Metodi e software per la stima della produzione energetica di generatori ad alta efficienza in campi fotovoltaici utility scale = Methods and software for estimating the energy production of high efficiency generators in utility scale photovoltaic plants

Il rapido aumento delle installazioni di sistemi fotovoltaici utility scale basati su tecnologie fotovoltaiche innovative rende sempre più importante analizzare con precisione il miglioramento prestazionale di tali generatori in diverse condizioni operative quali, ad esempio, di temperatura elevata, bassa irradianza, cielo sereno, radiazione diffusa e altre. Inoltre, tale analisi risulta fondamentale per individuare quelle più idonee ai differenti siti di installazione e condizioni operative. Questo lavoro di tesi propone lo sviluppo di una metodologia di analisi e del relativo strumento software, implementato in ambiente Python, per il confronto tra due tecnologie fotovoltaiche installate in impianti utility scale, analizzate sia in termini di resa energetica sia dal punto di vista della prestazione termica. L’analisi è sviluppata utilizzando dataset di misure acquisite a livello di stringa, lato DC. In particolare, la metodologia proposta è articolata in tre fasi: l’importazione dei dati, il loro filtraggio avanzato, e la valutazione comparativa dei principali indicatori di prestazione tra le tecnologie analizzate. Per quanto riguarda il filtraggio dei dati, appositi filtri sono stati sviluppati per selezionare le misure appropriate per le analisi quali quelle caratterizzate da condizioni di stabilità meteorologica e alta irradianza, assenza di limiti di potenza (clipping dei dispositivi di conversione), prestazione di stringa allineata alla prestazione tipica di impianto. L’ultima parte dell’analisi ha riguardato il confronto tra le rese energetiche delle tecnologie in esame e la stima attraverso metodo numerico di ottimizzazione del coefficiente termico relativo alla massima potenza dei generatori fotovoltaici. I risultati del filtraggio avanzato hanno evidenziato che, ai fini della valutazione della resa energetica, il dataset proveniente dal sistema Supervisory Control and Data Acquisition (SCADA) di primo livello ha rappresentato quello con la maggior quantità di dati filtrati. Inoltre, la stima numerica del coefficiente termico ha condotto a risultati paragonabili al dato dichiarato dal costruttore dei moduli, conseguendo un ottimo valore di errore quadratico medio normalizzato (Normalized Root Mean Square Error, NRMSE) tra la stima con il coefficiente ottimizzato e il dato sperimentale inferiore al 2%.