Solar API menghitung intensitas sinar matahari yang menyinari atap Anda dalam setahun. Hal ini mempertimbangkan:
- Database citra dan peta Google
- Pemodelan 3D atap tertentu
- Bayangan yang dihasilkan oleh struktur dan pohon di sekitar
- Posisi matahari selama setahun
- Pola awan dan suhu historis yang dapat memengaruhi produksi tenaga surya
Solar API memperkirakan nilai untuk persentase listrik yang diekspor ke jaringan menggunakan data dari National Renewable Energy Laboratory (NREL). Estimasi ini didasarkan pada hubungan antara total produksi tenaga surya dan jumlah total listrik yang dikonsumsi oleh rumah tangga. Makin besar pemasangan tenaga surya dibandingkan dengan konsumsi listrik rumah tangga, makin tinggi estimasi listrik tenaga surya yang diekspor ke jaringan listrik.
Solar API juga menghitung potensi penghematan biaya utilitas sebagai akibat dari pemasangan panel surya atap. Penghematan yang sebenarnya dapat bervariasi dari penghematan yang diproyeksikan karena berbagai alasan:
- Pohon yang tumbuh cepat dapat menghalangi instalasi surya, sehingga mengurangi produksi dari waktu ke waktu.
- Perusahaan utilitas dapat mengubah jumlah tagihan listrik yang dikenakan kepada pelanggan, yang memengaruhi penghematan dari tenaga surya.
- Kebijakan yang bermanfaat bagi pemasangan panel surya dapat berubah (misalnya, pengukuran bersih).
- Untuk negara bagian tanpa pengukuran bersih, penghematan juga dapat bervariasi berdasarkan jumlah listrik surya yang dikonsumsi di rumah tangga dibandingkan dengan jumlah yang diekspor ke jaringan.
Sumber data
Membuat insight
Untuk menghitung produksi energi surya dan perkiraan penghematan, Solar API menggunakan sumber data berikut:
Citra, pemodelan 3D, dan penghitungan bayangan menggunakan algoritma machine learning Google.
Data cuaca dari NREL dan Meteonorm. Terkadang transisi yang tajam antara stasiun terdekat tercermin di peta.
Informasi tarif listrik utilitas dari Clean Power Research.
Data harga panel surya gabungan dan anonim dari EnergySage dan OpenSolar.
Data insentif surya dari hal berikut:
- Clean Power Research
- Otoritas federal, negara bagian, dan lokal yang relevan
- Data utilitas yang relevan
Data Solar Renewable Energy Credit (SREC) dari Bloomberg New Energy Finance, SRECTrade, dan otoritas negara bagian yang relevan.
Estimasi produksi energi surya bergantung pada banyak faktor, seperti bayangan, cuaca umum di area tertentu, dan peralatan yang digunakan. Selain itu, data pemetaan Solar API mungkin berasal dari periode waktu yang berbeda dengan estimasi lainnya, sehingga mungkin tidak menunjukkan pertumbuhan atau penebangan pohon baru-baru ini.
Lapisan data
GeoTIFF yang ditampilkan oleh endpoint dataLayers dibuat menggunakan data cuaca, citra satelit, dan citra udara dari berbagai sumber. GeoTIFF lapisan data di-orthorektifikasi untuk menghapus distorsi perspektif. Untuk informasi selengkapnya tentang lapisan yang tersedia, lihat Tentang file GeoTIFF.
Estimasi potensi tenaga surya
Potensi teknis mencakup listrik yang dihasilkan oleh area atap yang cocok untuk panel surya, dengan asumsi gangguan rantai pasokan dan integrasi jaringan listrik tidak menjadi kendala.
Ada banyak definisi potensi teknis; definisi lain dapat memengaruhi hasil sebesar 25% atau lebih. Berdasarkan definisi potensi teknis Solar API, instalasi memenuhi kriteria berikut:
- Sinar matahari: Setiap panel yang disertakan menerima setidaknya 75% sinar matahari tahunan maksimum di county.
- Ukuran instalasi: Setiap atap yang disertakan memiliki total potensi ukuran instalasi minimal 1,6 kW.
- Ruang dan hambatan: Setiap segmen yang memiliki ruang setidaknya 4 meter persegi akan dipertimbangkan.
Model Solar API membuat asumsi berikut:
- Setiap panel diasumsikan dapat menghasilkan daya 400 W dengan efisiensi 20,4%, faktor derating DC ke AC 85%, dan asumsi standar industri terkait faktor lainnya.
- Panel diasumsikan terpasang rata dengan atap, termasuk di permukaan datar.
- Sistem panel surya berkisar antara 2 kW hingga 1.000 kW. Hanya array di bangunan yang dipertimbangkan, bukan ruang lain seperti tempat parkir atau lapangan.
Karena kami terus meningkatkan kualitas model, perkiraan dapat berubah.