Det finns behov av en branschstandard för solstrålningsdata i Sverige. I samband med workshopen ”Solstrålningsdata i Norden – dåtid, nutid, framtid”, som SMHI arrangerade tillsammans med Uppsala Universitet vid Solelmässan 2019,
framfördes ett tydligt önskemål från användarna att få tillgång till en
rekommenderad och lättillgänglig solstrålningsdatabas som täcker hela Sverige med bra kvalitet. En sådan databas skulle kunna fungera som en branschstandard, till exempel för beställare och leverantörer av solcellsanläggningar. Vid kontakt med utvecklare av PVGIS har man varit positiv till att införa en förbättrad skandinavisk databas för solstrålning. PVGIS har fördelen att vara gratis och lättgängligt för alla via webben, vilket skulle säkra en god spridning av en sådan solstrålningsdatabas.
Eftersom mätningar av solstrålningen endast sker på ett begränsat antal platser behöver dessa kompletteras med satellitbaserade data för att täcka in hela Sverige. I dagsläget finns metoder för att ta fram solstrålningsdata med god kvalité och tidsupplösning baserat på information från geostationära satelliter. Sådana data saknas dock för stora delar av Norden då de geostationära satelliterna, på grund av sin placering ovanför ekvatorn, har dålig täckning norr om ca 60 grader latitud. SMHI:s solstrålningsmodell STRÅNG använder även data från polära satelliter för att täcka in nordligare breddgrader. STRÅNG håller dock inte längre måttet när det gäller hanteringen av molniga situationer. Anledningen är att STRÅNG endast modifierar klarvädersstrålningen baserat på molnmängden och inte tar hänsyn till hur tjocka molnen är vilket moderna metoder gör.
Ett standardförfarande hur man beräknar inverkan av skuggning skulle vara värdefullt, då skuggning vid sidan om val av solstrålningsdatabaser kan ha en stor inverkan på en solcellsanläggnings utbyte.
Beräkning av strålning i modulplanet från uppmätt eller modellerad strålning i horisontalplanet är den huvudsakliga felkällan bland alla beräkningsstegen, även när vi använder de bästa kända algoritmerna. Genom mer detaljerade mätningar av solstrålning skulle det ge möjlighet att utveckla nya algoritmer för Sverige specifikt och Skandinavien i allmänhet. Nyare forskning har visat att algoritmer baserade på artificiell intelligens kan förbättra resultaten avsevärt.
Jämförelser saknas av användarvänlighet hos olika simuleringsprogram. Det är ett stort steg att gå från lättanvända PVGIS till mera avancerade program, med många möjligheter till parameterjusteringar.
Publikationslista
Andersson, S., Carlund, T., Landelius, T. (2019). Solstrålningsdata i Norden –
dåtid, nutid, framtid. Workshop i anslutning till Solelmässan i Uppsala den 29
oktober 2019.
Andersson, S. (2019). Future trends in solar radiation in Sweden. Solforum 9 oktober 2019, Göteborg.
Andersson, S. (2019). Griddad solstrålningsdata för Norden. Solelmässan, 29 oktober 2019, Uppsala.
Campana, P.E., Landelius, T., Andersson, S., Lundström, L., Nordlander, E., He, T., Zhang, J., Stridh, B., Yan, J. (2020). A gridded optimization model for
photovoltaic applications. Solar Energy, Volume 202, Pages 465-484, ISSN 0038- 092X, https://doi.org/10.1016/j.solener.2020.03.076
Stridh, B. Förbättrad beräkning av solelproduktion i Sverige. Solforum 9 oktober 2019, Göteborg.
Referenser
ArcGISa. An overview of the Solar Radiation toolset. Hämtad från
https://desktop.arcgis.com/en/arcmap/latest/tools/spatial-analyst-toolbox/an-
overview-of-the-solar-radiation-tools.htm
ArcGISb. How solar radiation is calculated. Hämtad från
https://desktop.arcgis.com/en/arcmap/latest/tools/spatial-analyst-toolbox/how- solar-radiation-is-calculated.htm
Andersson S. (2019). Griddad solstrålningsdata för Norden. Solelmässan, 29 oktober 2019, Uppsala.
