Modélisation prédictive des performances de centrales PV bifaciales et diagnostic

Predictive modelling of bifacial PV plants performance and diagnostic

• Auteur / Autrice : Francisco Araya rojas
• Direction : Tuan Tran-Quoc
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 20/06/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'innovation pour les technologies des énergies nouvelles et les nanomatériaux (Grenoble)
• Jury : Président / Présidente : Yvon Bésanger
• Jury : Examinateurs / Examinatrices : Yahia Baghzouz
• Jury : Rapporteurs / Rapporteuses : Bruno François, Mohamed Benbouzid

Mots clés

Mots clés contrôlés

Conversion photovoltaïque

Modélisation prédictive

Systèmes photovoltaïques

Mots clés libres

Bifaciaux

Photovoltaïque

Modélisation

Performance

Bifacial

Performance

Photovoltaic

Modelling

Résumé

Malgré une baisse continue du coût des cellules et modules photovoltaïques ces dernières décennies, l'industrie photovoltaïque maintient son élan pour être plus innovante en termes de mise en œuvre de nouveaux concepts de cellules afin d’améliorer le rendement et la productivité. Cela a stimulé le développement de la technologie bifaciale tout en maintenant un faible coût de mise en œuvre dans les lignes de production, auparavant réservées aux modules monofaciaux. Étant donné la capacité de produire de l'énergie des deux côtés avec un coefficient thermique inférieur, grâce à l'utilisation de nouvelles topologies pour la structure des cellules solaires, la mise en œuvre de cette technologie est devenue viable financièrement et a atteint des prix de marché similaires à ceux de leurs homologues monofaciaux et devrait avoir un impact significatif sur la réduction du coût de l'énergie solaire. Un module bifacial permet d'augmenter l'énergie produite par rapport à un système électrique monofacial équivalent, avec un gain variant de 10 à 20% selon la configuration.Le gain bifacial provient de l'irradiation arrière dont l’ampleur dépend de nombreux facteurs d'installation du système, contrairement aux systèmes monofaciaux. Par conséquent, ces dernières années, un grand intérêt a été porté au développement de modèles pour simuler la performance des systèmes bifaciaux. Cependant, contrairement aux modèles bien établis pour les modules monofaciaux, la validation des modèles bifaciaux reste une tâche permanente pour les centres de recherche, qui collaborent avec l'industrie photovoltaïque afin de réduire l'incertitude et d'augmenter la fiabilité des prédictions.Une incertitude accrue dans la fiabilité des prédictions de performance entraîne en effet une diminution de la confiance des investisseurs dans la rentabilité de la technologie PV bifaciale, ce qui rend difficile le financement et le déploiement de systèmes PV bifaciaux à grande échelle. Pour cette raison, une validation plus poussée de ces modèles de simulation, basée sur des données de terrain à long terme acquises par des systèmes de monitoring, dans différents lieux géographiques et avec différentes configurations géométriques, est nécessaire pour surmonter les défis susmentionnés.Le présent travail propose la mise en œuvre d’une méthodologie de simulation complète et éprouvée pour la prédiction du rendement énergétique des systèmes photovoltaïques bifaciaux. Comme la simulation d'un système photovoltaïque nécessite une combinaison de modèles optique, thermique et électrique, la méthodologie met en lien de tels modèles, sélectionnés sur la base d’une revue récente de la littérature et des aspects connexes, pour une prédiction précise du rendement énergétique des systèmes photovoltaïques bifaciaux. Deux approches principales, le tracé de rayons et les facteurs de vue, sont évaluées pour modéliser les irradiances en faces avant et arrière des modules photovoltaïques bifaciaux.Pour la validation de la simulation obtenue à partir de cette méthodologie, les résultats sont comparés à des données expérimentales acquises sur quatre installations PV comprenant des systèmes à petite et grande échelles, selon différentes configurations de montage, à différents endroits géographiques et utilisant différentes technologies bifaciales.Les résultats démontrent ainsi que le rendement énergétique des systèmes bifaciaux peut être modélisé avec une précision similaire à celle des systèmes PV monofaciaux.Enfin, cette méthode de simulation est appliquée à la détection et au diagnostic de défauts d'un système photovoltaïque par l'application d’un algorithme par réseaux neuronaux pour la classification des défauts par apprentissage à partir d'une base de données synthétique.

In spite of a continuous decrease of the cost of photovoltaic cells and modules over the last decades, the PV industry keeps on trying to be more innovative in terms of implementing new cell concepts to improve the efficiency and the productivity. This boosted the development of the bifacial technology while maintaining a low cost of implementation in production lines, previously dedicated to monofacial modules only. Given the ability to produce energy from both sides and a lower thermal coefficient due to the utilization of new topologies for solar cells structure, the implementation of this technology has become bankable and has achieved market prices similar to their monofacial counterparts and is expected to have a significant impact on reducing the cost of solar energy. A bifacial module allows to increase the energy produced normalized to an equivalent monofacial power system by 10 to 20% depending on the configuration.The bifacial gain is provided by the backside irradiance, whose magnitude depends on many system installation factors unlike monofacial systems. Therefore, in the last years there has been a great interest in developing models to simulate the performance of bifacial systems. However, unlike the well-established models for monofacial modules, the validation of bifacial models remains an ongoing task for the research centers collaborating with the PV industry in order to reduce the uncertainty and increase the reliability of the predictions. Increased uncertainty in the reliability of performance predictions indeed leads to reduced investor confidence in the profitability of the bifacial PV technology, making it difficult to finance and deploy large-scale bifacial PV systems. For this reason, further validation of these simulation models based on long-term field data acquired by monitoring systems in different geographical locations and with different geometrical configurations are necessary to overcome the aforementioned challenges.The present work proposes the implementation of a comprehensive and proven simulation methodology for the prediction of the energy yield of bifacial photovoltaic systems. As the simulation of a photovoltaic system requires a combination of optical, thermal and electrical modelings, the methodology chains sub models based on the recent literature review and related aspects for an accurate prediction of the energy yield of bifacial PV systems. Two main approaches, ray tracing and view factor, are evaluated for modeling the front and back irradiance on bifacial photovoltaic modules. Coupled to the thermal and electrical model results, a calculation of the energy production and the bifacial gain is achieved.For the validation of the simulation following this methodology, the results are compared with experimental data acquired on 4 PV systems comprising small and large-scale systems with different mounting configurations, at different locations and based on different bifacial technologies.The results show an overestimation in the energy yield prediction for an 8-module system of between 3 and 4 percent, and between 2 and 3 percent in the case of a large-scale system.The results thus demonstrate that the energy yield of bifacial can be modeled with similar accuracy to the monofacial PV systems. Finally, this simulation method is applied to the exploration of fault detection and the diagnosis of a photovoltaic system through the application of neural networks for fault classification by training from a synthetic database. An accurate simulation helps the identification of faults and their location in large photovoltaic systems; this is a key issue to improve the maintenance and the operation of such plants.