Currently, Sälen area in Sweden is finding issues in the power grid due to an irregular load profile with high peak power demand and an infrastructure that is becoming undersized. Distributed PV-battery systems are considered a possible solution to solve this problem.A PV-battery system for a typical vacation home in this town is designed and optimized to give the best economical solution to the homeowner. Then, a techno-economic evaluation of the system is performed. A photovoltaic system and an only grid connected system are also simulated and compared. Finally, a sensitivity analysis is performed on different simulation inputs.HOMER Grid software is used to simulate and size the system. Firstly, a pre-sized system is modelled using average or typical market prices and component characteristics. Afterwards, real market components that fit into the pre-sized model are modelled to get a real system design. The optimized design includes a PV system of 13 kW, a BYD lithium ion battery of 5.1 kWh capacity and a Sungrow hybrid inverter of 10 kW.The economic evaluation of the system indicates that, with current market prices and subsidies, the optimized system is the most economical solution for the homeowner compared to the other systems. In the sensitivity analysis, a significant risk for the profitability of the system is found on the compensation from selling electricity to the grid.The technical evaluation of the system indicates that the battery provides a significant peak-shaving effect that can benefit the power grid. However, large solar energy sales to the grid with high power peaks that could cause instability issues are observed.

Solar energy is resourceful for many purposes, for example, harvesting renewable electricity with photovoltaic (PV) technology. The number of new grid connections of PV is continuously increasing, and the Swedish PV market for residential prosumers is growing. Providing accurate information about PV’s benefits and the installation’s technical details is essential to attract more prosumers to the PV market. One outlet for such information is providers of PV, who are also responsible for the technical details. From a technical perspective, how much of the produced electricity the prosumer can self-consume impacts the profitability of the investment. Higher self-consumption is associated with more savings, and a battery storage system has the potential to increase self-consumption. Two different approaches were used to carry out this thesis. Communication was studied with a qualitative approach, and the technical term self-consumption was analysed quantitatively. A discourse analysis with a pragmatic approach was performed to study what meanings are created when retailers communicate about the two genres within the discourse of PV: the benefits and the technical specifications. Qualitative data used for this part was collected from the websites of PV retailers. The quantitative part involved calculations of self-consumption levels and simulations of a battery storage system in MATLAB using an extensive data set over households with real PV systems. The identified research gap indicates no previous studies on how PV retailers communicate and few studies of self-consumption using data from real systems. The results from the discourse analysis of the benefits showed that some of the central meanings were: “a prosumer's roof is worth money if they can afford the investment”, “PV has a positive environmental impact”, and “adoption of PV is a trend that prosumers should follow”. The central meaning from the analysis of the technical specifications was that “a prosumer does not need to be concerned about the technical aspect of the installation because the company takes care of it”. The results from the quantitative study showed that from the available data, self-consumption was dependent on how the PV system size is matched to the consumption of the household. Depending on the ALR groups, the households had different mean values of self-consumption, whereas the most common group ALR=6 had a mean self-consumption level of 38%. The simulations with battery storage showed that systems with lower initial self-consumption (below 40%) could increase self-consumption faster with increasing battery capacity but could not reach maximum self-consumption values.