Bartok, B., Wild, M., Folini, D., Lüthi, D., Kotlarski, S., Schär, C., Vautard, R., Jerezm, S., Imecs, Z. (2016). Projected changes in surface solar radiation in CMIP5 global climate models and in EURO-CORDEX regional climate models for Europe. Climate Dynamics 2016:1e19. 0123456789.
Benestad, R., Haensler, A, Hennemuth, B., Illy, T., Jacob, D., Keup-Thiel, E., Kotlarski, S., Nikulin, G., Otto, J., Rechid, D., Sieck, K., Sobolowski, S., Szabó, P., Szépszó, G., Teichmann, C., Vautard, R., Weber, T., Zsebeházi, G. (2017).
Guidance for EURO-CORDEX climate projections data use. EURO-CORDEX
Guidelines, Version1.0 – 2017.08. Hämtad 2020-05-08 från https://www.euro- cordex.net/imperia/md/content/csc/cordex/euro-cordex-guidelines-version1.0- 2017.08.pdf.
Beyer, H. G., Betcke, J., Drews, A., Heinemann, D., Lorenz, E., Heilscher, G., & Bofinger, S. (2004, June). Identification of a General Model for the MPP Perfor-
mance of PV-Modules for the Application in a Procedure for the Performance Check of Grid Connected Systems. In 19th European Photovoltaic Solar Energy
Blomqvist, P., Unger, T. (2018). Teknisk-ekonomisk kostnadsbedömning av sol-
celler i Sverige. Energimyndigheten. Hämtad 2020-09-09 från
http://www.energimyndigheten.se/globalassets/fornybart/solenergi/ovriga- rapporter/teknisk-ekonomisk-kostnadsbedomning-av-solceller-i-sverige.pdf.
Bright, J. M., Engerer, N.A. (2019). Engerer2: Global re-parameterisation, update, and validation of an irradiance separation model at different temporal resolutions.
Journal of Renewable and Sustainable Energy 11(3), 033701.
Campana, P. E., Li, H., Zhang, J., Zhang, R., Liu, J., Yan, J. (2015). Economic optimization of photovoltaic water pumping systems for irrigation. Energy
Conversion and Management. 95, 32-41.
Campana, P.E., Landelius, T., Andersson, S., Lundström, L., Nordlander, E., He, T., Zhang, J., Stridh, B., Yan, J. (2020). A gridded optimization model for photo- voltaic applications. Solar Energy, Volume 202, Pages 465-484, ISSN 0038- 092X, https://doi.org/10.1016/j.solener.2020.03.076
CAMS Radiation Service. Hämtad 23 Augusti 2019 från http://www.soda- pro.com/web-services/radiation/cams-radiation-service
Chang, T.P. (2009). The Sun’s apparent position and the optimal tilt angle of a solar collector in the northern hemisphere. Solar Energy, 83(8), 1274-1284. CM SAF. Satellite Application Facility on Climate Monitoring. EUMETSAT. Hämtad från https://www.cmsaf.eu/
Duffie, J.A., Beckman, W.A., Worek, W.M. (2013). Solar engineering of thermal
processes (third edition). New York: Wiley.
Emde, C., Buras-Schnell, R., Kylling, A., Mayer, B., Gasteiger, J., Hamann, U., Kylling, J., Richter, B., Pause, C., Dowling, T., Bugliaro, L. (2016). The
libradtran software package for radiative transfer calculations (version 2.0.1).
Geoscientific Model Development, 9(5):1647-1672.
Energimyndigheten. El och fjärrvärme. Hämtad från
http://www.energimyndigheten.se/statistik/el-och-
fjarrvarme/?currentTab=1#mainheading
Engerer, N. A. (2015). Minute resolution estimates of the diffuse fraction of global irradiance for southeastern Australia. Solar Energy, 116, 215-237. Gilman, P. (2015), SAM Photovoltaic Model Technical Reference. National Renewable Energy Laboratory. Technical Report NREL/TP-6A20-64102. Hämtad från https://www.nrel.gov/docs/fy15osti/64102.pdf.
