Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Utveckling av prognosmodeller och –verktyg för snöpåverkan på solelproduktion via fjärrmätning
RISE Research Institutes of Sweden, Built Environment, Energy and Resources.ORCID iD: 0000-0003-0245-7082
SMHI, Sweden.
SMHI, Sweden.
2021 (Swedish)Report (Other academic)Alternative title
Development of prediction models and prediction tool for snow effects on solar electricity production through remote sensing (English)
Abstract [sv]

Solcellsanläggningar installeras överallt i Sverige, från Kurland i söder till Kiruna i norr. Förhållandena mellan våra två landsändar är dock rätt stora. Detta projekt har undersökt hur snöfall påverkar elproduktionen från solceller, med fokus på Mellersta och Norra Sverige. Resultaten från drygt 260 anläggningar och upp till sex vintersäsonger visar att snöförluster är något att räkna med. Årliga förluster upp till 20% har konstaterats. I snitt förväntas de flesta anläggningar dock komma undan med årliga förluster under 10% och i många fall under 5%. Tydligt är att förlusterna blir större ju längre norrut och ju närmare fjällen solcellerna befinner sig. För att få en uppskattning på hur stora snöförlusterna kan vara där du befinner dig har ett gratis verktyg publicerats på snosolel.ri.se. Den stora utmaningen i projektet har varit att kunna studera så många anläggningar som möjligt, för att säkerställa att resultaten är relevanta. Därför har historisk produktionsdata för 263 anläggningar analyserats kombinerad med data för solinstrålning, snödjup och temperatur från vädermodeller och satelliter. Med all denna data har projektet lyckats modellera anläggningarnas prestanda över tid, inklusive sådant som skuggning, med relativt bra precision. Genom att jämföra de modellerna med uppmätt produktion under vintersäsongerna har snöförlusterna beräknats. I ett nästa steg jämfördes snöförlusterna för de studerade anläggningarna med två befintliga modeller för att uppskatta snöförluster. Problemet med dessa och liknande modeller har varit att de är svåra att verifiera mot många anläggningar och över stora geografiska områden. Metoden som utvecklades i detta projekt gör det möjligt att utföra verifieringar med befintliga data utan att behöva komplettera med extra mätningar på plats. Det visade sig att ingen av uppskattnings-modellerna var särskilt bra på att uppskatta snöförlusterna per månad, men att den ena gav rätt bra uppskattningar för årliga förluster. Denna modell, utvecklad av Marion m.fl. (2013), har implementerats i ett gratis online verktyg som uppskattar ungefärliga snöförluster för en solcellsanläggning på valfri plats i Sverige (och delar av Finland och Norge). Inledande försök pekar på att det finns potential att utveckla bättre uppskattningsmodeller för snöförluster. Det finns också goda förhoppningar att kunna förbättra precisionen i metoden för att modellera solcellsanläggningarna utifrån deras produktionsdata.

Abstract [en]

Solar PV systems are installed throughout Sweden, from Kurland in the South to Kiruna in the North. Conditions differ considerably between these two ends of the country. This project has investigated the impact of snowfall on electricity production by PV, focusing mainly on Mid and Northern Sweden. Results for just over 260 installations and up to six winters indicate that snow losses should be counted with. Annual losses up to 20% have been observed. On average, most installations are expected to suffer from losses below 10%, in many cases even below 5%. A clear trend is that snow losses increase with latitude and with altitude. To obtain an estimate of annual snow losses for where you are, a free online tool has been published on snosolel.ri.se (Swedish only). This project’s main challenge has been to include as many PV systems as possible in the study, to assure statistically relevant results. Therefore historical production data for 263 installations has been analysed, together with solar irradiation, temperature and snow depth data from weather models and satellites. Using this combined data this project has been able to model system performance over time, including shading impacts etc., with decent precision. By comparing these models with measured production during winter, snow losses could be calculated. The next step was to compare snow loss results for these installations with snow loss estimates from two existing prediction models. A limitation of these and similar models has been the lack of verifications over a large number of sites and different geographic regions. The modelling approach developed in this project facilitates such verifications, avoiding the need for cumbersome on-site measurements. It was found that none of the two prediction models provided reasonable results for monthly losses, but one of them produced decent annual estimations. That model, developed by Marion et al. (2013), has been implemented in a free online tool for annual snow loss estimation for any site in Sweden (and parts of Finland and Norway). Initial attempts indicate a potential for improvements in prediction models for snow losses. There is also a number of opportunities for future work to try and improve the method for modelling of the studied PV installations from production data.

Place, publisher, year, edition, pages
2021. , p. 44
Series
Energimyndigheten
Keywords [sv]
solel, solceller, solcellsmodellering, snöförluster, snö, solenergi, satellitdata, väderprognosdata
National Category
Environmental Sciences
Identifiers
URN: urn:nbn:se:ri:diva-56632OAI: oai:DiVA.org:ri-56632DiVA, id: diva2:1595697
Funder
Swedish Energy Agency, 38180-2Available from: 2021-09-20 Created: 2021-09-20 Last updated: 2023-05-25

Open Access in DiVA

fulltext(4300 kB)133 downloads
File information
File name FULLTEXT01.pdfFile size 4300 kBChecksum SHA-512
fb9abdceeb5c067e6a1e33b10d61553de98b0cdd0d673eda800c15d6bb17d0610c6dddf010ea48815aeceb27be6461d20efe3e838f07ae7539db859b6515a336
Type fulltextMimetype application/pdf

Other links

Bilaga B: van Noord, M.; Landelius, T.; Andersson, S. Snow-Induced PV Loss Modeling Using Production-Data Inferred PV System Models. Energies 2021, 14, 1574.

Authority records

van Noord, Michiel

Search in DiVA

By author/editor
van Noord, Michiel
By organisation
Energy and Resources
Environmental Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 134 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 1163 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf