Par Steve Voss, vice-président de l'analyse avancée chez Power Factors

Voici le deuxième article de la série Ce qu'il faut savoir sur l'analyse solaire. Dans cette série, Steve Voss, vice-président de l'analyse avancée chez Power Factors, explique ce qu'il faut savoir sur l'analyse solaire pour tirer le meilleur parti de vos données. Ne manquez aucun article : Suivez Power Factors sur LinkedIn.

Dans le premier article de cette série, , nous avons parlé de l'utilisation du modèle d'ascendance analytique de Garner comme cadre pour explorer comment l'analyse peut aider à réduire les coûts de maintenance des systèmes photovoltaïques et à améliorer les performances de l'usine.

Selon le modèle d'ascendance analytique de Gartner, l'analyse descriptive est la pratique qui consiste à déterminer ce qui s'est passé. Dans l'industrie photovoltaïque, l'analyse descriptive se manifeste généralement sous la forme d'un rapport : un compte rendu de ce qui s'est passé au cours de la journée, de la semaine, du mois, etc. précédents.

Il est facile de faire l'amalgame entre "basique" et "moins utile". Et lorsqu'on examine le modèle d'ascension analytique de Garner, il peut être facile de rejeter l'analyse descriptive comme étant le type d'analyse de données le plus basique - et le moins utile. Mais l'analyse descriptive ne se résume pas à la production de rapports opérationnels de base.

ALORS, , QUE S'EST-IL PASSÉ ?

L'analyse descriptive est la première étape de la conversion des données en informations, couvrant tous les aspects de la gestion des données, du nettoyage et de la contextualisation. Cette étape fondamentale reste un énorme défi pour l'industrie photovoltaïque, et ce pour de nombreuses raisons :

• Gros volumes de données
• La nature distribuée des installations photovoltaïques (qui contribue à la faible qualité des données)
• Pression continue à la baisse sur les coûts et les prix (par exemple : tentative de réduire les coûts en n'installant pas - ou en ne calibrant pas - les capteurs).
• Divergences importantes dans les données disponibles pour les différents sites et dispositifs (y compris les métadonnées, les données météorologiques, les données de performance, la surveillance supplémentaire et les enregistrements de service sur le terrain).

Pour obtenir les informations dont nous avons besoin à partir des données dont nous disposons, nous devons d'abord relever ces défis. Cela nécessite trois éléments fondamentaux : 

1. Gestion robuste des données
2. Auditabilité
3. Flexibilité et fonctionnalité

Nous définissons et examinons ci-dessous chacun de ces trois éléments fondamentaux.

DES DONNÉES À LA CONNAISSANCE : TROIS ÉLÉMENTS FONDAMENTAUX

ÉLÉMENT FONDAMENTAL N° 1 : UNE GESTION SOLIDE DES DONNÉES

Beaucoup de choses entrent en ligne de compte dans lagestion robuste des données ( ), et tout commence par la qualité des données. Des données de qualité sont des données complètes, précises et reproductibles. Chez Power Factors, nous poussons la qualité des données un peu plus loin, en tenant compte de ce que nous appelons la "capacité des données". La capacité des données est un concept plus large qui évalue non seulement la qualité des données disponibles, mais aussi si les données dont nous disposons peuvent fournir les informations dont nous avons besoin.

Prenons le tableau ci-dessous. Dans la colonne "Faible capacité", les données dont nous disposons peuvent être complètes, précises et reproductibles - mais même de bonnes données de la colonne "Faible capacité" ne nous en diraient pas assez pour fournir des analyses PV significatives.

C'est pour répondre à ce problème que nous avons intégré le cadre de la capacité des données dans la plateforme Drive. Ce cadre comprend plus de 250 mesures et tests uniques pour vous aider à comprendre les informations que vous pouvez espérer obtenir à partir des données dont vous disposez.

La capacité des données est une forme d'analyse descriptive. Elle permet de compiler et de communiquer les limites des données associées à un site ou à un appareil donné et de déterminer les problèmes à résoudre pour améliorer la fonctionnalité et la confiance dans les analyses et les résultats en aval.

Les résultats de la capacité de données permettent également à la plateforme Drive de s'adapter aux données disponibles, afin de vous fournir les meilleures informations possibles.

ÉLÉMENT FONDAMENTAL N° 2 : AUDITABILITÉ

Une gestion rigoureuse des données - y compris la détermination de la capacité des données - lance le processus, mais il est essentiel que les étapes suivantes continuent d'être vérifiables. Auditabilité est le principe selon lequel doitmontrer son travail.

Si les utilisateurs d'un système veulent en fin de compte "la réponse", il est important de montrer comment vous êtes parvenu à la réponse, et ce pour deux raisons essentielles : 

1. Renforcement de la confiance : Montrer son travail de manière claire, concise et accessible est le meilleur moyen d'instaurer la confiance dans les résultats au sein de l'équipe.
2. Piste d'audit : En cas de problème, la piste d'audit est essentielle à l'analyse diagnostique de ce qui s'est passé et des raisons de ce problème.

Le processus de validation, d'estimation et d'édition (VEE) de Power Factors est un exemple simple d'auditabilité. Le processus de validation, d'estimation et d'édition (VEE) de Power Factors est un exemple simple d'auditabilité. Le processus VEE garantit que les données chronologiques clés - telles que l'irradiance du plan du réseau (POA) et les accumulateurs d'énergie - sont complètes, continues et validées. En pratique, cela signifie que chaque intervalle est évalué pour détecter les données manquantes ou invalides. Les intervalles manquants ou invalides sont alors remplacés par la meilleure source de données de secours disponible.