Gracia Amillo, A., Huld, T. (2013). Performance comparison of different models
for the estimation of global irradiance on inclined surfaces. Tech. rep., European
Commission, Joint Research Centre. Hämtad från http://re.jrc.ec.europa.eu/pvgis/doc/
GitHub, Jamie M Bright. Clear-sky irradiance model library. Hämtad 2020-03-03 från https://github.com/JamieMBright/clear-sky-models.
Gueymard, C. A. (2008). REST2: High-performance solar radiation model for cloudless-sky irradiance, illuminance, and photosynthetically active radiation– Validation with a benchmark dataset. Solar Energy, 82(3), 272-285.
Hedén, P. (2013). Solelpotentialbedömning - framställning av solelpotentialkarta
för Lund och utvärdering av laserdata. Examensarbete TVBH-5070, Lunds
Tekniska Högskola. Hämtad från https://lup.lub.lu.se/student-
papers/search/publication/4462440.
Holmgren, W. F., Hansen, C. W., Mikofski, M. A. (2018). PVLIB Python: a python package for modeling solar energy systems. Journal of Open Source
Software, 3(29), 884. https://doi.org/10.21105/joss.00884.
Ineichen, P., Perez, R. R., Seal, R. D., Maxwell, E. L., Zalenka, A. (1992). Dynamic global-to-direct irradiance conversion models. ASHRAE Transactions, 98(1), 354-369.
Jacobson, M. Z., Jadhav, V. (2018). World estimates of PV optimal tilt angles and ratios of sunlight incident upon tilted and tracked PV panels relative to horizontal panels. Solar Energy, 169, 55-66.
Jerez, S., Tobin, I., Vautard, R. et al. (2015). The impact of climate change on photovoltaic power generation in Europe. Nature Communications 6, 10014. https://doi.org/10.1038/ncomms10014
Kamp, S. (2013). Sveriges potential för elproduktion från takmonterade solceller
–Teoretisk, teknisk och ekonomisk analys. Examensarbete Uppsala universitet
ISSN: 1650-8300, UPTEC ES13033, 2013.
Karlsson, K. G (2003). A 10 year cloud climatology over Scandinavia derived from NOAA advanced very high resolution radiometer imagery. International
Journal of Climatology, 23(9), 1023-1044.
Landelius, T., Josefsson, W., Persson, T. (2001). Operational mesoscale radiation modelling, in Smith, W.L., Timofeyev, Y.M. (Eds.), IRS 2000: Current Problems
in Atmospheric Radiation. A. Deepak Publishing, Hampton, Virginia, pp. 66-69.
Lasierra Fortuño, A. (2014). Energy analysis and simulation of thermal solar plants with seasonal storage.
Lemos, L. F., Starke, A. R., Boland, J., Cardemil, J. M., Machado, R. D., Colle, S., 2017. Assessment of solar radiation components in Brazil using the BRL model. Renew. Energ. 108, 569-580.
Liu, B. Y., Jordan, R. C. (196. The long-term average performance of flat-plate solar-energy collectors: with design data for the US, its outlying possessions and Canada. Solar Energy, 7(2), 53-74.
Lund, M. T., Myhre, G., Samset, B. H. (2019). Anthropogenic aerosol forcing under the Shared Socioeconomic Pathways. Atmospheric Chemistry and Physics, vol 19, nr 22, 13827-13839, 10.5194/acp-19-13827-2019.
Meeus, J. H. (1991). Astronomical algorithms. Willmann-Bell, Incorporated. Meteonorm. Documents, Meteonorm version 8.0. Hämtad från
https://meteonorm.com/en/meteonorm-documents.
Müller, J., Folini, D., Wild, M., Pfenninger, S. (2019). CMIP-5 models project photovoltaics are a no-regrets investment in Europe irrespective of climate change, Energy, Volume 171, Pages 135-148, ISSN 0360-5442,
https://doi.org/10.1016/j.energy.2018.12.139.
