Tradução - IEA-PVPS-T13-21-2022-REPORT-Soiling-Losses-PV-Plants

Machine Translated by Google
Tarefa 13 Desempenho, Operação e Confiabilidade de Sistemas Fotovoltaicos – Modelo de Relatório da Tarefa 13
Tarefa 13 Desempenho, Operação e Confiabilidade de Sistemas Fotovoltaicos
Perdas de Sujidade – Impacto

PVPS
no Desempenho de
Energia Fotovoltaica
Plantas
2022
Relatório IEA-PVPS T13-21:2022

Tarefa 13 Desempenho, Operação e Confiabilidade de Sistemas Fotovoltaicos – Perdas de Sujidade – Impacto no Desempenho de Centrais Fotovoltaicas
O que é IEA PVPS TCP?
A Agência Internacional de Energia (AIE), fundada em 1974, é um órgão autónomo no âmbito da Organização para a Cooperação e Desenvolvimento Económico (OCDE).
O Programa de Colaboração Tecnológica (TCP) foi criado com a crença de que o futuro da segurança e sustentabilidade energética começa com a colaboração global. O
programa é composto por 6.000 especialistas do governo, da academia e da indústria, dedicados ao avanço da pesquisa comum e à aplicação de tecnologias energéticas
específicas.
O Programa de Sistemas de Energia Fotovoltaica da IEA (IEA PVPS) é um dos TCPs da IEA e foi estabelecido em 1993. A missão do programa é “melhorar os esforços
colaborativos internacionais que facilitam o papel da energia solar fotovoltaica como pedra angular no transição para sistemas energéticos sustentáveis.” Para atingir este
objetivo, os participantes do programa realizaram uma variedade de projetos conjuntos de pesquisa em aplicações de sistemas de energia fotovoltaica (PV). O programa
global é liderado por um Comité Executivo, composto por
um delegado de cada país ou membro organizacional, que designa 'Tarefas' distintas que podem ser projetos de investigação ou áreas de atividade.
Os países participantes do PVPS da IEA são Austrália, Áustria, Canadá, Chile, China, Dinamarca, Finlândia, França, Alemanha, Israel, Itália, Japão, Coreia, Malásia, México, Marrocos, Holanda, Noruega, Portugal,
África do Sul, Espanha, Suécia, Suíça, Tailândia, Turquia e Estados Unidos da América. A Comissão Europeia, a Solar Power Europe, a Smart Electric Power Alliance (SEPA) e a Solar Energy Industries Association
também são membros.
Visite-nos em: www.iea-pvps.org
O que é a Tarefa 13 do IEA PVPS?
No âmbito do PVPS da AIE, a Tarefa 13 visa apoiar os intervenientes no mercado que trabalham para melhorar o funcionamento, a fiabilidade e a qualidade dos
componentes e sistemas fotovoltaicos. Os dados operacionais de sistemas fotovoltaicos em diferentes zonas climáticas compilados no âmbito do projecto ajudarão a
fornecer a base para estimativas da fiabilidade e desempenho dos actuais sistemas fotovoltaicos.
A Tarefa 13 fornece uma plataforma comum para resumir e relatar aspectos técnicos que afetam a qualidade, o desempenho, a confiabilidade e a vida útil dos sistemas
fotovoltaicos em uma ampla variedade de ambientes e aplicações. Ao trabalharmos juntos para além das fronteiras nacionais, todos podemos tirar partido da investigação
e da experiência de cada país membro e combinar e integrar este conhecimento em resumos valiosos das melhores práticas e métodos para garantir que os sistemas
fotovoltaicos funcionam da melhor forma e continuam a proporcionar um retorno competitivo. investimento.
A Tarefa 13 estabeleceu uma estrutura para cálculos de vários parâmetros que fornecem uma indicação da qualidade dos componentes e sistemas fotovoltaicos. A
estrutura, juntamente com os resultados incluídos nos relatórios de alta qualidade, é útil e apreciada pela indústria solar fotovoltaica.
Os países PVPS da IEA que participam da Tarefa 13 são Austrália, Áustria, Bélgica*, Canadá, Chile, China, Dinamarca, Finlândia, França, Alemanha, Israel, Itália, Japão,
Holanda, Noruega, Espanha, Suécia, Suíça, Tailândia e os Estados Unidos da América.
Este relatório aborda a sujidade global das centrais fotovoltaicas com o objetivo de fornecer informações sobre o impacto da sujidade por poeira e das perdas de neve
para diversas partes interessadas. Mais informações e resultados da Tarefa 13 podem ser encontrados em: https://iea-pvps.org/research-tasks/performance-operation-
and-reliability-of-photovoltaic-systems/.
*
A Bélgica não participa mais do IEA PVPS, a partir de 1º de julho de 2022.
ISENÇÃO DE RESPONSABILIDADE
O IEAPVPS TCP está organizado sob os auspícios da Agência Internacional de Energia (AIE), mas é funcional e juridicamente autónomo. Visualizações, descobertas e publicações
As disposições do PVPS TCP da AIE não representam necessariamente as opiniões ou políticas do Secretariado da AIE ou de seus países membros individuais.
FOTO DE CAPA
Sujidade em uma usina fotovoltaica no deserto do Atacama, Chile. Fonte: Fraunhofer ISE/Andreas Steinhüser
ISBN 978-3-907281-09-3: Perdas de Sujidade – Impacto no Desempenho de Centrais Fotovoltaicas

AGÊNCIA INTERNACIONAL DE ENERGIA
PROGRAMA DE SISTEMAS DE ENERGIA FOTOVOLTAICA
Tarefa 13 do PVPS da IEA
Desempenho, Operação e
Confiabilidade de Sistemas Fotovoltaicos
Perdas de Sujidade – Impacto no Desempenho de

Centrais Fotovoltaicas
Relatório IEAÿPVPS T13ÿ21:2022

Dezembro de 2022
ISBN 978-3-907281-09-3
AUTORES
Autores Principais
Christian Schill, Fraunhofer ISE, Freiburg, Alemanha

Anne Anderson, Institutos de Pesquisa da Suécia AB (RISE), Suécia
Christopher Baldus-Jeursen, Centro de Tecnologia Energética CANMET, Canadá
Laurie Burnham, Sandia National Laboratories, EUA
Leonardo Micheli, Universidade de Jaén, Espanha
David Parlevliet, Universidade Murdoch, Perth, Austrália
Eric Pilat, CEA INES, França
Bengt Stridh, Universidade Mälardalen, Suécia
Elías Urrejola, Atamostec, Chile
Autores Contribuintes
Manjunath Basappa Ayanna, CSIR, África do Sul
Gianluca Cattaneo, Centro Suíço de Eletrônica e Microtecnologia, Suíça
Sebastian-Johannes Ernst, Fraunhofer ISE, Alemanha

Anil Kottantharayil, NCPRE, IIT Bombay, Índia
Gerhard Mathiak, Centro de Pesquisa e Desenvolvimento DEWA, Emirados Árabes Unidos
Erin Whitney, Universidade do Alasca Fairbanks, EUA

Rosmarie Neukomm, Universidade de Ciências Aplicadas de Berna, Suíça
Delphine Petri, Centro Suíço de Eletrônica e Microtecnologia, Suíça
Lawrence Pratt, CSIR, África do Sul
Lina Rustam, Fraunhofer ISE, Alemanha
Thomas Schott, Universidade de Ciências Aplicadas de Berna, Suíça
editor
Ulrike Jahn, VDE Renováveis, Alzenau, Alemanha
4
ÍNDICE
Reconhecimentos ................................................. .................................................. 7

Lista de abreviações ............................................... .................................................. 8
Sumário executivo ................................................ ................................................ 11

Introdução................................................. .................................................. ... 14
Princípios Físicos e Químicos de Sujidade.......................................... ......... 20
2.1 Natureza Física e Química da Poeira ........................................... ........ 20
2.2 Cimentação, endurecimento, envelhecimento capilar ........................................... ......... 23
2.3 Mecanismos de sujidade acionados por orvalho ........................................... ................ 25
2.4 Revisão da Umidade na Sujidade.......................................... ...................... 27
2.5 Visão Geral das Forças de Deposição e Adesão de Partículas: Van der Waals, Forças Capilares,
Eletrostáticas e Gravitacionais.............................. ...... 28
Detecção de sujidade e neve......................................... .................................. 31
3.1 Métricas de Sujidade................................................. ........................................... 31
3.2 Visão geral do mercado de sensores de sujeira e neve .................................. 34
Modelos de Sujidade e Neve ............................................. ................................... 41
4.1 Modelos de Sujidade............................................. ........................................... 41

4.2 Modelos de Neve................................................... ........................................... 50
Estimativa de Perdas de Energia e Receita de Sujidade em Escala de Utilidade............... 56
5.1 Impacto Econômico da Sujidade ............................................. ....................... 56
5.2 Perdas de Sujidade em todo o Mundo: Recursos e Variabilidade.......................... 59
5.3 Estudo de Caso: Perdas de Sujidade a Longo Prazo num Clima Moderado .............. 60
Mitigação de Perdas de Sujidade em Sistemas Fotovoltaicos ........................................... .......... 63
6.1 Métodos Preventivos de Mitigação............................................. .................. 64
6.2 Métodos Corretivos de Mitigação ............................................. .................. 71

6.3 Modelos genéricos de “melhor momento para limpar” ................................... .............. 82
6.4 Estratégias de mitigação do impacto da neve.................................. ............. 87
Sombreamento de neve em sistemas fotovoltaicos.................................... .............. 89

7.1 Introdução ................................................ ........................................... 89
7.2 Fatores de Desempenho para Sistemas Fotovoltaicos em Altas Latitudes .................... 90

7.3 Distribuição Global de Neve ............................................. ........................ 92
7.4 Áreas de Foco para Pesquisa de Neve ........................................... ................ 94
7.5 Métricas de perda de neve ............................................. .................................... 95
5
7.6 Otimização de projeto para climas com neve .......................................... .. 100

Conclusão................................................. .................................................. .. 108
Apêndice 1: Composição e Solubilidade das Partículas........................................... ........ 110

Apêndice 2: Pesquisa de Composição de Poeira ........................................... .................... 112
Apêndice 3: Fatores Macroscópicos, Controláveis e Microscópicos que Influenciam a
Sujidade .................................... .................................................. ............................ 114
Referências................................................. .................................................. ........ 117
6
RECONHECIMENTOS
Este artigo recebeu contribuições valiosas de vários membros da Tarefa 13 da IEA-PVPS e de outros
especialistas internacionais, conforme descrito abaixo.
Este relatório é apoiado pelo Ministério Federal Alemão de Assuntos Econômicos e Energia (BMWi) sob
o contrato nº. 0324304A e não. 0324304B.
Parte deste trabalho foi financiado através do programa de investigação e inovação Horizonte 2020 da
União Europeia no âmbito do projeto NoSoilPV (acordo de subvenção Marie Skÿodowska-Curie n.º
793120).
Anil Kottantharayil gostaria de agradecer aos colegas de trabalho S. Bhaduri, S. Chattopadhyay, S.
Zachariah e CS Solanki do NCPRE, IIT Bombay pelas contribuições ao trabalho relatado no subcapítulo
“Novos Conceitos de Módulo e Planta”.
Lina Rustam gostaria de agradecer a Klemens Ilse, Fraunhofer CSP, Alemanha, pelas contribuições ao
subcapítulo “Revestimentos Anti-Sujidade”.
Erin Whitney gostaria de agradecer aos colegas Christopher Pike, Michelle Wilber, Dr.
Joshua Stein, Dayne Broderson, Rob Bensin, David Light, Henry Toal, Iris Tuller e Christie Haupert por
suas contribuições ao local de testes solares Fairbanks da Universidade do Alasca e aos esforços de
análise de dados. O Local de Teste Solar e os dados resultantes foram tornados possíveis através de
um Acordo Cooperativo de Pesquisa e Desenvolvimento (CRADA) entre a Universidade do Alasca e os
Laboratórios Nacionais Sandia, bem como o apoio generoso do Departamento da Marinha dos Estados
Unidos, Escritório de Pesquisa Naval.
Muito obrigado a Erin Whitney e colegas pela edição do resumo executivo, edição técnica e linguística e
revisão deste relatório, e também a Leonardo Micheli pela edição técnica e apoio. Sua ajuda e apoio são
muito apreciados.
7
LISTA DE ABREVIAÇÕES
AFm Alumina, Óxido Férrico, Mono-Sulfato

IA Inteligência artificial
Al Alumínio
ANN Rede neural artificial
ANOVA Análise de variação
AOD Profundidade óptica do aerossol
ARCO Revestimento Anti-Reflexo
ASC Revestimento Anti-Sujidade
ASTM Sociedade Americana de Testes e Materiais
HAC Universidade de Ciências Aplicadas de Berna
BoS Equilíbrio do Sistema
Que Cálcio
QUE Ângulo de contato

CAMS Serviço de Monitorização da Atmosfera Copernicus
Cd Cádmio
CEI Seleneto de cobre e índio

Cl Cloro
cm² Centímetro Quadrado

CMQ Qualidade do ar multiescala comunitária
CPL Custo das perdas de produção
CSP Concentrando energia solar

CWEEDS Conjuntos de dados canadenses de energia e engenharia climática
D Diâmetro da partícula
DIAS Irradiância Normal Direta
DOI Identificador de Objeto Digital

ECMWF Centro Europeu de Previsão Meteorológica a Médio Prazo
EDS Escudo Eletrodinâmico
EDX Raio X Dispersivo de Energia
EMC Compatibilidade eletromagnética
PE Preço da eletricidade
EPC Engenharia, aquisições e construção
ESD Descarga Eletrostática
EVA Acetato de Etileno-Vinila
G Aceleração gravitacional
GHCN Rede Global de Climatologia Histórica
H Hidrogênio
8
RH Higrometria
AIE Agência Internacional de Energia
CEI Comissão Eletrotécnica Internacional
IEEE Instituto de Engenheiros Elétricos e Eletrônicos
IPCC Painel Intergovernamental de Mudanças Climáticas
E Infravermelho
Isc Corrente de curto-circuito

4 Corrente electrica
K Potássio
kHz Quilohertz
kV Quilovolt
kWh Quilo-watthora
LCOE Custo nivelado de energia
LIDERADO
Diodo emissor de luz
MERRA Análise Retrospectiva da Era Moderna para Pesquisa e Aplicações
mg Miligrama
mg Magnésio
PM Megawatt
N Azoto
Já Sódio
NASA administração Nacional Aeronáutica e Espacial
NCPRE Centro Nacional de Pesquisa e Educação Fotovoltaica
QUATRO Norte-Nordeste
NNW Norte-Noroeste
NOITE Temperatura normal da célula operacional
VPL Valor Presente Líquido
NREL Laboratório Nacional de Energia Renovável
O Oxigênio
O&M operação e manutenção
Bem Poliamida
PDF Arquivo de difração de pó
SOBRE
Poliéster
PM Massa de Partículas
PM10 Partículas de tamanho igual ou inferior a 10 mícrons
Pmp Ponto de potência máximo

POA Plano de Matriz
VP Fotovoltaico
9
RH Humidade relativa
S Enxofre
ELE MESMO
Modelo de consultor de sistema
SDS-ERA Consultoria e avaliação de alerta de tempestade de areia e poeira
Sistema
QUAL Microscopia Eletrônica de Varredura
E Silício
Taxa de Sujidade Variação Diária na Taxa de Sujidade enquanto Depósitos de Sujidade no PV

Superfície do Módulo
Proporção de sujidade SR Estado atual de sujidade do sistema

RS Resposta Espectral
STC Condições de teste padrão
SUNY Universidade Estadual de Nova York
TODOS Índice de Variabilidade de Sujidade
Voltado para
Temperatura ambiente
TEM Microscopia Eletrônica de Transmissão
TSP Total de partículas suspensas
TPM Total de Partículas Suspensas
VAC Volts de corrente alternada
CCV Volts de corrente contínua
VDI Associação de Engenheiros Alemães, Associação de Engenheiros Alemães

neers
Voc Voltagem de circuito aberto

EM Watt
WD Direção do vento
OMM Organização Meteorológica Mundial

Wp Pico de watts
WS Velocidade do vento
DRX Difração de Raios X

A Coeficiente de temperatura
M Viscosidade Dinâmica do Ar
Um Micrometro
R Densidade de partículas
10
SUMÁRIO EXECUTIVO
Em escala global, a sujeira dos sistemas solares fotovoltaicos (PV) devido à poeira e neve, e a subsequente perda de
rendimento energético, é o fator mais influente que afeta o rendimento do sistema após a irradiância. Especialmente em
regiões áridas, a sujidade pode afectar de forma significativa as grandes centrais fotovoltaicas de grande escala – tornando
necessário mitigar estes efeitos através da limpeza de sistemas inteiros –
e, assim, levando a uma redução de receitas, causada por maiores gastos operacionais e/ou de capital (por exemplo,
para investimentos em revestimentos anti-sujeira [ASC] ou robôs de limpeza e sua manutenção).
Este relatório, portanto, resume aspectos da sujidade de diferentes perspectivas, incluindo tipos de partículas e
distribuições globais (Capítulo 1), mecanismos e fatores contribuintes (Capítulo 2), sensores e técnicas de medição
(Capítulo 3), abordagens de modelagem e resultados (Capítulo 4). ), impactos econômicos (Capítulo 5), estratégias de
mitigação (Capítulo 6) e considerações especiais de instalação e operação para proteção contra neve à medida que os
painéis solares proliferam cada vez mais em latitudes mais altas (Capítulo 7). O relatório destina-se a servir as comunidades
de clientes fotovoltaicos, indústria fotovoltaica, empresas de O&M, investidores, gestores de ativos, desenvolvedores de
equipamentos de teste, empresas de teste, autoridades de padronização e instituições de pesquisa.
O Capítulo 1 (Introdução) fornece uma visão geral dos tamanhos, tipos e distribuições e impactos globais das partículas.
Em particular, pesquisas globais mostram as maiores densidades totais de partículas em suspensão (100-200 µg/m3 ) nas
regiões equatoriais em torno de África e Ásia, não incluindo os efeitos de sombra da neve em latitudes elevadas.
O Capítulo 2 (Princípios Físicos e Químicos de Sujidade) caracteriza os fatores que contribuem para a deposição e adesão
de partículas de poeira no vidro e no módulo fotovoltaico. Partículas de lodo na faixa de 2 µm a 63 µm são os contribuintes
predominantes para a sujidade em climas áridos e semiáridos, como pode ser visto em análises no deserto do Atacama,
no Chile e no Catar. Gravitacional
forças contribuem para tempos de suspensão mais curtos no ar para partículas médias a grandes (>10 µm), enquanto
partículas menores (<5 µm) permanecem no ar por mais tempo devido à turbulência do ar, e partículas muito pequenas (<1 µm)
são facilmente removidos da atmosfera pela chuva e não se depositam. São descritos os processos básicos de formação
de sujeira, como cimentação, envelhecimento capilar e endurecimento, todos com características específicas.
efeitos sobre a gravidade, persistência e resistência à remoção. A formação de orvalho também desempenha um papel
papel, muitas vezes aumentando as taxas de deposição de partículas, conforme ilustrado com um exemplo do deserto do
Atacama, em condições de alta umidade ambiente combinada com resfriamento radiativo de módulos fotovoltaicos devido
à alta emissividade infravermelha do vidro solar. Uma revisão das forças de deposição e adesão afirma que partículas
menores que 10 µm raramente são removidas dos módulos fotovoltaicos pelo vento.
O Capítulo 3 (Detecção de sujeira e neve) fornece informações sobre como medir a sujeira, com que tipo de sensores,
suas métricas e diferentes princípios de operação, que podem ser categorizados em elétricos (corrente e potência de curto-
circuito) e ópticos (processamento de imagem câmeras, LEDs e medições de refletância). Esta informação é crítica para
previsões de futuras taxas de sujidade e prazos de decisão de limpeza. As métricas geralmente incluem uma proporção e
uma taxa de sujidade.
A sujidade nem sempre ocorre de forma homogénea em toda a superfície do módulo ou planta, e
tende a acumular-se nas partes inferiores dos módulos. Em particular, se a sujidade não for distribuída uniformemente, as
medições da corrente de curto-circuito podem subestimar o impacto real da sujidade na potência fotovoltaica. Como tal,
um factor de custo subestimado é a integração de múltiplos monitores de sujidade na infra-estrutura global de monitorização
para dar conta desta heterogeneidade. A norma IEC 61724 "Desempenho do sistema fotovoltaico - Parte 1: Monitoramento"
fornece recomendações sobre quando e onde medir a sujidade no local e com que frequência limpar os sensores para
produzir resultados confiáveis. De uma forma geral, no que diz respeito à medição do sensor de sujidade
11
precisão, mais estudos são necessários para quantificar a incerteza de medição de diferentes produtos de detecção
de sujeira.
O Capítulo 4 (Modelos de Solo e Neve) resume os esforços para desenvolver métodos de modelagem
sujidade com base em diferentes conjuntos de parâmetros. Estes modelos podem ser categorizados como modelos
micro, regionais e macro, e todos têm os seus pontos fortes e fracos. O relatório diferencia entre regressão linear,
semifísica, rede neural artificial e modelos geoespaciais, todos com seus campos específicos de aplicação, vantagens
e desvantagens.
A maioria dos modelos é calibrada em relação a fenômenos locais. Até à data, os modelos aplicáveis globalmente
tendem a prever as tendências corretas para perdas de sujidade mais elevadas, mas correlacionam-se fracamente
com perdas menores. Os modelos de queda de neve também são discutidos e diferenciados em duas categorias de
previsão direta de perda de energia e previsão de cobertura de neve. O Capítulo 4 conclui com um estudo de caso
canadense que estima as perdas de energia previstas por dois modelos de neve diferentes como
preditores do fenômeno de sujidade em altas latitudes. Ainda é necessário mais trabalho para compreender as causas
da discrepância e validar os modelos com mais locais.
Para fornecer uma melhor visão geral das dimensões globais e económicas do problema, o relatório estima as perdas
de energia para centrais fotovoltaicas à escala global no Capítulo 5 (Estimativa de perdas de energia e receitas de
sujidade à escala da concessionária). Estima-se que em 2018, as sujidades causaram uma perda de produção anual
de energia fotovoltaica de pelo menos 3-4%, o que correspondeu a uma perda económica na ordem dos três a cinco
mil milhões de euros. Espera-se que este tipo de perdas se traduzam em 4-5% na produção de energia, levando a
perdas financeiras subsequentes na ordem dos quatro a sete mil milhões de euros até 2023. Isto deve-se a vários
factores. Por exemplo, são instalados mais módulos fotovoltaicos em regiões de elevada insolação, como a China ou
a Índia, que também estão mais expostas à sujidade. O preço reduzido da electricidade em algumas regiões tornará a
limpeza “menos conveniente” porque as receitas da energia recuperada serão menores. E, por último, sob condições
de sujidade idênticas, os módulos mais eficientes estão sujeitos a maiores perdas de energia em comparação com os
módulos fotovoltaicos menos eficientes. Vários modelos económicos foram propostos para identificar o calendário de
limpeza mais adequado sob diferentes restrições, a fim de minimizar perdas de receitas. capítulo 5
e o Capítulo 6 examinam estes tipos de modelos e as promessas que fazem.
Duas categorias de possíveis estratégias de mitigação estão resumidas no Capítulo 6 (Mitigação de Perdas de Sujidade
em Sistemas Fotovoltaicos). A primeira consiste em métodos preventivos, tais como avaliação e planeamento do local,
novos conceitos de módulos e instalações, bem como revestimentos anti-sujidade. métodos de mitigação reativa,
como diferentes tipos de limpeza (com escovas úmidas/secas, robôs de limpeza, limpeza eletrodinâmica, etc.). O
Capítulo 6 também fornece uma visão geral dos modelos genéricos de “Melhor Tempo para Limpar” como ferramentas
de apoio à decisão para desencadear a limpeza. operações no local.
Os sistemas fotovoltaicos em altas latitudes estão proliferando devido ao advento de módulos bifaciais, maior eficiência
do sistema e custos mais baixos. O Capítulo 7 (Sombreamento de Sistemas Fotovoltaicos pela Neve) resume
aspectos do sombreamento de sistemas fotovoltaicos pela neve, com ênfase em fatores de desempenho como
temperatura, irradiância, albedo e sua distribuição global. As áreas de foco para “pesquisa de neve” são então
destacadas, ou seja, avaliação de perdas de neve, modelagem de desempenho e otimização de desempenho, bem
como aspectos de confiabilidade relacionados a tensões de carga termomecânicas.
Essas tensões de carga são exacerbadas por tempestades extremas de inverno e ciclos de congelamento/degelo que
podem rachar as células solares, distorcer as estruturas dos módulos e danificar os revestimentos, resultando em
módulos com baixo desempenho e falhas. O Capítulo 7 define então as métricas de perda de neve e, finalmente,
sugere otimizações de projeto para climas com neve, demonstrando que as escolhas tecnológicas e de projeto
específicas do clima podem levar a ganhos de eficiência mensuráveis. As opções se enquadram em categorias como
arquitetura do módulo (por exemplo, quadro versus sem moldura, encadeamento de células, etc.), tecnologia do
módulo (tamanho da célula, design da célula, bifacial versus monofacial) e, finalmente, design do sistema (orientação
do módulo, altura acima do solo, ângulo de inclinação, design e posicionamento do clipe). Para mitigar as perdas de produção, prometend
12
As considerações para instalações solares de alta latitude incluem módulos sem moldura, ângulos de
inclinação mais acentuados, revestimentos anti-neve, módulos bifaciais e atenção às alturas dos conjuntos
para minimizar o acúmulo de neve nas bordas inferiores dos módulos, entre outros fatores.
13
INTRODUÇÃO
Especialmente em regiões áridas e áreas propensas à neve, o sombreamento causado pela poeira mineral e pela
neve e as subsequentes perdas de desempenho das instalações fotovoltaicas apresentam desafios substanciais
para a indústria fotovoltaica. A mitigação destes efeitos pode levar a uma redução de receitas, causada por maiores
despesas operacionais e/ou de capital (por exemplo, para os investimentos em revestimentos anti-sujidade [ASC]
ou robôs de limpeza e sua manutenção). O crescimento contínuo da indústria fotovoltaica em todo o mundo em
regiões áridas e nevadas requer uma compreensão dos processos de sujidade, dos impactos e das medidas de
mitigação.
A deposição de poeira em superfícies inclinadas – com ou sem revestimentos anti-sujidade – é um fenómeno

