Ocena potencjału energii słonecznej w Warszawie z wykorzystaniem modelu r.sun

• Authors: Czernecki Bartosz , Jabłońska Katarzyna

Title variants

EN

Estimating solar energy potential in Warsaw with the „r.sun” model

• Languages of publication: PL

Abstracts

PL

W pracy przedstawiono założenia metodyczne szacowania potencjału energii słonecznej w Warszawie. Symulacje GIS wykonano na podstawie uproszczonego, trójwymiarowego modelu zabudowy. Główną część obliczeń przeprowadzono dzięki otwartoźródłowemu modułowi r.sun dedykowanemu dla środowiska GRASS-GIS 6.4. Po pozytywnej weryfikacji symulacji testowych ze zdjęciami lotniczymi przystąpiono do stworzenia procedur automatyzacyjnych, które pozwoliły na skrócenie czasu obliczeń. Symulacje przeprowadzono z rozdzielczością 1 m2 dla obszaru ponad 517 km2, na klastrach obliczeniowych uruchamianych w środowisku GNU/Linux. W celu ograniczenia rozmiaru bazy danych rezultaty symulacji dla każdej godziny w roku ograniczono do powierzchni dachów budynków stosując binarną reklasyfikację danych (tj. 0 – obszar zacieniony, 1 – obszar nasłoneczniony). Syntetyczne warunki atmosferyczne parametrów insolacyjnych dla każdej godziny w roku uwzględniano w obliczeniach wartości promieniowania bezpośredniego, rozproszonego i całkowitego dla obszarów nasłonecznionych i zacienionych. Uzyskane wartości stanowiły następnie informację wejściową dla pozostałych modułów udostępnionego on-line kalkulatora energetycznego oceniającego potencjalną produkcję energii, wpływ inwestycji na środowisko oraz efekty ekonomiczne.

EN

This research shows the methodological assumptions related to estimating solar energy potential in Warsaw. All calculations were performed with the use of an open-source “r.sun” model available within the GRASS-GIS 6.4. software. Introductory simulations were validated against airborne images confirming the high quality of model calibration against astronomical and simplified 3D model of buildings in Warsaw. Subsequent automation procedures were created for the GNU/Linux supercomputing clusters in order to reduce computation time. To limit the final size of the database, results for the area of 517,000,000 square meters were clipped to cover the surface of rooftops only, using a binary data type (i.e. 0 – shadow, 1 – sunny areas) and synthetic atmospheric conditions (i.e. taking into account annual changes of sun declination, cloudiness, Linke atmospheric turbidity coefficient, etc.). Such a solution enables the following calculations: direct, diffuse and total solar radiation for every square meter of a building’s surface in Warsaw. The obtained GIS layers were then transformed as input information for other modules of a fully interactive IT-toolbox for estimating solar potential, which allows citizens and decision makers to estimate how much energy they can derive in a specific point from solar panels, when they can expect a return on their investment and how it will affect the natural environment.

Keywords

PL

promieniowanie słoneczne; zacienienie; fotowoltaika; energia odnawialna; r.sun; GRASS; modelowanie GIS; Cities on Power

EN

solar radiation; shading; photovoltaics; renewable energy; r.sun; GRASS; GIS modeling; Cities on Power Summary

• Publisher: Łódzkie Towarzystwo Naukowe, Stowarzyszenie
• Journal: Acta Geographica Lodziensia
• Year: 2016
• Volume: 104
• Pages: 57-66

Dates

published

2016

Contributors

author

Czernecki Bartosz

• Uniwersytet im. Adama Mickiewicza w Poznaniu, Wydział Nauk Geograficznych i Geologicznych, Instytut Geografii Fizycznej i Kształtowania Środowiska Przyrodniczego, Zakład Klimatologii