O’Neill, B. C., Kriegler, E., Riahi, K., Ebi, K. L., Hallegatte, S., Carter, T. R., Mathur, R, van Vuuren, D. P. (2014). A new scenario framework for climate change research: the concept of shared socioeconomic pathways. Climatic
Change, 122, 387–400, https://doi.org/10.1007/s10584-013-0905-2.
OptiCE. Hämtad från http://optice.net/.
Paulescu, E., Blaga, R. (2016). Regression models for hourly diffuse solar radiation. Solar Energy, 125, 111-124.
Paulescu, E., Blaga, R. (2019). A simple and reliable empirical model with two predictors for estimating 1-minute diffuse fraction. Solar Energy, 180, 75-84.
Perez, R., Ineichen, P., Seals, R., Michalsky, J., Stewart, R. (1990). Modeling daylight availability and irradiance components from direct and global irradiance.
Solar Energy, 44(5), 271-289.
Perez, R., Seals, R., Ineichen, P., Stewart, R., Menicucci, D. (1987). A new simplified version of the Perez diffuse irradiance model for tilted surfaces. Solar
Energy, 39(3), 221-231.
PVGISa, Photovoltaic Geographical Information System. Hämtad från
https://re.jrc.ec.europa.eu/pvgis.html.
PVGISb, Photovoltaic Geographical Information System. PVGIS Users manual. Hämtad 2020-09-23 från https://ec.europa.eu/jrc/en/PVGIS/docs/usermanual
Polysun. Vela Solaris. Hämtad från https://www.velasolaris.com/?lang=en. PVsyst. Hämtad från https://www.pvsyst.com/.
PVsyst 7 Help. Hämtad från https://www.pvsyst.com/help/. SAM. Hämtad från https://sam.nrel.gov/.
SMHIa. Klimatindikator – globalstrålning. Uppdaterad 9 april 2020. Hämtad 2020-09-08 från https://www.smhi.se/klimat/klimatet-da-och-
SMHIb. Klimatscenarier. Hämtad från https://www.smhi.se/klimat/framtidens-
klimat/klimatscenarier/sweden/nation/rcp85/year/precipitation.
SMHIc. STRÅNG - en modell för solstrålning. Hämtad 2020-09-08 från
https://www.smhi.se/forskning/forskningsomraden/atmosfarisk-fjarranalys/strang-
en-modell-for-solstralning-1.329.
SMHId, Naturvårdsverket, Strålsäkerhetsmyndigheten. STRÅNG - a mesoscale
model for solar radiation. Hämtad från http://strang.smhi.se/.
Sockol, A., Small Griswold, J. D. (2017). Intercomparison between CMIP5 model and MODIS satellite-retrieved data of aerosol optical depth, cloud fraction, and cloud-aerosol interactions. Earth and Space Science, 4, 485–505,
doi:10.1002/2017EA000288.
Stridh, B., Campana, P., Landelius, T., Andersson, S., Holm, E., Lind. Mårten. Elproduktionsutvärdering från solcellsanläggningar. Energiforsk rapport 2017:387.
Sun, X., Bright, J. M., Gueymard, C. A., Acord, B., Wang, P., Engerer, N. A. (2019). Worldwide performance assessment of 75 global clear-sky irradiance models using principal component analysis. Renewable and Sustainable Energy Reviews, 111, 550-570.
Sveby. Hämtad 2019-08-23 från http://www.sveby.org/.
Talebizadeh, P., Mehrabian, M. A., Abdolzadeh, M. (2011). Determination of optimum slope angles of solar collectors based on new correlations. Energy
Sources, Part A, 33(17), 1567-158.
TRNSYS 18. A TRaNsient SYstem Simulation program Volume 4 Mathematical Reference.