complexo e multidimensional. Os parâmetros primários são as condições ambientais locais, como umidade relativa
e ocorrência de orvalho, velocidade e direção do vento, frequência e intensidade da precipitação, tipo de solo e
topografia do terreno [1]. No entanto, também existem efeitos em maior escala, como o transporte de poeira ao
longo de centenas de quilómetros. Outros factores como o uso e a cobertura do solo são exemplos de actividade
antropogénica que tem impacto no potencial de sujidade, por exemplo, pela actividade agrícola.
O tamanho das partículas de poeira sopradas pelo vento está na faixa de 1-100 µm, com PM10 e PM2,5, conforme
mostrado na Figura 1:
Figura 1: Distribuições granulométricas, conforme permissão do TSI.
14
Tamanhos de partículas abaixo de 10 µm ou 2,5 µm, respectivamente, estão entre os melhores substitutos para modelar
sujidade [2], [3], conforme detalhado no Capítulo 4. Sujidade é um problema muito específico do local e pode variar sazonalmente
e anualmente. [4], [2]. Javed e colegas [1] demonstraram que factores ambientais como os mencionados acima têm uma
fraca correlação com o grau diário de sujidade.
A Figura 2 abaixo mostra a variação sazonal da intensidade da poeira transportada pelo ar em todo o mundo. É derivado de
medições de séries temporais de satélite Aerosol-Optical-Depths (AOD). As regiões mais escuras indicam áreas com maiores
densidades de poeira. É notável que as plumas de poeira do Saara sejam
transportado centenas de quilômetros sobre o Atlântico para chegar às Américas.
Figura 2: Densidade total de partículas em suspensão derivada de um ano típico de poeira.
As dimensões globais deste fenómeno e especialmente as perdas de energia e receitas para as instalações fotovoltaicas são
imensas, conforme discutido mais detalhadamente no Capítulo 5.
Olhando mais de perto seus componentes, a sujidade consiste no acúmulo de poeira, sujeira e contaminantes na superfície
de vidro dos módulos fotovoltaicos. Os fatores determinantes da formação de sujeira são as características físicas e químicas
da poeira e os processos conhecidos como cimentação, aglomeração e envelhecimento capilar. A umidade aumenta a adesão
e cimentação de poeira em superfícies fotovoltaicas [5], [6], [7]. O Capítulo 2 explora estes princípios básicos de sujidade.
A camada de sujidade depositada provoca perdas ópticas, reduzindo o número de fótons que atingem as células solares e,
consequentemente, diminuindo o desempenho. As perdas ópticas são devidas à absorvância, refletância e dispersão da luz
incidente devido à presença de poeira (Figura 3) [8]. Estes efeitos podem ser parcialmente mitigados pela aplicação de
revestimentos anti-sujidade (ASC).
15
Figura 3: O impacto na luz incidente proveniente da sujidade num vidro fotovoltaico. Diagrama feito por Al Hicks
(NREL, EUA) e obtido em [9].
O Capítulo 3 “Detecção de sujeira e neve” detalhará as soluções de sensores disponíveis no mercado para avaliar a
quantidade de sujeira em locais fotovoltaicos. Esses sensores têm princípios operacionais bastante diferentes. Idealmente,
os sensores não deveriam necessitar de manutenção, uma vez que muitos locais fotovoltaicos não estarão tripulados nos
próximos anos. A detecção de sujidade pode servir diferentes propósitos, por exemplo, encontrar o melhor momento para
limpar uma instalação ou determinar as perdas do sistema, mesmo numa escala global.
Embora a sujidade não seja reconhecida como uma falha do módulo fotovoltaico [10], o seu efeito prejudicial na redução
da produção elétrica dos painéis solares fotovoltaicos é bem conhecido.
Muitos estudos de caso diferentes em todo o mundo podem ser encontrados na literatura, e vários autores compilaram
extensas listas gerais com estudos de caso [11], [12] que foram ampliados com o mapa de sujidade do NREL (National
Renewable Energy Laboratory) do EUA, NCPRE (Centro Nacional de Pesquisa e Educação Fotovoltaica), casos de sujeira
de J. Josephson e outras fontes disponíveis na literatura. A Figura 4 mostra esses estudos no mapa mundial harmonizado
de solos para latitudes médias1 .
1 http://www.fao.org/soils-portal/soil-survey/soil-maps-and-databases/harmonized-world-soil-database-v12/en/
16
Figura 4: As classes de solos do mundo com estudos de caso de sujidade selecionados.
No entanto, estes estudos são difíceis de comparar e padronizar, uma vez que diferentes métricas podem
ser utilizados, e os estudos são por vezes realizados apenas por um curto período de tempo, por exemplo, várias
semanas. Para comparar estudos de sujidade à escala global, os estudos de sujidade devem ser realizados durante
pelo menos um ciclo completo de crescimento da vegetação para ter em conta os aspectos sazonais e temporais
(ver acima).
Para citar alguns exemplos da literatura,
• Na Europa, as perdas médias diárias de produção em Málaga (Espanha) causadas pela acumulação de
poeira depositada na superfície de um módulo fotovoltaico rondaram os 4,4%, sendo que em longos
períodos secos de acumulação de poeira este valor foi superior a 20%. [13].
• Na Bélgica, a perda de energia situou-se entre 3% e 4% num período de 5 semanas [14].
• Em Creta, as perdas anuais de sujidade foram estimadas em 5,86% [15].
• Na zona rural do sul da Itália, foram encontradas perdas mensais de energia de 6,9% e 1,1% para uma usina
construída em solo arenoso e uma usina construída em solo mais compacto, respectivamente [16].
• No Kuwait, as perdas de sujidade ascenderam a 45,8% durante um período de três meses sem limpeza
em [17].
A poeira depositada nos módulos fotovoltaicos é prejudicial na maioria dos lugares do mundo, especialmente em
áreas áridas [18]. Além disso, as circunstâncias regionais ou mesmo locais podem ter efeitos secundários negativos
– mas por vezes positivos. Por exemplo, em desertos próximos ao oceano, como o deserto do Ata-cama, muitas
vezes aparece uma neblina densa pela manhã. Esta neblina reduz o componente direto
da radiação solar e suporta a adesão com base na propriedade higroscópica da poeira para atrair umidade [8], [19],
[20].
Áreas áridas com ambientes ventosos e empoeirados podem intensificar a sujeira. Por exemplo, estudos
demonstraram que, para regiões áridas, um tempo menor pode levar à mesma redução de desempenho gerada
após meses em regiões com climas mais temperados e tropicais. Nas regiões semiáridas e áridas desérticas, as
chuvas são escassas e não há limpeza natural dos módulos [12].
Numa escala global, as perdas por sujidade representam um problema persistente para os sistemas fotovoltaicos,
com as perdas energéticas e monetárias superando de longe os avanços em novos designs de células e os
recordes mundiais de eficiência.
17
Em seus modelos de eficiência de geração de energia solar, Li et al. [21] combinaram modelagem de desempenho
fotovoltaico com irradiância de superfície limitada por observação por satélite de longo prazo, deposição de aerossóis e
taxas de precipitação. Os seus modelos fornecem uma boa impressão do impacto global destes efeitos na geração
fotovoltaica. A Figura 5 visualiza a redução média do fator de capacidade fotovoltaica (CF) devido a aerossóis atmosféricos
e sujidades. O fator de capacidade fotovoltaico é definido como “a geração anual real dividida pela geração total que
ocorreria se os painéis fotovoltaicos gerassem eletricidade na capacidade nominal durante todo o ano” [21].
Figura 5: Redução média de CFs fotovoltaicos devido a aerossóis, 2003–2014. A inserção (a) mostra o efeito
combinado de aerossóis atmosféricos e sujeira (resultante da deposição de aerossóis em painéis fotovoltaicos).
As inserções (b) e (c) mostram os efeitos devidos apenas aos aerossóis atmosféricos (b) e apenas à sujeira (c).
Pode-se notar que o efeito devido à atenuação do aerossol atmosférico é muito menor que o efeito da sujidade
[21].
Estes estudos mostram que vale a pena prevenir ou mitigar a sujidade, o que requer uma modelização mais precisa, que
está atualmente a ser desenvolvida por diferentes investigadores (Capítulo 4.1
“Modelos de Sujidade”). Além dos esforços de modelação, foram desenvolvidas técnicas anti-sujidade, incluindo produtos
de envidraçamento autolimpantes e revestimentos fotocatalíticos anti-sujidade, na esperança de encontrar o “Santo Graal
da mitigação de sujidade” (Capítulo 6.1.2). O mercado de dispositivos de lavagem e limpeza está em constante
crescimento, com uma forte tendência para a limpeza a seco totalmente robótica, especialmente em regiões com
escassez de água e altas temperaturas ambientes, conforme discutido no Capítulo 6.2.1.
18
Em Agosto de 2021, foi publicado o “Relatório sobre Alterações Climáticas 2021” do IPCC [22], com resumos das
contribuições humanas para as secas agrícolas e ecológicas. A Figura 6 visualiza o
aumento dos eventos de seca em muitas regiões do mundo, o que também contribuirá ainda mais para o aumento da
sujidade.
Figura 6: Mudanças observadas nas secas globais e na contribuição humana, relatório do IPCC 2021 [22].
Uma acumulação fenomenologicamente diferente da poeira – neve e gelo – leva a consequências semelhantes em
termos de perdas de desempenho. No entanto, a neve e o gelo exigem diferentes modelos, mitigação e projetos de
sistemas que também apresentam grandes impactos na confiabilidade dos componentes causados por tensões de
carga mecânica. O Capítulo 7 (Snow Shading of Photovoltaic Systems) fornece um resumo da pesquisa atual sobre
neve no domínio fotovoltaico, complementado por estudos de caso do Canadá.
19
PRINCÍPIOS FÍSICOS E QUÍMICOS DE SUJEIRA
2.1 Natureza Física e Química da Poeira

Extensas revisões e artigos científicos apresentaram as propriedades físicas e químicas da poeira em áreas urbanas e
desérticas e seu impacto nas usinas fotovoltaicas [12], [23], [24]. Esta seção discute a natureza física e química das
partículas de poeira, sua morfologia, química e composição. Iremos nos concentrar principalmente em áreas desérticas
devido aos altos níveis de irradiância e ao crescimento de usinas fotovoltaicas nessas áreas.
2.1.1 Tamanho de Partícula
O tamanho das partículas de poeira é um parâmetro fundamental nos mecanismos de deposição de sujeira que afetam
usinas fotovoltaicas. Os tamanhos das partículas podem variar em várias ordens de grandeza, conforme mostrado na Figura 1.
O tamanho das partículas também varia de local para local. Vários estudos analisaram o tamanho das partículas de poeira
para diferentes instalações fotovoltaicas. Como o tamanho das partículas de poeira está relacionado às propriedades do
solo, vários estudos são encontrados em diversas disciplinas (não apenas em PV), onde podem ser encontradas
informações importantes sobre o tamanho das partículas.
A microscopia eletrônica de varredura (MEV) é normalmente usada para caracterizar tamanhos de partículas acima de 0,2
µm [25]. Lawrence e Neff [26] apresentam uma classificação de tamanho de partícula, onde as partículas são definidas
como argila (<2 µm), silte fino (2–20 µm), silte grosso (20–50 µm), areia fina (50–125 µm) e areia média (125–250 µm). Mas
nem todas as partículas contribuem para a sujidade, uma vez que a inércia é uma limitação significativa para partículas
maiores que 500 µm e, portanto, estas partículas maiores geralmente não sobem e são menos afetadas pelo vento [27].
Como o mecanismo de deposição de partículas de poeira depende principalmente do tamanho das partículas, Mohan
[25] revisaram a influência do tamanho na deposição de partículas de poeira e descobriram que partículas grandes (>150
µm) permanecem no ar por um período muito curto. A gravidade tem um impacto maior em partículas grandes (>10 µm)
porque partículas menores (<5 µm) são mais afetadas pela turbulência do ar. As menores partículas (<1 µm), por sua vez,
são facilmente removidas pela chuva e não se depositam [25].
As partículas de tamanho de lodo na faixa de 2 µm a 63 µm são os contribuintes predominantes para a sujidade em climas
áridos e semiáridos, embora partículas maiores também possam ser levantadas devido a ventos mais fortes
[23]. A partir de análises realizadas em poeira coletada em vários locais do deserto do Atacama, Chile, 98% de todas as
partículas são menores que 50 ÿm [28], com um fator de forma médio entre 1,2 e 1,5. Partículas de tamanho de lodo são a
categoria predominante tanto para o deserto costeiro quanto para o interior
locais desérticos [29]. Da mesma forma, no Qatar, o tamanho predominante da poeira presente nos módulos fotovoltaicos
estava entre 10 e 30 µm [30].
Em outro lugar, concluiu-se que partículas mais finas afetam a eficiência fotovoltaica mais consideravelmente do que
partículas mais grossas [31], e que foi prevista uma redução de até 33% na corrente para uma concentração de poeira de
4,25 mg/cm2 [18]. Portanto, é difícil tirar conclusões sobre o tamanho das partículas de poeira que mais afetam o
desempenho fotovoltaico. Mostramos que muitos parâmetros naturais afetam a faixa granulométrica, e suas propriedades
físicas são influenciadas pela localização, e até mesmo pela influência humana, uma vez que os resultados publicados
também dependem da metodologia de captura, superfície de acumulação (vidro), distância ao a fonte, etc. Em PV ainda
não existe outra solução além da mitigação, incluindo limpeza manual, semiautomática ou automática.
Composição química
As instalações fotovoltaicas de grande porte e de pequeno porte sofrem sujeira em todo o mundo devido a fontes naturais
(por exemplo, desertos) ou devido a atividades antrópicas, como mineração, indústria, agricultura,
20
etc. Assim, a natureza química e o tamanho da poeira eólica variam fortemente dependendo da localização do
conjunto fotovoltaico e de parâmetros naturais, como a fonte da poeira, o vento, os efeitos gravitacionais, etc., como
mostrado na Figura 1. As partículas provenientes de fontes industriais podem incluir concreto, fibra de vidro, fibras de
carbono e tijolos, entre outros elementos provenientes de fontes de construção.
As fontes naturais podem incluir pólen, bactérias, emissões vulcânicas e muito mais. As fontes urbanas podem incluir
carbono, fumaça de óleo, escapamento de motores diesel e outros poluentes. A poluição proveniente de fontes de
contaminação é um fator significativo que influencia a quantidade de sujeira e o esforço necessário para limpar os
ativos fotovoltaicos [32], [33].
Para compreender a natureza química da poeira, é necessário considerar que a areia pode vir de diferentes fontes e
locais devido ao transporte eólico que pode variar em escala desde local (cem metros) até global (milhares de
quilómetros) [34]. Uma forma de garantir uma análise precisa é coletar amostras de poeira e analisá-las seguindo um
protocolo padronizado. Esta informação poderia ser usada para avaliar o procedimento de limpeza de usinas
fotovoltaicas no plano de O&M, para compreender o impacto da poeira no processo de degradação dos painéis
fotovoltaicos e, mais importante, para avaliar as perdas de potência de saída.
Muitos estudos examinam os vários fenômenos que influenciam o rearranjo, a formação de agregados e o acúmulo de
poeira. No entanto, o aspecto químico raramente é discutido, apesar de ser a causa raiz da sujidade.
As seções posteriores deste capítulo descrevem os fenômenos de aglomeração. Em suma, os compostos intersticiais
na forma de plaquetas preenchem os espaços entre as partículas e a superfície do vidro (Figura 9). Detalhes adicionais
podem ser encontrados no Apêndice. Num caso do deserto do Atacama [35], estas plaquetas eram minerais de
caulinita. Porém, o processo químico de formação Al2Si2O5(OH)4 deste mineral não foi explicado.
Gesso CaSO4(H2O)2 e Palygorskita (Mg,Al)2Si4O10(OH)(H2O)4 também formam fortes pontes cristalizadas. Este
fenômeno de aglomeração é denominado cimentação. Mas a formação deste mineral ou suas interações com alguns
elementos da superfície do vidro não são explicadas detalhadamente. O objetivo deste capítulo não é listar todas as
fórmulas e equações químicas possíveis, mas fornecer uma visão geral dos principais fatores químicos que induzem o
acúmulo de poeira e
aumentar a dificuldade de limpá-lo.
As seções posteriores também destacam o papel predominante da água no processo de sujidade. Para compreender
os seus efeitos, devemos primeiro considerar duas propriedades químicas: solubilidade e higroscópica. A solubilidade
corresponde à capacidade de um material atrair e reter moléculas de água do meio circundante. O comportamento
higroscópico se manifesta através de adsorção,
ou seja, atração e retenção de moléculas de água na superfície, ou absorção, ou seja, penetração nos poros do
material. Via de regra, parte da poeira encontrada nos módulos fotovoltaicos é composta de sais, o que indica
compostos iônicos. Muitos desses compostos iônicos são metaestáveis e apresentam solubilidade significativa em
água. Uma vez em solução, eles se dissociam em componentes aniônicos e catiônicos. Esses componentes ou
elementos iônicos irão interagir entre si para formar novos compostos insolúveis, causando assim a pega e o
endurecimento do material.
Portanto, esta característica de solubilidade é um fator químico. O Apêndice 1 resume algumas famílias de minerais
com altos níveis de solubilidade ou que são altamente higroscópicos.
Identificação Mineral
A composição da mineralogia da poeira pode variar muito de acordo com a localização geográfica. Partículas finas de
minerais podem viajar com o vento no nível da troposfera por distâncias muito longas. Por exemplo, o fenómeno
climático “El Niño” faz com que as partículas minerais mais finas sejam levantadas do deserto do Saara e viajem sobre
o Oceano Atlântico, agregando-se com partículas orgânicas e depois
21
caindo no continente sul-americano, contribuindo assim para a fertilização da Amazônia

Floresta tropical. Mas a situação local também pode influenciar esta composição mineral; a poluição
urbano-industrial, o tráfego rodoviário, os locais de mineração ou construção, ou a agricultura intensiva
geram partículas transportadas pelo ar, as mais pesadas das quais viajam apenas alguns metros ou
quilómetros. A análise da composição da poeira transportada pelo ar é complexa e demorada. A
suposição simplificadora, aceita pela comunidade científica, é que esta composição está fortemente
ligada à composição da poeira moída. Com base nessa suposição, a grande investigação de
Engelbrecht et al. [36], que coletou e analisou poeira de mais de 60 locais terrestres diferentes em todo
o mundo, fornece uma boa visão geral das composições minerais esperadas.
Carbonatos
A pesquisa de Engelbrecht et al. mostra que 62% da massa global de poeira mineral transportada pelo ar é emitida pelo
Norte da África, enquanto 15% vem da Ásia e 11% da Península Arábica.
No Deserto do Atacama, por exemplo, as composições minerais da poeira coletada do solo e do vidro
modular continham diversos minerais, como albita (NaAlSi3O8), anortita (CaAl2SiO8), calcita (CaCO3),
cristobalita (SiO2), gesso (CaSO4 ·2H2O), halita (NaCl), quartzo (SiO2), muscovita KAl2(AlSi3O10)
(OH)2 e ortoclásio (KAlSi3O8) [28]. Outro estudo realizado no mesmo local constatou que a poeira
coletada era formada por minerais como quartzo (SiO2), sulfatos de gesso/bassanita (CaSO4 ·2H2O /
2CaSO4 ·H2O), albita/feldspatos e quantidades muito pequenas de muscovita. , anfibólio, clorita,
hematita e clinocloro [23]. Em Yungay, perto das instalações ATAMOSTEC (um local no deserto do
Atacama), outro estudo descobriu que a poeira contém principalmente quartzo, argila (ilita,
montmorilonita), gesso, anidrita, plagioclásio, calcita, ortoclásio, biotita e anfibólio [36 ].
Poeira no vidro
As soluções de poeira atacam a superfície do vidro enquanto alteram a textura da superfície e os

estados vibracionais moleculares na região da superfície. Além disso, a difusão do potássio na região
superficial causa o endurecimento superficial, ao mesmo tempo que aumenta a microdureza superficial do vidro.
A transmitância óptica do vidro diminui após a remoção da lama; esta redução está associada a (i)
resíduos de lama que permanecem após a limpeza da superfície do vidro e (ii) alterações químicas na
superfície do vidro devido aos ataques de hidróxidos alcalinos e alcalino-terrosos. O trabalho de adesão
e coesão necessário para remover a lama do vidro é maior que o trabalho de fricção realizado contra a
superfície do vidro [24].
Foi fornecida uma visão geral dos fatores macroscópicos, controláveis e microscópicos que influenciam
a sujidade [23] (ver Figura 7). Uma discussão detalhada desta figura é fornecida no Apêndice 3.
22
Figura 7: Complexidade do processo de sujidade devido a muitos fatores de influência com

variação no tamanho das partículas e tempo de deposição [23].
No nível microscópico, as propriedades da poeira transportada pelo ar têm uma influência significativa.
Essas propriedades, incluindo distribuição de tamanho, forma e composição química e mineralogica,
podem variar muito de um local para outro. A sujidade é atribuída principalmente a partículas transportadas
pelo ar com diâmetros entre 2 e 63 µm, uma vez que partículas maiores são demasiado pesadas para
serem levantadas e transportadas no ar. Além disso, assume-se que existe uma correlação entre a
distribuição de tamanho no ar e a distribuição de tamanho de partícula de poeira depositada em módulos
fotovoltaicos. Dependendo da localização específica, pode haver uma grande diferença na composição do
pó mineral, especialmente no que diz respeito às proporções individuais dos principais constituintes como
quartzo, calcita, dolomita, caulinita ou hematita. A composição mineralógica das partículas pode influenciar
fortemente o comportamento óptico e as correspondentes perdas de transmissão [12], [37], [38], [39]. Além
disso, as perdas de transmissão de luz causadas pela poeira acumulada nas superfícies de vidro são
fortemente influenciadas pela distribuição do tamanho das partículas, dependendo do nível de irradiância [40].
2.2 Cimentação, endurecimento e envelhecimento capilar A

água é o fator comum na cimentação, endurecimento e envelhecimento capilar, que podem ser o resultado
de reações físicas e químicas ou simplesmente de consequências físicas.
2.2.1 Cimentação
Em condições de alta umidade ou abaixo do ponto de orvalho, a cimentação ocorre quando frações
solúveis da poeira depositada são parcial ou completamente dissolvidas pela água presente na superfície
do módulo fotovoltaico. Além da dissolução de alguns compostos iônicos como cloreto de sódio (NaCl) ou
minerais como gesso (CaSO4(H20)2), isso também poderia envolver a hidrólise de silicatos e carbonatos
incluídos no próprio vidro do módulo fotovoltaico. Esta hidrólise é promovida pelos ácidos carbônico,
sulfúrico ou nítrico, que normalmente estão presentes em filmes de água em superfícies externas devido a
23
dissolução de CO2, SO2 ou NO2 transportados pelo ar. Mais detalhes sobre esses fenômenos estão em
várias publicações [41], [42], [43].
Durante o processo de secagem subsequente, o material dissolvido precipita, causando a formação de

pontes sólidas cristalizadas entre frações não dissolvidas ou minerais insolúveis e a superfície do vidro,
conforme mostrado na Figura 8.
Figura 8: Imagens SEM de partículas depositadas em substrato de vidro em configuração de orvalho,

à esquerda em baixa ampliação, à direita em alta ampliação.
Essas pontes sólidas resultam em maior adesão de partículas [23], [5], [44], [45], [46].
2.2.2 Endurecimento
A aglomeração é o rearranjo, agregação e compactação de partículas que ocorre quando as partículas

aderem durante condições úmidas, como eventos de orvalho (Figura 9). Este processo de aglomeração de
partículas pode ser ilustrado por processos de sujidade observados em amostras de vidro expostas ao ar
livre no deserto do Atacama, no Chile [35].
Figura 9: Imagens SEM de partículas maiores de poeira, que ficaram endurecidas na superfície do
vidro [23].
24
2.2.3 Envelhecimento Capilar
Quando as pontes líquidas entre as partículas e as superfícies estão secando, as forças capilares correspondentes
pressionam as partículas contra a superfície, resultando em uma maior área de contato efetiva e adesão [47].
Conseqüentemente, as forças de adesão – como as forças de van der Waals – podem aumentar significativamente
após a secagem.
O processo de envelhecimento capilar pode ocorrer mesmo se não for detectada formação macroscópica de orvalho,
porque filmes de água nano e microscópicos podem se formar entre partículas e superfícies em baixos níveis de
umidade relativa devido à condensação capilar [45].
2.3 Mecanismos de sujidade acionados por orvalho
A formação de orvalho em módulos fotovoltaicos é frequentemente relatada em diferentes locais desérticos (Figura 10).
Este fenômeno pode ser atribuído à alta umidade ambiente, mas também ao resfriamento radiativo dos módulos
fotovoltaicos. Este resfriamento se deve à alta emissividade infravermelha do vidro solar.
Figura 10: Conjunto de dados típico para umidade relativa e temperaturas de módulos fotovoltaicos,
temperatura ambiente e ponto de orvalho calculado durante três noites em outubro de 2015 nas instalações de
testes solares, Doha [23].
A Figura 11 mostra um conjunto de dados de modelo para temperaturas no deserto do Atacama, que demonstra que
à noite a superfície frontal dos módulos fotovoltaicos esfria abaixo da temperatura ambiente, especialmente durante
céus claros. Este fenômeno é descrito em muitos artigos [1], [48], [49], [41], [23].
25
Figura 11: Simulação do ciclo de temperatura e umidade de um dia inteiro no Deserto do Atacama.
Na Figura 11, a temperatura ambiente (Tamb) e o percentual de higrometria (%Hr) são as médias
das medidas diárias para cada hora durante um ano.
A temperatura no vidro do módulo fotovoltaico (Tglass) é calculada assumindo que esta
temperatura é semelhante à temperatura das células dentro do painel.
° ° ÿ 20
= + × (1)
80
Onde:
• NOCT é a temperatura normal da célula operacional especificada no mod-

rótulo da regra.
• S é a irradiância solar no plano do conjunto. Esta irradiância é a média calculada da

irradiância diária para cada hora durante um ano.
À noite, a temperatura do vidro depende principalmente dos fenômenos de resfriamento radiativo.
O Instituto de Investigação francês CEA-INES monitoriza várias instalações fotovoltaicas e
constatou-se que, em média, logo após o pôr do sol, a temperatura do vidro cai rapidamente para
-3°C abaixo da temperatura ambiente e diminui ainda mais para -7°C pouco antes nascer do sol.
Este modelo aproximado poderia ser melhorado tendo em conta as condições meteorológicas, que
têm um impacto direto nas características do céu claro e, portanto, nos fenómenos radiativos.
Assim que a temperatura do vidro atinge o ponto de orvalho, a água condensa nele. Este ponto de
orvalho pode ser calculado usando a seguinte Equação 2:
+
= (+ )
(2)
+
ÿ (+ )
Onde:
• a= 17,27, adimensional
• b= 237,7°C
26
• UR: umidade relativa em [%]
A água condensada pode aumentar a taxa de deposição de partículas. Além disso, uma vez que o orvalho está presente na
superfície do módulo fotovoltaico, a água pode interagir com partículas de poeira e com a superfície do vidro,
até que evapore durante o dia, quando as temperaturas da superfície dos módulos fotovoltaicos sobem para níveis elevados.
Além de aumentar temporariamente as forças capilares, a interação das partículas de água promove diferentes processos
com aumento permanente da adesão das partículas, como cimentação, aglomeração de partículas e envelhecimento capilar,
conforme descrito anteriormente.
2.4 Revisão de Umidade na Sujidade

Como já mencionado, a sujidade é um fenómeno complexo governado por parâmetros inter-relacionados.
A adesão das partículas é principalmente o resultado da capilaridade, aglomeração e cimentação. Em cada um desses
processos, a umidade desempenha um papel fundamental. Alguns estudos têm procurado correlacionar a composição
química das partículas de poeira e os mecanismos de adesão física química. O objectivo deste capítulo é dar uma visão
geral dos diferentes fenómenos causados pela humidade em todo o processo de sujidade. Uma visão geral das diferentes
forças de adesão é apresentada no Capítulo 2.5.
• A força gravitacional que atua sobre uma partícula de poeira depende da massa da partícula,
que pode aumentar devido à entrada de umidade.
• As forças capilares ocorrem na presença de umidade. Uma fina camada de água cobre a superfície do módulo,
e as forças capilares resultantes são uma combinação de duas condições: tensão superficial e uma
diferença de pressão entre o ar e a água que circunda as partículas, causando “menisco de água”. Como
resultado, as forças capilares da água fazem com que as partículas adiram à superfície do módulo.
• As forças de Van der Waals são dominantes em umidade relativa muito baixa. Van der Waals
forças surgem da atração interatômica. Assim, podem ocorrer forças interatômicas entre as partículas de poeira
e a superfície, levando a um aumento da adesão. A água atua como uma barreira física entre essas partículas,
diminuindo ou mesmo anulando as forças de atração resultantes.
• As interações eletrostáticas são causadas principalmente pela colisão entre partículas transportadas pelo ar.
Eles fornecem uma carga elétrica e, portanto, produzem atração ou repulsão eletrostática. Como há menos
vapor de umidade no ar, a ESD (Descarga Eletrostática) é mais comum em ambientes com baixa umidade
relativa. Normalmente, a umidade transportada pelo ar ajuda a dissipar a eletricidade estática. A água é
condutora, o que permite que a eletricidade viaje livremente pelo ar e minimiza o acúmulo de ESD. • A
aglomeração é um mecanismo que envolve água. Gotículas de água que fluem na
superfície do módulo
face pode arrastar partículas e juntá-las, formando agregados. Partículas pequenas também podem preencher os
interstícios entre partículas maiores. Isto resulta na formação de uma estrutura mais coesa e as partículas
pequenas atuam como componentes “aderentes” entre a superfície e as partículas maiores.
• A cimentação é um dos mecanismos mais relatados que explica a adesão do pó.

