Sistemas Fotovoltaicos con Python

El modelamiento y análisis más completo en sistemas solares fotovoltaicos mediante el lenguaje más versátil de la ciencia de datos: Python.

Un poco de historia:

La versión de MATLAB inició como una herramienta interna en Sandia National Laboratories en 2010-2011 y fue desarrollado para ayudar a estandarizar los análisis de todo el grupo fotovoltaico.
La versión de Python fue inicialmente desarrollada desde el 2013-2014 por Rob Andrews bajo contrato de Sandia.
En 2015 Python PVlib se convirtió en un proyecto de código abierto en GitHub ampliamente gestionado por Will Holmgren en la Universidad de Arizona.

Paradigmas de modelado:

La columna vertebral de pvlib-python es un código de procedimiento bien probado que implementa modelos de sistemas fotovoltaicos. PVlib-Python también proporciona una colección de clases para usuarios que prefieren la programación orientada a objetos. Estas clases pueden ayudar a los usuarios a realizar un seguimiento de los datos de una manera más organizada, proporcionar algunas funciones «inteligentes» con entradas más flexibles y simplificar el proceso de modelado para situaciones comunes. Las clases no agregan ningún algoritmo más allá de lo que está disponible en el código de procedimiento, y la mayoría de los métodos de objeto son envoltorios simples alrededor del código de procedimiento correspondiente.

Otros paquetes de software como PVsyst, Helioscope, SAM, PVWatts y otros, proveen la habilidad a diseñadores para evaluar la producción y los ingresos potenciales de un sistema PV.

Estos paquetes son particularmente especializados en responder las siguientes preguntas:

Producción general del sistema dado la información de la irradiancia.
Dimensionamiento y especificación de principales componentes (inversores, paneles, etc).
Sombreado y análisis de factores de pérdida.

Estos son capaces de proveer estos resultados en forma aceptada en la industria técnica y financiera. Esto es debido a la trazabilidad de sus algoritmos y a la familiaridad de la industria con estas salidas.

Sin embargo, debido a la naturaleza integrada de estos paquetes de simulación, hay una ausencia en la flexibilidad de las simulaciones que el paquete puede desarrollar. Esto significa que los diseñadores e investigadores no pueden crear herramientas integradas y personalizadas para explorar temas avanzados en el análisis de rendimiento PV.

Ejemplos de preguntas que no son respondidas fácilmente con paquetes de modelamiento integrado son:

Comparación de rendimiento de producción utilizando modelos variados y supuestos.
Análisis paramétrico de gran escala de múltiples conjuntos de datos. (algunos modelos recientes sí permiten esto)
Capacidad para modificar, personalizar y actualizar algoritmos de modelado.
Integración automatizada en flujos de trabajo externos, por ejemplo evaluaciones de desempeño automatizadas.
Capacidad para ver resultados de modelamiento intermediario y realizar análisis estadísticos sobre la marcha.

De esta forma, aquellos que requieren la capacidad de realizar análisis de datos más avanzados generalmente crearán algoritmos personalizados en programas como MATLAB, R o Python.

Estos algoritmos están basados generalmente en la literatura publicada o en las mejores prácticas de la industria. Sin embargo, el proceso de crear nuevos algoritmos basados en estas fuentes requiere de mucho tiempo y podrían conllevar a errores o interpretaciones erróneas, y son generalmente complicados para validarlos individualmente.

Para afrontar estos problemas, el Laboratorio Nacional de Sandia desarrolló PVlib, un entorno de modelamiento fotovoltaico de código abierto desarrollado en colaboración. Este entorno consiste en algoritmos de modelado que pueden ser usados en forma aislada o en combinación para analizar todas las partes del flujo de trabajo del modelamiento PV.

El concepto PVlib:

La visión de PVLib es convertirse en un repositorio estándar para algoritmos de análisis relacionados con PV de alta calidad. En pocas palabras, un algoritmo puede ser publicado en una revista, conferencia o documento técnico y el código puede ser publicado mediante PVlib.

Este código es de código abierto (open-source), colaborativamente desarrollado y validado y se espera que el lanzamiento del código acelere el desarrollo de la industria PV por las siguientes razones:

Crea un vínculo entre investigadores e implementadores: autores de nuevos algoritmos pueden presentarlos en un formato que puede ser adoptado en el modelado de los flujos de trabajo de forma rápida y a bajo costo.
Proveen herramientas validadas a grupos que no tienen la capacidad para desarrollarlos: muchas industrias y grupos de investigación no tienen la capacidad para desarrollar algoritmos para análisis de datos avanzados y están limitados por las capacidades del software de hoja de cálculo y paquetes comerciales integrados de análisis.
Incrementar la eficiencia de la investigación fotovoltaica: muchos proyectos de investigación en desempeño de PV requieren desarrollo de un conjunto inicial de pruebas y modelado antes de que puedan comenzar nuevas investigaciones. Al proveer un conjunto de herramientas validadas y de alta calidad para la base de la investigación, la tasa de innovación puede acelerarse.
Habilitar las comparaciones y validaciones de modelos más rápidos y confiables: los modelos integrados en el paquete de PVlib pueden ser fácilmente comprados y validados en una forma reproducible.
Incremento la calidad de comunicación entre desarrolladores, ingenieros independientes y financieros: Al proveer una plataforma de modelamiento común para análisis de datos avanzados, la comunicación del complejo análisis de datos pueden simplificarse y compartirse de forma reproducible.
Aumentar la calidad de la comunicación entre desarrolladores, ingenieros independientes (IE) y financieros: al proporcionar una plataforma de modelado común para análisis de datos avanzados, la comunicación de análisis de datos complejos se puede simplificar y compartir de manera reproducible.
Proporciona herramientas para manejar eficientemente grandes conjuntos de datos: el análisis de datos en escalas de tiempo por hora o minuto puede proporcionar información valiosa sobre el rendimiento del sistema, y los programas de hoja de cálculo generalmente no pueden manejar el volumen de datos asociados con estos conjuntos de datos. El uso de código eficiente y la capacidad de paralelizar algunas operaciones significa que se pueden analizar datos de alta resolución.
La colaboración puede aumentar el ritmo de la innovación tecnológica en el sector Debido a que la expansión futura de PV LIB se basará en las contribuciones de la comunidad PV, el sector puede adoptar rápidamente nuevas metodologías de análisis y mejores prácticas.