Télécharger le document complet (Document pdf, 269,6 Ko)

Prévisions photovoltaïques au Canada et application à l’intégration à grande échelle de systèmes PV aux réseaux
Gestionnaire de projet : Sophie Pelland CanmetÉNERGIE, Centre de recherche de Varennes INTRODUCTION Ce projet avait pour principal objectif de développer et de tester des prévisions de production d’électricité d’origine photovoltaïque (PV) en mettant l’accent sur des échelles de temps pertinentes pour les services publics d’électricité. De telles prévisions sont indispensables à une intégration à grande échelle fiable et économique de systèmes PV aux réseaux électriques, et à la croissance soutenue de l’industrie du PV au Canada, d’une valeur de 720 millions de dollars. Grâce à son programme de tarifs de rachat (FIT), l’Ontario a déjà reçu des demandes pour plus de 5 000 MW de projets PV et, selon les prévisions de l’IESO, cette province fournira sur son réseau 1 800 MW d’électricité d’origine solaire d’ici 2013 (en comparaison, la puissance photovoltaïque installée au Canada était de 20 MW à la fin de 2006!). Le projet présenté ici a bénéficié de la participation du Canada à la tâche 36 du programme de l’AIE, Chauffage et climatisation solaires (CCS) sur la « gestion des connaissances de la ressource solaire », qui comportait un groupe d’experts internationaux travaillant sur la prévision de la ressource solaire et PV. Ce projet a aussi permis d’élaborer une méthode pour estimer et analyser les incertitudes liées aux prévisions à long terme (≥ 1 an) de la production d’électricité photovoltaïque. Pour les promoteurs de grands projets PV, comme pour les investisseurs et les institutions financières, il devient de plus en plus important de connaître et de réduire au maximum les incertitudes qui peuvent compromettre la viabilité des projets. ACTIVITÉS ET RÉSULTATS Développement et vérification de prévisions solaires et photovoltaïques Des prévisions horaires d’ensoleillement et de production de puissance photovoltaïque sur un horizon de 48 heures ont été développées par le post‐traitement des résultats du modèle Global Environnemental Multi‐échelle (GEM) du Centre météorologique canadien. Les prévisions d’ensoleillement ont été comparées aux valeurs de rayonnement solaire mesurées par dix stations météorologiques nord‐américaines sur une période de deux ans (voir figure 2). L’exactitude des prévisions a été améliorée grâce à deux méthodes de post‐traitement : prise de la moyenne spatiale des prévisions (voir la figure 5) et élimination du biais par l’emploi d’un filtre de Kalman. Ces méthodes ont mené à une réduction globale de l’erreur quadratique moyenne (RMSE) d’environ 15 % (figure 4). L’élimination du biais a été utile principalement pour des prévisions « régionales » de l’ensoleillement moyen pour les 10 stations, puisque le biais représente une fraction plus élevée du RMSE dans ce cas. De ces prévisions d’ensoleillement ont été tirées des prévisions de production pour des systèmes PV types au Québec et en Ontario (figure 1). Les erreurs des prévisions de production PV proviennent surtout des erreurs de la prévision d’ensoleillement horizontal. Les prévisions PV avaient des RMSEs variant de 6.4% à 9.2% de la puissance nominale des systèmes. Environ 76% des erreurs des prévisions PV étaient de l’ordre de ±5% de la puissance nominale, mais les erreurs maximales ont atteint entre 44% et 57% de la puissance nominale des trois systèmes PV. Figure 1: Trois systèmes PV utilisés pour tester les prévisions : Université Queen’s (gauche), CanmetÉNERGIE à Varennes (centre) et Exhibition Place (droite). (Crédits photo: Anton Driesse (gauche), Dave Turcotte (centre) et Ville de Toronto (droite)