Pour garantir l'auditabilité, les résultats des étapes de validation et d'estimation sont enregistrés à l'aide de signaux de séries temporelles qui indiquent la raison pour laquelle les données n'étaient pas valides ainsi que la source de données qui les a remplacées. Ces informations sont ensuite disponibles à des fins d'audit, de reporting ou de dépannage. Par exemple, un coup d'œil rapide au tableau de bord de l'estimation (ci-dessus) permet d'identifier les usines où l'estimation est fortement déployée, ainsi que la méthode d'estimation utilisée.  

ÉLÉMENT FONDAMENTAL N° 3 : FLEXIBILITÉ ET FONCTIONNALITÉ

Le troisième élément fondamental nécessaire pour relever les défis de la conversion des données des installations photovoltaïques en informations utiles est un système qui trouve un équilibre optimal entre la flexibilité et la fonctionnalité. La flexibilité est "la capacité à être facilement modifiée", tandis que la fonctionnalité peut être définie comme "la qualité d'être apte à bien servir un but". En d'autres termes, la fonctionnalité est la qualité d'un système qui n'a pas besoin d'être modifié.

Unsystème infiniment flexible peut faire tout ce que l'utilisateur imagine. Mais cette flexibilité s'accompagne d'inconvénients : coûts d'installation élevés, coûts d'entretien permanents et perte de standardisation.

Unsystème fonctionnel à l'infini serait un système expert : un système qui sait déjà exactement comment un utilisateur expert gérerait la situation. C'est la direction que nous devons prendre en tant qu'industrie. Cependant, il y a des limites. Un système infiniment fonctionnel doit anticiper tous les scénarios et tous les cas de figure qu'il peut rencontrer et être certain que tous les utilisateurs experts réagiraient de la même manière à un scénario donné (ou être conscient de tous les détails et de toutes les nuances qui inciteraient un utilisateur expert à réagir différemment).

Ni le scénario d'un système infiniment flexible ni celui d'un système infiniment fonctionnel ne sont pratiques - il y a souvent un compromis entre la flexibilité du système et l'étendue des fonctionnalités qu'il peut offrir.

Examinons quelques exemples concrets de la manière dont le thème de la flexibilité/fonctionnalité s'applique à l'analyse descriptive des centrales photovoltaïques :

• Position du soleil (fonctionnalité requise) : Il s'agit d'un concept important pour l'analyse photovoltaïque et d'un bon exemple de ce vers quoi nous voulons tendre pour obtenir une fonctionnalité infinie. Il suffit d'indiquer au système l'emplacement du site pour qu'il fasse le reste.
• Production attendue (fonctionnalité et flexibilité requise) : La production attendue est la production d'énergie prévue pour un site ou un appareil donné, sur la base de conditions de fonctionnement connues ou estimées. En ce qui concerne la production attendue, certains cas d'utilisation exigent des fonctionnalités et d'autres de la flexibilité.
  • Fonctionnalité requise : Les cas d'utilisation en aval, tels que la détection des anomalies de sous-performance, exigent un certain degré de normalisation.
  • Fonctionnalité requise Certains utilisateurs et cas d'utilisation donnent la priorité à la simple obtention de la meilleure estimation quantitative pour un site donné et sa capacité de données.
  • Flexibilité requise : Certains utilisateurs et cas d'utilisation requièrent une méthodologie spécifique de calcul de la production attendue - la possibilité de sélectionner et de modifier la formule utilisée et les données d'entrée requises.
  • Fonctionnalité et flexibilité requise: De nombreux cas d'utilisation exigent que différents facteurs de perte (contrôlables ou incontrôlables) soient inclus ou exclus en fonction du scénario.
• Disponibilité contractuelle (flexibilité requise) : La disponibilité contractuelle se situe à l'opposé de la position solaire. De nombreux facteurs peuvent influencer la définition de la disponibilité contractuelle et, à part quelques éléments structurels de base, toute tentative de normalisation risque de limiter l'applicabilité et l'utilité.

CONCLUSION

Lorsque vous essayez de transformer des données en informations utilisables, l'analyse descriptive est la première étape. Mais en raison des défis propres à l'industrie photovoltaïque, trois éléments fondamentaux déterminent le succès :

• Une gestion robuste des données comprend la compréhension de ce que vos données sont capables de vous dire.
• L'auditabilité: Il ne suffit pas d'avoir "la réponse", il faut aussi pouvoir voir comment le système est parvenu à cette réponse.
• Systèmes offrant la bonne combinaison deflexibilité et de fonctionnalité en fonction du cas d'utilisation et de la situation

Maintenant que nous avons couvert les éléments fondamentaux nécessaires pour commencer le voyage vers une analyse PV valable, nous sommes prêts à nous plonger dans des exemples concrets de la valeur de l'analyse descriptive - des rapports fiables à l'automatisation en passant par l'analyse comparative.

Ne manquez pas le prochain article de la série Ce qu'il faut savoir sur l'analyse solaire sur l'analyse solaire : "Le premier pas est le plus difficile : l'analyse descriptive pour les centrales photovoltaïques (partie 2)"- suivez Power Factors sur LinkedIn.

Cet article vous a été utile ? Inscrivez-vous à notre lettre d'information pour connaître les dernières nouveautés en matière de gestion des ressources numériques, d'optimisation des performances et bien plus encore !

Steve Voss a rejoint Power Factors en 2016 et possède plus de 20 ans d'expérience dans l'industrie solaire. Avant de rejoindre Power Factors, Steve a travaillé un an chez Panasonic Energy Services et neuf ans chez SunEdison en tant que directeur de l'ingénierie avancée. Steve est titulaire d'un MBA de l'Université du Wisconsin, Madison, et d'une maîtrise en science et ingénierie des matériaux de l'Université de Stanford. Il a fait ses études de premier cycle à l'université du Colorado, à Boulder. Connectez-vous avec Steve sur LinkedIn.