Key points are not available for this paper at this time.
L'accès à des données précises sur les ressources solaires est crucial pour de nombreuses applications, notamment l'estimation du rendement des systèmes d'énergie solaire, le développement de modèles de radiation et la validation des ensembles de données d'irradiance. Cependant, le manque de normalisation des formats de données et des interfaces d'accès entre les fournisseurs constitue un obstacle majeur à l'entrée pour les nouveaux utilisateurs. Le sous-paquet iotools de pvlib python vise à résoudre ce problème en fournissant des fonctions Python standardisées pour lire des fichiers locaux et récupérer des données auprès de fournisseurs externes. Toutes les fonctions suivent un schéma uniforme et renvoient des sorties de données pratiques, permettant aux utilisateurs de passer sans problème d'un fournisseur de données à un autre et d'explorer des ensembles de données alternatifs. Le paquet pvlib est développé par la communauté sur GitHub : https://github.com/pvlib/pvlib-python. À partir de la version 0.9.5 de pvlib python, le sous-paquet iotools prend en charge 12 ensembles de données différents, notamment des mesures au sol, des réanalyses et des données d'irradiance dérivées de satellites. Les réseaux de mesure au sol pris en charge incluent le Baseline Surface Radiation Network (BSRN), NREL MIDC, SRML, SOLRAD, SURFRAD et le US Climate Reference Network (CRN). De plus, des données d'irradiance dérivées de satellites et de réanalyses provenant des sources suivantes sont prises en charge : PVGIS (SARAH & ERA5), NSRDB PSM3 et CAMS Radiation Service (y compris l'irradiance de ciel clair McClear).
Jensen et al. (Ven,) ont étudié cette question.