Pronóstico de generación solar

Este dashboard estima generación horaria de paneles solares a partir de radiación de onda corta y temperatura del aire de modelos meteorológicos. Arranca con una configuración residencial típica para que nadie tenga que completar un formulario completo de diseño fotovoltaico: Denver, un conjunto DC de 6 kW, una aproximación de inclinación fija, 14% de pérdidas PV totales, 96% de eficiencia del inversor y una relación DC/AC de 1.2.

El pronóstico usa datos de GFS, HRRR o NBM a través del endpoint estándar de GribStream /api/v2/[dataset]/timeseries. La variable meteorológica principal es DSWRF en superficie, el campo NOAA de flujo descendente de radiación de onda corta, combinado con temperatura del aire a 2 m para una corrección simple por temperatura del panel. El dashboard mantiene el horizonte en 24 o 36 horas para que las filas devueltas sean horarias en los modelos disponibles.

Qué hacen los controles

• Site label, latitude, and longitude: definen el punto del pronóstico. El valor predeterminado es Denver, Colorado.
• Weather model: alterna entre GFS, HRRR y NBM cuando la ventana temporal seleccionada es compatible con ese modelo.
• DC size: define la potencia nominal del conjunto PV en kW DC.
• Array geometry: aplica un multiplicador transparente sobre la radiación horizontal de onda corta. Sirve para comparar supuestos como horizontal, inclinación fija, este-oeste y seguimiento solar sin fingir que esto es un modelo completo de transposición.
• Total losses: cambia la reducción PV no meteorológica aplicada después de irradiancia y temperatura. El valor predeterminado sigue el supuesto común de PVWatts: 14% de pérdidas.
• DC/AC ratio: cambia el dimensionamiento del inversor y el clipping al dividir la potencia nominal DC por la potencia nominal AC.
• Max lead time: mantiene la solicitud dentro de un horizonte donde las filas devueltas son horarias. La cobertura real puede ser más corta que el selector temporal cuando el último ciclo del modelo no alcanza toda la ventana.

Cómo leer los paneles

• Hourly AC output: potencia estimada a la salida del inversor en kW. Como el dashboard limita la consulta a filas horarias, el mismo valor también se usa como estimación de energía de una hora en kWh.
• Energy forecast: kWh estimados totales sobre las filas horarias devueltas en el rango de tiempo seleccionado.
• Peak and thermal stats: pico de potencia AC, límite del inversor y menor factor de temperatura en el período seleccionado.
• GHI and array-plane proxy: muestra la radiación horizontal de onda corta del modelo junto a la aproximación del plano del arreglo seleccionada.
• Forecast audit table: expone campos originales y derivados para que los supuestos sean inspeccionables.

La matemática es intencionalmente liviana. Sirve para comparar patrones de producción impulsados por el clima, evaluar rápidamente una instalación propuesta y explicar cómo GribStream expressions pueden convertir campos de pronóstico en métricas de aplicación. No es un modelo fotovoltaico apto para decisiones financieras y no reemplaza PVWatts, SAM, modelado de sombras del sitio, mediciones de suciedad sobre paneles ni un modelo profesional de irradiancia en el plano del arreglo.

El control de geometría del arreglo es deliberadamente conservador. Un cálculo real de inclinación y azimut necesita posición solar, irradiancia normal directa, irradiancia horizontal difusa, albedo, orientación de módulos, geometría de filas y sombras. Este dashboard solo pide DSWRF y temperatura a 2 m desde GribStream, por lo que expone el supuesto de geometría como un multiplicador explícito en vez de esconder falsa precisión detrás de un campo de inclinación.

Matemática y constantes

El dashboard calcula todos los campos derivados con GribStream expressions. Con los controles predeterminados, las ecuaciones son:

1. temp_c = temp_k - 273.15
2. poa_wm2 = ghi_wm2 * 1.0800
3. cell_temp_c = temp_c + (poa_wm2 / 800.0) * 25.0000
4. temperature_factor = max(0, 1 + (-0.3500 / 100) * (cell_temp_c - 25.0))
5. loss_factor = max(0, 1 - 14.0000 / 100)
6. dc_power_kw = 6.0000 * poa_wm2 / 1000.0 * temperature_factor * loss_factor
7. ac_limit_kw = 6.0000 / 1.2000
8. ac_power_kw = min(dc_power_kw * 96.0000 / 100, ac_limit_kw)
9. hourly_energy_kwh = ac_power_kw, porque el dashboard limita la consulta a filas horarias.