As reações químicas formam um novo composto que cristaliza e cobre as partículas de poeira, criando pontes
sólidas entre elas e a superfície, o que aumenta drasticamente a adesão. Ilse et al. [23] analisou e identificou o
papel principal do mineral
paligorsquita no processo de sujidade no Qatar. Palygorskita, que tem uma forma semelhante a uma agulha
forma (Figura 12), é provavelmente o resultado de um processo de dissolução-precipitação.
A palygorskita primeiro se dissolve na água produzida pela condensação, depois a evaporação permite sua
recristalização.
27
Figura 12: Estrutura da agulha de palygorskita, imagens SEM [50].

O processo de cimentação também foi destacado em uma área do Deserto do Atacama [29].
Este estudo revelou partículas com sílica recobertas por partículas em forma de gesso. Este
encapsulamento de partículas pelo gesso aumenta a fixação do pó e favorece a sujidade. Este resultado
também sugere um processo de dissolução-recristalização como a palygorskita, o que é corroborado
pela forma prismática do gesso monoclínico. Mesmo que o processo exato de formação ainda não
esteja claro, é óbvio que a umidade desempenha um papel essencial.
2.5 Visão Geral das Forças de Deposição e Adesão de Partículas: Van

der Waals, Forças Capilares, Eletrostáticas e Gravitacionais
A taxa na qual as partículas de poeira se acumulam na superfície fotovoltaica pode ser considerada o
resultado líquido dos três processos a seguir [30]:
1. Deposição: partículas da atmosfera impactando a superfície

2. Recuperação: recuperação imediata da superfície sem aderir
3. Ressuspensão: posteriormente sendo ressuspensa pelo vento
= - -
(3)
A deposição de partículas é controlada principalmente pela gravidade (sedimentação) e turbulência do fluxo de ar
(deposição inercial). Se a velocidade do vento estiver acima de aproximadamente 3 m/s, a taxa de deposição de
partículas pode ser explicada adequadamente apenas pela sedimentação. Este processo de sedimentação pode
ser modelado aproximadamente pela velocidade de sedimentação de Stokes na Equação (4:
= 2
/18m (4)
Onde
• ÿ: densidade de partículas
• d: diâmetro da partícula
• g: aceleração gravitacional • µ:
viscosidade dinâmica do ar
A taxa de fluxo de deposição para cada categoria de tamanho de partícula é obtida multiplicando-se essa
velocidade pela concentração de partículas desse tamanho no ar. Não existe um modelo preditivo amplamente utilizado
para o rebote de partículas. Teoricamente, prevê-se que as partículas ricocheteiem na superfície se a
sua energia cinética no impacto exceder o trabalho de adesão entre a partícula e a superfície. Portanto,
espera-se que a fração de rebote seja maior para partículas grandes, alta velocidade do vento e baixa
umidade. Para a ressuspensão (remoção de partículas pelo vento), são considerados três mecanismos
diferentes: rolamento, deslizamento e levantamento direto.
As forças típicas de adesão de partículas incluem aquelas listadas abaixo em ordem decrescente de importância:
28
• Forças capilares para hidrofílico (ângulo de contato = 0°) e hidrofóbico (ângulo de contato >
150°) propriedades da superfície do vidro;
• Forças de Van der Waals para uma superfície de vidro lisa e rugosa;
• Gravidade (peso da esfera);
• Forças eletrostáticas assumindo carga média de partículas no equilíbrio de Boltzmann.
Além disso, os possíveis modos de desprendimento em caso de vento forte (>10 m/s ou 36 km/h) incluem:
• Rolamento
• Deslizar
• Decolar
Surpreendentemente, em comparação com as forças de adesão capilar e de van der Waals, as forças gravitacionais
e eletrostáticas podem ser omitidas. Podemos também concluir que as forças de deslizamento e rolamento
aumentam consideravelmente dependendo do tamanho das partículas. A força de elevação é insignificante quando
as partículas têm um diâmetro inferior a 50 µm.
Figura 13: a) Ilustração esquemática e simulação de adesão e remoção de partículas para uma esfera de
SiO2 em vidro solar. b) As forças de adesão e de remoção (linhas tracejadas) são mostradas em função do
diâmetro da partícula [23].
A escala de tamanho da rugosidade é muito importante: as asperezas devem ser significativamente menores que o
diâmetro da partícula (cerca de três ordens de grandeza) para reduzir a adesão. As partículas podem ficar presas
em superfícies cuja rugosidade superficial seja comparável ao tamanho das partículas.
Em ambientes úmidos, as forças de van der Waals diminuem consideravelmente devido à redução da constante
de Hamaker pela água intersticial.
29
As ligações de pontes sólidas, incluindo ligações químicas, bem como emaranhados, como
intertravamentos mecânicos, são excluídas na comparação das forças de adesão (Figura 13), mas
podem ser consideradas como ordens de magnitude superiores aos valores fornecidos para capilar e
van der Waals. forças [45]. Estas pontes sólidas desempenham um papel essencial no fenômeno da
cimentação, que envolve interações químicas bastante complexas.
As faixas de força simuladas apoiam fortemente a afirmação de que partículas menores que 10 µm
raramente são removidas pelo vento [47].
30
SENSORIZANDO SUJEIRA E NEVE
A sujeira é um problema específico do local que causa perdas reversíveis de potência e energia em sistemas
fotovoltaicos em todo o mundo. Se não for adequadamente combatido, pode levar a perdas significativas de receitas
e, nos piores casos, até mesmo transformar lucros em perdas económicas. Em contraste com os problemas
irreversíveis de fiabilidade e desempenho da energia fotovoltaica, a sujidade pode ser mitigada através de uma
série de soluções descritas no Capítulo 6, embora a mitigação da sujidade tenha de ser adaptada às condições
específicas de cada local, que também podem mudar com o tempo.
Na verdade, a sujidade não só varia de local para local, mas pode ter efeitos diferentes em sistemas localizados
nas proximidades e, em algumas circunstâncias, também em diferentes partes do mesmo sistema. Além disso, a
taxa de sujidade e a frequência dos eventos naturais de limpeza, como as chuvas, podem mudar com as estações
e os anos. Por todas estas razões, e devido ao elevado valor económico associado às perdas, é fundamental medir
e monitorizar continuamente o nível de sujidade numa central fotovoltaica. Isto pode ser feito através de uma gama
de soluções disponíveis comercialmente e através do monitoramento da produção da planta fotovoltaica e de como
ela evolui com o tempo.
As medições destes sensores de sujidade podem então ser utilizadas para determinar o momento mais rentável
para limpar (ver Capítulo 6.3).
Este capítulo está estruturado da seguinte forma. Primeiro, no Capítulo 3.1, são descritos os índices mais comuns
usados para quantificar o efeito da sujidade no desempenho do módulo fotovoltaico. No Capítulo 3.2 são listados os
sensores de sujidade e neve atualmente disponíveis. Idealmente, a sujidade também pode ser extraída a partir de
taxas de desempenho, mas os efeitos da sujidade nos sensores de irradiância têm de ser estimados neste caso,
conforme detalhado no Capítulo 3.2.3.
3.1 Métricas de Sujidade

Normalmente, o perfil de sujidade de um sistema fotovoltaico pode ser descrito como uma alternância de períodos
de deposição de sujidade e eventos de limpeza. A sujidade ocorre na superfície dos módulos fotovoltaicos em taxas
que são afetadas por fatores como partículas, velocidade do vento e humidade relativa (Capítulo 2), e a sujidade é
removida pela chuva ou por outros eventos de limpeza natural. Por esta razão, a sujidade deve ser descrita por pelo
menos duas métricas: uma para quantificar as perdas atuais e uma segunda para
descrever a variação diária das perdas por deposição e ressuspensão de sujidade. Enquanto a primeira métrica
(comumente chamada taxa de sujidade) avalia o estado atual do sistema, a outra métrica (comumente chamada
taxa de sujidade) pode ser usada em combinação com padrões de eventos de limpeza para prever perdas num
futuro próximo.
A taxa de sujidade é definida pela norma IEC-61724 como a relação entre a potência de um conjunto fotovoltaico
em condições de sujidade e a potência do mesmo conjunto fotovoltaico em condições limpas. Tem valor um em
condições sem sujeira e diminui à medida que a sujeira se acumula, reduzindo a saída elétrica dos módulos
fotovoltaicos. Uma taxa de sujidade igual a zero ocorre se a sujidade estiver a bloquear toda a luz de atingir a
célula fotovoltaica. A perda fracionária devido à sujidade (isto é, a perda de sujidade, também definida como “Nível
de sujidade” na IEC-61724) pode ser calculada como um menos a taxa de sujidade. A taxa de sujidade tem sido
utilizada para expressar o impacto diário, sazonal ou anual da sujidade no rendimento energético. Além disso,
dependendo da aplicação, foi calculado como uma média ponderada pela irradiância para dar maior influência à
sujidade que ocorre durante os períodos de maior intensidade de irradiância. Na literatura podem ser encontrados
índices semelhantes à proporção de sujidade, incluindo “Índice de Limpeza”, “Fator de Sujidade” ou “Fator de Perda
de Sujidade”. Eles são todos baseados no mesmo conceito (ou seja, comparar a saída real e esperada de um
dispositivo fotovoltaico), embora os dados usados para seu cálculo possam diferir.
31
O impacto elétrico da sujidade muda com a hora do dia (Figura 14) devido à variação do ângulo de incidência
e dos componentes da luz [13]. As normas IEC-61724 recomendam medir a sujidade dentro de duas horas
antes do meio-dia solar (se os dispositivos fotovoltaicos forem fixos) ou para ângulo de incidência <~35° (se
os dispositivos fotovoltaicos forem rastreados). Considerar apenas as horas centrais do dia também limita o
potencial viés devido a desalinhamentos e a sombreamentos matinais ou noturnos [51], [52]. Por outro lado,
alguns autores têm utilizado dados de 24 horas, pois esta abordagem fornece uma medida mais direta do
impacto da sujidade no rendimento energético do módulo fotovoltaico.
[53].
Figura 14: Variação temporal das taxas de sujidade registadas em passos de um minuto. Os valores
médios diários são marcados pelos marcadores grandes [51].
Na maioria dos casos, a taxa de sujidade é aproximada como a relação entre a corrente de curto-circuito de
um dispositivo fotovoltaico sujo e de referência, em vez de ser calculada a partir da energia ou das saídas de
potência. Quando todas as células de um módulo fotovoltaico estão uniformemente sujas, a corrente de
curto-circuito corrigida pela temperatura é proporcional à potência de saída. Porém, chuva leve ou
condensação podem causar limpeza parcial dos módulos inclinados e acúmulo de sujeira na fileira inferior de
células. Neste caso, a sujidade também afecta a forma da curva IV do módulo fotovoltaico, reduzindo a
corrente de curto-circuito e a potência máxima por factores diferentes. Em particular, se a sujidade não for
distribuída uniformemente, as medições da corrente de curto-circuito podem subestimar o impacto real da
sujidade na potência fotovoltaica. Esta subestimação ocorre quando uma série de células sujas é
aberto pelo diodo de bypass, resultando em perda de potência, mas não em alteração da corrente de curto-
circuito do módulo [54], conforme mostrado na Figura 15.
32
Figura 15: IV Características de diversas condições e padrões de sujidade para módulo de Si cristalino [55].
(a) e (d) condições de limpeza; (b) e (c) condições de sujidade “uniformes”; (e) e (f) sujidades não uniformes
nas laterais e na parte inferior da moldura; (g) sujidade elevada e não uniforme nas laterais e cantos; (h)
mancha cobrindo várias células próximas ao centro do módulo com acúmulo de borda de alto nível.
A segunda métrica comum usada na análise de sujidade é a taxa de sujidade, que descreve a variação diária na
taxa de sujidade enquanto a sujidade se acumula na superfície do módulo fotovoltaico. É expresso como %/dia e
convencionalmente relatado como negativo. Uma taxa de 0%/dia indica que a taxa de sujidade não está a mudar e
geralmente ocorre se não houver depósito de sujidade. Quanto mais acentuado for o perfil da taxa de sujidade,
maior será o valor absoluto da taxa de sujidade. Normalmente, a taxa de sujidade é assumida como constante
entre os eventos de limpeza, mesmo que alguns autores tenham sugerido que os perfis de perda de sujidade
possam seguir uma função exponencial [56] ou que possam ser modelados com mais precisão através de múltiplas
funções lineares.
A forma mais comum de calcular a taxa de sujidade é determinar a inclinação do perfil de sujidade entre os eventos
de limpeza e isto pode ser feito utilizando uma regressão de mínimos quadrados
[57]. No entanto, descobriu-se que esta abordagem é potencialmente tendenciosa por valores discrepantes e
eventos de limpeza não contabilizados. O estimador de Theil-Sen e uma regressão de mínimos quadrados
ponderada biquadrada foram empregados em estudos anteriores para superar esse problema [58], [59]. Além
disso, Deceglie et al. [58] e Besson et al. [59] sugeriram calcular as taxas de sujidade apenas para períodos de
pelo menos 14 dias sem eventos de limpeza, para evitar ajustar tendências a um número limitado de pontos de
dados. Métricas adicionais estão disponíveis na literatura como alternativa à taxa de sujidade, como a mudança no
índice de limpeza [53].
Na maioria dos casos, uma única taxa de sujidade é identificada para cada local fotovoltaico e considerada
constante ao longo do ano. Isto pode ser determinado como a taxa de sujidade do período seco mais longo [57],
ou como a mediana das encostas de todos os períodos secos [58]. Este valor pode então ser utilizado, em
combinação com os padrões de precipitação ou eventos de limpeza natural, para gerar o perfil de perda de sujidade
do local investigado. Recentemente, foi sugerida a utilização de taxas de sujidade mensais (e não anuais) ou, pelo
menos, o cálculo de uma taxa média anual de sujidade, ponderada de acordo com a duração de cada período
seco, como forma de melhorar a caracterização da sujidade e da sua sazonalidade em um local [60].
33
3.2 Visão geral do mercado de sensores de sujeira e neve
3.2.1 Monitoramento de Sujidade
Existem variações sazonais distintas de sujidade [61], conforme mostrado na Figura 2. Com esta variação sazonal, faz
sentido monitorizar continuamente a sujidade ao longo do ano. A localização e os fatores ambientais determinam como a
concentração de partículas na atmosfera e, portanto, a deposição de poeira, mudam ao longo do ano. Os diferentes locais
podem afetar o grau de sujidade, uma vez que diferentes tipos de poeira transmitem diferentes espectros de luz [30]. A
composição do solo
da localização contribui para o tipo de poeira na superfície do módulo e, portanto, para o espectro de transmissão de luz.
Algumas partes do mundo terão taxas médias de sujidade mais elevadas do que outras regiões. Isto deve-se em grande
parte às condições meteorológicas prevalecentes [62], com áreas mais áridas susceptíveis de apresentar taxas de
sujidade mais elevadas.
Uma das principais mensagens de uma investigação da literatura é que as taxas de sujidade podem variar muito de local
para local, bem como sazonalmente. Por exemplo, em dois locais nos EUA, as taxas de sujidade podem chegar a 11,5%
por mês em áreas agrícolas intensas [63]. Existe também uma ligação com a actividade humana, sendo as taxas de
sujidade nas áreas agrícolas significativamente mais elevadas do que nos desertos naturais.
Tabela 1: Taxas de sujidade por mês (%/mês) [63].
Tipo de região Inverno Primavera Verão Outono
Deserto Natural 0-1,2 0,8-2,0 0,9-1,1 0-1,0
Agrícola Seca 0,3-3,6 1,3-5,5 2,2-10,9 0-11,5
A maioria dos estudos sobre sujidade cobre períodos de curto prazo, de dias a alguns anos [64]. No entanto, estes
os dados indicam que há variação sazonal na sujidade dos módulos fotovoltaicos. Ao prever as taxas de sujidade, é
necessário ter em conta que os dados de sujidade médios anuais, ou mesmo mensais, podem não ser suficientes para
garantir a precisão. Para complicar ainda mais a situação, as taxas de sujidade podem ser desiguais dentro de uma
matriz [64], ou mesmo num módulo individual. Por exemplo, os módulos nos racks superiores tendem a apresentar, em
média, mais sujeira, já que os módulos inferiores recebem chuva dos módulos nos racks superiores. A direção do vento
pode impactar diretamente o padrão de sujidade [30], conforme mostrado pela sujidade irregular na Figura 16, que é do
deserto do Atacama, no Chile, e demonstra o efeito de uma direção dominante do vento.
34
Figura 16: Padrão de sujidade demonstrando a direção dominante do vento.
Outros estudos também documentaram estas taxas de sujidade desiguais em centrais eléctricas fotovoltaicas maiores.
A redução relativa de potência em uma planta varia de 0,89 a 0,95 [51]. As taxas de deposição de sujeira em diferentes
locais do mesmo local podem variar entre 1,5x e 2x, dependendo dos ventos predominantes e da distribuição das
fontes de poeira [4].
Figura 17: Dados que mostram a redução desigual de energia em uma grande planta fotovoltaica [51].
Com uma distribuição desigual num sistema fotovoltaico, recomenda-se ter várias estações de sujidade distribuídas
pelo local para obter resultados precisos. A norma IEC 61724-1 recomenda mais de um sensor de sujidade para
qualquer local fotovoltaico com capacidade superior a cinco MW e com perdas anuais esperadas de mais de dois por
cento. Os dados das estações de sujidade podem ser mapeados e calculados espacialmente para fornecer uma
métrica para o local, que pode então ser usada para prever futuras taxas de sujidade ou informar o operador sobre o
melhor momento para limpar o sistema fotovoltaico.
35
3.2.2 Tecnologias para Detecção de Sujidade

Sensores de sujeira são dispositivos projetados especificamente para retornar uma medição de perda de sujeira. Os métodos de detecção
de sujeira atualmente disponíveis podem ser divididos em técnicas elétricas, que medem a corrente ou potência dos módulos, e técnicas
ópticas que examinam perdas de refletância ou transmitância devido à poeira acumulada na superfície do sensor.
Tal como descrito anteriormente, a quantificação da sujidade baseia-se numa comparação das saídas eléctricas em condições sujas e
limpas. Os métodos elétricos conseguem isso medindo as saídas de corrente ou potência de dois dispositivos fotovoltaicos lado a lado,
onde um é limpo regularmente e o outro pode sujar normalmente. Conforme mostrado na Tabela 2, exemplos não exaustivos de fabricantes
são Atonometrics, Campbell Scientific ou NRG Systems. As configurações elétricas podem consistir em duas células de referência, dois
módulos ou uma combinação célula-módulo. O método de célula de referência idêntica tem um custo relativamente baixo, uma vez que os
requisitos de estantes são mínimos. No entanto, as células de referência podem não sujar da mesma forma que os módulos, uma vez que
a lamela pode ser diferente. Por exemplo, foi demonstrado num estudo recente que o vidro de cobertura texturizado suja até 7% mais do
que o vidro normal [65]. Por outro lado, alguns revestimentos anti-reflexo podem reduzir a sujidade em até 60%, dependendo das condições
geográficas [66]. Além disso, uma célula de referência suja não irá capturar a distribuição não uniforme que pode se desenvolver nas
superfícies do módulo. Alternativamente, um sistema de sujidade que utiliza a configuração módulo-módulo considera sujidade não
uniforme, mas incorre em custos de manutenção mais elevados, uma vez que um módulo deve ser limpo regularmente, quer com métodos
automatizados ou por pessoal no local. Por outro lado, um sistema de sujidade que utiliza uma configuração de módulo de célula permite
uma limpeza simples e automatizada da célula de referência com a vantagem de ter um módulo que leva em conta a sujidade não uniforme
e é representativo de todo o conjunto.
O dispositivo de referência é preferencialmente limpo todas as manhãs, pois a maior parte da deposição de sujeira ocorre à noite [23].
Contudo, em casos reais, o dispositivo de referência é frequentemente limpo semanalmente, se a limpeza não for totalmente automática.
Quando os custos e os benefícios do cronograma de limpeza de um sensor de sujeira são avaliados, deve-se considerar que uma
frequência de limpeza inadequada pode produzir uma subestimação significativa da proporção de sujeira [67].
Quer a configuração de sujidade seja célula-célula, módulo-módulo ou célula-módulo, outra consideração importante é medir apenas a
corrente de curto-circuito ou também a potência. Na verdade, como mencionado acima, a distribuição não uniforme pode causar uma perda
de potência desproporcional em relação à mudança na corrente de curto-circuito, reduzir o fator de preenchimento e até potencialmente
levar a pontos quentes que danificam permanentemente as células fotovoltaicas [64], [68]. Assim, as estações de sujidade baseadas em
medições eléctricas deveriam, idealmente, recolher dados de corrente de curto-circuito e de potência, a fim de abordar as complexidades
da sujidade não uniforme.
Embora alguns sistemas de sujidade difiram em termos de utilização de módulos ou células de referência, o método geral de medição da
corrente de curto-circuito é o mesmo: uma corrente de curto-circuito com compensação de temperatura com medições de temperatura na
parte traseira do módulo é usada para determinar a eficiência. irradiância efetiva usando os métodos descritos na IEC 60891 edição 2
[69]. Para minimizar a degradação, os dispositivos fotovoltaicos limpos e sujos podem ser mantidos em circuito aberto entre as medições.
Normalmente, os cálculos são realizados apenas para as horas centrais do dia durante condições de céu claro e quando a irradiância
efetiva é superior a 500 W/m2 . Isso minimiza os efeitos do ângulo zenital, da massa de ar e das diferenças espectrais. Outras técnicas
de filtragem envolvem a exclusão de dados quando a taxa de variação da corrente de curto-circuito é alta devido à passagem de nuvens
[70]. A Taxa de Sujidade é calculada usando as correntes de curto-circuito dos dispositivos limpos e sujos com os respectivos coeficientes
de temperatura da corrente de curto-circuito dados por O subscrito M indica medições feitas no momento da sujidade, e M' refere-se a
medições feitas em calibração [71]. 1,
2,
1 2.
36
(5)
= 2, (1 ÿ 2( 2, ÿ )) ÿ
1, ÿ (1 ÿ 1( ÿ1, ÿ ))
1, (1 ÿ 1( 1, ÿ )) 2, ÿ (1 ÿ 2( 2, ÿ ÿ ))
Onde:
• SR: Resposta Espectral

• ISC1,M : dispositivo limpo por curto-circuito, tempo de sujeira •
ISC2,M : dispositivo sujo por curto-circuito, tempo de sujeira •
ISC1,M' : dispositivo limpo por curto-circuito, tempo de calibração
• ISC2,M' : Dispositivo sujo por curto-circuito, tempo de calibração
• ÿ: Coeficiente de temperatura
• T: temperaturas correspondentes, Tref normalmente 25°C
Uma equação semelhante pode ser escrita para a taxa de sujidade usando o coeficiente de temperatura de potência e
substituindo a corrente de curto-circuito pela potência de saída de dispositivos limpos e sujos.
Além disso, para minimizar a degradação entre medições de sujidade, a carga à qual um módulo está ligado pode ter
efeitos não lineares importantes na taxa de degradação e é específica da tecnologia. Módulos de silício multi e
monocristalino apresentam taxas de degradação reduzidas em circuito aberto em comparação com a operação conectada
à rede no ponto de potência máxima
[72]. Por outro lado, vários estudos revelam que tecnologias de película fina, como a-Si:H [73] e CdTe [74], apresentam
taxas de degradação mais altas em circuito aberto em relação às condições conectadas à rede.
Em contraste com as medições elétricas, os sensores de poeira que empregam métodos ópticos são fornecidos pela Kipp
e Zonen e Atonometrics. O sensor Dust IQ da Kipp e Zonen usa um LED azul pulsado para medir a luz espalhada refletida
pelas partículas de poeira. A perda de transmissão é convertida em uma perda equivalente em corrente e potência de
curto-circuito. No entanto, as propriedades de dispersão de poeira variam de acordo com o local de teste. O Dust IQ é
inicialmente calibrado com pó de quartzo do Arizona, mas
deve ser recalibrado para condições de sujidade específicas do local, permitindo que a poeira local se acumule até que a
perda de transmissão esteja entre 5 a 10%. Além do fotodiodo, a calibração do Dust IQ envolve a medição da corrente
de curto-circuito de uma célula interna de silício sob condições limpas e sujas dentro de duas horas antes do meio-dia
solar [75]. Um método óptico alternativo é fornecido pelo Mars Soiling Sensor da Aton-ometrics. O dispositivo Mars usa
um sensor e um software de processamento de imagem para calcular a perda de transmissão devido à sujeira. O sensor
está localizado atrás de um difusor e a janela da tampa possui marcas pretas e brancas na superfície interna para
autocalibração. Uma visão geral dos fornecedores que oferecem sistemas de sujidade é apresentada na Tabela 2.
37
Tabela 2: Lista parcial de diversos produtos disponíveis para quantificar perdas por sujidade. Os fabricantes
estão em ordem alfabética. Todos os preços dos equipamentos neste relatório são estimativas do ano de 2019.
O fabricante deve ser contatado para saber os custos exatos.
Sensores de Sujidade
Fabricante Atonometria Atonometria Campbell Kipp e Sistemas