Valentin Software. PV*SOL Help. Hämtad från https://help.valentin-
software.com/pvsol/en/
Valentin Software. PV*SOL premium release notes. Hämtad 2020-10-04 från
https://valentin-software.com/en/products/pvsol-premium/#release-notes
van Vuuren, D.P., Edmonds, J., Kainuma, M. et al. The representative concentration pathways: an overview. Climatic Change 109, 5 (2011). Vela Solaris. Polysun Simulation Software User Manual. Hämtad från
https://www.velasolaris.com/wp-content/uploads/2019/02/Tutorial_EN.pdf
Wild, M., Folini, D., Henschel, F., Fischer, N., Müller, B. (2015). Projections of long-term changes in solar radiation based on CMIP5 climate models and their influence on energy yields of photovoltaic systems, Solar Energy, Volume 116, Pages 12-24, ISSN 0038-092X, https://doi.org/10.1016/j.solener.2015.03.039. WCRP World Climate Research Program. https://www.wcrp-climate.org/.
Bilagor
Bilaga 1 Förändring i nedåtriktad kortvågsstrålning (W/m2) över Europa mellan
perioderna 2066-2095 och 1981-2010 för alla ensemblemmedlemmar i EURO- CORDEX simuleringarna. Raderna visar de olika regionala klimatmodellerna, som har drivits med olika globala klimatmodeller (se etikett på x-axeln). Data från EURO-CORDEX-simuleringar.
Bilaga 2 Förändring i medeltemperatur (oC) vid marknivå mellan åren 2066-2095 och
referensperioden 1981-2010 under 4 årstider (DJF = December-Februari, MAM = Mars-Maj, JJA = Juni-Augusti och SON = September-November), alla kartor är statistiska signifikanta (p-värde <5% ). Data från EURO-CORDEX-
Bilaga 3 Vänster: Förändring av årlig medelvindhastighet vid marknivå mellan åren 2066-2095 och referensperioden 1981-2010. Höger: p-värde från Mann-Whitney U-test, ett värde mindre än 5% betraktas som statistiskt signifikant. Data från EURO-CORDEX-simuleringar.
Bilaga 4 Förändring i markens albedo mellan åren 2066-2095 och referensperioden 1981- 2010 för svenska centralorter uppdelad på fyra årstider (DJF = December- Februari, MAM = Mars-Maj, JJA = Juni-Augusti och SON = September- November). Data från EURO-CORDEX-simuleringar.
Bilaga 5 Förändring i potentiell solelproduktion (% ) för en horisontell modul beräknad från klimatkörningar för referensperioden 1981-2010 och perioderna 2036-2065 (övre raden) samt 2066-2095 (nedre raden). Från vänster till höger visas 10:e percentilen, medel- värde och 90:e percentilen för den relativa förändringen samt p-värdet för ett Mann– Whitney U-test av skillnaden. Notera att det är olika skalor för de två tidsperioderna.
Bilaga 6 Förändring i potentiell solelproduktion (% ) för en modul med lutning 30 grader mot söder, beräknad från klimatkörningar för referensperioden 1981-2010 och perioderna 2036-2065 (övre raden) samt 2066-2095 (nedre raden). Från vänster till höger visas 10:e percentilen, medelvärde och 90:e percentilen för den relativa förändringen samt p-värdet för ett Mann–Whitney U-test av skillnaden. Notera att det är olika skalor för de två tidsperioderna.
Bilaga 7 Förändring i potentiell solelproduktion (% ) för en modul med lutning 30 grader mot öster, beräknad från klimatkörningar för referensperioden 1981-2010 och perioderna 2036-2065 (övre raden) samt 2066-2095 (nedre raden). Från vänster till höger visas 10:e percentilen, medelvärde och 90:e percentilen för den relativa förändringen samt p-värdet för ett Mann– Whitney U-test av skillnaden. Notera att det är olika skalor för de två tidsperioderna.
Bilaga 8 Förändring i potentiell solelproduktion (% ) för en modul med lutning 45 grader mot söder, beräknad från klimatkörningar för referensperioden 1981-2010 och perioderna 2036-2065 (övre raden) samt 2066-2095 (nedre raden). Från vänster till höger visas 10:e percentilen, medelvärde och 90:e percentilen för den relativa förändringen samt p-värdet för ett Mann–Whitney U-test av skillnaden. Notera att det är olika skalor för de två tidsperioderna.