Le marché des systèmes photovoltaïques a connu une forte croissance cette dernière décennie soutenue par des actions politiques favorables dans un contexte de transition énergétique. Pourtant, malgré ces conditions bénéfiques, le marché mondial du PV a paradoxalement traversé une période chaotique rencontrant des problèmes de surproduction, une crise industrielle et des différends commerciaux durable entre pays. Cette thèse part de ces problématiques et tente de comprendre les politiques publiques PV et les impacts sur la dynamique des technologies et des marchés. Afin de préciser ces questions, une approche systémique est utilisée pour fournir une compréhension correcte des mécanismes généraux des politiques publiques PV. Une vue d’ensemble systémique concrète de ces mécanismes est construite sur la base d’analyses théoriques et historiques en définissant les variables clés et le contexte. Une analyse rétrospective utilisant des mappings construits pour l’occasion est conduite afin de cerner les limites et défis critiques du secteur PV ainsi que les facteurs de risque. Cette thèse montre également la façon dont la nature du contexte politique change en liaison avec la dynamique du secteur PV. La thèse met en évidence que la dynamique nationale a été brisée par l’entrée de la Chine sur le secteur PV. La thèse propose au final des orientations stratégiques pour le développement du PV selon deux dimensions, nationale et internationale. Au niveau national, la thèse s’intéresse à l’autoconsommation PV en tant que manière naturelle d’utiliser l’énergie PV dans le système électrique. Cette analyse implique un changement de nature des politiques PV dans le futur. Pour terminer, afin de résoudre la crise industrielle actuelle, la thèse présente des possibilités d’actions internationales en collaboration pour créer une nouvelle demande PV dans le contexte international en recherchant des bénéfices économiques et environnementaux au niveau mondial. / Solar PV systems have experienced strong market growth over the last decade supported by favorable political reactions in the energy transition context. However, despite these favorable conditions, paradoxically, the global PV market recently went through a chaotic time encountering the overproduction issue, the industry crisis and the long-lasting trade disputes. This thesis started from these problematics to understand the PV public policies and the impacts on dynamics of technology systems and markets. In order to define those issues, a systemic approach is taken to provide an accurate comprehension of the overall mechanisms of PV public policies. The concrete systemic vision of PV policy mechanisms is constructed based on theoretical and historical analysis by defining key variables and the context. A retrospective analysis using the proposed mapping tools is conducted to understand critical limits and challenges of PV development and to identify risks factors in the sector. This thesis also demonstrates how the nature of policy context changes in combined with the dynamic feature of the PV sector. Our analysis highlights the nationwide PV policy dynamics was broken with the arrival of China in the PV sector. This thesis eventually proposes strategic orientations of PV development at the two dimensions from both national and international perspectives. At the national level, this thesis discusses on PV self-consumption as the natural way of PV power use in the electricity system. This analysis implies a change in the nature of PV policies in the future. Next, as a response to the current global industry crisis, the thesis proposes opportunities of international collaborative actions to create new PV demand in the international context in pursuit of global economic and environmental benefits.

Tesis por compendio / [ES] El sector de la edificación representa el 20% y el 40% de la energía primaria mundial, contribuyendo al 30% de las emisiones de CO2, un desafío amplificado por el crecimiento de la población. Sin embargo, el creciente interés en las fuentes de energía renovables ya maduras, como la energía solar fotovoltaica (PV), ofrece oportunidades para mitigar los anteriores impactos, así como potenciales beneficios económicos, ambientales y sociales. El presente trabajo investiga las posibilidades y limitaciones en el despliegue masivo de sistemas de autoconsumo fotovoltaico (PVSC) en áreas urbanas desde una perspectiva de planificación urbana, considerando las limitaciones técnicas y económicas actuales. Con este fin, esta tesis emplea estrategias basadas en datos para desarrollar modelos físicos y modelos ágiles basados en regresiones como herramientas de evaluación del potencial técnico y económico de los sistemas PVSC en contextos urbanos. En primer lugar, se ha desarrollado y validado un submodelo empírico de producción fotovoltaica con mediciones climáticas y de producción recopiladas de una planta fotovoltaica de 50MW en funcionamiento. Además, se han investigado varias mejoras en el modelado del performance ratio (PR) en entornos de baja irradiancia. En