Ostatnie dwa lata to prawdziwy boom na instalacje fotowoltaiczne w Polsce. Nawet wejście w życie nowych przepisów, gdzie z dniem 1 lipca br. zmieniono system rozliczania energii z tzw. „net-metering” na tzw. „net-billing” dla instalacji uruchomionych po 1 kwietnia 2022 tego nie zmieniło [1].
Cóż, w czasach, gdy ceny energii są wyjątkowo niestabilne posiadanie własnego źródła energii staje się interesującą alternatywą. Oczywiście aby osiągnąć określone oszczędności instalacja fotowoltaiczna musi być odpowiednio zoptymalizowana pod kątem jej mocy, położenia względem kierunków świata czy warunków wynikających z konkretnej lokalizacji. Natężenie promieniowania słonecznego docierającego do powierzchni Ziemi zależy bowiem od wielu czynników, w tym: szerokości geograficznej, pory dnia, pory roku, wysokości Słońca nad horyzontem, a także stanu zanieczyszczenia środowiska.
Opracowany w ramach Wspólnego Centrum Badawczego system PVGIS (ang. Photovoltaic Geographical Information System) dostarcza szeregu informacji, w tym m.in. natężenie promieniowania słonecznego dla dowolnej lokalizacji w Europie, Afryce, a także na znaczących obszarach Azji czy Ameryki [2]. Od 1 marca 2022 r. funkcjonuje nowe wydanie systemu PVGIS w wersji 5.2. Opracowana szczegółowa baza promieniowania PVGIS-SARAH2 jest ulepszoną wersją poprzedniczki PVGIS-SARAH1 i dostarcza dane z lat 2005-2020. Dzięki informacjom w niej zawartym jesteśmy w stanie szacować potencjał energetyczny instalacji fotowoltaicznej na dowolnej szerokości geograficznej, wykonanej w dowolnej technologii oraz konfiguracji. Narzędzie PVGIS daje naprawdę szerokie możliwości, także zachęcam do uruchomienia.
A co, gdybyśmy najpierw chcieli znaleźć najlepsze miejsce pod instalację fotowoltaiczną na obszarze Polski. Oczywiście korzystając z wspomnianego narzędzia PVGIS wystarczy wybrać menu Downloads, dalej Maps i dwukrotnie kliknąć na obszar terytorium Polski. Otrzymamy dwie mapy rocznej sumy natężenia promieniowania słonecznego dla instalacji o mocy 1 kWp w położeniu horyzontalnym oraz przy tzw. optymalnym kącie instalacji.
Wzorując się na nich ideą wpisu było opracowanie „interaktywnej” mapy dla obszaru Polski z uwzględnieniem jak największej liczby lokalizacji (miejscowości). Dodam też, że wpis ten jest w pewien sposób wzorowany na artykule „Where do solar panels yield the most in a country?”, gdzie autor przeprowadził podobne rozważania, ale dla obszaru Holandii.
Zadania do wykonania
Zadanie zostało podzielone na trzy etapy. W pierwszym należało uzyskać współrzędne geograficzne jak największej ilości miejscowości w Polsce. W drugiej obliczyć uzyskaną moc ze zdefiniowanej instalacji fotowoltaicznej dla kazdego z miejsca. A na koniec przedstawić wizualnie uzyskane wyniki obliczeń w postaci mapy odwzorowującej najlepsze lokalizacyjnie miejsca pod instalację fotowoltaiczną na obszarze Polski. Poniżej przedstawiono realizację poszczególnych kroków.
Geokodowanie miejscowości w Polsce
Główny Urząd Statystyczny udostępnia w ramach rejestru TERYT system identyfikatorów i nazw miejscowości, w skrócie SIMC, które zostały ujęte w obwieszczeniu Ministra Spraw Wewnętrznych i Administracji z dnia 17 października 2019 r. w sprawie wykazu urzędowych nazw miejscowości i ich części (Dz. U. z 2019 r. poz. 2360) z uwzględnieniem wprowadzonych w drodze rozporządzeń zmian, które nastąpiły po dniu 17 października 2019 r. Na dzień 17 sierpnia br. baza adresowa SIMC zawiera 95937 rekordów. Baza ta została wykorzystana do przeprowadzenia geokodowania. We wpisie „Geokodowanie i wizualizacja instalacji posiadających pozwolenie zintegrowane” przedstawiłem kilka możliwości przeprowadzenia tego procesu. Uzupełniając ten materiał proces geokodowania tym razem wykonałem z wykorzystaniem narzędzia Nominatim opracowanego dla OpenStreetMap [3]. Narzędzie to, nie dość że darmowe w przeciwieństwie do Google, to jeszcze daje całkiem sporo ciekawych opcji do określania miejsc wyszukiwania. Bogaty w dane jest także efekt takiego wyszukiwania. Zachęcam do sprawdzenia przykładowego zestawu informacji.
