Estimation and forecasting methods for design and operation of photovoltaic plants

The growing awareness of the tremendous environmental impact of burning fossil fuels is promoting the shift to renewable energies sources to generate energy. Solar energy, along with wind energy, is forecasted to become one of the main energy sources in the energy mix of the future. Among all the technologies available to transform solar irradiation to electricity, solar photovoltaic (PV) stands out as the most developed and promising, due to its simplicity and relative ease of maintenance. It has witnessed an incredible reduction in prices and its efficiency in commercial applications has rocketed. Consequently, solar PV has emerged as a leading technology in the transition to a more sustainable future for many countries. Because it has not reached maturity yet, there are still numerous areas of research concerning the development of PV. This thesis deepens the study and development of PV technology throughout its life cycle, focusing on the design and operational stages. The thesis includes four different studies, three of them tackling one major issue within each stage and one review of the literature. With respect to the design and planning stage, the estimation of solar irradiation is of great concern, since it is the main input to a PV plant. Accurate estimates of the solar resource leads to increased revenue and a reduction of uncertainty during operation. Given that ground measurements of solar irradiation are scarce, we have developed a methodology using machine learning techniques to estimate solar irradiation from other more commonly measured meteorological variables and then geostatistical techniques were applied to obtain maps of continuous annual irradiation values. Regarding the operational stage of a PV plant, we have focused on two aspects: how to increase the value of the electricity and how to increase production. The former issue was addressed through forecasting of electricity production from a PV plant. Improved forecasting leads to increased revenues. We studied the value of forecasting in the electricity market and the margin for improve ment. Tracking strategies were utilized to investigate how production could be increased. During cloudy and overcast weather conditions most irradiation comes from its diffuse component. Because of this, we analyzed the potential for irradiation increase derived from a tracking strategy that sets PV panels facing the zenith when those conditions are present. Additionally, an operational algorithm was developed to benefit from the tracking strategy proposed. In summary, this thesis helps advance the collective knowledge surrounding solar technology in an effort to guide the transition towards a more sustainable future.La creciente conciencia acerca del tremendo impacto ambiental causado al quemar combustibles fósiles está promoviendo el cambio hacia energías renovables. Se prevee que la energía solar, junto con el viento, se convierta en uno de los contribuyentes principales en el mix energético del futuro. De entre todas la tecnologías disponibles para transformar la radiación solar en electricidad, la fotovoltaica destaca como la más desarrollada y prometedora debido a su simplicidad y relativa facilidad de mantenimiento. Ha experimentado una increíble reducción de precios y su eficiencia en aplicaciones comerciales se ha disparado. Todo ello ha posicionado a la energía fotovoltaica como una tecnología puntera en la transición hacia un futuro más sostenible en muchos países. Como aún no ha alcanzado la madurez, todavía hay numerosas áreas de investigación abiertas para su desarrollo. Esta tesis profundiza en el estudio y avance de la tecnología fotovoltaica a lo largo de su ciclo de vida, centrándose en las etapas de diseño y operación. La tesis incluye cuatro estudios. Tres de ellos se centran en alguno de los problemas principales encontrados en cada etapa y el otro es una revisión de la literatura. Con respecto a la etapa de diseño, la estimación de la radiación solar se presenta como un asunto esencial debido a que es el principal combustible de una planta solar. Estimaciones precisas del recurso solar conducen a un incremento del beneficio y a la reducción de la incertidumbre durante la operación. Debido a que las medidas de radiación solar tomadas en tierra son escasas, hemos desarrollado una metodología que emplea técnicas de machine learning para estimar la radiación solar utilizando otras variables meteorológicas más comúnmente monitoreadas y luego aplica técnicas de geoestadística para obtener mapas de valores anuales de radiación. En lo que respeta a la etapa de operación, nos hemos centrado en dos aspectos: cómo incrementar el valor de la electricidad y cómo aumentar la producción. El primero de ellos se analizó empleando predicciones de generación de electricidad de una planta fotovoltaica. Las mejoras en las predicciones se trasladan a los beneficios. Estudiamos el valor de las predicciones en el mercado eléctrico y el margen de mejora. El segundo punto de estudio, aumento de la producción, se estudió desde las técnicas de seguimiento. Durante condiciones de cielo cubierto la mayor parte de la radiación viene de su componente difusa. Por ello, analizamos el potencial de incremento de radiación anual de una estrategia de seguimiento que sitúe los paneles en posición horizontal cuando se den las condiciones descritas. Además, se ha desarrollado un algoritmo operacional para beneficiarse de la técnica descrita. En resumen, esta tesis presenta un análisis integral para mejorar el estado actual de la tecnología fotovoltaica con el propósito de facilitar la transición hacia un futuro más sostenible