• Bratt’s Lake, SA
• Fort Peck, MT
• Varennes, QC
• Sioux Falls, SD • Egbert, ON
• Boulder, CO
• Bondville,•ILPenn State, PA
• Desert Rock, NV
• Goodwin Creek, MS
Figure 2: Emplacement des 10 stations météorologiques qui ont servi à tester les prévisions d’ensoleillement. RMSE: 72 W/m2 Biais: 1.8 W/m2 RMSE: 100 W/m2 Biais: 0.9 W/m2
RMSE: 6.4% de la puissance nominale (64 W/kW) Biais: 0.2% de la puissance nominale (2 W/kW) PRÉVISIONS MÉTÉO 1. Ensoleillement horizontal 2. Température ambiante LE SYSTÈME PV 1.Emplacement et orientation 2.Données antécédentes ou spécifications du manufacturier PRÉVISION DE L’ENSOLEILLEMENT DANS LE PLAN DES MODULES ET DE LA TEMPÉRATURE EN FACE ARRIÈRE PRÉVISION DE LA PUISSANCE PV PRODUITE Figure 3 : Des prévisions météorologiques aux prévisions PV. Propagation des erreurs dans le cas d’un système PV à Varennes. Tâche 36 du programme Chauffage et climatisation solaires de l’AIE sur la « gestion des connaissances de la ressource solaire » http://www.iea‐shc.org/task36/ Ce projet a largement bénéficié de la participation du Canada aux travaux de la tâche 36, CCS, sur la « gestion des connaissances de la ressource solaire » qui ont réuni d’éminents chercheurs provenant de dix pays. Les participants allemands à cette tâche (Université d’Oldenburg) ont élaboré une méthode pour prévoir la production PV. Cette méthode est actuellement à l’essai dans deux zones témoins du réseau électrique allemand auxquelles est raccordée une puissance PV installée de 5 400 MW (plus de 200 000 systèmes). D’autres participants ont proposé des modèles de prévision de l’ensoleillement qui ont été testés par rapport aux données recueillies dans les mêmes stations météorologiques des États‐Unis [1] et du Canada. Ces essais, auxquels le Canada a pris part, indiquent que les prévisions canadiennes soutiennent la comparaison avec les meilleures prévisions, notamment celles de l’Université d’Oldenburg. Incertitude liée à la prévision de la production photovoltaïque à long terme L’incertitude des prévisions de production à long terme des systèmes PV a été examinée par une modélisation statistique d’un système photovoltaïque c‐Si hypothétique de 10 MW c.a., installé à Toronto, au Canada ([2], [3]). L’incertitude cumulative (écart‐type) pour les prévisions de production PV est de l’ordre de 8,7 % pour la première année d’exploitation d’un système PV et de 7,9 % pour la production moyenne sur la durée de vie du système. En dépit de variations possibles de ces chiffres d’un système à un autre, la méthode se prête à une large application. Une méthode plus simple a également été étudiée, qui donne rapidement des estimations assez fiables de l’incertitude. Enfin, des moyens de réduire l’incertitude des prévisions de production ont été définis : améliorer la fiabilité et la résolution des estimations de rayonnement solaire; mesurer le rayonnement sur des plans non horizontaux à des stations terrestres de bonne qualité; réduire l’incertitude sur les caractéristiques nominales des modules; étudier les pertes dues à la saleté et à la neige, sur lesquelles peu de données existent. 50
160
40
150
35
Bondville
140
30
RMSE (W/m 2)
RMSE (% de la moyenne)
45
25
20
15
Sioux Falls
120
Penn State
Boulder
110
Goodwin Creek
100
10
90
5
80
Desert Rock
Egbert
Bratt's Lake
Varennes
70
60
BR
A
VA
R
Ré
gi
on
A
EG
B
DR
TB
L
G
W
N
K
FP
SX
F
PS
U
0
BO
N
Fort Peck
130
1
Ni moyenne spatiale, ni filtre de Kalman
4
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Dimension de la région (N par N points de grille)
Station (ou région)
Moyenne spatiale, pas de filtre de Kalman
Moyenne spatiale et filtre de Kalman
