Solenergiforskare har traditionellt bara använt effektmätningar från solcellssystem för enskilda bostäder för att uppskatta den energi som genereras i en stad. Men en installation är inte en bra representation av alla hustak i staden, där tiden på dygnet, panelriktning, och skugga som kastas av träd och moln påverkar kraftproduktionen.

Data från solcellssystem distribuerade över en stad behövs desperat för att till fullo förstå hur denna förnybara energikälla kan integreras i elnätet utan att störa det tillförlitliga flödet av el som utvecklingsländerna är beroende av.

Ingenjörer från Australian National University och Fraunhofer-Institute for Solar Energy Systems ISE, Tyskland, har tillhandahållit en fritt tillgänglig kvalitetskontrollerad och avstämd datauppsättning från 1, 287 bostadsanläggningar i Australien. Datauppsättningen presenteras i Journal of Renewable and Sustainable Energy .

Beskriv datauppsättningen som "en gåva" för solforskare, författaren Jamie Bright sa, "Ingen har levererat en fritt tillgänglig data som har sex månaders mätningar från tre olika städer. Det är en betydande mängd."

Bright förklarade att tidigare, forskare hade drivits till ytterligheter för att samla effektmätningar, uppfinna molnmodeller som rör sig över en stad för att "falska" PV-effekt för olika platser.

"För första gången, du kan enkelt komma åt data och göra den typ av rumslig analys som behövs för att hantera solintegration i nätet på ett kontrollerat sätt, sa Bright.

I Australien, där cirka 23 % av alla bostadshus har solcellssystem, detta är särskilt relevant för en säker och pålitlig förvaltning av nätet. Till exempel, att bibehålla den rekommenderade spänningen för apparater och att säkerställa elförsörjningen, nätoperatörer måste reagera och planera för fluktuationer i solenergi.

Genom att prenumerera på en offentlig webbplats — pvoutput.org — kunde Bright och kollegor få tillgång till rå PV-strömdata från den automatiska loggningen av PV-systemets elektriska omvandlare. En datorprogrammerare extraherade data från webbplatsen och lade in den i en databas för ingenjörerna, som sedan samlade in karakteristiska detaljer om varje solcellssystem, som dess storlek och effektivitet. Genom att använda denna metadata tillsammans med satellitbilder, de utförde rigorösa kvalitetskontroller och tränade inställningsalgoritmer på datamängden för att rensa upp eventuella "dåliga data".

"Vår inställningsrutin är en övergripande metod för att hitta alla möjliga systemliknande förluster, som skuggning, och ta bort dem från data. Inte bara ta bort dem, men skala upp den för att göra den representativ, " sa Bright.

Det representativa scenariot kan sedan extrapoleras till större områden och användas tillsammans med satelliter för att förbättra solprognoser.

"Nu har vi bevisat med denna datauppsättning att PV-system med liverapportering avsevärt kan förbättra prognoser – företag som prognostiserar solenergi använder vårt tillvägagångssätt för ett verkligt operativt industriellt prognossystem, " sa Bright.

Genom att tillhandahålla koder och instruktioner för deras datauppsättning i varje bearbetningssteg, Bright hoppas att de ger andra forskare ett försprång.