte) für Systeme mit der PV Skalierung
on 1 (mittlere Zeile), 1.1 (obere Zeile) und 1.5 (untere Zeile)
Dies verdeutlicht, das die Zeitpunkte des Auftretens von kritischen
Speichersituationen von der gewählten PV Größe abängen. Damit erscheint es nicht
sinnvoll, einzelne Jahre als “typische“ Jahre für eine allgemeine Dimensionierung
oder “worst case“ Szenarien zu verwenden. Dies zeigt das eine sichere Auslegung
nach dem Kriterium “vollständige Versorgungssicherheit“ für einen mehrjährigen
Zeitabschnitt ohne die Kenntnis eines vollständigen Eingangsdatensatzes nicht
möglich ist. Im folgenden Abschnitt wird die Variabilität der auf der Basis von
Teilabschnitten der Zeitreihe ermittelten erforderlichen Speichergrößen betrachtet.
4 Speicherauslegung auf der Basis von Teilabschnitten der
Einstrahlungsreihe
Der Einfluss der Länge der zur Speicherauslegung verwendeten Datensätze wird
hier für Datensatzlängen von 2, 5 und 10 Jahren in einem Gleitmodus durchgeführt.
Basis bilden die für die verschiedenen PV-Größen ermittelten Reihen des
Speicherzutands (Abb.1-3). Die r die einem Tag vorhergehende Reihen von 730,
1825 und 3650 Tagen Länge ermittelten notwendigen Speichergrößen sind durch
den minimalen Speicherzustand in diesen Abschnitten bestimmt. Die entsprechende
Speichergröße ergibt sich aus der Differenz der für die Gesamtreihe bestimmten
Speichergröße und dem jeweiligen minimalen Speicherzustand. Abb. 5-7 zeigen die
so ermittelten Speichergrößen.
Abb.5: Zur vollständigen
Lastdeckung in den,
dem Tag voraus-
gehenden 2-, 5- und !0-
jährigen Abschnitten
bestimmte Speicher-
größen (2 Jahre: blau, 5
Jahre: grün, 10 Jahre:
orange). PV-Größe: 1.
Abb. 6: Wie Abb. 5 aber
r PV-Größe: 1.1 .
Abb. 7: Wie Abb. 5 aber
r PV-Größe: 1.5 .
Es ist zu erkennen, das der Einsatz einzelner zufällig ausgewählter Datensätze der
Länge 10 Jahre zu einer Unterschätzung der für sichere Versorgung im gesamten
Datensatz erforderlichen Speichergröße um bis zu 20% führen kann. Diese
Spreizung nimmt für Systeme mit höherer PV-Größe/verkleinertem Speicherbedarf
zu. Das gleiche Muster erscheint mit vergrößerter Amplitude auch bei der
Betrachtung des Einsatzes von Datensätzen über 5 und 2 Jahre.
Abb. 8 zeigt die Verteilung der ermittelten Speichergrößen für ein System mit PV-
Größe 1. Um die über den Gesamtdatensatz erforderliche sicher zu erfassen sind
~80% der möglichen Sätze der Länge 10 Jahre zu erfassen. Abb.9 und Abb. 10
geben diese Verteilung für Sätze über 5 (Abb 9) und 2 (Abb.10) Jahre.
Abb.8: Verteilung der
über die Nutzung von
Sätzen der Länge 10
Jahre ermittelten
Speichergrößen für ein
System mit der PV-
Größe 1.
Abb.9: Wie Abb. 8 aber
r Sätze der Länge 5
Jahre.
Abb.10: Wie Abb. 8 r
Sätze der Länge 2
Jahre.
5 Zusammenfassung und Ausblick
Der Einsatz von nur wenige Jahre abdeckenden Datensätzen zur Dimensionierung
kritischer Auslegungsgrößen ist erkennbar mit großen Unsicherheiten verknüpft.
Dazu tragen neben der Variabilität längerfristiger Kenndaten (Jahres- und
Monatsmittel) auch - insbesondere bei Schwellwert-sensitiven Systemen mit kleinem
Speicherbedingten Gedächtnis - Details in der kurzzeitigen sequenziellen
Entwicklung der Daten bei. In Bezug auf den Einsatz projizierter zukünftiger
Entwicklungen der meteorologischen Einstrahlungsreihen für zukünftige Szenarien
der Energieversorgung weisen diese Untersuchungen auf erweiterte Anforderungen
an die Realitätsnähe der projizierten Daten hin.