Científico Filhos NRG
Nome do modelo Sistema de Medição Sujidade de Marte CR-PVS1 Poeira IQ Kit de Medição
de Sujidade Sensor de Sujidade
Método Corrente de Óptico (era de Curto circuito Óptico Curto circuito

curto-circuito e câmera de atual (LIDERADO) atual
poder processamento de
imagem)
Faixa de potência Até 450 W Não aplicável Até 300 Não 3 painéis de
do módulo tornou-se EM aplicável 15 W cada
Fonte de alimentação 10 a 30 VDC ou 10 a 30 16 a 32 12 a 30 5 a 15 VCC

100 a 240 CCV CCV CCV
VAC
Opções de saída Ethernet RS-485, RS-232 RS-485 Disponível

Ethernet mediante solicitação
Aproximado € 6.078 / € 2.600 / 2.334€/ € 3.807 / Disponível

Custo: Euro / $ 6.900 $ 2.950 2.649$ $ 4.320 mediante solicitação
USD
Em termos de precisão de medição, são necessários mais estudos para quantificar a incerteza de medição de diferentes
produtos de detecção de sujidade. Em particular, seria benéfico se os produtos de detecção de sujidade fossem
referenciados às Diretrizes Internacionais de Incerteza na Medição com referência às incertezas padrão e expandidas
para diferentes dispositivos. Para a taxa de sujidade da corrente de curto-circuito, tanto as células ou módulos limpos
como os sujos podem ser calibrados simultaneamente com um dispositivo fotovoltaico de referência. A precisão da taxa
de sujidade depende, portanto, apenas das incertezas na corrente de curto-circuito, temperatura (com uma diferença
entre a parte traseira do módulo e a célula) e coeficiente de temperatura da corrente de curto-circuito. Além dessas
incertezas, módulos limpos e sujos podem não ser exatamente coplanares, levando a erros de alinhamento angular de
inclinação e azimute. O desalinhamento de azimute e inclinação pode ser minimizado fazendo medições algumas horas
antes do meio-dia solar, quando o ângulo de incidência é pequeno. Além disso, o desalinhamento do azimute pode ser
minimizado calculando a média dos dados pouco antes e depois do meio-dia solar, aproveitando a mudança de sinal na
taxa de sujidade que ocorre ao meio-dia. Além disso, as calibrações baseadas em campo devem ser feitas sob
temperaturas operacionais realistas para minimizar a contribuição da incerteza dos coeficientes de temperatura da
corrente de curto-circuito. Foi demonstrado [71] que, com calibração cuidadosa e filtragem de dados, as medições da
taxa de sujidade da corrente de curto-circuito podem ter uma incerteza de aproximadamente ± 1%. As medições mais
precisas (1 a 2% de incerteza) são possíveis usando a configuração módulo-célula ou módulo-módulo ao medir potência.
As medições de corrente de curto-circuito na configuração célula-módulo ou módulo-módulo são menos precisas (cerca
de 3 a 5%), uma vez que não levam em consideração sujidades não uniformes. Os métodos menos precisos (incerteza
em torno de 4 a 7%) são a configuração célula-célula de corrente de curto-circuito e os métodos ópticos, uma vez que
podem usar vidros de cobertura diferentes em comparação com o array e não capturarão
38
sujidade não uniforme. No entanto, os métodos célula-célula e ópticos são os menos dispendiosos, permitem instalação
simples e múltiplos pontos de medição e têm pouco ou nenhum custo de manutenção.
No entanto, deve ser enfatizado que a magnitude das incertezas para diferentes sensores de sujidade descritos neste
relatório são estimativas [76] e que também o intervalo de limpeza do dispositivo de referência pode distorcer a medição
de sujidade [67]. Estudos adicionais são necessários para reforçar esses números.
3.2.3 Características de sujidade dos sensores de irradiância Os sensores
de irradiância estão sujeitos a sujidade. Nesta seção, as taxas de sujidade de piranômetros padrão com formato de
cúpula característico são comparadas com as taxas de sujidade de células de referência com superfície de placa plana
característica. Independentemente do tipo de sensor, a norma internacional IEC61724 recomenda que os sensores de
irradiância sejam limpos semanalmente [77]. A Taxa de Desempenho corrigida pela temperatura pode fornecer uma boa
estimativa das taxas de sujidade e perda de sujidade durante as estações secas, desde que o sensor de irradiância POA
seja limpo e mantido. A incerteza absoluta do sensor de sujidade é irrelevante, desde que a estabilidade a curto prazo
do sensor de irradiância seja adequada.
As perdas por sujidade dependem da composição da poeira, das condições climáticas locais e do tempo de exposição.
Além disso, as perdas por sujidade também dependem do ângulo de inclinação [78], [79]. As perdas de sujidade
normalmente diminuem à medida que os ângulos de inclinação aumentam para um determinado local porque a área
efectiva da superfície diminui em relação ao ângulo zenital e às forças gravitacionais, pelo menos em áreas onde o vento
não desempenha um papel significativo na remoção de poeira. A redução na área superficial efetiva é análoga à perda
de cosseno na irradiância devido ao ângulo de incidência, que quantifica a diminuição na área efetiva dos módulos vista
pelo feixe direto de luz solar.
O ângulo de inclinação também deve influenciar de alguma forma as taxas de sujidade nos sensores de irradiância.
Existem duas geometrias de superfície básicas para sensores de irradiância. As células de referência normalmente
consistem em dispositivos de silício embalados sob vidro plano, e os piranômetros normalmente consistem em sensores
de termopilha embalados sob vidro com cúpula simples ou dupla. As taxas de sujidade para células de referência devem
ser semelhantes às taxas de sujidade noutras superfícies de vidro, incluindo módulos fotovoltaicos, assumindo que os
revestimentos de vidro também são semelhantes. No entanto, o ângulo de inclinação deve influenciar as taxas de
sujidade nos piranômetros de forma diferente, dada a forma da cúpula. A forma de cúpula apresenta a menor superfície
horizontal possível em cada ângulo de inclinação em relação à força da gravidade, portanto, teoricamente, as taxas de
sujidade deveriam ser menores nos piranômetros.
Dois artigos publicados apoiam taxas de sujidade mais baixas em piranômetros em comparação com dispositivos de
placa plana. Em um estudo realizado no oeste dos Estados Unidos, as taxas de sujidade em piranômetros foram 50%
menores do que as taxas de sujidade em módulos [80]. Embora esta não seja uma comparação direta entre piranômetros
e células de referência, as taxas de sujidade nas células de referência de placa plana devem ser semelhantes às taxas
de sujidade nos módulos, dados os revestimentos de superfície e métricas semelhantes. As taxas de sujidade também
dependerão da escolha da métrica, ou seja, Isc versus Pmp, portanto uma comparação direta entre células de referência
e piranômetros deve ser baseada no Isc da célula de referência. Em outro artigo, a perda de sujeira em um piranômetro
mostrou ser menor do que a perda de sujeira em um pireliômetro DNI [81]. Mais uma vez, esta não é uma comparação
direta dos dois tipos de sensores, mas o pireliômetro também é um dispositivo de superfície de placa plana, embora
protegido por uma blindagem para limitar o campo de visão.
A instalação de testes ao ar livre no campus do Conselho de Pesquisa Científica e Industrial (CSIR) na África do Sul
mantém células de referência de silício e piranômetros para monitorar
39
irradiância, para que uma comparação mais direta possa ser avaliada. A bancada de testes de rendimento energético
é uma das três diferentes plataformas de testes disponíveis para pesquisa em módulos e sistemas. A bancada de
teste de rendimento energético conecta módulos individuais a cargas eletrônicas com conexão à rede para recuperar
a energia entre curvas IV programadas regularmente. A bancada de teste está equipada com uma célula de
referência de silício no plano do conjunto (ao norte, inclinação de 25°), um piranômetro no plano do conjunto e um
segundo piranômetro para albedo. Os sensores de irradiância são limpos pela manhã com pano seco para retirada
da poeira, aproximadamente uma vez por semana.
A Figura 18 mostra a diferença na insolação diária medida por um piranômetro e uma referência de silício antes e
depois de uma célula limpa semanalmente durante 11 semanas durante a estação seca em 2019, de 20 de junho a
4 de outubro. O eixo y mostra a diferença centrada em bloco nas medições diárias de insolação entre o piranômetro
e a célula de referência de silício no dia anterior à limpeza e no dia da limpeza, bloqueada por semana para remover
a variabilidade na insolação diária, que variou de 5500 -7500 Wh/m²/dia durante este período. Após a limpeza, a
distribuição das diferenças na insolação diária medida pelos dois sensores foi significativamente menor do que no
dia anterior à limpeza (valor p bicaudal – 0,01). A redução na diferença pode ser atribuída à limpeza, e provavelmente
explicada pelo aumento da perda de sujidade na célula de referência (placa plana) em comparação com o piranômetro
(cúpula). O conjunto de dados não se presta a análises posteriores, uma vez que a limpeza foi feita no início da
manhã, quando a irradiância estava mudando rapidamente, nem foi registrado o minuto exato da limpeza. A
diferença das diferenças mediu 42 Wh/m², ou 0,6% da insolação média diária de 6.520 Wh/m²/dia. O intervalo de
confiança de 95% para a diferença foi de 10-74 Wh/m²/dia, ou 0,2-1,1%. Este 0,6% por semana é uma aproximação
razoável da taxa de sujidade adicional na célula de referência de silício (placa plana) em comparação com o
piranômetro (em forma de cúpula) durante este período.
Figura 18: Análise de variância (ANOVA) mostrando a diferença na insolação diária medida por uma célula
de referência de placa plana e um piranômetro antes e depois da limpeza.
Em conclusão, as taxas de sujidade são provavelmente mais baixas nos piranómetros em comparação com as
células de referência de placa plana. Contudo, os sensores de irradiância devem ser limpos semanalmente para
minimizar o impacto da sujidade na medição de irradiância no solo, de acordo com a norma IEC 61724.
40
MODELOS DE SUJIDADE E NEVE
4.1 Modelos de Sujidade
Juntamente com a monitorização, também é importante compreender antecipadamente o impacto potencial da sujidade
no rendimento energético e nos custos de O&M de uma central fotovoltaica proposta. Isto pode ser conseguido através
da medição direta dos níveis de sujeira no local antes da instalação e operação.
Esta medição exigiria a instalação de um sensor de sujidade durante pelo menos um ano. Porém, se o nível de sujidade
pudesse ser determinado a partir de outros parâmetros cujos valores já estavam disponíveis, seria possível avaliar o
impacto energético e económico da sujidade ao selecionar o local para uma nova instalação fotovoltaica.
Vários fatores climáticos e de poluição influenciam a deposição de sujeira e a limpeza. Além disso,
factores inerentes à macroescala (por exemplo, utilização/cobertura do solo, NDVI, actividade agrícola, tipo de solo
predominante, etc.) também podem influenciar o perfil de sujidade. De todos estes parâmetros, os factores mais
proeminentes (ou pelo menos os mais recorrentes nesta área de investigação) são as concentrações de massa de
partículas PM10 e PM2,5, a velocidade e direcção do vento, a frequência das rajadas de vento, a humidade relativa, e
a intensidade e frequência da chuva [1]. PM10 e PM2,5 representam a concentração, em massa por m3 de ar, de
partículas suspensas de tamanhos ÿ 10 µm e ÿ 2,5 µm, respectivamente, sendo PM2,5 um subconjunto de PM10.
Existem extensas fontes de literatura disponíveis que descrevem esforços para modelar a deposição de partículas em
suspensão em PV e CSP. Um levantamento bibliométrico feito na Web of Science em 2019 forneceu uma visão geral
dedicada às áreas de pesquisa, publicações de destaque e seus autores, bem como seu subdomínio, como pode ser
visto na Figura 19. O presente capítulo resume o desenvolvimento e aplicações de modelos prever a deposição de
sujidade sem a necessidade de dados específicos de sujidade ou de desempenho fotovoltaico do local de interesse.
Uma visão geral não exaustiva dos modelos atualmente disponíveis é relatada nas subseções seguintes. Os modelos
foram classificados em quatro categorias: modelos de regressão linear, modelos semifísicos, modelos de inteligência
artificial e modelos geoespaciais. Cada subcapítulo 4.1.1 a 4.1.4 enfoca uma categoria diferente. Um resumo dos
modelos existentes e dos desafios atuais é relatado no subcapítulo 4.1.5.
41
Figura 19: Análise bibliométrica [82] da literatura sobre modelos de sujidade na Web of Science.
4.1.1 Modelos de Regressão Linear

O perfil de sujidade pode ser modelado através de uma regressão linear de um ou mais parâmetros ambientais. A resolução
espacial dos modelos varia de sistemas fotovoltaicos únicos baseados em condições meteorológicas locais, como direção
e velocidade do vento, umidade relativa e velocidades de deposição, até resoluções de pequena escala, como densidades
de partículas derivadas de satélites.
Nas abordagens mais simples, uma perda elétrica ou de transmitância é estimada exclusivamente a partir da concentração
de partículas suspensas. Geralmente, presume-se que as chuvas restauram a perda de sujidade para 0% (ou seja, a
proporção de sujidade para um). O método proposto por Boyle [83] utiliza a concentração total de partículas suspensas
(TSP) para estimar a perda de transmitância (ÿ, expressa em%) em um vidro fotovoltaico após i dias de exposição externa:
ÿÿÿÿÿ
ÿ ( ) = 0,005 ÿ ÿ + 0,22 (6)
Onde:
ÿÿÿÿÿ
• representa a concentração média de partículas de tamanho ÿ 100 µm • i = dias de

exposição ao ar livre
A abordagem mais comum é a regressão multivariada, onde a sujidade é modelada através de um grande número de
variáveis. Toth [84] calcula a perda elétrica por sujidade (SL) apenas a partir de PM10 e PM2,5:
= ÿ
+
ÿ
10ÿ2,5 10ÿ2,5 2,5 2,5 (7)
42
Onde:
• é a soma acumulada de partículas grossas (calculada como a diferença entre PM10 e
10ÿ2,5
PM2,5) desde o último dia de chuva

• C25 é a soma acumulada de PM2,5 desde o primeiro dia de coleta de dados e • A10-2,5
e A2,5 são fatores de conversão constantes que devem ser determinados. Esses dois fatores são
específicos do instrumento utilizado para o monitoramento de PM e também devem variar
dependendo da configuração do local e das condições locais.
Em comparação com outras abordagens, categorizadas como modelos Semi-Físicos, os fatores são
determinados através do ajuste dos dados, sem pesquisa de significado físico.
Em outros casos, a regressão multivariada é empregada para levar em conta variáveis não relacionadas ao
material particulado. Por exemplo, Guo [85] propôs uma equação linear
= + ÿ 10 + ÿ + ÿ (8)
Onde:
• PM10 : Massa de partículas abaixo de 10 mícrons

• WS: Velocidade do vento
• UR: Umidade relativa (%)
• a, b, c, d: parâmetros constantes, cujos valores foram determinados ajustando os dados
Num estudo posterior, Javed et al. [1] testaram uma abordagem multilinear com 10 variáveis de entrada. Em
2018, Figgis [48] descreveu a massa de sujidade depositada considerando apenas a velocidade do vento
(WS) e PM10:
= 10,6 ÿ 4,99 ÿ + 274 ÿ 10 ÿ 73,4 ÿ ÿ 14,9ÿ 1ÿ *10
(9)
Onde:
• ÿWS1h foi a diferença entre o WS do período de observação e o WS médio

da hora anterior.
No mesmo trabalho, os autores também relataram equações para descrever os diferentes fenômenos
que influenciam o acúmulo de sujeira: deposição, rebote e ressuspensão.
Sabe-se também que o tamanho e a composição das partículas têm impacto nas perdas de sujidade. Sob esse
prisma, Pulipaka et al. [86] usaram uma regressão multilinear para estimar a perda de potência a partir do
tamanho das partículas.
A regressão linear também foi usada por uma equipe do NREL [87], [3] para classificar a gravidade das
perdas anuais de sujeira em vários locais nos EUA. Em comparação com os estudos acima mencionados,
que visavam replicar perfis diários de perda de sujidade, neste caso foram modeladas médias de longo prazo
das perdas de sujidade. Os autores compararam os dados inicialmente de 20 e posteriormente de 41
estações de sujidade com mais de 100 parâmetros micro e macroscópicos que descrevem as características
dos sistemas e as condições ambientais locais. As investigações descobriram que PM10, PM2,5 e
estatísticas de precipitação foram os únicos fatores com correlações significativas com as perdas de sujidade
anualizadas. No entanto, também mostraram como a obtenção e o processamento dos dados poderiam afetar essas correlaçõ
Em particular, descobriu-se que os dados de PM medidos no solo correlacionam-se melhor do que as
concentrações derivadas de satélite, especialmente se medidos dentro de 30 a 50 km do local.
43
Usando uma abordagem semelhante, Cordero et al. [88] encontraram boas correlações lineares entre a
profundidade óptica do aerossol (AOD) e as taxas diárias de sujidade medidas em seis locais no Chile. Mesmo
neste caso, os dados medidos no solo superaram os dados derivados de satélite.
Em contraste com outras abordagens de estimativa de sujidade, o modelo proposto por Kimber et al. [57] faz
uso de dados de potência fotovoltaica e informações de precipitação para gerar o perfil de perda de sujidade.
Neste caso, o valor da taxa de sujidade do período seco mais longo é determinado através de regressão linear,
e então a mesma taxa é aplicada a qualquer período seco da série temporal, assumindo que as chuvas
removem completamente a sujidade dos módulos fotovoltaicos. Este método requer, antes da sua aplicação, a
determinação de dois valores: o limite mínimo de limpeza (quantidade mínima de chuva capaz de lavar os
módulos fotovoltaicos) e a duração do período de carência (número de dias após um evento de chuva após os
quais a sujidade volta a depositar-se). ).
4.1.2 Modelos Semi-Físicos

Os modelos semifísicos tentam replicar as relações não necessariamente lineares que ocorrem no processo
de sujidade. Esses modelos geralmente exigem a determinação da deposição de partículas ou da velocidade
de sedimentação a partir das condições locais, incluindo, entre outras, a umidade relativa e a velocidade do vento.
valores.
Guo et al. [85], [53], propuseram um modelo semi-físico calculando a perda de sujidade em função das taxas
diárias de deposição e ressuspensão. Estes foram calculados a partir da concentração de poeira ambiente,
velocidade de deposição (função da velocidade do vento), velocidade do vento e umidade relativa.
Numa análise da sujidade que ocorre em sete cidades em todo o mundo, You et al. [89] assumiram uma
correlação linear entre a densidade de poeira depositada (w) e a queda na eficiência fotovoltaica. Neste caso,
a densidade do pó (w) foi calculada a partir da concentração de partículas suspensas com diâmetro entre 20
µm e 50 µm (PM50-20):
=ÿ
50ÿ20
ÿ ÿ 10ÿ6 (10)
Onde:
• ND = número de dias desde a última chuva

• Vd = velocidade de deposição, determinada com base nas condições ambientais locais.
Coello e Boyle [90] calculam a perda elétrica por sujidade a partir da perda de transmitância usando uma
equação proposta por Hegazy [78] em 2001. Neste caso, a perda de transmitância é modelada como uma
função de erro de uma exponenciação de base igual ao acumulado massa de poeira e de potência <1. Em
particular, a massa acumulada em um tempo t como:
ÿ ÿ
= ( 10ÿ2,5 10ÿ2,5 +
2,5 2.5) ÿ ÿ cos ( ) (11)
Onde:
• PM10-2,5 = a concentração de partículas grossas, de tamanho entre 10 µm e 2,5 µm

• ÿ = ângulo de
inclinação • v10-2.5, v2.5 = velocidades de deposição.
Os pesquisadores consideraram três abordagens diferentes para determinar o valor das velocidades de
deposição: a deposição é considerada em uma abordagem, enquanto velocidades fixas foram consideradas
nas outras duas. As velocidades fixas eram iguais à velocidade de assentamento ou
44
determinado a partir de valores observados em estações próximas. Os melhores resultados foram encontrados para a
abordagem de velocidade de sedimentação estática.
Bergin et al. [91] calcula a perda diária de transmitância registrada para uma instalação na Índia considerando o material particulado. Neste caso,
diferentemente do anterior, foram consideradas a concentração e as eficiências de absorção e espalhamento de cada componente do material
particulado.
Um modelo mais complexo foi proposto por Qasem et al [18], que levou em consideração as condições ambientais, as
características do sistema, o padrão de precipitação e a transmitância espectral da poeira para calcular a perda de
sujidade para diferentes tecnologias fotovoltaicas.
4.1.3 Modelos de Redes Neurais Artificiais

Comparados à regressão linear e aos modelos semifísicos, os modelos de Redes Neurais Artificiais (RNA) não
requerem uma compreensão dos princípios físicos da sujidade. Em vez disso, os modelos autotreinam-se
iterativamente para identificar os algoritmos corretos que convertem as entradas na saída esperada (ou seja, o perfil
da taxa de sujidade). O principal desafio para os desenvolvedores é a identificação das principais entradas e da
arquitetura com melhor desempenho (ou seja, o número de camadas e nós ocultos).
Javed et al. [1] desenvolveram um modelo de RNA para estimar as perdas por sujidade de um local no Qatar. A rede
era composta por uma camada oculta e vinte neurônios, exigindo a entrada de 10 variáveis que descrevem as
condições ambientais do local. O modelo retornou um R2 de 0,54 quando comparado aos pontos de dados medidos.
Um modelo diferente de RNA foi proposto por Laarabi et al.
[92] para um site em Marrocos. Neste caso, a RNA possuía seis entradas e uma camada oculta de 35 nós e retornou
um R2 > 0,90.
Numa abordagem diferente, Pulipaka et al. [86] utilizaram um modelo de RNA para prever as perdas de sujidade com
base na composição das partículas. Shapsough et al. [93] empregaram RNA para estimar o impacto da sujidade
usando dados de irradiância e precipitação.
4.1.4 Modelos Geoespaciais

Micheli et al. [94] investigaram a possibilidade de estimar a sujidade com base em PV ou dados de sujidade de locais
próximos usando técnicas de interpolação espacial. Os métodos baseados na distância inversa apresentaram os
melhores resultados, com R2 > 0,7 se a sujidade for estimada em locais num raio de 50 km. Os resultados foram ainda
melhores se fossem utilizados dados de sujidade apenas daqueles sistemas com características semelhantes às dos
locais investigados. Técnica semelhante foi utilizada por Gostein et al. [4], para mapear a distribuição de perdas por
sujidade em sistemas fotovoltaicos de grande escala.
Deve-se notar que qualquer um dos modelos listados anteriormente poderia ser usado para gerar mapas de sujidade,
desde que os dados de entrada estivessem ampla e sistematicamente disponíveis. Por exemplo, com base na
correlação encontrada entre taxa diária de sujidade e AOD, Cordero et al. [88] geraram um mapa de taxas de sujidade
para o Chile. Em um estudo diferente, Li et al. [21] fez uso do modelo de Bergin [91]
criar mapas dos benefícios da mitigação de sujidades, em termos de energia recuperada, para diferentes configurações
de rastreamento fotovoltaico. Os autores utilizaram o tipo de PM e os dados de precipitação do conjunto de dados de
reanálise MERRA-2 de 2003 e 2014. A mesma abordagem poderia ser repetida para qualquer um dos modelos
anteriores.
4.1.5 Visão Geral dos Modelos e Validação e Limites de Aplicação

A Tabela 3 mostra um resumo dos quatro tipos de modelo. A maioria dos estudos baseia-se em locais únicos, enquanto
a sujidade em vários locais foi investigada em apenas alguns estudos. O
45
a literatura ainda carece de trabalhos comparativos, onde diferentes abordagens sejam testadas em relação a
medições de solo para mais de um local. Isto torna difícil neste momento avaliar a validade e robustez de cada modelo
em diferentes condições ambientais e de sujidade.
Apenas o estudo de Pelland et al. [95] compararam o desempenho de dois modelos na estimativa das perdas médias
de sujidade para 20 locais em todo o mundo. Descobriu-se que os modelos correlacionaram-se mal em locais com
perdas médias inferiores a 5%, mas tiveram um bom desempenho em locais com perdas de sujidade mais elevadas.
Além disso, o estudo mostrou que os resultados do mesmo modelo poderiam variar se fossem fornecidas como entradas
partículas de diferentes conjuntos de dados.
Zhou et al. [96] empregaram o modelo proposto por Bergin et al. [91] para calcular as perdas por sujidade para três
locais nos EUA. Os autores usaram dados de partículas do modelo Community Multiscale Air Quality (CMAQ) da
Energia de Proteção Ambiental dos EUA. Os resultados mostraram que o CMAQ superestimou as concentrações de
PM2,5 e subestimou as concentrações de PM10 em comparação com as medições no solo nos três locais investigados.
Além disso, as perdas por sujidade foram subestimadas em comparação com as medições no local.
Em alguns estudos, os pesquisadores propuseram e compararam dois modelos para o mesmo local.
Isto é particularmente comum em estudos que utilizaram modelos de RNA. Tanto Pulipaka et al. [86] e Javed et al. [1]
encontraram melhores resultados com modelos RNA do que com modelos multilineares alimentados com o mesmo
número de entradas. Por outro lado, Shapsough et al. [93] não encontraram diferença significativa entre os resultados
de um modelo multilinear e um modelo RNA usado para estimar perdas de sujidade por irradiância e chuva. Numa
comparação entre um modelo de regressão linear e um modelo semifísico, Guo et al. [85] descobriram que eles
tiveram desempenho semelhante.
Alguns estudos, como Pelland et al. [95], também investigaram o desempenho do mesmo modelo para insumos de
fontes diferentes ou processados de forma diferente. Em geral, quando disponíveis, descobriu-se que os dados medidos
no solo conduzem a uma melhor estimativa da sujidade do que os dados obtidos por satélite. Micheli et al. [3], Cordero
et al. [88] e Coello et al. [90] mostraram como o valor definido para a velocidade de deposição pode afetar a estimativa
de sujidade. Resultados diferentes também podem ser encontrados quando a sujidade é extraída dos dados de
desempenho fotovoltaico [57] devido à falta de acordo sobre os valores de fatores como períodos de carência e limites
de limpeza.
Por todas estas razões, ainda são necessários estudos adicionais antes que um modelo de sujidade universalmente
válido possa ser proposto. Em particular, são necessários mais estudos comparativos que identifiquem os pontos fortes
e fracos das diferentes abordagens sob diversas condições meteorológicas e de sujidade.
A Tabela 3 apresenta uma visão geral dos modelos de estimativa de sujidade. Os modelos estão detalhados nos
subcapítulos 4.1.1 a 4.1.4. As seguintes siglas são usadas:
• Temperatura Ambiente (Ta)

• Velocidade do Vento (WS)
• Direção do Vento (WD)
• Total de Partículas Suspensas (TSP)
• Umidade Relativa (UR)
46
Tabela 3: Visão geral dos modelos de estimativa de sujidade.
Liderar Modelo Objetivo do ano Chave Pa- Principais descobertas Referência
Autor Aula ramímetros
Extração Kimber Linear 2006 Desempenho PV O modelo gera um perfil de A. Kimber, L. Mitchell, S. Nogradi e H. Wenger, 'O
sujeira perda mance Ra- perda de sujidade com base no efeito da sujeira em grandes sistemas fotovoltaicos
de PV per- tio, chuva- padrão de chuva conectados à rede na Califórnia e na região

desempenho cair e na taxa de sujidade sudoeste dos Estados Unidos', em
dados. gravado durante o longo
período de seca. Isso requer 2006 IEEE 4ª Conferência Mundial sobre
a identificação de um Conferência sobre Energia Fotovoltaica, Wai-
limpeza mínima do limite de Koloa, HI, 2006, pp. 2391–2395, faça:
idade e do comprimento 10.1109/WCPEC.2006.279690.
período seco.
Qasem Semi- Modelagem 2012 Ta, WS, Um modelo é desenvolvido para H. Qasem, TR Betts e R.
Fisi- sujar perda WD, poeira, estimar o acúmulo de poeira Gottschalg, Modelo de Correção de Sujidade
cal perfil usando inclinação, chuva mulação baseada em para previsão de energia a longo prazo em
dados meteorológicos condições climáticas e Módulos Fotovoltaicos. Nova Iorque:
para converter isso em um IEEE, 2012.

perda elétrica baseada em
a característica do módulo fotovoltaico
terísticas e na poeira
transmitância espectral
Boyle Modelagem Linear 2015 a TSP Um modelo linear é desenvolvido L. Boyle, 'não estrague suas chances com
medição diária do operado onde a transmissão energia solar:experimentos de energia natural
perfil de sujidade a perda de resistência é uma função de acumulação de poeira em módulos solares
ure às cinco TSP e da exposição e o efeito na transmissão da luz'. .

