Optimalisering av strålesporingssimuleringer for tosidige solceller i Rhino 3D
Abstract
Markedsandelen til tosidige solceller er sterkt økende og vil trolig dominere markedet om få år. Med dette kommer nye utfordringer for nøyaktige simuleringer, på grunn av økt produksjon fra reflektert stråling. Standard-simuleringsverktøy er i dag basert på view-faktormetoden, men strålesporing kan tilby høyere presisjon og bedre forståelse av skyggeleggingselementer. Strålesporing er imidlertid mer beregningskrevende og dermed også tidkrevende.
Hovedmålet med denne masteroppgaven er å optimalisere simuleringen av produksjonen fra tosidige solceller på timesbasis ved bruk av strålesporingsverktøyet Radiance gjennom programvaren Rhino 3D. For å oppnå dette blir det gjennomført to ulike tester. Den første bruker detaljnivået til strålesporingen, og antall målesensorer som variabler for å finne nøyaktige resultater med lav kjøretid. Den andre testen ser på hvor mye de ulike albedoverdiene til påvirker produksjonen på timesbasis gjennom året. Dette case-studiet er basert på Next2Sun-installasjonen av vertikale solpaneler i Ås, med planlagt installasjon i år.
Tidligere studier har fokusert på modellens nøyaktighet. Den underliggende PV-modellen ble i dette arbeidet sammenlignet med bransjestandardverktøyene PVsyst for å verifisere dens nøyaktighet. Dette arbeidet utvides her ved å teste modellen mot produksjonsdata fra tre tosidige moduler på Søråsjordet i Ås, noe som ytterligere bekrefter tilnærmingens anvendelighet.
Hovedfunnene viser at detaljeringsgraden til strålesporing og antall sensorer har liten påvirkning på produksjonen med kun 1,14% avvik på årsbasis mellom mest og minst detaljert simulering. Det ble også funnet at for simuleringer med 2 albedoverdier for året i stedet for 9, var RMSE 2,5 Wh/m2, og for 6 albedoverdier var avviket ubetydelig. Som betyr at en simulering med året delt opp i 6, vil gi gode prediksjoner for produksjonen på timesbasis. Validering mot måledata bekrefter simuleringmodellens pålitelighet, og R2 verdien mellom målt og simulert produksjon ble funnet til å være 0.945. Bifacial solar panels are quickly becoming more prominent in the photovoltaic market, and they are on track to lead the industry within a few years. This rise presents a new challenge in accurately simulating PV-production, due to the additional power generation from reflected irradiance. Simulations based on the view-factor method for bifacial solar panels are the industry standard, but raytracing has the potential to offer higher precision and a better understanding of shading elements.
The primary objective of this study is to optimize the simulation of bifacial photovoltaic (PV) panels on an hourly basis using the raytracing engine Radiance through Rhino 3D software. To achieve the primary objective, two different studies are conducted. The first study investigates the necessary level of detail in raytracing and the number of sensors per square meter required to achieve grid detail independent results. The second study investigates how the different albedo values affects the hourly pordution through the year. This case study is based on the Next2Sun installation of vertical solar panels in Ås, with planned installation this year.
Previous studies on the installation have focused on the accuracy of the model itself. The underlying PV model was in this work compared with industry standard tools, PVsyst, to verify its accuracy. This work is here expanded on by testing the model against production data from three bifacial modules located in Ås, further verifying the applicability of this approach.
Key findings demonstrate that the detail level of raytracing and number of sensors has little variation between most and least detailed, with only 1,14% deviation on a yearly basis. It was also found that for simulations with 2 albedo values through the year instead of 9, the RMSE was 2.5 Wh/m2, and for 6 albedo values the deviation was negligible. This indicates that simulations with 6 albedovalues will provide accurate results on an hourely basis. Validation against real-world measurements confirms the reliability of the simulation model, with a R2 value of 0.945 between measured and simulated production.