Literatur
[1] R. Bryce, I. Losada, A. Kumler, B. Hodge, B., B. Roberts, C.B. Martinez-Anido,
Consequences of neglecting the interannual variability of the solar resource : A case
study of photovoltaic power among the Hawaiian Islands. Sol. Energy 167, 6175
[2] S. Pfenninger, I. Staffell, Long-term patterns of European PV output using 30
years of validated hourly reanalysis and satellite data, Energy, 114, 1251-1265
(2016)
[3] D. Heide, L. von Bremen, M. Greiner, C. Hoffmann, M. Speckmann, S. Bofinger,
Seasonal optimal mix of wind and solar power in a future highly renewable Europe,
Renewablw Energy 35, 2483-2489 (2019)
[4] H.G. Beyer, Zur Bewertung des Grades der Versorgungssicherheit in Inselnetzen,
Online-PV-Symposium 2020, 01. 02. 9 (2020)
[5] H.G. Beyer, Repercussions of interannual variability in irradiance on sizing PV for
autonomous renewable energy systems, EUPVSEC 2020 (virtual), 07-11.9 (2020)
[6] H,G. Beyer, Aspects of system sizing for complete autonomy of island grids,
discussed by using the example of PV-integration into the Faroe Islands grid, Solar
Integration Workshop, Dublin Ireland, October (2019)
[7] A. Haas, Zur Bestimmung des Speicherbedarfs in solarelektrischen
Energieversorgungsystemen aus Charakteristiken der Einstrahlung, Dissertation,,
University of Oldenburg, Germany (1995)
ResearchGate has not been able to resolve any citations for this publication.
Presentation
Full-text available
For the electricity supply of isolated communities, Islands or largescale national grids, there is an ongoing discussion on the best configuration of electricity supply systems assuring secure operation without the use of fossil sources. It is known that the relative efforts to approach the goal of a 100% renewable supply increase remarkably when coming close to it. Here, some aspects of this problem will be demonstrated by using the example of the electricity system of the Faroe Islands.
Article
Full-text available
Solar PV is rapidly growing globally, creating difficult questions around how to efficiently integrate it into national electricity grids. Its time-varying power output is difficult to model credibly because it depends on complex and variable weather systems, leading to difficulty in understanding its potential and limitations. We demonstrate how the MERRA and MERRA-2 global meteorological reanalyses as well as the Meteosat-based CM-SAF SARAH satellite dataset can be used to produce hourly PV simulations across Europe. To validate these simulations, we gather metered time series from more than 1000 PV systems as well as national aggregate output reported by transmission network operators. We find slightly better accuracy from satellite data, but greater stability from reanalysis data. We correct for systematic bias by matching our simulations to the mean bias in modeling individual sites, then examine the long-term patterns, variability and correlation with power demand across Europe, using thirty years of simulated outputs. The results quantify how the increasing deployment of PV substantially changes net power demand and affects system adequacy and ramping requirements, with heterogeneous impacts across different European countries. The simulation code and the hourly simulations for all European countries are available freely via an interactive web platform, www.renewables.ninja.
Article
Full-text available
The renewable power generation aggregated across Europe exhibits strong seasonal behaviors. Wind power generation is much stronger in winter than in summer. The opposite is true for solar power generation. In a future Europe with a very high share of renewable power generation those two opposite behaviors are able to counterbalance each other to a certain extent to follow the seasonal load curve. The best point of counterbalancing represents the seasonal optimal mix between wind and solar power generation. It leads to a pronounced minimum in required stored energy. For a 100% renewable Europe the seasonal optimal mix becomes 55% wind and 45% solar power generation. For less than 100% renewable scenarios the fraction of wind power generation increases and that of solar power generation decreases.
Article
The interannual variability of the solar irradiance and meteorological conditions are often ignored in favor of single-year data sets for modeling power generation and evaluating the economic value of photovoltaic (PV) power systems. Yet interannual variability significantly impacts the generation from one year to another of renewable power systems such as wind and PV. Consequently, the interannual variability of power generation corresponds to the interannual variability of capital returns on investment. The penetration of PV systems within the Hawaiian Electric Companies’ portfolio has rapidly accelerated in recent years and is expected to continue to increase given the state's energy objectives laid out by the Hawaii Clean Energy Initiative. We use the National Solar Radiation Database (1998–2015) to characterize the interannual variability of the solar irradiance and meteorological conditions across the State of Hawaii. These data sets are passed to the National Renewable Energy Laboratory's System Advisory Model (SAM) to calculate an 18-year PV power generation data set to characterize the variability of PV power generation. We calculate the interannual coefficient of variability (COV) for annual average global horizontal irradiance (GHI) on the order of 2% and COV for annual capacity factor on the order of 3% across the Hawaiian archipelago. Regarding the interannual variability of seasonal trends, we calculate the COV for monthly average GHI values on the order of 5% and COV for monthly capacity factor on the order of 10%. We model residential-scale and utility-scale PV systems and calculate the economic returns of each system via the payback period and the net present value. We demonstrate that studies based on single-year data sets for economic evaluations reach conclusions that deviate from the true values realized by accounting for interannual variability.
Repercussions of interannual variability in irradiance on sizing PV for autonomous renewable energy systems
  • H G Beyer
H.G. Beyer, Repercussions of interannual variability in irradiance on sizing PV for autonomous renewable energy systems, EUPVSEC 2020 (virtual), 07-11.9 (2020)