Localização dos EUA tempo.
ções
Guo Linear 2016 Modelando um WS, Um multilinear e um Guo B, Javed W, Khan S, Figgis B,
& perfil de sujidade PM10, RH modelo semi-físico são Mirza T. Modelos para previsão de solo-
Semi- diária de um desenvolvidos e com- Saída de energia fotovoltaica causada por
Fisi- medição de sujidade comparado. Ambos os modelos foram Degradação Baseada no Meio Ambiente
cal sistema de uração encontrado para retornar estimativas Variáveis em Doha, Catar. ASME 2016
domesticado no Catar. com < 16% de incerteza 10º Int. Conf. Sustentação Energética., 2016,
integridade quando usado para estimar pág. 1–8.
corresponder ao perfil diário de https://doi.org/10.1115/ES2016-59390.
perda de sujidade.
Poderia- ANA & A perda de sujeira em 2016 é Partícula Regressão multilinear S. Pulipaka, F. Mani e R. Kumar, 'Modelagem de
lipa Linear estimado tamanho e RNA são usados para es- módulo fotovoltaico sujo com
de partícula estimar as perdas de sujidade redes neurais e regressão usando composição
composição de tamanho com base no tamanho da partícula granulométrica', Sol. Energia,

ção composição do solo. Vol. 123, pp. 116–126, janeiro. 2016, faça:
Descobriu-se que RNAs per- 10.1016/j.solener.2015.11.012.

formar melhor.
47
Javed ANN & 2017 Modelando um Mesmo dia Um modelo de RNA de 10 entradas W. Javed, B. Guo e B. Figgis, 'Mod-
Linear sujeira diária PM10, foi capaz de significativamente perda de sujeira fotovoltaica como um
perfil de um WS, WD, modelar a perda de sujeira função das variáveis ambientais',
medição de sujidade De, RH, tendências, retornando melhor Energia Solar, vol. 157, pp.
sistema de uração Anterior- resultados do que um multilinear Novembro. 2017, faça:
domesticado no Catar. dia PM10, abordagem baseada na 10.1016/j.solener.2017.08.046.

WS, RH, mesmas entradas. PM10, WS
Rajada de vento e RH foram considerados
frequência parâmetros melhor corre-
e exposição contaminado.
com certeza na hora
Bergin Semi- 2017 Modelando o perfil de PM com- O perfil de sujidade é Bergin MH, Greenwald R, Xu J, Berta Y,
Fisi- um componentes modelado com base no Chameides WL. Influência do aerossol

cal medição de sujidade concentra- concentração de cada deposição seca na fotossintese
uração em In- ções Compatibilidades PM10 e PM2.5 radiação ativa disponível para as plantas: A
é componentes, levando em estudo de caso na região do delta do Yangtze,
consideração a absorção e a na China. Geophys Res Lett 2001;28:3605–8.
absorção de cada componente específico
eficiência de dispersão. https://doi.org/10.1029/2001GL013461

.
Micheli Classificação Linear 2017 PM10, PM10, PM2,5 e chuva Micheli L, Muller M. Uma investigação de
perdas médias PM2.5, são considerados os melhores os principais parâmetros para prever perdas de
de sujidade de Chuva preditores de sujidade, de sujidade fotovoltaica. Prog Fotovoltaica Res.
20 estações de sujidade Mais de 100 variáveis potenciais, Aplicativo 2017;25:291–307.

ção no quando as perdas médias https://doi.org/10.1002/pip.2860.
EUA. de diferentes sites são com-
comparado.
Figgis Modelagem Linear 2018 WS, PM10 As relações multilineares são Figgis B, Guo B, Javed W, Ahzi S, Ré-
depósito de sujeira propôs estimar Mond Y. Pa-

situação e re- sujar acumulação, ramímetros para deposição de poeira e
suspensão deposição, ressuspensão resuspensão em climas desérticos. Ciência do aerossol

e taxas de recuperação Tecnologia 2018;52:788–98.
https://doi.org/10.1080/02786826.2018
.1462473.
Modelagem Linear Cordero 2018 AOD Uma correlação linear é Cordero RR, Damiani A, Laroze D,
taxas de sujidade em encontrado entre AOD MacDonell S, Jorquera J, Sepúlveda E,

Chile e sujeira cotações. e outros. Efeitos da sujidade em módulos
Medições do solo fotovoltaicos (FV) no Deserto do Atacama.
superou o satélite Ciência Representante 2018;8:1–14.

dados derivados. https://doi.org/10.1038/s41598-018-
32291-8.
Você Semi- 2018 Modelando o PM50-20, O acúmulo de sujeira Você S, Lim YJ, Dai Y, Wang CH. Na modelagem
Fisi- sujar perda CEO é calculado com base em temporal do fotovol-

cal perfil para a velocidade de deposição, Sujidade taica: Imunidade energética e económica
sete cidades calculado a partir do local pactos em sete cidades. Energia Appl
mundialmente condições. 2018;228:1136–46.
48
https://doi.org/10.1016/j.apen-
energia.2018.07.020.
Zhou Semi- Modelagem 2019 PM, chuva- As perdas por sujidade são L. Zhou et al., 'O impacto da poluição atmosférica
Fisi- sujar perda cair estimadas através de um Com- deposição importante na eficiência do sistema de
cal com base na modelo comunitário de energia solar: Uma abordagem para estimar os
deposição de partículas Qualidade do Ar Multiescala (CMAQ).

efeitos de sujidade fotovoltaica com o modelo
estimativa de ação- O painel fotovoltaico estimado comunitário de qualidade do ar multiescala (CMAQ)', Sci.
ção a transmitância é menor Meio Ambiente Total., vol. 651, pp. 456–465,
em comparação com o local fevereiro de 2019, doi: 10.1016/j.sci-

Medidas. até.2018.09.194.
Micheli Linear 2019 Classifique o se- PM10, O trabalho confirma que Micheli, MG Deceglie e M. Muller,
verdade do PM2.5, PM10 e PM2.5 são os 'Previsão de perdas de sujeira fotovoltaica
perdas médias Chuva melhores preditores de usando parâmetros ambientais: uma atualização',
de sujidade de sujidade, seguidos de parâmetros Progress in Photovoltaics: Re-
41 estações de sujidade descrevendo a média pesquisa e aplicações, vol. 27, não. 3,

ções no e duração máxima dos períodos pp. 210–219, Mar. 2019, doi:
EUA usando secos. Como- 10.1002/pip.3079.
ambiental nunca, descobriu que o re-
parâmetros. resultados podem ser
significativamente afetados pelo en-
parâmetros ambientais
metodologia de fornecimento e
processamento.
Forma- Linear 2019 Modelando o Irradiância, Um multilinear e um S. Shapsough, R. Dhaouadi e eu.
procurei & ANN perfil perda Chuva, Modelos de RNA foram usados Zualkernan, 'Usando regressão linear
de sujeira de um PV Exposição para estimar o desempenho e rede neural de retropropagação

instalação em tempo resistência de um PV sujo trabalha para prever o desempenho de sujeira
os Emirados Árabes Unidos

módulo, sem significância Módulos PV', Proceedings of Computer Sci-
não consigo diferença entre ência, vol. 463–470, 2019, doi:
seus resultados. 10.1016/j.procs.2019.08.065.
Micheli Geo- Estimativa de 2019 de- Próximo A perda média de sujidade Micheli L, Deceglie MG, Muller M. Mapa-
espacial limpar sujeira sujar de um site pode ser estimado ping Sujidade Fotovoltaica Usando Espacial
perda de dados, site usando dados de sujeira de Técnicas de Interpolação. IEEE J Pho-
dados próximos personagem- locais próximos, usando tovoltaica 2019;9:272–7.

isticas interpolação espacial. https://doi.org/10.1109/JPHO-
TOV.2018.2872548.
Laarabi ANN 2019 Modelando o Irradiância, Um modelo de RNA 6-35-1 é Laarabi B, maio Tzuc O, Dahlioui D,
taxa de sujidade de Ws, Wd, implementado e validado Bassam A, Flota-Bañuelos M,

um site em Mo- De, RH, datado. Uma análise de sensibilidade Barhdadi A. Rede neural artificial
Rocco Chuva ysis mostra que relativo modelagem e análise de sensibilidade para
umidade, primeiro e depois efeitos de sujidade em painéis fotovoltaicos em

e a direção do vento são Marrocos. Microestrutura de Superredes
os dois mais impactantes 2019;127:139–50.
parâmetros. https://doi.org/10.1016/j.spmi.2017.12.
037.https://doi.org/10.1002/pip.2860.
49
Toth Modelagem Linear 2020 PM10, Uma estimativa de sujidade Toth S, Hannigan M, Vance M, De-
sujar perda PM2.5, modelo é desenvolvido e ceglie M. Previsão de sujeira fotovoltaica
perfil para um Chuva seus resultados são comparados a partir de medições de qualidade do ar. IEEEJ
site em Colo- para a medição PM Fotovoltaica 2020:1–6.
rado, USA. mentos de dois dispositivos: um
monitor PM tradicional
e um dispositivo de baixo custo.
Coello Semi- 2020 Modelando o PM10, A perda de sujidade é estimada Coello M, Boyle L. Modelo simples para prever
Fisi- perfil de perda PM2.5, acasalado com base no PM sujidade em séries temporais de Pho-
cal sujidade para nove Chuva, inclinação concentrações e o Painéis tovoltaicos. Fotovoltaica IEEE J
sujar são- ângulo velocidades de deposição. Das 2019;PP:1–6.

ções no diferentes abordagens https://doi.org/10.1109/jpho-
cervo usado para estimar a dependência solução.2019.2919628.
velocidade de rotação, configuração
seu valor é igual ao valor de
um assentamento fixo
velocidade retornou o melhor

resultados.
4.2 Modelos de Neve

A modelagem de neve pode ser dividida em dois ramos: previsão direta de perda de energia (consistindo em
métodos estocásticos e de ajuste de curva) e previsão de cobertura de neve (consistindo em métodos baseados
em limites e de primeiros princípios). Na abordagem de perda direta de energia, os métodos estocásticos usam
apenas dados históricos de saída do painel fotovoltaico, enquanto os métodos de ajuste de curva desenvolvem
correlações empíricas entre a saída do painel e os dados meteorológicos. Por outro lado, os modelos que estimam
as perdas de energia prevendo a queda de neve dos painéis fotovoltaicos são mais complicados. Aqui, os modelos
de limite definem limites que, se ultrapassados, resultam no deslizamento da neve de um módulo a uma taxa definida.
Um algoritmo baseado em limiar, o modelo Marion, é implementado em um popular software de simulação
fotovoltaica desenvolvido pelo Laboratório Nacional de Energia Renovável (NREL). Os modelos de primeiro
princípio também podem simular a queda de neve, mas são ainda mais complexos usando equações de balanço
de energia para modelar o derretimento e o deslizamento. No geral, existem pelo menos 11 modelos para quantificar
as perdas de energia devido à neve. Alguns foram validados em vários locais, muitas vezes nos Estados Unidos,
enquanto outros permanecem relativamente não testados. Não há consenso sobre qual modelo é mais preciso e é
necessário mais trabalho de validação em diferentes latitudes, ângulos de inclinação e configurações de montagem
[97].
4.2.1 Estimando Perdas de Energia – Um Estudo de Caso Canadense

Embora muitos modelos de perda de neve para sistemas fotovoltaicos estejam disponíveis, poucos estudos
comparativos foram realizados. Como trabalho preliminar, o desempenho de dois modelos de remoção de neve –
Marion et al. [100] e Townsend e Powers [101] (ver Capítulo 4.2.3) – foram comparados para conjuntos fotovoltaicos
simulados em diferentes ângulos de inclinação e latitudes, a fim de criar mapas de contorno de perda de energia
em todo o Canadá usando dados de irradiância e queda de neve de 190 estações meteorológicas combinadas. .
As perdas de energia para o modelo Marion foram substancialmente superiores às do modelo Townsend e Powers,
e os resultados mostraram diferenças geográficas significativas usando os mesmos dados. O modelo Marion previu
perdas máximas em altas latitudes no Círculo Polar Ártico, enquanto o modelo Townsend e Powers mostrou as
maiores perdas de energia no norte de Quebec. Os dois modelos foram comparados a um painel fotovoltaico real
operando nos Territórios do Noroeste. As perdas de energia devido
50
a neve prevista pelos dois modelos destaca a necessidade de mais validação por dados de campo e a
determinação de constantes de queda de neve específicas de latitude/inclinação/tecnologia.
4.2.2 Seleção de Dados da Estação Meteorológica Meteorológica
A fim de estimar as perdas de neve em painéis fotovoltaicos em climas canadenses para uma determinada
longitude e latitude, os dados da estação meteorológica para insolação solar e temperatura ambiente foram
combinados com dados para queda de neve recente. Os dados de insolação e temperatura ambiente foram
coletados dos conjuntos de dados canadenses de energia e engenharia climática (CWEEDS) [98]. Os
parâmetros relevantes para as simulações de neve fornecidas pelas estações CWEEDS foram insolação
horizontal global horária, normal direta e horizontal difusa, bem como temperatura ambiente de bulbo seco. Ao
sul de 58°N, havia 492 estações meteorológicas contendo pelo menos 10 anos de dados entre 1998 e 2014. Ao
norte de 58°N, havia 95 estações CWEEDS divididas em dois conjuntos de dados de irradiância solar: de 1998
a 2014, havia 23 locais usando irradiância solar estimada pelo modelo MAC3 a partir de observações
meteorológicas horárias da camada de nuvens, e de 2005 a 2017 houve 72 locais usando dados derivados de
satélite de órbita polar SUNY/NASA.
Os dados de neve neste estudo foram obtidos de estações de precipitação que medem a queda diária de neve
fresca por régua, dos quais 1.100 locais estavam disponíveis com dados entre 1968 e 2018. Cada estação
CWEEDS foi examinada para determinar se havia pelo menos uma estação de precipitação dentro de um raio
de cinco km. com pelo menos cinco anos de dados sobrepostos. Das localizações originais do CWEEDS, 190
cumpriam a condição de proximidade e foram combinadas com estações de precipitação próximas (Figura 20).
Para estas estações correspondentes, os dados horários de irradiância e temperatura ambiente foram
combinados com dados de profundidade da neve.
Figura 20: Estações CWEEDS com dados combinados de precipitação para 190 localidades.
4.2.3 Simulação de perda de neve usando o modelo System Advisor
A simulação da perda de neve foi realizada em intervalos de hora em hora usando dois modelos: o Marion [99]
e os modelos de Townsend e Powers [100]. Embora outros modelos tenham sido desenvolvidos, estes dois
foram escolhidos por terem sido objeto de estudos de validação. O modelo Marion está integrado ao software
SAM. Para este relatório, o modelo Townsend e Powers
51
foi codificado em Matlab e baseado no esboço fornecido no estudo de queda de neve para Truckee, Califórnia [100]. Uma
versão separada do modelo Marion também foi codificada em Matlab para alterar os coeficientes de deslizamento da
neve.
Para cada intervalo de tempo, o modelo Marion verifica se ocorreu nova queda de neve comparando com o intervalo de
tempo anterior. Se ocorrer nova queda de neve, presume-se que o conjunto esteja completamente coberto. Se não houve
queda de neve, serão utilizadas as condições de neve na matriz do intervalo de tempo anterior. Quando uma nova queda
de neve é detectada, ocorre uma modelagem hora a hora, começando na primeira hora do dia.
O modelo Townsend e Powers difere do modelo Marion em vários aspectos. Em vez de considerar o deslizamento da
neve em intervalos de tempo de hora em hora, uma perda de energia percentual mensal é calculada com base em
correlações entre a perda de energia fracionária mensal medida e prevista.
O modelo de Townsend e Powers leva em consideração a geometria específica do conjunto, como a distância livre
acima do solo e o ângulo da neve empilhada abaixo do conjunto [100].
O modelo Marion requer temperatura ambiente, plano de irradiância do conjunto e profundidade da neve. Além desses
dados, o modelo de Townsend e Powers requer umidade relativa. O modelo Marion também pode ser ajustado, por meio
do coeficiente de deslizamento da neve, para levar em conta a queda de neve para diferentes configurações de
montagem. O modelo Marion considera o deslizamento da neve o mecanismo de remoção dominante e não leva em
consideração o derretimento ou remoção da neve pelo vento. Além disso, o modelo de Marion simula a eliminação
usando intervalos de tempo de acordo com a frequência de coleta de dados (minucioso, horário, diário), enquanto o
modelo de Townsend e Powers
o modelo agrega dados em médias mensais. Até certo ponto, como ambos os modelos dependem de constantes
derivadas empiricamente, eles são específicos da localização, da tecnologia e da configuração de montagem.
4.2.4 Perda de energia devido à neve: comparação de modelos

As estimativas de perda de neve como porcentagem da produção anual de energia foram geradas para inclinação de
45° e latitude usando o modelo de Marion e o modelo de Townsend e Powers para sistemas montados em telhados e no
solo. Os resultados destes modelos são resumidos como uma única perda média de neve em todo o país com base em
todos os anos disponíveis na Tabela 4. Para o modelo Marion, o coeficiente de deslizamento da neve foi de 1,97 para
sistemas de telhado e 6,0 para sistemas montados no solo. Para o modelo de Townsend e Powers, um sistema
residencial com um vão livre de 0,1 m acima do telhado foi comparado com um sistema montado no solo com um vão
livre de 2,0 m.
Tabela 4: Perda média anual de energia devido à neve em todos os locais com a mediana entre
parênteses.
Orientação da matriz Marion Townsend e Poderes
Inclinação = 45° Telhado: 14,9% (13,7%) Telhado: 4,9% (4,4%)

Terreno: 10,1% (8,5%) Terreno: 2,3% (2,0%)
Inclinação = latitude Telhado: 14,8% (13,8%) Telhado: 3,7% (2,3%)
Terreno: 10,5% (8,7%) Terreno: 1,7% (1,2%)
Tal como mostrado nas médias nacionais, as diferenças entre os dois modelos são substanciais, embora utilizem os
mesmos ficheiros meteorológicos anuais. A grade foi selecionada para a criação de mapas de contorno de perda de
neve, a fim de estender as estimativas de estações específicas para um país-
52
nível amplo. Para a análise foi utilizado um software comercial utilizado nas ciências geológicas para mapeamento 3D,
Surfer 17. A grade automática (contorno) pega dados espaçados aleatoriamente e extrapola usando linhas ortogonais
sobrepostas que definem células e nós. Um algoritmo é usado para estimar valores para todos os nós. Deve-se notar que
os algoritmos também podem introduzir ruído, características irrealistas independentes de dados reais e valores que
podem ser extrapolados incorretamente para regiões onde os dados são inexistentes ou escassos [101]. Os mapas de
contorno foram criados para inclinação de 45° e inclinação em latitude, avaliando configurações montadas no telhado e
no solo para cada modelo de queda de neve. Os resultados são mostrados na Figura 21, Figura 22, Figura 23 e Figura
24. Em geral, o modelo Marion previu perdas crescentes de energia em latitudes mais altas, com perdas anuais variando
de quase zero em regiões mais quentes até um máximo de 42% para alguns estações dentro do Círculo Polar Ártico. As
perdas de energia para sistemas montados no solo foram inferiores às
matrizes de telhado. As diferenças entre os cenários de latitude e inclinação de 45° foram relativamente pequenas. Por
outro lado, o modelo de Townsend e Powers mostrou perdas drasticamente mais baixas, especialmente em latitudes
elevadas. As discrepâncias entre os dois modelos permanecem objeto de estudos mais aprofundados.
Figura 21: Inclinação = 45°, perda média anual de energia da matriz no telhado [%]: Esquerda: Marion, Direita:
Townsend e Powers.
Figura 22: Inclinação=45°, perda média anual de energia do conjunto montado no solo [%]: Esquerda: Marion,
À direita: Townsend e Powers.
53
Figura 23: Inclinação = latitude, perda média anual de energia no telhado (%): Esquerda: Marion, Direita:
Townsend e Powers.
Figura 24: Inclinação = latitude, perda média anual de energia do conjunto montado no solo [%]: Esquerda:
Marion, à direita: Townsend e Powers.
Embora a utilização de uma média mensal simplifique a recolha de dados de precipitação, também pode
mascarar o complexo processo de acumulação e queda de neve que pode ocorrer numa escala horária. A
discrepância entre os dois modelos destaca a necessidade de mais validação usando dados reais do local. Os
coeficientes de ajuste usados em ambos os modelos foram determinados usando dados locais do Colorado,
Wisconsin e Califórnia. Esses coeficientes poderiam ser expandidos para refletir as condições geográficas
específicas do local, a configuração de montagem e a tecnologia do módulo. Conforme mostrado na Figura 20,
a distribuição de estações meteorológicas combinadas com dados de queda de neve está concentrada em
latitudes mais baixas, com relativamente poucas estações ao norte de 60°N.
4.2.5 Validação do modelo por comparação com dados do arranjo fotovoltaico
Para comparar os modelos com um caso de teste real, foram analisadas as perdas de neve para um conjunto
de 104 kW em Fort Simpson, Territórios do Noroeste. A matriz Fort Simpson tem um ângulo de inclinação de 35°.
Os efeitos da neve foram quantificados comparando o rendimento mensal medido com o rendimento mensal
estimado [102] [99]. O rendimento mensal estimado foi determinado em função da insolação do conjunto, da
temperatura do módulo ponderada pela irradiância, do coeficiente de temperatura de potência e da taxa de
desempenho do sistema em condições de teste padrão de acordo com a IEC 61724-1 (Edição 2).
54
Para validar os modelos de perda de neve, foram utilizados dados de produção de energia de Fort Simpson e insolação
da estação meteorológica de 2015 a 2018 para estimar a perda de neve. Em seguida, o modelo Marion e o modelo Town-
send and Powers foram executados usando dados combinados de CWEEDS e estações meteorológicas de precipitação
do aeroporto próximo. A percentagem total de perdas de neve durante três anos de operação é mostrada na Tabela 5.
Tabela 5: Perda média anual de energia devido à neve em Fort Simpson com mediana entre parênteses.
Orientação da matriz Ano Marion Townsend e Empírico

Poderes
Inclinação = 35° 2015 11% 2,2% 8%

Montado no solo 2016 17,4% 2,6% 12%
2017 20,4% 2,5% 15%
Estes resultados mostram que o modelo de Marion superestimou e o modelo de Townsend e Powers
o modelo subestimou a perda de neve. Em média, o modelo de Marion esteve mais próximo das perdas determinadas empiricamente do que o
modelo de Townsend e Powers. É necessário mais trabalho para compreender as causas da discrepância e validar modelos com mais locais.
55
ESTIMATIVA DE PERDAS DE ENERGIA E RECEITAS DE

SUJEIRA EM ESCALA UTILITÁRIA
5.1 Impacto Económico da Sujidade

A sujidade afecta os sistemas fotovoltaicos em todo o mundo e os seus efeitos mudam dependendo da localização,
da época do ano e das características do local e dos sistemas. Recentemente, estimou-se que em 2018 a sujidade
causou a perda de pelo menos 3% a 4% da produção anual de energia fotovoltaica [6]. Isto correspondeu a uma
perda económica da ordem dos 3 a 5 mil milhões de euros (Figura 25). Prevê-se que estas perdas aumentem até
4% a 5% e 4 a 7 mil milhões de euros até 2023 devido a uma série de factores. Em primeiro lugar, estão a ser
instalados mais módulos fotovoltaicos em regiões de elevada insolação, como a China ou a Índia, que são
também aquelas que geralmente estão mais expostas à sujidade. Em segundo lugar, o preço reduzido da
electricidade tornará as limpezas “menos convenientes” porque as receitas de qualquer kWh de energia
recuperada serão mais baixas. Finalmente, sob a mesma quantidade de sujidade, os módulos mais eficientes
estão sujeitos a maiores perdas de energia em comparação com os módulos fotovoltaicos menos eficientes.
Figura 25: Perdas Económicas Globais: Perdas económicas por país em 2018 e em 2023 para os 22
principais mercados fotovoltaicos. Dados e metodologias de [6].
O trabalho mencionado anteriormente leva em consideração um cenário de cronograma de limpeza ideal, onde
todos os sistemas fotovoltaicos são operados para minimizar as perdas financeiras por sujidade, pretendendo ser
uma combinação de perdas de receitas e despesas de limpeza. No mundo real, as perdas são esperadas
56
ser maior, pois muitos sistemas não operam no horário de limpeza ideal. Por exemplo,
a percentagem crescente de instalações em telhados poderá contribuir para aumentar ainda mais o impacto global
da sujidade.
A limpeza de um módulo fotovoltaico tem um custo, que é a combinação do custo da mão de obra e do custo dos
materiais. Isto é geralmente expresso em moeda por unidade de superfície, pois representa o gasto necessário
para limpar um m2 de módulo fotovoltaico (Figura 26). Factores como a disponibilidade e o custo dos recursos
(por exemplo, água) e o custo da mão-de-obra, bem como a acessibilidade de um local podem afectar os custos
de limpeza. A despesa por limpeza de um local fotovoltaico completo (U) pode então ser calculada dependendo
do tamanho do sistema (C) e dos tipos de módulo fotovoltaico, como segue:
ÿ
=ÿ=
(12)
/
onde
• u é o custo por limpeza (em €/ m2 ) • Pmod