https://nominatim.openstreetmap.org/ui/details.html?osmtype=N&osmid=31916568&class=place
Z tej całej listy danych najważniejsze było pozyskanie długości i szerokości geograficznych dla każdej miejscowości z bazy SIMC. Efekt, który uzyskałem należy uznać za bardzo dobry. Poprawnie zostało zdekodowanych 86419 rekordów. Przykładowy zbiór przedstawiono poniżej.
Wejściowymi parametrami były miejscowość, powiat oraz województwo. Wcześniej wartości powiatu i województwa zostały zamienione z kodu TERYT na ciągi znakowe korzystając ze strony wikisource.pl oraz wikipedia.pl.
Obliczanie mocy instalacji fotowoltaicznej
Kolejnym krokiem było wyznaczenie mocy generowanej przez instalację o mocy 1 kWp dla poszczególnych lokalizacji. W tym celu skorzystałem z niewielkiej części przeogromnej biblioteki pvlib-python [4]. Biblioteka pvlib daje szerokie możliwości w zakresie modelowania instalacji fotowoltaicznych począwszy od prostych do złożonych konfiguracji. W analizowanym przypadku założyłem, że interesuje mnie moc uzyskana z instalacji ogniw pierwszej generacji, czyli z krzemu monokrystalicznego, ułożona płasko na powierzchni Ziemi w kierunku południowym o mocy 1 kWp. Warto tu wspomnieć, że dla potrzeb obliczeniowych wykorzystałem dane pochodzące z bazy PVGIS-SARAH2. Okres analizy obejmował rok. Instalacja typu „grid-on”. Do wyznaczenia mocy z tak zaprojektowanej instalacji wykorzystałem funkcję get_pvgis_hourly z modułu pvlib.iotools.
Jak widać z definicji funkcji łatwo zmieniać parametry instalacji dla własnych potrzeb. W rezultacie przeprowadzonych obliczeń uzyskano wartość mocy w ujęciu rocznym dla każdego z miejsc bazy SIMC, dla którego przeprowadzono pozytywne geokodowanie
Mapa uzysku energii
Do utworzenia mapy przedstawiającej możliwy do uzyskania roczny uzysk energii [kWh] ze zdefiniowanej w punkcie poprzednim instalacji skorzystałem z biblioteki Folium [5], w niewielkim tylko stopniu modyfikując kod ze wspomnianego na początku artykułu. Do określenia wizualnej skali mocy zastosowałem skalę kolorów z panelu bliblioteki matplotlib żółty-do-czerwony (YlOrRd). Skala utworzona została za pomocą obiektu LinearColormap z pakietu branca.colormap. Markery na mapie zrealizowano za pomocą funkcji CircleMarker z pakietu folium.vector_layers. Efekt końcowy wygląda następująco:
(mapa się ładuje - 66 MB)
Pełna mapa
Jak zatem widać z mapy cała praktycznie środkowa i południowa Polska ma dobre warunki do korzystania z promieniowania słonecznego. Otrzymane wyniki są nawet lepsze, w szczególności w zachodniej i południowej części kraju, w stosunku do oczekiwań jakie moglibyśmy wyciągnąć na podstawie szeroko publikowanej mapy naslonecznienia Polski. Oczywiście zachęcam do znalezienia swojej miejsowości na mapie powyżej (ze względu na blisko 87 tysięcy punktów mapa może się odświeżać z lekkim opóźnieniem) i sprawdzenia jaki roczny uzysk energii z instalacji o mocy 1 kWp jesteśmy w stanie osiągnąć.
A jak przeanalizować własną instalację, w szczególności w przypadku gdy składa się z kilku części? O tym jak to zrobić, wykorzystujac najnowsze dane wprost z satelity EUMETSAT będzie w jednym z kolejnych wpisów.