la segunda etapa de esta investigación, el submodelo anterior se ha integrado en un modelo tecnoeconómico 3D basado en sistemas de información geográfica (GIS) capaz de evaluar el PVSC económico para una muestra de edificios residenciales. Además, el modelo incorpora modelos de sombras y estimaciones de demanda eléctrica horaria para evaluar una muestra de edificios residenciales. Una base de datos de simulación, derivada de los resultados anteriores, ha permitido el desarrollo de una metodología para entrenar un modelo basado en regresión y con ello estimar la producción y el periodo de retorno económico (PB) a escala de edificio con una precisión asumible para fines de planificación energética. Como último paso, se mejoró el submodelo de demanda empleando datos reales agregados de series temporales para múltiples patrones de consumo y proporcionando estimaciones realistas para otras tipologías de edificios. Además de las restricciones espaciales, el modelo optimiza el tamaño de las instalaciones según su demanda y limitaciones económicas, maximizando la relación entre autosuficiencia (SS) y el PB. Además, la metodología basada en regresión se ha ampliado para estimar, además del retorno de la inversión, múltiples indicadores clave de desempeño (KPIs) como la tasa interna de retorno (IRR), la tasa de autoconsumo (SC) y SS. A través de una adecuada identificación de predictores y una metodología de entrenamiento y validación, estas correlaciones permitieron estimaciones de rendimiento con una desviación aceptable respecto al modelo físico. La disponibilidad de datos relacionados con la construcción está aumentando progresivamente en la mayoría de los países, lo que permite una amplia aplicación y generalización de las metodologías propuestas y reduce el costo de simulación de estos estudios para cubrir áreas urbanas más extensas. Como aplicación de las metodologías anteriores, se analizaron los resultados del potencial económico fotovoltaico del parque inmobiliario completo de un municipio mediterráneo bajo diferentes escenarios económicos y de demanda a escala de edificio y municipal. Para el escenario que cumple con la regulación actual en España, la SS municipal oscila entre el 22%-43% para los escenarios más optimista y pesimista, respectivamente. El dimensionamiento óptimo de las instalaciones según las curvas de carga en la modalidad de Net Billing (NB) es crucial para obtener resultados económicos competitivos. En consecuencia, la generación fotovoltaica anual representó el 68% del consumo eléctrico total anual. / [CA] El sector de l'edificació representa el 20% i el 40% de l'energia primària mundial, contribuint al 30% de les emissions de CO2, un desafiament amplificat pel creixement de la població. No obstant això, el creixent interés en les fonts d'energia renovables ja madures, com l'energia solar fotovoltaica (PV), ofereix oportunitats per a mitigar els anteriors impactes, així com potencials beneficis econòmics, ambientals i socials. El present treball investiga les possibilitats i limitacions en el desplegament massiu de sistemes PVSC en àrees urbanes des d'una perspectiva de planificació urbana, considerant les limitacions tècniques i econòmiques actuals. A aquest efecte, aquesta tesi empra estratègies basades en dades per a desenvolupar models físics i models àgils basats en regressions com a eines d'avaluació del potencial tècnic i econòmic dels sistemes PVSC en contextos urbans. En primer lloc, s'ha desenvolupat i validat un submodel empíric de producció fotovoltaica amb mesuraments climàtics i de producció recopilats d'una planta fotovoltaica de 50MW en funcionament. A més, s'han investigat diverses millores en el modelatge del performance ràtio (PR) en entorns de baixa irradiància. En la segona etapa d'aquesta investigació, el submodel anterior s'ha integrat en un model tecnoeconòmic 3D basat en sistemes d'informació geográfica (GIS) capaç d'avaluar el PVSC econòmic per a una mostra d'edificis residencials. A més, el model incorpora models d'ombres i estimacions de demanda elèctrica horària per a avaluar una mostra d'edificis residencials. Una base de dades de simulació, derivada dels resultats anteriors, ha permés el desenvolupament d'una metodologia per a entrenar un model basat en regressió i amb això estimar la producció i la període de retorn econòmic (PB) a escala d'edifici amb una precisió assumible per a fins de planificació energètica. Com a últim pas, es va millorar el submodel de demanda emprant dades reals agregats de sèries temporals per a múltiples patrons de consum i proporcionant estimacions realistes per a altres tipologies d'edificis. A més de les restriccions espacials, el model optimitza la grandària de les instal·lacions segons la seua demanda i limitacions econòmiques, maximitzant la relació entre la taxa d'autosuficiència (SS) i PB. A més, la metodologia basada en regressió s'ha ampliat per a estimar, a més del retorn de la inversió, múltiples indicadors clau d'acompliment (KPIs) com la taxa interna de retorn (IRR), la taxa d'autoconsum (SC) i la