= potência nominal
• Amod = superfície de cada módulo fotovoltaico.
A equação mostra que o custo U diminui enquanto a eficiência dos módulos aumenta, pois, para a mesma
capacidade de potência, módulos de maior eficiência possuem menos superfície a ser limpa.
Figura 26: Custos e Despesas de Limpeza. Esquerda: Custos de limpeza fotovoltaica para mercados
representativos, adaptado de Ilse et al. À direita: Despesas com limpeza de um sistema de um MW,
dependendo da eficiência do módulo fotovoltaico.
Limpar um módulo fotovoltaico que não apresenta sujeira ou tem pouca sujeira em sua superfície é uma
despesa desnecessária, porque a despesa de limpeza apenas leva a nenhum ou a um ganho de energia
limitado. Por outro lado, não limpar um módulo fotovoltaico sujo também representa uma perda de dinheiro.
Por esta razão, os sistemas fotovoltaicos devem ser operados o mais próximo possível do horário ideal de
limpeza, a fim de maximizar o desempenho elétrico e, ao mesmo tempo, minimizar os custos. Mani e Pillai [103] compilaram um
57
lista de recomendações de rotina de limpeza com base na localização, na zona climática e nas condições climáticas
dos locais fotovoltaicos. Esta é uma orientação útil, mas o cronograma de limpeza deve ser redefinido
especificamente para cada local fotovoltaico, porque varia de acordo com uma série de fatores
[104]. Além do custo da limpeza e da eficiência do módulo fotovoltaico, a rentabilidade de um cronograma de
limpeza depende também de:
• A taxa de deposição de sujeira,

• O fator de capacidade do sistema,
• O preço da energia recuperada, em moeda por kWh.
Vários modelos económicos têm sido propostos para identificar o horário de limpeza mais conveniente. A
abordagem mais simples é realizar uma limpeza sempre que o custo da limpeza for inferior à receita perdida devido
à perda de produção de energia. Uma métrica, denominada Custo das Perdas de Produção (CPL), foi proposta por
[105], para quantificar as receitas perdidas causadas pela energia não produzida devido à sujidade. É obtido como
o produto da energia perdida devido à sujeira e ao preço de venda da eletricidade:
=( )ÿ(+))ÿ(+) (13)
ÿ ÿ
=(
ÿ ÿ
onde
• PSTC_clean é a energia STC gerada por um módulo limpo

• ineff é a perda de eficiência devido à sujeira •
TM é o momento que vale a pena realizar a limpeza
• RS e Rinc = valores (em €) em poupança e em incentivos por cada kWh produzido.
Usando esta abordagem, as limpezas devem ser realizadas quando CPL > U. A equação do custo de perdas
de produção foi modificada para ser aplicável também a sistemas solares domésticos [106].
Este método simples funciona para igualar a perda de receitas de sujidade e os custos de limpeza. Além disso,
idealmente, o cronograma de limpeza também deve levar em consideração o fato de que agentes naturais, como
chuvas, vento ou orvalho, podem ter um efeito de limpeza nos módulos fotovoltaicos sem nenhum custo [57], [107],
[23]. Por estas razões, há espaço para uma otimização adicional do cronograma de limpeza, conforme mostrado
na Figura 27. No exemplo traçado, o dia de limpeza ideal reduziria o custo da sujidade em 17% em comparação
com o dia em que o CPL > A condição U foi atendida.
Os dados da figura são modelados a partir de medições de sujeira feitas em um local na Califórnia durante um
período seco de três meses e meio, considerando um hipotético sistema fotovoltaico de um MW composto por
módulos com eficiência de 17,5%, um fator de capacidade diário fixo de 20%, um custo por limpeza de 0,2 €/ m2
e um preço de eletricidade de 0,09 €/ kWh.
Devido a esta oportunidade de otimização, modelos adicionais foram propostos na literatura para reduzir ainda
mais as perdas económicas devido à sujidade. Jones et al. [56] propuseram um método para minimizar o custo
total da sujidade, concebido como uma soma dos custos de limpeza e perdas de receitas.
Uma abordagem semelhante destinada a minimizar os custos totais relacionados com a sujidade foi utilizada por
Ilse et al. [6]. A partir da análise de dados de um sistema fotovoltaico na Arábia Saudita, Herrmann [108]
desenvolveu um modelo para identificar o número ideal de limpezas por ano com base em dois parâmetros: taxa
média de sujidade por dia e custos de limpeza. Besson et al. [59] propuseram um método para maximizar a
diferença entre receitas e custos de limpeza:
58
(14)
ÿ ÿÿÿ
=1
onde
• sst= a perda de sujidade no dia t

• CPt = rendimento energético em condições limpas no dia t
• EP é o preço da eletricidade
• U é o custo total de uma limpeza
• xt é a variável binária de decisão da planta no dia t.
Nessas abordagens, os efeitos de limpeza das chuvas também são considerados. Você e outros. [89]
propuseram um método de otimização que visa minimizar o Valor Presente Líquido (VPL) de sistemas
fotovoltaicos. Todos esses modelos de otimização minimizariam o custo econômico da sujidade, mas, em
comparação com o primeiro método simples, que pode ser facilmente aplicado para tomar decisões de
O&M em sistemas fotovoltaicos em campo, são mais difíceis de usar em um cenário real, dada a inter
-variabilidade anual de sujidades e precipitações [87], [109].
Figura 27: Comparação de modelos. Esquerda: Perda de sujeira durante um período de seca registrada
em um local na Califórnia ([87]). Centro: Comparando o custo das perdas de produção e o custo da
limpeza para identificar o dia de limpeza mais conveniente usando o método CPL [105], [110]. À direita:
Comparação das perdas totais de sujidade para diferentes dias de limpeza num cenário de limpeza única.
Condições consideradas: Uma central MW com módulo eficiente de 17,5%, fator de capacidade fixo de
20%, custo de limpeza de 0,2 €/ m2 e preço de eletricidade de 0,09 €/ kWh.
5.2 Perdas de Sujidade em todo o Mundo: Recursos e Variabilidade

Muitas publicações foram apresentadas sobre perdas de sujidade fotovoltaica e tópicos relacionados. No entanto,
muitos destes são estudos de caso independentes e as informações sobre sujidade muitas vezes não são
comunicadas de forma sistemática. De facto, são utilizadas várias métricas para quantificar a sujidade e, em
alguns casos, as mesmas métricas têm definições ligeiramente diferentes. Por exemplo, as taxas anuais de sujidade foram
59
relatados tanto como médias simples de valores diários quanto como médias ponderadas por irradiância de valores
diários.
Na tentativa de reunir todas essas informações, foram disponibilizados alguns recursos para mostrar dados de sujidade
de diferentes locais. Vários artigos de revisão coletaram dados publicados na literatura [12], [11], [111], [6]. O primeiro
mapa de sujidade2 foi publicado pelo NCPRE (Índia)
e reporta as taxas de sujidade [%/dia] recolhidas em muitos locais em todo o mundo. Os valores são provenientes da
literatura e, portanto, cada um calculado de forma única. Por outro lado, o mapa de sujidade NREL3 mostra 83 dados
de sujidade medidos em sistemas fotovoltaicos e estações de sujidade localizadas nos EUA. Neste caso, a sujidade é
quantificada utilizando uma abordagem sistemática, mas é diferente para estações de sujidade e sistemas fotovoltaicos
[3]. Estes recursos são valiosos porque podem ser utilizados para estimar a sujidade em locais onde não existem dados
de sujidade disponíveis. Na verdade, é possível estimar as perdas de sujidade para um local através de técnicas de
interpolação espacial, dados um ou mais dados de sujidade de locais próximos [94]. Descobriu-se que a incerteza na
estimativa era menor se locais com características semelhantes (por exemplo, tipo de rastreamento ou tipo de
montagem) fossem comparados.
Nenhum dos recursos listados anteriormente leva em conta atualmente a variabilidade temporal e espacial da sujidade.
Na verdade, os sistemas próximos podem sujar de forma diferente e até mesmo a sujeira no mesmo local pode mudar
significativamente. Isso pode ser resultado de diversos fatores, que vão desde as condições climáticas até as
características do sistema e o projeto do módulo fotovoltaico [23]. Gostein et al. [51]
mostraram que as perdas dentro do mesmo local podem variar por um fator de 2x. Num estudo mais recente, realizado
em dois locais na Califórnia, descobriu-se que mesmo a taxa de sujidade pode variar por factores de 2x ou 3x. A não
uniformidade pode depender da distribuição espacial dos “emissores” de sujidade e da direção predominante do vento.
5.3 Estudo de Caso: Perdas de Sujidade a Longo Prazo num Clima Moderado
A sujidade é geralmente considerada um problema apenas nas regiões áridas ou desérticas. Além disso, os sistemas
fotovoltaicos em locais chuvosos podem ser facilmente considerados como sendo constantemente lavados pelas
precipitações regulares. Em vez disso, o exemplo que se segue mostra como a sujidade pode acumular-se lentamente
também em locais como a Suíça, normalmente considerados isentos de sujidade.
O Laboratório Fotovoltaico da Universidade de Ciências Aplicadas de Berna (BFH) Burgdorf opera um centro de testes
para sistemas fotovoltaicos com um gerador solar de 60 kWp, desde 1994. O sistema consiste em 1.056 módulos
emoldurados Siemens M55HO montados no verão de 1993 com uma inclinação ângulo de 30° e o lado comprido na
posição horizontal. Este gerador solar é dividido em duas partes de 30 kWp chamadas “Tiergarten West” e “Tiergarten
Ost”.
O gerador solar está no topo do edifício do departamento de engenharia elétrica da BFH Burgdorf, a cerca de 10 m do
solo, numa cidade de cerca de 15.000 habitantes. Na região que circunda esta cidade, existem indústrias leves,
florestas e fazendas que causam poluição biológica (com pólen), especialmente na primavera. A fonte externa mais
importante de poluição incomum é uma linha ferroviária (Berna-Zurique) a uma distância inferior a 100 m do sistema
fotovoltaico. Como a estação ferroviária de Burgdorf, onde param muitos comboios, fica a menos de um quilómetro de
distância, muitos comboios travam ou aceleram quando passam pelo edifício. A região é bastante úmida, a precipitação
natural é superior a 1.000 litros por m2 por ano e está suficientemente distribuída ao longo de todo o ano. Essas
condições fizeram com que a limpeza natural fosse considerada suficiente antes da instalação da usina.
Enquanto nos anos de 1994 a 1996 apenas na Primavera se observou uma poluição claramente visível, no decurso de
1997, com um período bastante seco e ensolarado desde o final de Julho até ao início de
Novembro, o desenvolvimento de uma faixa de poluição permanente (poluição compacta até 1 cm,
2
http://www.ncpre.iitb.ac.in/ncpre/pages/SERIIUS_Soiling_rate_of_the_World.html
3
https://www.nrel.gov/pv/soiling.html
60
seguido por uma faixa de poluição visível, mas não compacta) perto da borda inferior da estrutura do módulo. A influência
desta faixa poluente no desempenho do conjunto foi considerada especialmente severa nos módulos fotovoltaicos do
gerador principal (com o lado longo na posição horizontal), devido à distância muito pequena entre as células e a
estrutura (1-2 mm ). Uma perda tão elevada como 10% acumulou-se até à Primavera de 1998 [112]. Até então, as
limpezas artificiais eram realizadas apenas nos sensores de irradiância e não nos módulos fotovoltaicos.
Devido ao impacto significativo da sujidade, foi então estabelecido um calendário de limpeza periódica, tendo as
limpezas sido realizadas no verão de 1998, 2002, 2006, 2010, 2012, 2016 e 2020.
String IV-Medições da instalação de 30 kWp “Tiergarten West” foram realizadas alguns dias antes e depois de cada
limpeza. Dependendo das condições climáticas e da sujidade real do gerador, o “ganho” médio devido à limpeza varia
de poucos percentuais até 10% (Tabela 6).
Tabela 6: Cálculos percentuais do ganho de desempenho foram feitos para os anos de 2002 a 2020 a partir
de medições da corda IV.
Ano 1998 2002 2006 2010 2012 2016 2020
Aumento em % 10,0% 9,3% 3,2% 9,9% 2,3% 9,9% 5,4%
Para investigar o efeito a longo prazo no desempenho da instalação, o fator de correção kG do gerador é calculado a
partir dos dados de monitoramento, que é uma medida para diferentes perdas operacionais, incluindo sujeira.
A Figura 28 apresenta a progressão qualitativa das perdas medidas por sujidade, bem como o respetivo ganho após
limpeza da instalação. Os valores de kG foram calculados em média para um ano para a temporada de verão, de abril a
setembro, onde os períodos de cobertura de neve são excluídos. No caso de limpeza esta temporada é dividida nos
meses anteriores e posteriores à limpeza.
Em 2020 foi limpo no final de agosto. O ponto de dados kG do Período 8 consiste apenas no ponto medido em setembro
de 2020.
Para as limpezas até 2010 pode-se observar um claro aumento de kG como efeito da limpeza. A partir de 2012, não
será possível encontrar ganhos de desempenho mais duradouros. Parece que os módulos estão voltando mais
rapidamente a um grau de sujidade de equilíbrio normal. Pode ser que a superfície de vidro do módulo tenha mudado
ao longo do tempo devido ao envelhecimento dos módulos ou à limpeza inadequada.
61
Figura 28: A relação de desempenho da instalação “Tiergarten West” de 30 kWp de 1994 a 2020.
Como mostrado, a sujidade pode acumular-se lentamente ao longo dos anos, mesmo nesses locais onde ocorrem
frequentes eventos de limpeza natural. Por esta razão, limpezas manuais anuais, ou pelo menos periódicas, devem ser
sempre realizadas em sistemas fotovoltaicos, para remover qualquer sujidade difícil de remover que não seja removida
por eventos naturais e para evitar a criação de ligações duras entre a sujidade e o superfície dos módulos [91].
62
MITIGAÇÃO DE PERDAS DE SUJEIRA EM SISTEMAS FV
De modo geral, os métodos de mitigação de sujidade podem ser classificados em medidas preventivas e corretivas. As
medidas preventivas são da responsabilidade da engenharia, aquisição e construção (EPC), em termos de seleção do
local e dos módulos, aplicações de revestimento anti-sujidade, adaptação do local, etc., enquanto as medidas corretivas
são da competência da O&M, como a escolha a tecnologia de limpeza correta. Vários autores resumiram estratégias de
mitigação, por exemplo
AlDowsari et al. [113], Ilse et al. [6], juntamente com uma avaliação técnico-económica das perdas e estratégias de
mitigação.
A limpeza pode ser subdividida em limpeza manual, semi e totalmente automatizada, com respectivo consumo de água.
Os custos, os danos potenciais e a influência dos microclimas variam consideravelmente. Existe um consenso de que não
existe uma abordagem “única que sirva para todos”, porque a sujidade depende fortemente das condições locais.
Os revestimentos anti-sujidade (ASC) dificultam a deposição de partículas e são descritos pela física de adesão de
partículas, escudos eletrodinâmicos que usam forças eletrostáticas para afastar as partículas.
Ilse et al. [6] também sugerem a implementação da mitigação do orvalho, já que o orvalho é um fator importante nos
processos de cimentação e endurecimento que pode levar a crostas que não podem ser facilmente removidas. Por último,
adaptação do local, novos projetos de módulos e instalações (por exemplo, módulos bifaciais verticais voltados para leste-oeste),
e soluções de rastreamento (por exemplo, armazenamento noturno) têm o potencial de mitigar ainda mais a sujidade.
Figura 29: Abordagens de mitigação de sujeira além da limpeza [6].
63
6.1 Métodos Preventivos de Mitigação

6.1.1 Avaliação, Adaptação e Planejamento do Local
Desde o início da fase de projeto e construção, as considerações sobre sujidade devem ser parte integrante do
projeto do sistema. O conhecimento sobre as condições meteorológicas locais, como direção principal do vento,
frequência de chuva, umidade relativa e ocorrência de orvalho, ajudará na adaptação dos sistemas
para minimizar a sujidade. Por exemplo, estradas de terra próximas podem ser revestidas com vegetação para
desviar rajadas de poeira. Módulos sem moldura podem facilitar a remoção de sujeira, e um design de módulo
otimizado com diodos de bypass pode minimizar o efeito de sombreamento parcial por sujeira heterogênea.
Conforme ilustrado pelos exemplos no capítulo 6.2.3, os rastreadores de eixo único e duplo também podem ser
benéficos.
6.1.2 Revestimentos Anti-Sujidade

Revestimentos Hidrofílicos/Hidrofóbicos
Os métodos preventivos passivos, também conhecidos como fáceis de limpar, autolimpantes ou anti-sujidade,
baseiam-se em revestimentos que podem ser classificados como hidrofóbicos, hidrofílicos ou fotocatalíticos.
Revestimentos hidrofóbicos com superfícies fáceis de limpar possuem baixas energias superficiais, resultando
em propriedades superficiais hidrorrepelentes com altos ângulos de contato, o que leva à formação de gotículas.
Essas gotículas de água devem então rolar e coletar partículas de poeira da superfície. Ao aplicar uma microestrutura
específica, eles podem ser ajustados para uma superfície superhidrofóbica com um ângulo de contato (CA) superior a
150°, muitas vezes referido como efeito lótus, induzindo uma funcionalidade de autolimpeza. Tais revestimentos são
baseados principalmente em fluoropolímeros ou sílica funcionalizada hidrofóbica.
Os revestimentos hidrofílicos com superfícies autolimpantes, por outro lado, atraem água devido às altas energias
superficiais. Portanto, apresentam ângulos de contato baixos, o que faz com que a água se espalhe pela
superfície. Se for alcançado um CA inferior a 10° (superhidrófilo), é garantida uma molhagem completa, assumindo
que o ângulo de inclinação e a quantidade de água são suficientes. Os materiais de revestimento são à base de
dióxido de silício ou dióxido de titânio. Os revestimentos baseados neste último material oferecem tanto
fotocatálise, que evita a decomposição de contaminantes orgânicos sob irradiação UV e melhora a mitigação,
quanto superhidrofilicidade, que facilita a lavagem de contaminantes da superfície pela água da chuva [114], [87].
Normalmente, os ASCs hidrofílicos são depositados por pulverização catódica ou processos químicos úmidos
(por exemplo, revestimento por rolo).
64
Figura 30: Diferentes tipos de revestimentos AS [115].
Não há acordo sobre se ASCs hidrofílicos ou hidrofóbicos são eficazes [116]. Por exemplo, mesmo que os
revestimentos hidrofóbicos tornem os PVs mais fáceis de limpar, eles não resultarão necessariamente em
propriedades anti-sujidade [117]. Na verdade, sob certas circunstâncias, os revestimentos podem aumentar a
sujidade quando comparados com o vidro não revestido. O benefício dos ASCs deve, portanto, ser avaliado
individualmente para cada local alvo em uma avaliação técnico-econômica, levando em conta condições climáticas
realistas, ciclos de limpeza, custos de fabricação e outros fatores [87],
[6]. Por outro lado, Ilse et al. [6] mostram que a aplicação de ASCs pode permitir aos operadores de painéis
fotovoltaicos aumentar o tempo entre os ciclos de limpeza, reduzindo assim os custos associados.
Dependendo das condições climáticas locais, reduções de custos de 20 a 50% podem ser alcançadas apenas com o ASC.
A partir de investigações em testes externos e de laboratório, cinco mecanismos de sujidade seca e úmida foram
identificados para regiões áridas [23]: rebote, ressuspensão, aglomeração, cimentação e limpeza com água. Para
minimizar a sujidade com ASC, cada um destes mecanismos poderia ser abordado. Contudo, as restrições
resultantes de fenómenos físicos devem ser tidas em conta. Estes incluem fatores de localização, como taxas de
incrustação e flutuações climáticas periódicas. Outra questão importante é a física geral da adesão de partículas,
em particular de partículas de poeira com diâmetros menores que 20 µm, que normalmente não podem ser
removidas pelo vento e contribuem para uma grande proporção de sujeira quando combinadas com orvalho [6],
[50 ], [118], [119].
Em termos de processos de limpeza otimizados para módulos fotovoltaicos equipados com ASC, Lorenz et al. [120]
simulou a influência da sujidade para um ano chuvoso e um ano seco com base num modelo de referência,
conforme mostrado na Figura 31. A referência representa um ano típico em Riade, Arábia Saudita, com base em
dados empíricos de 1985 a 2010. Como mostrado na Figura 41, um excedente de 3,2% do rendimento económico
anual pode ser alcançado durante um ano típico, enquanto um excedente de 3,34% e 3,24% pode ser alcançado
durante anos secos e chuvosos, respectivamente.
65
Figura 31: Processos de limpeza otimizados para módulos fotovoltaicos equipados com ASC,
influência da sujeira [120].
Figura 32: Ganhos anuais com ASCs e estratégia de limpeza otimizada [120].
Com base nos dados de transmissão, a tendência para características de limpeza mais fáceis resultou em
menos perda de energia. Portanto, as vantagens de um ASC são a redução dos processos de limpeza
devido aos métodos naturais de limpeza. Vale ressaltar novamente que, para alcançar tais vantagens, o
ASC precisa ser cuidadosamente escolhido com base nas condições locais. Além disso, uma vida útil longa
não pode ser garantida para todas as regiões climáticas, e alguns ASCs poderiam aumentar as perdas de
transmissão por si próprios [8].
Por outro lado, as investigações mostraram enormes perdas de eficiência devido à sujidade intensa, até
-80% em seis meses [68] sem um ASC. Mondal et al. [121] resumem a perda de desempenho em até 20%
dependendo dos locais de teste e outras condições de contorno. No entanto, os lucros provenientes da
utilização de ASC são obtidos principalmente através da poupança nos custos de limpeza e devem, portanto,
custar menos de um €/ m² após 10 anos em relação ao ROI [6].
Os efeitos da abrasão não podem ser previstos, pois além dos processos de limpeza, as tempestades de
areia abrasivas (composição, formato e tamanho do pó) e o meio ambiente também têm impacto na vida útil
dos ASCs. Investigações da porcentagem de área coberta por ASCs de diferentes revestimentos (sílica
porosa hidrofílica e polímeros hidrofóbicos) em duas regiões distintas com diferentes métodos de limpeza –
escova seca, spray de água de baixa pressão e esponja úmida, e borracha
66
rodo – demonstraram que, em alguns casos, danos consideráveis foram causados pela escova seca
devido à natureza abrasiva da contaminação [115].
Recentemente, um estudo realizado na Dinamarca, que representa o clima costeiro, sugere que além
do estresse externo combinado, que é difícil de refletir em testes internos, a vida útil dos ASCs também
é influenciada pela qualidade e homogeneidade da superfície [122]. Se a superfície for danificada
antes da aplicação, a degradação acelera o dano, por exemplo, por formação de bolhas.
No entanto, existem muitos métodos padrão para testar antecipadamente a vida útil, por exemplo, IEC
62788-7-3 ou VDI 3956-1, mas a escolha do método de limpeza e dos materiais tem de ser adaptada
ao clima, tipo de solo e textura do solo, e mecanismo de sujeira.
6.1.3 Novos Conceitos de Módulo e Planta

É amplamente divulgado que a perda na transmissão devido à sujeira é uma forte função do ângulo de inclinação
do vidro [123], [12]. Especificamente, a perda de sujidade é mais baixa para um ângulo de inclinação de 90º. A
força gravitacional sobre as partículas do solo é um fator importante que influencia o assentamento de poeira nas
superfícies e pode explicar parcialmente a dependência do ângulo de inclinação. A formação de orvalho no lado
ensolarado dos módulos fotovoltaicos, normalmente durante a noite, aumenta a adesão da poeira à superfície de
vidro. Estas observações sugerem que (i) os painéis solares montados verticalmente sofreriam menos com a
sujeira, (ii) a deposição de solo na parte traseira de um módulo bifacial montado lateralmente seria insignificante e
(iii) virar os módulos monofaciais com o lado ensolarado para baixo durante a noite poderia reduzir a deposição e
adesão do solo. Neste subcapítulo discutimos a eficácia destes métodos baseados em experiências de campo. A
redução da sujidade através destes métodos também é quantificada.
Os experimentos foram conduzidos em um local de teste no telhado de um prédio de 8 andares no campus do IIT
Bombay, Mumbai, Índia [124], [125]. As coordenadas geográficas do local são 19,13ºN, 72,19ºE, e Mumbai tem
um clima quente e úmido. As características de corrente-tensão dos módulos foram medidas periodicamente
usando um traçador de curva multicanal (Daystar MT5 3200). Pares de módulos de silício cristalino foram
utilizados para avaliar as perdas de sujidade, um de cada par foi limpo todos os dias e o outro foi deixado para
sujar. A perda de sujeira é caracterizada pela seguinte equação,
(15)
(%) = (1 - ) * 100
Onde:
• A energia foi obtida integrando a potência instantânea medida ao longo do dia

• A taxa de sujidade é definida como a inclinação da perda de sujidade versus o número de dias.
67
Figura 33: Instalação experimental com módulos bifaciais montados verticalmente.
(i) Módulos bifaciais montados verticalmente orientados leste-oeste