author

Jabłońska Katarzyna

• Instytut Meteorologii i Gospodarki Wodnej – Państwowy Instytut Badawczy

References

• Agugiaro Giorgio, Francesco Nex, Fabio Remondino, Riccardo de Filippi, Shamar Droghetti, Cesare Furlanello. 2012. „Solar radiation estimation on building roofs and web-based solar cadaster”. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences I-2: 177-182.
• Bajkowski Sławomir, Barbara Górnikowska. 2013. „Hydroenergetyka na tle produkcji energii z innych źródeł odnawialnych”. Przegląd Naukowy – Inżynieria i Kształtowanie Środowi¬ska 59: 77-87.
• Brito Miguel C., Nuno Gomes, Teresa Santos, José A. Tenedório. 2012. „Photovoltaic potential in a Lisbon suburb using LiDAR data”. Solar Energy 86 (1): 283-288.
• Budzyński Karol, Piotr G. Narowski, Jerzy Czechowicz. 2004. Przygotowanie zbiorów zagregowanych danych klimatycznych dla potrzeb obliczeń energetycznych budynków, Ministerstwo Infrastruktury, dane źródłowe Instytutu Meteorologii i Gospodarki Wodnej, Warszawa.
• Chwieduk Dorota, Barbara Bogdańska. 2004. „Some recommendations for inclinations and orientations of building elements under solar radiation in Polish conditions”. Renewable Energy 29 (9): 1569-1581.
• Dyrektywa Parlamentu Europejskiego i Rady 2009/29/WE z dnia 23 kwietnia 2009 r. zmieniająca dyrektywę 2003/87/WE w celu usprawnienia i rozszerzenia wspólnotowego systemu handlu uprawnieniami do emisji gazów cieplarnianych. Dziennik Urzędowy Unii Europejskiej: L 140/63 – L 140/-87.
• EurObserv’ER. 2015. Barometr Fotowoltaiczny. Biuletyn energetyki odnawialnej Fotowoltaika: 1-16, http://www.eurobserv-er.org/pdf/photo voltaic-barometer-2015-pl/
• Fu Pinde, Paul M. Rich. 1999. Design and implementation of the solar analyst: an ArcView extension for modeling solar radiation at land¬scape scales. W: Proceedings of the 19th Annual ESRI User Conference, San Diego, 1-33.
• Hofierka Jaroslav, Jan Kaňuk. 2009. „Assessment of photovoltaic potential in urban areas using open-source solar radiation tools”. Renewable Energy 34 (10): 2206-2214.
• Hofierka Jaroslav, Marcel Suri. 2002. The solar radiation model for Open source GIS: implementation and applications. W: Proceedings of the Open source GIS-GRASS users conference: 1-19.
• Hofierka Jaroslav, Marian Zlocha. 2012. „A New 3-D Solar Radiation Model for 3-D City Models”. Transactions in GIS 16 (5): 681-690.
• Kasten Fritz. 1996. „The Linke turbidity factor based on improved values of the integral Rayleigh optical thickness”. Solar Energy 56 (3): 239-244.
• Kryza Maciej, Mariusz Szymanowski, Krzysztof Migała, Małgorzata Pietras. 2010. „Spatial information on total solar radiation: Application and evaluation of the r. sun model for the Wedel Jarlsberg Land, Svalbard”. Polish Polar Research 31 (1): 17-32.
• Mayer Bernhard, Arve Kylling. 2005. „The libRadtran software package for radiative transfer calculations – description and examples of use”. Atmospheric and Chemistry Physics 5: 1855-1877.
• Ministerstwo Gospodarki. 2009. Polityka energetyczna Polski do 2030 roku. Załącznik do uchwały nr 202/2009 Rady Ministrów z dnia 10 listopada 2009 r.
• Neteler Markus, Helena Mitasova. 2008. Open Source GIS: A GRASS GIS Approach. The International Series in Engineering and Computer Science, Vol. 773. New York: Springer.
• Perpiñán Oscar. 2012. „solaR: Solar Radiation and Photovoltaic Systems with R”. Journal of Statistical Software 50 (9): 1-32.
• Polskie Sieci Energetyczne. 2015. Polskie Sieci Elektroenergetyczne 2015. Raport roczny http://www.pse.pl/index.php?did=2232
• Redweik Paula, Cristina Catita, Miguel Brito. 2013. „Solar energy potential on roofs and facades in an urban landscape”. Solar Energy 97: 332-341.
• Ruiz-Arias José A., Joaquín Tovar-Pescador, David Pozo-Vázquez, Husain Alsamamra. 2009. „A comparative analysis of DEM-based models to estimate the solar radiation in mountainous terrain”. International Journal of Geographical Information Science 23 (8): 1049-1076.
• Scognamiglio Alessandra, Harald N. Røstvik. 2013. „Photovoltaics and zero energy buildings: a new opportunity and challenge for design”. Progress in Photovoltaics: Research and Applications 21 (6): 1319-1336.
• Szymanowski Mariusz, Maciej Kryza, Krzysztof Migała, Piotr Sobolewski, Lech Kolondra. 2008. „Modelling and validation of the potential solar radiation for the Hornsund region – application of the r.sun model”. Annals of Geomatics – Roczniki Geomatyki VI (2): 107-112.
• Wilks Daniel S., Robert L. Wilby. 1999. „The weather generation game: A review of stochastic weather models”. Progress in Physical Geography 23 (3): 329-357.

Identifiers

ISSN

0065-1249