SS. A través d'una adequada identificació de predictors i una metodologia d'entrenament i validació, aquestes correlacions van permetre estimacions de rendiment amb una desviació acceptable respecte al model físic. La disponibilitat de dades relacionades amb la construcció està augmentant progressivament en la majoria dels països, la qual cosa permet una àmplia aplicació i generalització de les metodologies proposades i redueix el cost de simulació d'aquests estudis per a cobrir àrees urbanes més extenses. Com a aplicació de les metodologies anteriors, es van analitzar els resultats del potencial econòmic fotovoltaic del parc immobiliari complet d'un municipi mediterrani baix diferents escenaris econòmics i de demanda a escala d'edifici i municipal. Per a l'escenari que compleix amb la regulació actual a Espanya, la taxa d'autosuficiència municipal oscil·la entre el 22%-43% per als escenaris més optimista i pessimista, respectivament. El dimensionament òptim de les instal·lacions segons les corbes de càrrega en la modalitat de Net Billing (NB) és crucial per a obtindre resultats econòmics competitius. En conseqüència, la generació fotovoltaica anual va representar el 68% del consum elèctric total anual. / [EN] The building sector in developed countries consumes 20% to 40% of global primary energy, contributing to 30% of the CO2 emissions, a challenge amplified by urban population growth. However, the rising interest in mature renewable energy sources, such as solar photovoltaic (PV), offers opportunities to mitigate these impacts and potential economic, environmental, and social benefits. The present research investigates the possibilities and constraints in the massive deployment of photovoltaic self-consumption (PVSC) systems in urban areas from an urban planning perspective, considering the current technical and economic limitations. To this end, this thesis employs data-driven strategies to develop both bottom-up physical and agile regression-based models as assessment tools for the technical and economic potential of PVSC systems in urban contexts. First, an empirical PV production submodel has been developed and validated with climate and production measurements collected from a 50MW utility-scale in operation. Additionally, several improvements in modeling the performance ratio (PR) in low-irradiance environments have been investigated. In the second stage of this research, the previous submodel has been integrated into a physical 3D GIS-based techno-economic model capable of assessing the economic PVSC for a sample of residential buildings. Additionally, the model incorporates shadow modeling and hourly electric demand estimations to assess sample residential buildings. A simulation database, derived from the previous results, has allowed the development of a methodology to train a regression-based model to estimate the production and the economic payback (PB) at a building scale with an assumable accuracy for energy planning purposes. As the last step, the demand submodel was improved by employing real aggregated time series data for multiple consumer patterns and providing realistic estimations for other building typologies. In addition to spatial restrictions, the model optimizes the sizing of the facilities according to their demand and economic constraints, maximizing the relationship between self-sufficiency (SS) and PB. Furthermore, the regression-based methodology has been extended to estimate, besides the payback, multiple key performance indicators such as internal rate of return (IRR), self-consumption rate (SC), and SS. Through an appropriate predictor identification and a training and validation methodology, these correlations allowed performance estimations with an acceptable deviation compared with the physical model. The availability of building-related data is progressively increasing in most countries, enabling widespread application and generalization of the proposed methodologies and reducing the simulation cost of these studies to cover larger urban areas. As an application of the previous methodologies, a complete-census economic PV potential results of a Mediterranean municipality's building stock was performed under different demand and economic scenarios at a building and municipality scale. For the scenario that meets the current regulation in Spain, the municipality SS ranged between 22%-43% for the most optimistic and pessimistic scenarios, respectively. The optimal sizing of the facilities according to the load curves in the Net Billing (NB) modality is crucial to obtaining competitive economic results. Consequently, the annual PV generation represented 68% of the annual total electricity consumption of the municipality for a net billing scenario, while a net metering scenario represented 103%. Owing to economies of scale and high demand intensity, a higher profitability was found in rooftops of apartment blocks and industrial buildings, which also achieve the highest savings in emissions. / Fuster Palop, E. (2023). Modeling and Optimization of Photovoltaic Installations at Urban Scale [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/202061 / Compendio