Embora a montagem vertical de módulos possa reduzir as perdas por sujidade, tal montagem resultaria
em baixos rendimentos energéticos no caso de módulos monofaciais, uma vez que os módulos produziriam
energia substancial apenas durante metade do dia. Este problema é parcialmente resolvido por módulos
bifaciais com alta bifacialidade. Se o módulo bifacial for montado verticalmente com orientação leste-
oeste, o lado voltado para leste produziria energia substancial pela manhã e o lado voltado para oeste
seria o maior produtor de energia à tarde.
Em nossos experimentos, utilizamos dois módulos monofaciais (100 Wp, medidos no STC) e quatro
módulos bifaciais (bifacialidade nominal de 90%; frontal 229 Wp e traseiro 209 Wp, medido no STC).
Tanto os módulos monofaciais quanto dois dos módulos bifaciais foram instalados com inclinação de 19º
e são chamados de módulos monofaciais montados em Latitude (LM) e módulos bifaciais montados em
Latitude (LB), respectivamente. Dois dos módulos bifaciais foram instalados com
a parte frontal voltada para oeste com inclinação de 90º, e são denominados Módulos Bifaciais Montados
Verticalmente (VB). O experimento foi realizado durante o período de dezembro de 2017 a abril de 2018.
Fotografias das instalações experimentais no 20º dia do experimento são mostradas na Figura 33. O
módulo bifacial montado verticalmente não limpo apresentou visivelmente menos sujeira
do que os módulos montados lateralmente não limpos. A Figura 34 mostra o perfil de produção de energia
do módulo bifacial montado verticalmente limpo em um dia típico do experimento.
68
Figura 34: A potência produzida pelo módulo bifacial montado verticalmente limpo em um dia típico do
experimento.
A Figura 35 (a) mostra a perda de sujidade em função da data do experimento para os três pares de instalações.
A taxa de sujidade é de 0,45%/dia para o LM, e isso é consistente com os experimentos que conduzimos no
mesmo local desde 2013 [126], [127].
a taxa é de 0,32%/dia para LB. Isto ocorre porque a deposição de solo no lado traseiro do módulo é insignificante
em comparação com a do lado frontal e, portanto, a contribuição do lado traseiro do módulo bifacial para a
geração de energia não é substancialmente reduzida pela sujidade. Este efeito foi menos pronunciado para
módulos bifaciais com menor bifacialidade (124). É provável que locais com albedo elevado, por exemplo
desertos de areia branca, beneficiem mais deste efeito.
No caso dos módulos bifaciais montados verticalmente, a taxa de sujidade é de cerca de 0,02%/dia, valor
insignificante comparado ao observado para os módulos instalados no ângulo de latitude.
Figura 35: a) Perda de sujidade para os 3 diferentes tipos de instalações. b) Energia normalizada produzida
por módulos bifaciais montados com inclinação de latitude e inclinação de 90º. A irradiação diária medida
no local também é plotada para referência.
A Figura 35 (b) mostra a energia produzida pelos módulos LB e VB normalizada para a irradiância (em kWh)
para cada dia. A energia normalizada produzida pelo LB limpo é sempre maior que a VB. No entanto, a energia
produzida pelo LB sujo, embora inicialmente superior ao VB, diminui à medida que o tempo avança devido à
sujidade e eventualmente atravessa e torna-se inferior à energia produzida pelo VB. O cruzamento ocorre
aproximadamente após sete semanas de exposição ao campo.
69
(ii) Redução de sujeira virando os módulos monofaciais de cabeça para baixo durante o período não
Horas de sol
Neste experimento, realizado do início de março a meados de abril de 2016, foram utilizados módulos
com classificação nominal de 90 Wp. Um módulo foi montado no ângulo de latitude durante todo o
experimento e limpo todos os dias. Outro módulo montado no ângulo de latitude não foi limpo.
Um terceiro módulo invertido foi montado em uma estrutura que possibilitou, por meio do acionamento
manual de uma alavanca, virar o módulo de face para baixo. Durante o dia, este módulo foi
posicionado no ângulo de latitude e virado de cabeça para baixo durante a noite. Este módulo
também não foi limpo. A Figura 36 mostra o terceiro módulo nas duas posições.
Figura 36: A fotografia da esquerda mostra o módulo invertido durante o dia, e a fotografia da
direita mostra-o durante a noite.
A Figura 37 mostra a perda de sujidade em função da data do experimento para os módulos fixo e
invertido. As taxas de sujidade foram estimadas em 0,45%/dia e 0,14%/dia por regressão linear. O
mecanismo proposto resulta numa redução significativa na taxa de sujidade e, portanto, pode resultar
numa redução significativa na frequência de limpeza. Queda de poeira quando o módulo é virado,
menor deposição de poeira no vidro voltado para baixo durante a noite e menor taxa de adesão de
poeira devido à menor formação de orvalho no vidro voltado para baixo durante a noite são possíveis
razões para a menor taxa de sujidade no módulo invertido.
70
Figura 37: Perdas de sujidade num módulo fixado com uma inclinação do ângulo de latitude durante toda a
experiência, versus um módulo que foi guardado na posição com o lado ensolarado para baixo durante as
horas sem sol (módulo invertido).
As seguintes conclusões podem ser tiradas desses experimentos:
• Os módulos bifaciais montados com inclinação fixa no ângulo de latitude sofrem menores perdas devido à
sujidade do que os módulos monofaciais montados de forma semelhante. Isto se deve à sujidade baixa
ou insignificante na parte traseira do módulo bifacial. Este efeito é mais pronunciado com maior
bifacialidade e pode-se prever que seja mais pronunciado em um local com maior albedo. • Os módulos
bifaciais montados verticalmente
sofrem perdas de sujidade insignificantes em comparação com os módulos bifaciais montados em ângulo de
latitude. Em Mumbai, o rendimento energético de um módulo bifacial montado verticalmente excedeu o de
um módulo bifacial montado em inclinação de latitude, após sete semanas de operação nos meses de
verão, quando ambos os módulos não foram limpos. No entanto, o sombreamento em conjuntos de tais
módulos e projetos estruturais apropriados representariam desafios durante a expansão.
• Virar os módulos monofaciais de cabeça para baixo fora do horário de sol pode significar
reduzir significativamente a taxa de sujidade, reduzindo significativamente (em alguns casos eliminando
completamente) a necessidade de limpeza. Este esquema poderia ser implementado modificando
adequadamente as estruturas de instalação, especialmente em sistemas de rastreamento.
6.2 Métodos Corretivos de Mitigação
6.2.1 Visão Geral das Técnicas de Limpeza Especialmente
em regiões áridas com pouca chuva e formação de orvalho noturno, pode se tornar obrigatório limpar ativamente os
módulos. O mercado de soluções de limpeza continua a crescer em todo o mundo. As soluções incluem sistemas
manuais, semiautomáticos e totalmente automatizados, aplicando escovas rotativas e quantidades variadas de água
desmineralizada.
71
A partir de uma análise da literatura, Mondal et al. [121] sugerem uma classificação das técnicas de limpeza com base nas
condições climáticas (Tabela 7).
Tabela 7:Técnicas de limpeza propostas para condições climáticas, adaptadas de Mondel et al. [121].
Clima/Área Técnica de limpeza aplicada

Deserto Vibração da superfície e racionalização aerodinâmica
Seco Polarização eletrostática, limpeza robótica autônoma, sprinkler
Chuvoso, úmido Não são necessárias técnicas especiais, mas podem ser combinadas
com revestimento anti-reflexo
Frio, úmido Limpeza autônoma/robótica, sprinkler e revestimento antirreflexo
Neve Armazenamento/inversão, revestimento anti-reflexo
Quente, árido, ensolarado Polarização eletrostática, limpeza autônoma/robótica, sprinkler
Nublado, sombreado Limpeza autônoma/robótica, sprinklers, racionalização aerodinâmica
Mais comumente, os dispositivos de limpeza foram divididos em quatro categorias:
• Dispositivos manuais, como vassouras de pó e escovas de água.

• Dispositivos montados em caminhão, que podem incluir um tanque de água.
• Sistemas semiautomáticos que utilizam robôs portáteis, que podem ser movidos de uma fileira para outra
linha. Esses sistemas podem ser alimentados por bateria ou com fio e podem ser montados em trilhos, montados
em estrutura ou móveis livremente.
• Sistemas totalmente automáticos projetados para limpar regularmente uma fileira de módulos.
Esses sistemas geralmente são movidos a energia solar e podem ser montados em trilhos, em
estruturas ou móveis livremente.
Especialmente para limpeza com água de alta pressão, deve-se observar que os fabricantes de módulos normalmente
especificam uma pressão máxima com a qual os módulos podem ser limpos. As garantias podem ser anuladas se estes
valores forem excedidos. O capítulo 6.2.4 resume os resultados dos testes de limpeza dos módulos e os efeitos que estes
ciclos de limpeza simulados têm no vidro float, com ou sem revestimentos anti-reflexos e/ou vidro estruturado.
Kurz [131] conclui que “a limpeza pode ser um fator de sucesso ou fracasso para projetos fotovoltaicos competitivos, à
medida que os ganhos de produção possibilitados pela limpeza crescem em importância à medida que as margens de erro
estão diminuindo, sendo a limpeza robótica a seco a tecnologia mais robusta”. atualmente no mercado.
Presumivelmente, estas tecnologias irão melhorar ainda mais à medida que amadurecem, e outras tecnologias, como os
drones automatizados, irão melhorar ainda mais o planeamento e a operação de equipamentos de limpeza.
72
A Tabela 8 compila uma lista não exclusiva de fornecedores de soluções de limpeza nas quatro
categorias. Este mercado é bastante dinâmico e feiras dedicadas mostram novidades a cada temporada.
O Uniform Resource Locator (URL) é fornecido onde os detalhes das soluções estavam disponíveis.
73
Tabela 8 Lista não exclusiva de soluções de limpeza disponíveis, proveniente de [128], [121], [129].
Manualmente URL com mais informações, quando disponível
Alcance-IT Pro
Kärcher https://www.kaercher.com/int/
Unger https://www.ungerglobal.com/en/applications/solar-cleaning
Cleantecs https://www.cleantecs.com/en/products/solar-cleaner
IPCEagle https://www.ipcworldwide.com/us/product/solar-panel-pure-water-cleaning-system/
Montado em caminhão
Escova Solar https://sunbrushmobil.info/the-mobil-sunbrush/?lang=en
SolarLimpezaMaquinaria SCM http://scmsolar.com/
MELO
Rolhus
BITIMEC bitimec.com
Escavador
Metalurgia
hicleaner https://hycleaner.eu/en/produkte/hycleaner-black-solar-2/
Drone montado
Blade Ranger http://www.bladeranger.com/

SolarBrush https://www.aerialpower.com/solarbrush/
Robôs Semiautomáticos
Poder do sol
Exosun
SolarLimpezaMaquinaria SCM
Químico
servo
Hélios http://www.pv-roboter.de/
Gekko Solar32 www.serbot.ch/images/documents/TD_GEKKO%20Solar_En_20-13_06_06.pdf
Totalmente automatizado
Ecópia http://www.ecoppia.com/technology/
Sol-Brilhante
Nômade http://www.nomaddesertsolar.com/the-nomadd-technology.html
servo
Painel de lavagem http://www.washpanel.com/prodotti.php
Pulverizador de bico
O 'painel solar automático da Heliotex https://www.solarpanelcleaningsystems.com/photos.html?galItem=63&galAl-
sistema de limpeza cinco=2&galTag=
74
6.2.2 Limpeza Eletrodinâmica de Sistemas

A indústria de energia solar precisa de uma solução mais econômica, totalmente automatizada, que economize água e
tempo para limpar a poeira e a areia dos painéis fotovoltaicos. A solução não deve danificar a superfície do painel e
reduzir a perda de energia em áreas desérticas onde os painéis necessitam de uma limpeza mais rápida e regular
devido às frequentes tempestades de areia e à maior concentração de poeira atmosférica. Por estas razões, o Sistema
de Limpeza Eletrodinâmica (EDS) é uma tecnologia promissora para limpar a poeira de painéis solares, refletores
solares (espelhos) e superfícies de vidro, especialmente em regiões áridas.
O EDS consiste em uma solução de limpeza sem contato que utiliza uma limpeza eletrodinâmica baseada na carga de
partículas de areia. As partículas de poeira são evacuadas da superfície do módulo através de ondas viajantes
controladas por pulsos elétricos de alta tensão (na ordem de kV) aplicados em eletrodos dedicados integrados abaixo
do vidro frontal do painel solar (Figura 38). Eletrodos paralelos são embutidos na superfície do vidro ou do polímero e,
em seguida, um circuito eletrônico cria ondas progressivas que levitam e repelem as partículas de poeira através da
força de Coulomb para longe da superfície.
Masuda et al. [130] foram os primeiros a demonstrar o transporte de partículas baseado em um campo elétrico variável.
Figura 38: Esquema da seção transversal do EDS de um sistema eletrodinâmico (EDS) para limpeza de poeira
usando eletrodos de quatro fios para criar a onda viajante [131].
Praticamente, o EDS carrega partículas de poeira, alternando a aplicação de altas tensões em vários eletrodos
independentes e criando uma onda viajante que move as partículas na superfície. Os eletrodos podem ter vários designs
de acordo com a aplicação final (ver Figura 39).
75
Figura 39: a) Imagem do desenho do eletrodo espiral. b) Esquema do projeto do eletrodo de arame.
As setas representam as direções do movimento das partículas [131].
A empresa CleanFizz SA testou um pequeno módulo piloto na Universidade King Abdullah de Ciência e Tecnologia
(KAUST) em Thuwal, Arábia Saudita (ver Figura 40). Sensores integrados
medir luminosidade, umidade, temperatura da superfície e outros parâmetros essenciais. Seus resultados indicam
que o EDS remove mais de 90% da poeira acumulada nos primeiros 20 segundos de cada operação. Cada limpeza
consome cerca de sete Watts (cerca de 3% da potência de um painel fotovoltaico padrão). No caso de usinas solares,
um rastreador poderia ser utilizado durante a sessão de limpeza para remover mais poeira com mais rapidez.
Figura 40: Teste de campo piloto KAUST do sistema de limpeza eletrodinâmica da Cleanfizz na KAUST na
Arábia Saudita [131].
76
De acordo com os seus resultados, o EDS reduziu a perda de energia devido à sujidade em 36% quando comparado
com um módulo de referência não limpo, enquanto o consumo de energia para operar o EDS é inferior a 0,1% da energia
produzida; a sequência de limpeza ocorre seis vezes por dia, e para cada sequência é utilizado apenas 10% da potência
gerada pelo módulo fotovoltaico, o que equivale, portanto, a um total de cerca de 20 segundos de perda de geração por
dia. Estes primeiros resultados de campo demonstram a funcionalidade da abordagem eletrodinâmica e o nível de
energia insignificante necessário para alimentar tal funcionalidade.
Nestas condições de campo de teste; o EDS custará de US$ 10 a US$ 20 por módulo de 72 células, o que representa
cerca de 10% a 20% do custo do módulo [131].
6.2.3 Estratégias de Rastreamento: Sistemas de Rastreamento de Eixo Único e Duplo
A arrumação noturna de módulos montados em rastreadores de eixo único ou duplo é uma tarefa fácil
solução implementada para mitigar a sujidade. Dado que a sujidade depende em grande parte do ângulo de inclinação,
uma “posição de estacionamento” noturna é uma abordagem prática. Estudos de caso do Deserto do Atacama mostram
que as soluções de rastreamento também poderiam levar em conta as condições locais, por exemplo, neblina matinal
diária e vento do Pacífico.
A Figura 41 mostra as taxas de desempenho diárias em rastreadores de eixo único e duplo durante os meses secos de
inverno de 2017 em Pretória, África do Sul. O material particulado suspenso no ar durante o inverno é causado pelo
aumento da queima de biomassa para obter calor [132], portanto a probabilidade de perdas por sujeira aumenta. O
sistema rastreador de eixo único de 558 kWp (dois rastreadores) e o sistema rastreador de eixo duplo de 200 kWp (17
rastreadores) ficam adjacentes um ao outro no lado sul da rodovia N4 dentro do campus do Conselho de Pesquisa
Científica e Industrial ( CSIR). Nenhum dos sistemas foi limpo durante a estação seca de três meses de 2017, durante a
qual não caiu chuva, pelo que este período fornece um conjunto de dados razoável para comparar as taxas de sujidade.
A Taxa de Desempenho diária no rastreador de eixo duplo diminuiu 0,4% por semana, enquanto a Taxa de Desempenho
no rastreador de eixo único diminuiu 1,2% por semana em 2017. As taxas de sujeira em 2019 foram medidas na faixa de
1,5% a 1,8% por semana. semana no rastreador de eixo único.
Figura 41: Tendências diárias da taxa de desempenho para rastreadores de eixo único e de eixo duplo durante a
estação seca de 2017 ilustram taxas de sujidade mais elevadas no rastreador de eixo único.
A diferença nas taxas de sujidade entre os rastreadores de eixo único e duplo pode ser explicada por vários mecanismos,
e a análise dos dados de ocorrência é insuficiente para determinar qual
77
fator pode ser dominante. O vento pode estar levantando solo e poeira um ou dois metros acima do solo, resultando
em maiores taxas de sujeira no rastreador de eixo único montado mais próximo do solo (referência necessária). Os
módulos no rastreador de eixo único ficam a 0,5 metros do solo, enquanto os módulos no rastreador de eixo duplo
ficam a três (3) metros do solo. A orientação do conjunto durante a operação pode ser uma explicação mais provável,
uma vez que o ângulo de inclinação tem um forte impacto nas taxas de sujidade (referência necessária). Durante os
meses de inverno, o rastreador de eixo único continua a seguir o mesmo caminho diário horizontal ao meio-dia solar,
como faz durante os meses de verão. O rastreador de eixo duplo muda seu caminho todos os dias do ano, e a
orientação ao meio-dia solar é de inclinação próxima de zero (0) grau nos meses de verão e de inclinação próxima de
cinquenta (50) graus nos meses de inverno ao meio-dia solar. O rastreador de eixo duplo passa mais tempo em ângulos
de inclinação mais acentuados durante os meses de inverno, de modo que a área efetiva do conjunto é menor em
comparação com a orientação horizontal e menos poeira e partículas serão depositadas devido à força da gravidade.
O modelo é análogo à perda de cosseno para geração de corrente devido ao ângulo de incidência entre o feixe direto
da luz solar e o plano do conjunto. Se os seguidores de eixo duplo puderem ser guardados numa posição vertical
durante a noite, a taxa de sujidade poderá ser reduzida ainda mais.
6.2.4 Testes de limpeza do módulo fotovoltaico
Cada vez mais sistemas fotovoltaicos são instalados em desertos com climas quentes e secos. A perda de desempenho
devido à sujeira pode ser da ordem de 1% ao dia em alguns desertos [8]. Esta elevada perda de rendimento deve ser
reduzida através da limpeza regular dos módulos fotovoltaicos. Somente a lavagem a seco é econômica, pois a
limpeza natural com água da chuva não é possível. Durante a limpeza, pequenas partículas de poeira podem causar
arranhões na superfície do vidro, o que reduz as propriedades ópticas do revestimento do vidro ou as forças mecânicas
causadas pela limpeza podem danificar as células dentro do módulo.
O processo de limpeza envolve um dispositivo de limpeza, módulos fotovoltaicos, sujidade e possivelmente água e
produtos de limpeza. Para qualificar um processo de limpeza, deverá ser realizado um teste acelerado com os
componentes planejados.
Exceto pela limpeza manual simples com escovas lineares, quase todos os dispositivos de limpeza utilizam escovas
rotativas. Alguns protótipos também foram desenvolvidos usando ultrassom e forças elétricas ou ar de alta pressão
[133]. Normalmente, as escovas são fabricadas com cerdas divididas de poliamida (PA) ou poliéster (PE). O
comprimento das escovas varia de 50 cm a mais de seis m.
O diâmetro do pincel pode ser de até 50 cm. Para sistemas automáticos, o tempo de limpeza para um
módulo leva cerca de um a dois segundos. Pincéis com espuma fechada de EVA ou feltro de microfibra PE também
são utilizados para reduzir arranhões causados por sujeira acumulada nas cerdas.
Os dispositivos de limpeza devem ser certificados em relação à prevenção de acidentes, segurança elétrica e
compatibilidade eletromagnética (EMC). A avaliação de um dispositivo de limpeza pode ser realizada com a diretiva de
máquinas [134]. O teste do dispositivo de limpeza também deve incluir testes de eficiência energética e hídrica, a
robustez da máquina em ambientes agressivos (por exemplo, poeira, tempestades de areia, altas temperaturas, vento
forte) e uma revisão da ficha técnica funcional (por exemplo, escalada inclinação, área de limpeza, velocidade de
limpeza).
Não existe um padrão internacional de desempenho e funcionalidade com critérios de aprovação/reprovação para a
limpeza de módulos fotovoltaicos. No entanto, poderão ser aplicadas normas de ensaio para a limpeza de automóveis,
vidros de janelas ou resistência à abrasão de tintas ou revestimentos. Um teste prático é a simulação da configuração
com a exposição esperada ao pó, o tipo de módulo pretendido e o dispositivo de limpeza,
e o número esperado de ciclos.
78
Módulos em climas temperados com chuva devem ser limpos regularmente, pois os biofilmes são de difícil
remoção, principalmente aqueles causados por animais ou pela indústria. A limpeza deve ser feita uma ou duas
vezes por ano com água. Para evitar resíduos no vidro após a secagem, deve-se utilizar água da chuva ou água
deionizada com ou sem agentes de limpeza. A temperatura da água deve estar próxima da temperatura do
módulo para evitar choques térmicos. O sombreamento dos módulos pode causar pontos quentes. Para um
teste confiável, devem ser simulados 50 ciclos de limpeza.
Além disso, a remoção de sujeira resistente à limpeza deve ser testada. O desempenho e a funcionalidade do
dispositivo de limpeza podem ser testados em um campo de teste externo ou em laboratório.
A análise de uma planta de teste de referência com sujidade natural ou artificial também é útil. As normas
descrevem sujidade artificial para vidros, com ciclos de sujidade, secagem e exposição UV [135], ou para faróis
[136]. Abrasivos secos, como pó de teste do Arizona [137], areia de quartzo e lamas úmidas consistindo de pó
de teste do Arizona ou farinha de quartzo [138], também são usados para testes de abrasão.
Os agentes de limpeza devem ser testados quanto à sustentabilidade ecológica e funcionalidade e ao efeito nos
módulos fotovoltaicos. Análogo ao teste de corrosão por névoa salina, testes contínuos e cíclicos com fases
úmidas e secas podem ser realizados.
Nas regiões secas, o acesso a água de limpeza adequada é limitado. Mas mesmo em desertos secos, o orvalho
pode formar-se durante a noite, reagindo com a sujidade e a superfície do vidro, o que pode levar à cimentação
da sujidade. Por esse motivo, algumas usinas realizam limpeza diária durante a noite. Para uma vida útil de 25
anos, devem ser simulados 10.000 ciclos de limpeza. Este elevado número de ciclos de limpeza é típico de
sistemas totalmente automáticos. Limpeza semanal ou mensal, que ocorre frequentemente quando os sensores
medem que a taxa de sujidade está abaixo de aprox. 95%, pode ser realizada com outros tipos de limpeza:
sistemas manuais, montados em caminhão ou semiautomáticos.
A eficácia e o efeito destrutivo de um dispositivo de limpeza devem ser testados, tendo em conta as condições
de sujidade e a frequência de limpeza específica de uma determinada central fotovoltaica.
Além disso, a avaliação das plantas de referência pode mostrar falhas nas células solares causadas por estresse
mecânico ou sombreamento parcial (pontos quentes). Além disso, os efeitos da estrutura e dos grampos podem ser
determinados.
O projeto de norma para abrasão fotovoltaica IEC 62788-7-3 [139] define procedimentos para testes de erosão
e abrasão. Os testes são projetados para testar pequenas amostras de vidro com escovas padronizadas
menores do que aquelas usadas para limpeza de módulos fotovoltaicos. O aparelho inclui um mecanismo de
abrasão linear e um dispensador de abrasivo (pasta ou abrasivo seco). Recomenda-se um gabinete para o
aparelho, para evitar derramamento ou pulverização de lama abrasiva seca ou úmida e para evitar
a possibilidade de silicose (com ventilação, para abrasivos secos). Os métodos de ensaio pretendem imitar
mecanismos de danos que possam ocorrer durante a limpeza de módulos fotovoltaicos.
São descritos dois testes de limpeza, um com escova ondulada e outro com escova rotativa. Foi utilizado um
aparelho de abrasão linear que atende aos requisitos dos padrões de teste de pintura de parede ASTM D2486
[140] ou DIN 53778-2 [141]. O bloco de escova tinha 3,5 cm x 8,5 cm de área.
As cerdas da escova eram constituídas de Nylon 6,12, com 0,23 mm de diâmetro que se estendem por 3,8 cm
do bloco da escova (Figura 42). Na Figura 43 são mostrados os resultados para três tipos de vidro.
79
Figura 42: Configuração do teste de abrasão linear com escova conforme ASTM D2486 [142].
Figura 43: Refletância espectral de 3 tipos de vidro: a) vidro float sem ARC, b) vidro float com ARC e c)
vidro estruturado com ARC - após até 500 ciclos de teste de abrasão linear com escova conforme ASTM
D2486 [142].
Para o teste de abrasão rotativa, um aparelho semelhante (mas em menor escala) ao ISO 20566 [138] foi
usado. O bloco da escova era um cilindro redondo com pelo menos 3,5 cm de comprimento e 2,4 cm de diâmetro.
As cerdas da escova consistiam de Nylon 6,12, com 0,23 mm de diâmetro que se estendem por 3,8 cm do bloco
da escova. O perfil das cerdas era redondo, sem conicidade ou outra alteração na geometria ao longo do
comprimento. Sob a escova, o suporte do painel de teste com a amostra de teste foi movido em ambas as
direções dependendo da rotação da escova. O jato de pulverização prendeu o pincel diretamente.
A IEC 62788-7-3 pode ser usada principalmente para avaliação de revestimentos de vidro. Para a avaliação dos
dispositivos de limpeza fotovoltaica, foram utilizados setups com um a três módulos fotovoltaicos e a escova
original com o parâmetro operacional típico (por exemplo, velocidade, rotação e pressão).
Um procedimento de teste típico de limpeza de sustentabilidade de módulos fotovoltaicos é
• Pré-condicionamento (limpeza suave, imersão leve)