Las constantes más importantes son:

• 6.0000 es el tamaño DC predeterminado del conjunto en kW. Es editable por el usuario.
• 1.0800 es el multiplicador predeterminado para la geometría del conjunto: una aproximación de inclinación fija aplicada a DSWRF horizontal. Otros escenarios expuestos usan 1.0000, 0.9300 y 1.1800.
• 800.0 W/m2 y 25.0000 C forman la estimación simple de aumento de temperatura de celda. Son valores internos, no un modelo térmico calibrado al sitio.
• -0.3500 es el coeficiente interno de temperatura de potencia en porcentaje por C, aplicado respecto a la referencia de 25.0 C.
• 14.0000 es el porcentaje predeterminado de pérdidas totales no meteorológicas. Es seleccionable por el usuario.
• 1.2000 es la relación DC/AC predeterminada, por lo que un conjunto DC de 6 kW tiene un límite AC de 5 kW. Es seleccionable por el usuario.
• 96.0000 es el porcentaje interno de eficiencia del inversor.
• 1000.0 W/m2 normaliza la irradiancia a un nivel de referencia de potencia nominal PV.

Estas constantes hacen que el pronóstico sea explicable y fácil de variar, pero no reemplazan una ficha técnica del módulo, albedo medido, mediciones de suciedad sobre paneles, geometría de sombras ni una ejecución completa de PVWatts/SAM.

Llamada representativa a GribStream

Este ejemplo usa la configuración predeterminada para Denver con GFS: 6 kW con aproximación de inclinación fija. El dashboard completa los valores numéricos desde variables de Grafana y calcula las estimaciones PV en una sola llamada estándar de GribStream /timeseries.

curl -X POST 'https://gribstream.com/api/v2/gfs/timeseries' \
  -H 'Content-Type: application/json' \
  -H 'Accept: text/csv' \
  -H 'Authorization: Bearer [API_TOKEN]' \
  -d '{
    "fromTime": "2026-05-03T12:00:00Z",
    "untilTime": "2026-05-05T00:00:00Z",
    "minLeadTime": "0h",
    "maxLeadTime": "36h",
    "coordinates": [
      { "lat": 39.7392, "lon": -104.9903, "name": "Denver, CO" }
    ],
    "variables": [
      { "name": "DSWRF", "level": "surface", "alias": "ghi_wm2" },
      { "name": "TMP", "level": "2 m above ground", "alias": "temp_k" }
    ],
    "expressions": [
      { "expression": "temp_k - 273.15", "alias": "temp_c" },
      { "expression": "ghi_wm2 * 1.0800", "alias": "poa_wm2" },
      { "expression": "temp_c + (poa_wm2 / 800.0) * 25.0000", "alias": "cell_temp_c" },
      { "expression": "func.Max(0.0, 1 + (-0.3500 / 100.0) * (cell_temp_c - 25.0))", "alias": "temperature_factor" },
      { "expression": "func.Max(0.0, 1 - 14.0000 / 100.0)", "alias": "loss_factor" },
      { "expression": "6.0000 * poa_wm2 / 1000.0 * temperature_factor * loss_factor", "alias": "dc_power_kw" },
      { "expression": "6.0000 / 1.2000", "alias": "ac_limit_kw" },
      { "expression": "func.Min(dc_power_kw * 96.0000 / 100.0, ac_limit_kw)", "alias": "ac_power_kw" },
      { "expression": "ac_power_kw", "alias": "hourly_energy_kwh" },
      { "expression": "func.Max(0.0, (6.0000 - ac_power_kw) / 6.0000 * 100.0)", "alias": "unused_capacity_pct" }
    ]
  }'

Por qué los valores predeterminados son razonables

• Pérdidas totales: el valor predeterminado usa un supuesto tipo PVWatts de 14% de pérdidas y lo trata como una reducción transparente única.
• Corrección por temperatura: el preset usa un coeficiente negativo típico de potencia de silicio cristalino, aplicado contra temperatura estimada de celda por encima de 25 C.
• Relación DC/AC: el valor residencial predeterminado permite clipping leve del inversor sin introducir un modelo de inversor demasiado complejo.
• Geometría del arreglo: v1 agrupa supuestos de inclinación, orientación o seguimiento solar en un único multiplicador nombrado porque DSWRF es un campo de radiación horizontal.

Contexto y referencias: GribStream expressions · GFS model inventory · HRRR model inventory · NBM model inventory · NOAA GRIB2 shortwave radiation table · PVWatts V8 API · SAM irradiance definitions · Grafana variables.