In Sweden, there is a strong and growing interest in solar power. In recent years, photovoltaic (PV) system installations have increased dramatically and a large part are distributed grid connected PV systems i.e. rooftop installations. Currently the electricity export rate is significantly lower than the import rate which has made the amount of self-consumed PV electricity a critical factor when assessing the system profitability. Self-consumption (SC) is calculated using hourly or sub-hourly timesteps and is highly dependent on the solar patterns of the location of interest, the PV system configuration and the building load. As this varies for all potential installations it is difficult to make estimations without having historical data of both load and local irradiance, which is often hard to acquire or not available. A method to predict SC using commonly available information at the planning phase is therefore preferred.  There is a scarcity of documented SC data and only a few reports treating the subject of mapping or predicting SC. Therefore, this thesis is investigating the possibility of utilizing machine learning to create models able to predict the SC using the inputs: Annual load, annual PV production, tilt angle and azimuth angle of the modules, and the latitude. With the programming language Python, seven models are created using regression techniques, using real load data and simulated PV data from the south of Sweden, and evaluated using coefficient of determination (R2) and mean absolute error (MAE). The techniques are Linear Regression, Polynomial regression, Ridge Regression, Lasso regression, K-Nearest Neighbors (kNN), Random Forest, Multi-Layer Perceptron (MLP), as well as the only other SC prediction model found in the literature. A parametric analysis of the models is conducted, removing one variable at a time to assess the model’s dependence on each variable.  The results are promising, with five out of eight models achieving an R2 value above 0.9 and can be considered good for predicting SC. The best performing model, Random Forest, has an R2 of 0.985 and a MAE of 0.0148. The parametric analysis also shows that while more input data is helpful, using only annual load and PV production is sufficient to make good predictions. This can only be stated for model performance for the southern region of Sweden, however, and are not applicable to areas outside the latitudes or country tested. / I Sverige finns ett starkt och växande intresse för solenergi. De senaste åren har antalet solcellsanläggningar ökat dramatiskt och en stor del är distribuerade nätanslutna solcellssystem, dvs takinstallationer. För närvarande är elexportpriset betydligt lägre än importpriset, vilket har gjort mängden egenanvänd solel till en kritisk faktor vid bedömningen av systemets lönsamhet. Egenanvändning (EA) beräknas med tidssteg upp till en timmes längd och är i hög grad beroende av solstrålningsmönstret för platsen av intresse, PV-systemkonfigurationen och byggnadens energibehov. Eftersom detta varierar för alla potentiella installationer är det svårt att göra uppskattningar utan att ha historiska data om både energibehov och lokal solstrålning, vilket ofta inte är tillgängligt. En metod för att förutsäga EA med allmän tillgänglig information är därför att föredra.  Det finns en brist på dokumenterad EA-data och endast ett fåtal rapporter som behandlar kartläggning och prediktion av EA. I denna uppsats undersöks möjligheten att använda maskininlärning för att skapa modeller som kan förutsäga EA. De variabler som ingår är årlig energiförbrukning, årlig solcellsproduktion, lutningsvinkel och azimutvinkel för modulerna och latitud. Med programmeringsspråket Python skapas sju modeller med hjälp av olika regressionstekniker, där energiförbruknings- och simulerad solelproduktionsdata från södra Sverige används. Modellerna utvärderas med hjälp av determinationskoefficienten (R2) och mean absolute error (MAE). Teknikerna som används är linjär regression, polynomregression, Ridge regression, Lasso regression, K-nearest neighbor regression, Random Forest regression, Multi-Layer Perceptron regression. En additionell linjär regressions-modell skapas även med samma metodik som används i en tidigare publicerad rapport. En parametrisk analys av modellerna genomförs, där en variabel exkluderas åt gången för att bedöma modellens beroende av varje enskild variabel.  Resultaten är mycket lovande, där fem av de åtta undersökta modeller uppnår ett R2-värde över 0,9. Den bästa modellen, Random Forest, har ett R2 på 0,985 och ett MAE på 0,0148. Den parametriska analysen visar också att även om ingångsdata är till hjälp, är det tillräckligt att använda årlig energiförbrukning och årlig solcellsproduktion för att göra bra förutsägelser. Det måste dock påpekas att modellprestandan endast är tillförlitlig för södra Sverige, från var beräkningsdata är hämtad, och inte tillämplig för områden utanför de valda latituderna eller land.