Figure 4: Amélioration des prévisions par post‐traitement. Figure 5: Diminution de l’erreur quadratique moyenne (RMSE) dans les prévisions d’ensoleillement (de une à 48 heures) par moyenne des prévisions pour une région de N points de grille de côté centrée sur la station considérée. DISCUSSION ET PROCHAINES ÉTAPES La méthode de prévision de l’ensoleillement et de la production PV issue de ce projet pourra servir à établir une prévision centralisée dans une province comme l’Ontario où l’IESO planifie intégrer une méthode de prévision PV centralisée à ses opérations une fois que la capacité PV installée franchira un seuil minimal. Les connaissances acquises lors de ce projet sont aussi communiquées par CanmetÉNERGIE à l’IESO par l’entremise du groupe SE‐91 sur l’intégration au réseau des énergies renouvelables. Par ailleurs, les modèles, connaissances et données archivées durant ce projet seront utilisés au cours des projets actuels et futurs de CanmetÉNERGIE, notamment la participation à la tâche 14 de l’AIÉ PVPS sur la pénétration élevée de systèmes PV dans les réseaux électriques, ainsi que des projets sur la gestion de la demande des édifices. BUDGET F11.004 (2008‐2011) ecoÉTI Autre fédéral 265 k$ 90 k$ Externe nature 429 k$ Externe comptant ― Levier 196 % ÉQUIPE DU PROJET Membres de l’équipe provenant du gouvernement fédéral Sophie Pelland et Lisa Dignard‐Bailey, CanmetÉNERGIE, Ressources naturelles Canada Bruce McArthur et David Halliwell, Environnement Canada (Service météorologique) Paul Vaillancourt et Mark McCrady, Environnement Canada (Centre météorologique canadien) Membres de l’équipe provenant d’autres organismes canadiens Didier Thevenard, Numerical Logics Inc. Anton Driesse, Photovoltaic Performance Labs Khaqan Khan, Société indépendante d'exploitation du réseau d'électricité (SIERE) de l’Ontario Rob McMonagle, Dejan Skoric et Armand Marquez, Ville de Toronto Membres de l’équipe provenant d’autres pays (participants à la tâche 36 du programme Chauffage et climatisation solaires de l’AIE) Elke Lorenz, Carl von Ossietzky, Université d’Oldenburg, EHF, Allemagne Jan Remund, Meteotest, Suisse Richard Perez, université de l’État de New York à Albany, Atmospheric Sciences Research Center, É.‐U. Luis Martín Pomares, IrSOLaV, Espagne A. David Pozo Vázquez, université de Jaén, Espagne Wolfgang Traunmueller, Blue Sky, Autriche RÉFÉRENCES ET PUBLICATIONS [1]
Perez R, Beauharnois M, Hemker K, Kivalov S, Lorenz E, Pelland S, Schlemmer J, Van Knowe G. Evaluation of numerical weather prediction solar irradiance forecasts in the US. Sera disponible dans le compte‐rendu de la 40ième American Solar Energy Society (ASES) National Solar Conference, qui aura lieu en mai 2011 à Raleigh, Caroline du Nord, États‐Unis. [2]
Thevenard D. et Pelland S. 2010, Estimating the uncertainty in long‐term photovoltaic yield predictions, soumis au journal Solar Energy en novembre 2010. [3]
Thevenard D, Driesse A, Pelland S, Turcotte D, Poissant Y. Incertitude liée à la prévision de la production photovoltaïque à long terme, rapport no 2010‐122 (RP‐TEC), CanmetÉNERGIE, Centre de recherche de Varennes, Natural Resources Canada, 31 mars 2010, 52 p. http://canmetenergy‐canmetenergie.nrcan‐
rncan.gc.ca/fra/energies_renouvelables/integration_red/publications.html?2010‐122 [4]
Pelland S, Galanis G, Kallos G. Solar and PV forecasting in Canada through post‐processing of the Global Environmental Multiscale Model, soumis au journal Progress in Photovoltaics: Research and Applications en avril 2011. [5]
Pelland Sophie, Solar and PV forecasting in Canada, présentation auprès du comité permanent de l’énergie éolienne de l’IESO, 23 septembre 2010, http://www.ieso.ca/imoweb/consult/consult_windpower‐sc.asp 2011‐013 (PM‐FAC) 411‐IEARES