In Sweden the installed capacity of the residential PV systems is increasing every year. The lack of feed-in-tariff-scheme makes the techno-economic optimization of the PV systems mainly based on the self-consumption. The calculation of this parameter involves hourly building loads and hourly PV generation. This data cannot be obtained easily from households. A predictive model based on already available data would be preferred and needed in this case. The already available machine learning models can be suitable and have been tested but the amount of literature in this topic is fairly low. The machine learning models are using a dataset which includes real measurement data of building loads and simulated PV generation data and the calculated self-consumption data based on these two inputs. The simulation of PV generation can be based on Typical Meteorological Year (TMY) weather file or on measured weather data. The TMY file can be generated quicker and more easily, but it is only spatially matched to the building load, while the measured data is matched temporally and spatially. This thesis investigates if the usage of TMY file leads to any major impact on the performance of the regression models by comparing it to the measured weather file model. In this model the buildings are single-family houses from south Sweden region.  The different building types can have different load profiles which can affect the performance of the model. Because of the different load profiles, the effect of using TMY file may have more significant impact. This thesis also compares the impact of the TMY file usage in the case of multifamily houses and also compares the two building types by performance of the machine learning models. The PV and battery prices are decreasing from year to year. The subsidies in Sweden offer a significant tax credit on battery investments with PV systems. This can make the batteries profitable. Lastly this thesis evaluates the performance of the machine learning models after adding the battery to the system for both TMY and measured data. Also, the optimal system is predicted based on the self-consumption, PV generation and battery size.  The models have high accuracy, the random forest model is above 0.9 R2for all cases. The results confirm that using the TMY file only leads to marginal errors, and it can be used for the training of the models. The battery model has promising results with above 0.9 R2 for four models: random forest, k-NN, MLP and polynomial. The prediction of the optimal system model has promising results as well for the polynomial model with 18% error in predicted payback time compared to the reference. / I Sverige ökar den installerade kapaciteten för solcellsanläggningarna för bostäder varje år. Bristen på inmatningssystem gör att den tekniska ekonomiska optimeringen av solcellssystemen huvudsakligen bygger på egen konsumtion. Beräkningen av denna parameter omfattar byggnadsbelastningar per timme och PV-generering per timme. Dessa uppgifter kan inte lätt erhållas från hushållen. En prediktiv modell baserad på redan tillgängliga data skulle vara att föredra och behövas i detta fall. De redan tillgängliga maskininlärningsmodellerna kan vara lämpliga och redan testade men mängden litteratur i detta ämne är ganska låg. Maskininlärningsmodellerna använder en datauppsättning som inkluderar verkliga mätdata från byggnader och simulerad PV-genereringsdata och den beräknade egenförbrukningsdata baserad på dessa två indata. Simuleringen av PV-generering kan baseras på väderfilen Typical Meteorological Year (TMY) eller på uppmätta väderdata. TMY-filen kan genereras snabbare och enklare, men den anpassas endast rumsligt till byggnadsbelastningen, medan uppmätta data är temporärt och rumsligt. Denna avhandling undersöker om användningen av TMY-fil leder till någon större påverkan på prestandan genom att jämföra den med den uppmätta väderfilsmodellen. I denna modell är byggnaderna småhus från södra Sverige. De olika byggnadstyperna kan ha olika belastningsprofiler vilket kan påverka modellens prestanda. På grund av dessa olika belastningsprofiler kan effekten av att använda TMY-fil ha mer betydande inverkan. Den här avhandlingen jämför också effekten av TMY-filanvändningen i fallet med flerfamiljshus och jämför också de två byggnadstyperna efter prestanda för maskininlärningsmodellerna. PV- och batteripriserna minskar från år till år. Subventionerna i Sverige ger en betydande skattelättnad på batteriinvesteringar med solcellssystem. Detta kan göra batterierna lönsamma. Slutligen utvärderar denna avhandling prestandan för maskininlärningsmodellerna efter att ha lagt till batteriet i systemet för både TMY och uppmätta data. Det optimala systemet förutsägs också baserat på egen förbrukning, årlig byggnadsbelastning, årlig PV-generering och batteristorlek. Modellerna har hög noggrannhet, den slumpmässiga skogsmodellen är över 0,9 R2 för alla fall. Resultaten bekräftar att användningen av TMY-filen endast leder till marginella fel, och den kan användas för träning av modellerna. Batterimodellen har lovande resultat med över 0,9 R2 för fyra modeller: random skog, k-NN, MLP och polynom. Förutsägelsen av den optimala systemmodellen har också lovande resultat för polynommodellen med 18 % fel i förutspådd återbetalningstid jämfört med referensen.