• Medição inicial (inspeção visual, Pmpp, eletroluminescência)
• Medição especial (refletância)
• Teste (limpeza acelerada)
• Medição final (inspeção visual, Pmpp, eletroluminescência)
80
• Medição especial (refletância)
Ferretti comparou dois dispositivos de limpeza [143], um dispositivo de limpeza acionado manualmente que funciona com
água e um teste de limpeza configurado com um feltro rotativo de microfibra seco. Foram testados oito módulos com
revestimentos antirreflexo. Vários tipos de módulos apresentaram fortes desvios na reflexão após a limpeza, indicando a
remoção do ARC. As medições de refletância após limpeza com escova de náilon após espalhamento de areia fina e
grossa [144] mostraram menos abrasão do que com o abrasor TABER [145] em condições secas.
Um critério de aprovação/reprovação proposto para testes de limpeza de módulos fotovoltaicos, especialmente para
revestimentos de vidro, é um ganho máximo de refletância de 30% [146]. Este critério pode ser usado para módulos
fotovoltaicos e placas de vidro com filtro luminoso na parte traseira. É muito mais difícil que o mais comum
critério de aprovação/reprovação para testar módulos fotovoltaicos com perda máxima de potência de 5%. Para vidro
padrão com refletância de 4%, isso significa uma perda de potência de 1,2%. Para o vidro ARC é ainda mais difícil. A
refletância hemisférica pode ser medida em laboratório com uma esfera integradora. Medições em campo são possíveis
com um pequeno espectrômetro portátil. A repetibilidade da medição também deve ser levada em consideração.
Testes com lâminas de vidro estruturadas em tamanho real sem e com ARC foram realizados sem abrasivo. Após 10.000
ciclos e um aumento da pressão da escova com pesos adicionais na escova, nenhum efeito de abrasão foi medido para
vidro sem ARC, mas foi detectado um efeito significativo para vidro revestido (ver Figura 44). A força abrasiva devido à
limpeza é paralela à superfície do vidro. Em comparação com testes de abrasão de areia com forças abrasivas normais à
superfície, o efeito no vidro não revestido é menor [147].
Figura 44: a) Vidro estruturado sem ARC b) Vidro estruturado com ARC: Transmitância espectral de vidro
estruturado sem e com ARC após teste de limpeza com até 10.000 ciclos e opcionalmente com peso adicional de
2 kg. Nenhum efeito foi medido para vidro sem ARC. Um efeito significativo foi medido para vidro com ARC.
Ferretti et al. [146] testaram folhas de vidro revestidas com ARC com foco na abrasão do ARC e arranhões na superfície
do vidro. Para simular tempestades de areia a cada três dias e 25 anos de operação, foram realizados 3.100 ciclos de
limpeza. Para a sujidade, areia fina (0,18 mm de diâmetro) e grossa (0,38 mm de diâmetro) foi espalhada sobre as lâminas
de vidro com cobertura de 60% de vidro. Vidros estruturados e float com diferentes revestimentos foram testados nas
mesmas condições. Para verificar o impacto de diferentes escovas, foram utilizados dois tipos de escovas para a limpeza,
uma de poliéster e outra de náilon. Medições de refletância e inspeções visuais foram realizadas a cada 500 ciclos de
limpeza. Para ambas as escovas pôde ser observado um aumento contínuo na refletância com um número crescente de
ciclos, indicando
81
que o ARC foi removido. Para as escovas de náilon o aumento da refletância foi maior.
Os resultados mostraram que a areia fina teve um efeito abrasivo maior do que a areia grossa.
Poeiras de diferentes regiões e materiais foram investigadas para sujidade e abrasão de limpeza [50]. O efeito abrasivo
das poeiras de teste (diâmetro = 20 µm) consistindo principalmente de corindo foi mais forte do que o de quartzo como
poeira de teste do Arizona e calcita.
Um novo padrão (DINspec4867 [148]) está em desenvolvimento para testes com pincéis de tamanho normal e placas de
vidro de módulo temperado originais. Baseia-se na ISO 20566, que se destina a testar a resistência a riscos de
revestimentos para automóveis (ver Figura 45).
Figura 45: Lava-jato de laboratório para testar a resistência a riscos de revestimentos de acordo com a ISO 20566
[149].
6.3 Modelos genéricos de “melhor momento para limpar”
Tal como referido acima, a sujidade tem uma variabilidade diária e sazonal e uma dependência das condições locais.
Todos estes factores têm um impacto significativo nas perdas de sujidade a curto prazo, o que as torna mais difíceis de
prever do que as perdas médias anuais [87].
Monitorar o grau e a duração da sujidade é importante do ponto de vista de O&M. Além da manutenção, saber o melhor
momento para limpar os módulos ajudará a maximizar a viabilidade econômica. Este tempo de limpeza é informado pela
taxa e grau de sujidade no módulo, bem como pelas implicações económicas da limpeza dos módulos. Para determinar o
melhor momento para limpar,
São necessários dados de qualidade em tempo real ou um bom modelo de sujidade para prever sujidades futuras.
82
Há uma série de abordagens para a modelagem e previsão das taxas de sujidade, conforme discutimos no
Capítulo 4.1. Uma delas é usar a taxa média mensal de sujidade para calcular a taxa diária de sujidade [63]. A
sujidade acumulada pode ser calculada somando a taxa diária de sujidade para cada dia no local sem chuva.
Quando há mais de 1mm de chuva por dia, o nível de sujidade pode ser zerado [63]. Esta abordagem pode utilizar
uma pequena quantidade de dados de sujidade e dados históricos de precipitação no local para prever futuros
níveis de sujidade. Outras abordagens usam redes neurais artificiais para calcular a sujidade com base em uma
série de condições ambientais [1]. Isto é computacionalmente mais complexo, mas permite previsões mais
precisas das taxas de sujidade entre eventos de limpeza individuais com base em fatores ambientais locais. Um
exemplo do índice de limpeza cumulativo determinado a partir desta abordagem é mostrado na Figura 46.
Figura 46: Índice de limpeza cumulativo previsto por redes neurais avançadas [1].
Há também uma série de abordagens para otimização da frequência de limpeza. Em áreas de sujidade leve a
moderada, chuvas fortes são consideradas eficazes na remoção de sujidade e restauram a potência dos módulos
[64], tornando desnecessária a limpeza regular. Quando a potência dos módulos cai abaixo da saída desejada
devido ao acúmulo de longo prazo de sujeira difícil de remover, a limpeza se torna necessária [64]. A limpeza
pode ser feita manualmente [150] e convencionalmente com água, o que pode ser um processo bastante caro e
demorado [64]. Outras soluções de limpeza utilizam sistemas automatizados para remover sujidade que têm um
elevado custo de capital. A determinação se a limpeza é rentável dependerá das taxas de sujidade, dos preços
da electricidade e dos custos de mão-de-obra do local. Há relatos de que, em algumas regiões do centro e norte
da Europa, a limpeza dos módulos fotovoltaicos não é rentável devido às taxas de sujidade mais baixas e à
elevada pluviosidade [151]. Enquanto nas regiões do sul da Europa faz sentido do ponto de vista económico
limpar os módulos [151]. Outros estudos sugerem um ciclo de limpeza semanal simples e regular como boa
prática [103].
Como o tempo recomendado para limpar varia com base em muitos factores no local do local, pode ser um
desafio significativo determinar o melhor momento para limpar, mas é um factor importante para minimizar perdas
económicas. O melhor momento para limpar, ou intervalo de limpeza, depende da produção de energia da planta,
das tarifas de eletricidade, das taxas de sujeira e do custo de limpeza [56]. A determinação do melhor momento
para limpar é feita equilibrando o custo total da limpeza com o custo da energia perdida
83
para sujar. Jones, Baras et al. (2016) desenvolveram um modelo detalhado para determinar o
intervalo de limpeza ideal (tc) para um sistema com base nos seguintes parâmetros:
• Custo da operação de limpeza no início do intervalo (Cc)
• O valor da energia perdida devido à sujidade durante o intervalo entre limpezas (VL)
• O valor da energia vendida no intervalo (VS) • A
perda de energia devido à sujeira (Ls(t))
• A potência gerada pela planta sem sujeira (P(t))
• Tarifas de Energia Elétrica (R(t))
Jones, Baras et al. [56] derivaram uma solução para isso:
+ ()
= (16)
1ÿ()
Onde:
• Ls(t) = 1 – e (-at) e •
a é o coeficiente médio de perda por hora para todos os meses.
Este valor médio também é usado em outras abordagens de modelagem [63]. No entanto, diferentes
condições ambientais podem ter um impacto [56]. Uma abordagem melhor pode ser usar taxas de
sujidade variáveis sazonalmente a partir de dados em tempo real ou de dados modelados [1]. Isso
pode produzir resultados mais precisos. Exemplos de resultados do modelo desenvolvido por Jones
[56] são mostrados na Figura 47. O intervalo de limpeza ideal varia ao longo do ano, com um
intervalo mais longo recomendado no meio do ano para este local específico.
84
Figura 47: Exemplo de cálculo do intervalo ideal de limpeza ao longo do ano. Fonte: [56].
O modelo desenvolvido por Jones [56] pode ser usado para determinar o momento ideal para
limpar com base em vários fatores econômicos. Para utilizar estes modelos, recomenda-se a
recolha de dados de sujidade em tempo real. Isso pode ser coletado para o local e usado para
determinar médias mensais, que o modelo [56] pode usar para calcular o melhor momento para
limpar. Esta abordagem deve ser uma forma precisa de otimizar o intervalo de limpeza, no entanto,
existem algumas diretrizes gerais para limpeza em diferentes climas propostas por Mani [103],
conforme mostrado na Tabela 9, que também podem informar as decisões de O&M.
Tabela 9: Recomendações gerais para limpeza em diferentes climas, reproduzidas de

[103].
Ciclo de limpeza recomendado para mitigar

Zona climática e características Condições que influenciam o desempenho
características fotovoltaico e a deposição de poeira impacto da poeira
Grupo-I: Baixas latitudes – compreendem principalmente o clima úmido, úmido-seco e o clima tropical seco
Tropical úmido Baixas latitudes exigem baixa inclinação em A elevada precipitação anual pode reduzir a
Temperatura média: 20–34°C sistemas fotovoltaicos para ganho solar máximo, mas acumulação de poeira (através de lavagens
inclinações mais baixas tenderão a se acumular periódicas).
maior deposição de poeira. Limpeza semanal recomendada durante
Precipitação anual: >250 cm
Inclinações superiores à latitude recomendada períodos de seca e pode ser alterada de
para reduzir a acumulação de poeira. acordo com a intensidade
Faixa de latitude: 108S a
258N A alta precipitação anual pode minimizar o acúmulo de acúmulo de poeira
de poeira
85
Tropical úmido-seco Os ventos alísios dominam durante a estação Limpeza semanal recomendada para
Faixa de temperatura: 20– seca; sopro do nordeste no hemisfério norte e acúmulo moderado de poeira; limpeza
30°C vice-versa Sistemas fotovoltaicos com maior diária recomendada em caso de acúmulo
inclinação recomendados intenso de poeira
Precipitação anual: >150cm
ção
Painéis fotovoltaicos serão orientados para se

Faixa de latitude: 158 a
258 N e S beneficiarem do efeito de limpeza do vento
predominante
Tropical seco Regiões propensas a ambientes desérticos Limpeza para responder à intensidade do
empoeirados e tempestades de poeira frequentes acúmulo de poeira – mínimo
Faixa de temperatura: 20–
49°C (para qualquer configuração fotovoltaica) limpeza semanal recomendada
Precipitação anual: 15cm Baixa umidade e pluviosidade Disponibilidade Limpeza imediata após tempestades de
de radiação solar intensa – o sistema fotovoltaico poeira A adoção/aplicação de revestimentos
pode ser otimizado para maximizar o repelentes de poeira pode ser
258 N e S aproveitamento da energia solar considerada
Grupo –II: Clima de latitude média – compreende principalmente a estepe, o Mediterrâneo, as pastagens e o clima continental úmido
Clima de estepe Altas latitudes requerem alta inclinação no sistema Com um clima árido, com poucas
Faixa de temperatura: -4 a fotovoltaico; um ângulo de inclinação fixo mais baixo chuvas e ângulo de inclinação elevado, um
40°C é recomendado para otimizar o ganho solar durante ciclo de limpeza moderado (semanal)
todo o ano pode ser adequado
Precipitação anual: menos
de 10 cm em regiões secas A poeira geralmente tende a cair com o aumento Com um ângulo de inclinação mais baixo
a 50 cm em estepes do ângulo de inclinação (para maximizar o ganho solar), um ciclo
húmidas de limpeza mais frequente (dependendo

da intensidade da poeira) pode ser
benéfico.
558N
clima mediterrâneo Altas latitudes requerem alta inclinação no sistema A limpeza é recomendada uma vez por
Faixa de temperatura: 10 – fotovoltaico; um ângulo de inclinação fixo mais baixo semana ou 2 semanas, dependendo da
40°C é recomendado para otimizar o ganho solar durante taxa de acúmulo de poeira na superfície.
todo o ano
Precipitação anual: 42cm
A poeira geralmente tende a cair com o aumento Regiões com maior acúmulo de poeira
do ângulo de inclinação
508 N e S (proximidade de indústrias) uma limpeza
diária pode ser benéfica.
Clima de pastagem Altas latitudes requerem alta inclinação no sistema Um menos intenso (semanal ou
Faixa de temperatura: -4 a fotovoltaico; um ângulo de inclinação fixo mais baixo quinzenal)

22°C é recomendado para otimizar o ganho solar durante o ciclo de limpeza pode ser adequado
todo o ano
Precipitação anual: 81cm
A poeira geralmente tende a cair com o aumento Regiões propensas a maior quantidade
do ângulo de inclinação de poeira (devido a atividades humanas)
558 N e S Maior precipitação ajudaria na limpeza dos podem exigir limpeza semanal
painéis fotovoltaicos
86
Grupo –III: Clima de alta latitude – compreende principalmente o tipo de clima taiga e tundra
Clima Taiga Latitudes elevadas (próximas da vertical) exigem O ciclo de limpeza semanal deve ser
Faixa de temperatura: - grande inclinação no sistema fotovoltaico; mecanismo adequado
22 a 16°C de rastreamento solar pode ser necessário para A remoção do acúmulo de neve precisa
efetivamente ser tratada imediatamente (com mais
Precipitação média anual:
31cm aproveitar a energia solar frequência)
Faixa de latitude: 508 a A temperatura ambiente mais baixa melhora o

708 N e S desempenho fotovoltaico
A poeira geralmente tende a cair em um ângulo de

inclinação quase vertical. A poeira é um fator menos
crítico em comparação com a maximização do
ganho solar
Clima de tundra Latitudes elevadas (próximas da vertical) exigem A limpeza semanal é recomendada
Faixa de temperatura: - grande inclinação no sistema fotovoltaico; mecanismo e
22 a 6°C de rastreamento solar pode ser necessário para ajustado com base no tipo
efetivamente (fino/grosso)
Precipitação média anual:
20cm aproveitar a energia solar de acúmulo de poeira
Faixa de latitude: 608 a A poeira geralmente tende a cair em um ângulo de A remoção do acúmulo de neve precisa
758N inclinação quase vertical ser tratada imediatamente (com mais
A temperatura ambiente mais baixa melhora o frequência)
desempenho fotovoltaico. Suscetibilidade à
coleta de poeira fina
6.4 Estratégias de Mitigação do Impacto da Neve

Melhorar o desempenho do conjunto durante os meses de inverno também requer a remoção da neve.
Embora a queda passiva de neve da superfície de um módulo seja um processo complexo que consiste em
deslizamento, derretimento e remoção pelo vento, o deslizamento geralmente ocorre melhor em ângulos de
inclinação de pelo menos 45°. Para locais que sofrem fortes nevascas, recomendam-se ângulos de 60° ou
mais. A queda de neve também depende da configuração das estantes. Os vários centímetros de espaço entre
módulos adjacentes na parte superior e nas laterais podem dificultar o deslizamento. A distância entre a borda
inferior de um módulo e o solo também é importante.
Fornecer um espaço livre de pelo menos um metro entre o conjunto e o solo dá espaço para a neve se
acumular. Em casos com espaço livre inadequado, como módulos montados no telhado, a neve acumular-se-á
na parte inferior da estrutura do módulo. Da mesma forma, a descontinuidade de uma moldura que se projeta
alguns milímetros acima da cobertura de vidro pode fornecer um ponto de apoio para neve e gelo. Quanto
maior o peso da neve acima da parte inferior da estrutura em relação ao comprimento da estrutura, menor será
a probabilidade de um acúmulo ao longo da borda inferior ser capaz de suportar o peso da neve acima dela.
Por esta razão, suspeita-se que a montagem de módulos com a sua dimensão mais curta paralela ao solo
(configuração retrato em vez de paisagem) irá encorajar a queda de neve. Da mesma forma, módulos maiores
se desprenderão melhor do que os menores. O uso de módulos sem moldura é, obviamente, ideal para locais
com neve.
87
Outros métodos de remoção de neve incluem a limpeza manual, que pode ser possível se houver visitas regulares ao
local. No entanto, a limpeza manual é demorada, pode não proporcionar muito ganho adicional de energia e pode
danificar os módulos. Tecnologias de fusão passiva, como revestimentos fóbicos de gelo ou vidro nanotexturizado, estão
sob investigação para testar sua durabilidade e operação sob diferentes condições. Tecnologias de fusão ativa, como a
reversão do fluxo de corrente através do conjunto, também estão disponíveis. São necessárias comparações de campo
de diferentes técnicas de remoção para quantificar os benefícios de diferentes abordagens.
Por último, a interligação elétrica dos módulos também pode afetar as perdas de energia. Por exemplo, conforme mostrado
na Figura 48, um módulo típico de 72 células possui três diodos de bypass organizados em substrings que consistem em
24 células. Como a neve cai de cima para baixo, pode ser vantajoso colocar os módulos na orientação paisagem em vez
de retrato, de modo que algumas cadeias de células de diodo de desvio possam ser completamente descobertas, mesmo
que a neve permaneça na superfície.
Figura 48: Diagrama elétrico do módulo de 72 células com diodos de bypass e exemplo de queda progressiva de
neve nas orientações paisagem e retrato (movimento da camada de neve pela superfície do módulo mostrado em
azul). A queda de neve na orientação paisagem pode revelar completamente as cadeias de diodos de bypass,
mesmo com o módulo ainda parcialmente coberto de neve.
No entanto, embora a orientação paisagem possa permitir uma exposição mais uniforme das cadeias de diodos de
desvio, provavelmente também impedirá a queda de neve em comparação com a orientação retrato devido ao maior
acúmulo ao longo do quadro inferior. Para módulos conectados em série, no caso raro de a caixa de junção não conter
um diodo de bypass integrado, os módulos devem ser conectados em série em grupos de linhas horizontais em vez de
colunas verticais. Por último, se for utilizado um sistema de rastreamento, os módulos podem ser guardados na posição
vertical durante a noite para estimular o derramamento. Algumas operadoras podem desligar seus rastreadores durante
os meses de inverno, quando a insolação é baixa, reduzindo assim os problemas de confiabilidade e o consumo de
energia, fixando a matriz em inclinação vertical voltada para o sul no hemisfério norte ou para o norte no hemisfério sul.
Um sistema de rastreamento adiciona complexidade adicional para locais remotos e pode não funcionar tão bem em
climas frios devido ao mau funcionamento do motor ou à obstrução do sensor de rastreamento solar pela neve. Consulte
o Capítulo 7 para obter mais detalhes.
88
SOMBREAMENTO DE NEVE DE SISTEMAS FOTOVOLTAICOS
7.1 Introdução
Proporcional à queda vertiginosa no custo dos sistemas fotovoltaicos (PV) instalados e às projecções económicas
favoráveis relativas aos combustíveis fósseis, os sistemas solares estão a proliferar nas regiões do norte, onde a
irradiância mínima e a queda de neve persistente no Inverno têm tradicionalmente inibido a implantação solar.
Acompanhando esse crescimento, no entanto, está o crescente reconhecimento de que, embora os fotovoltaicos
possam ter um bom desempenho e serem económicos em climas mais frios, a adesão da neve à superfície do
módulo, também conhecida como sombreamento de neve, provoca perdas de energia significativas.
O problema é generalizado: a neve ocorre na maior parte do hemisfério norte e também em altitudes elevadas em
ambos os hemisférios e pode persistir nos painéis solares durante dias a semanas, dependendo das condições
climáticas prevalecentes e também da concepção do conjunto fotovoltaico. Embora sejam necessários mais dados
para quantificar as perdas a nível regional e global, a sombra da neve é claramente prejudicial ao desempenho
fotovoltaico, diminuindo a produção de energia e aumentando o custo nivelado da energia.
As perdas mensais de energia, que se traduzem em perdas de receitas, podem chegar a 100%, e as perdas anuais
medidas, sob condições extremas, podem atingir 34%, embora as perdas médias anuais em todo o mundo sejam
estimadas em cerca de 10% ou menos [ 152], [99], [153], [154], [155], [100].
Ao mesmo tempo, espera-se que o crescimento fotovoltaico nas regiões do norte continue a um ritmo elevado.4 A
Alemanha, por exemplo, adicionou 2,72 GW de energia solar nos primeiros oito meses de 2019 e tem uma meta de
98 GW de capacidade instalada total até 2030. A Noruega encomendou 23,5 MW de energia solar em 2018, um
aumento de 29% em relação ao ano anterior5 . A Suécia e a Finlândia, onde a energia solar é vista como um
sistema de custos competitivos, também registaram um maior crescimento. A Suécia tem agora cerca de 200
MW de energia solar, principalmente ao norte de Estocolmo [156]. Nos EUA, quatro dos dez principais estados em
crescimento solar estão localizados acima de 40°N, e mais de 7 MW de energia solar foram instalados até o
momento no Alasca em latitudes acima de 66°N. O Canadá viu um aumento de 182 vezes na capacidade solar em
apenas 13 anos. A Rússia encomendou 75 MW de energia solar em 2019 na sua região do Extremo Oriente, a
uma latitude aproximada de 54°N [157]. Outras áreas que registam neve consistentemente no Inverno e que também
estão a acelerar a implantação de energia fotovoltaica incluem o Japão, a China e a República Checa.
Este crescimento previsto pressionou a indústria solar para reduzir a sombra da neve e aumentar o desempenho
solar no inverno.
Para apoiar esses objetivos, são necessárias pesquisas em cinco áreas principais relacionadas à sujeira da neve e
ao desempenho fotovoltaico: perdas de energia, modelagem de desempenho, confiabilidade de sistemas e
componentes, otimização de projeto e melhores práticas de O&M (Figura 51). Além disso, este capítulo fornece uma
visão geral dos fatores subjacentes que influenciam o sombreamento da neve e identifica oportunidades para
minimizar as perdas de neve dos sistemas fotovoltaicos nas latitudes norte. Não abordado neste capítulo está o
tópico do armazenamento, que pode ajudar a apoiar um melhor gerenciamento de carga em regiões que apresentam
mudanças anuais dramáticas na irradiância. As energias fotovoltaicas em telhados também não são amplamente
abordadas neste capítulo, nem residenciais nem comerciais, em grande parte porque 1) muitos dos mesmos
princípios que se aplicam a instalações em escala de serviços públicos são aplicáveis em outras escalas e 2) os
impulsionadores econômicos são muito diferentes.
4
As projeções de crescimento foram revistas em resultado da pandemia da COVID-19, que se estima reduzirá o crescimento da energia solar global
em 17% em 2020, esperando-se uma recuperação posteriormente. [Madeira Mackenzie]
5
pic.twitter.com/dC3YE8PfuJ Berentsen, SolarPowerEurope (junho de 2022)
6
Referência: http://acep.uaf.edu/media/293024/2020-Net-Metering-Update_20200309Final.pdf (junho de 2022)
89
7.2 Fatores de Desempenho para Sistemas Fotovoltaicos em Altas Latitudes

As condições de operação nas regiões de latitudes mais elevadas do mundo são duras e imprevisíveis: a precipitação
pode variar desde chuva congelante até neve intensa; as temperaturas podem atingir mínimos próximos de -40°C e sofrer
oscilações dramáticas; a profundidade da neve pode atingir um metro ou mais e podem ocorrer eventos de alta irradiância.
Para compreender a capacidade de crescimento fotovoltaico em áreas onde regularmente há neve, é primeiro necessário
compreender a disponibilidade de recursos solares, bem como as condições climáticas que prejudicam – e contribuem
para – a eficiência operacional de um sistema fotovoltaico.
A. Disponibilidade de recursos solares
A geração de energia a partir de sistemas fotovoltaicos em climas frios apresenta desafios e benefícios.
Por um lado, as contribuições da baixa temperatura e do albedo na taxa de desempenho de uma matriz durante o inverno
aumentam o desempenho; por outro lado, o maior ângulo de incidência do sol, que é determinado pela inclinação do eixo
da Terra em relação ao sol, e a menor intensidade de irradiância recebida por um sistema fotovoltaico, resultam em
perdas relativas às condições de teste padrão (STC). .
Com maiores ângulos de incidência, menos luz é acoplada às células. Para a maioria dos módulos de silício cristalino,
entretanto, as perdas no ângulo de incidência permanecem insignificantes até que um limite de aproximadamente 60°
seja alcançado. No solstício de inverno em Fairbanks, Alasca (64,8°N), por exemplo, o sol nasce apenas cerca de 2 graus
acima do horizonte, proporcionando menos de quatro horas de luz fraca.
Em contraste, a elevação do sol no solstício de verão atinge o pico próximo a 49 graus acima do horizonte, proporcionando
mais de 19 horas de luz do dia. As latitudes setentrionais também apresentam uma grande variação no azimute solar (o
sol nasce no nordeste no verão e no sudeste no inverno), e a insolação média anual pode, portanto, aproximar-se, ou
mesmo exceder, a insolação anual em latitudes mais baixas.
Locais de alta latitude frequentemente experimentam períodos prolongados de luz solar fraca durante o inverno, enquanto
locais de alta altitude geralmente apresentam altos níveis de irradiância durante toda a estação, embora instalações
fotovoltaicas em altitudes elevadas sejam relativamente incomuns. Para irradiância abaixo de cerca de 200 W/m2
, como é típico para uma média de nove meses por ano em Fairbanks [158], a relação linear entre a produção de
energia e a irradiância é interrompida e pode haver uma ligeira redução no desempenho em relação às condições de
teste padrão. Essas reduções dependem da tecnologia, mas um estudo mostrou perdas maiores para módulos de filme
fino CdTe e CIS em relação ao silício cristalino devido à menor resistência ao shunt [5]. No entanto, as reduções
combinadas no inverno devido ao ângulo de incidência e à pouca luz são geralmente apenas 3% ou 4% da produção
anual de energia porque a insolação no verão é muito maior.
O grande alcance do azimute despertou interesse em rastreadores de eixo duplo preenchidos com módulos bifaciais em
climas do norte [159]. Porém, em instalações fixas nem toda a insolação direta pode ser aproveitada, pois o sol às vezes
pode estar atrás dos módulos.
90
Figura 49: A variação sazonal na elevação solar na Suécia mostra que o Sol nunca nasce acima dos 10
graus e apenas durante seis horas em meados de Dezembro; em contraste, em meados de junho o sol atinge
uma altitude de quase 55 graus e permanece acima do horizonte durante cerca de 18 horas. Esta diferença
torna-se ainda mais extrema em latitudes mais altas (os rótulos dos eixos estão em sueco).
B. Temperatura ambiente
Embora a irradiância seja o determinante dominante do desempenho solar, a temperatura também é uma variável
importante. As eficiências de conversão aumentam linearmente à medida que as temperaturas das células diminuem.
Como resultado, os sistemas fotovoltaicos em latitudes elevadas, onde as temperaturas de funcionamento durante
todo o ano são relativamente baixas em comparação com latitudes mais baixas, podem ter um desempenho
relativamente bom numa base anual. Células de silício cristalino (c-Si), por exemplo, mostram uma resposta linear
de aproximadamente um aumento de 0,34%-0,38% na eficiência por diminuição no grau C e são mais eficientes em
dias de alta irradiância e abaixo de zero [SINGH16], mas ainda terá um desempenho melhor num dia de verão
relativamente fresco, na Suécia, do que num dia extremamente quente no Cairo, por exemplo. Os coeficientes de
temperatura para células de telu-reto de cádmio (CdTe) e seleneto de cobre e índio (CIS) são ligeiramente menores
do que para C-Si: 0,32%/°C na faixa de 25-75°C e 0,33%, respectivamente, conforme indicado pelos maiores
fabricantes destas tecnologias de película fina7,8 .
C.Albedo
A presença de cobertura de neve persistente durante vários meses a cada ano também contribui para a eficiência
dos sistemas fotovoltaicos nas latitudes norte. Substratos brancos, que são altamente reflexivos,
pode produzir albedos próximos da unidade e, portanto, aumentar o desempenho de sistemas fotovoltaicos mono e
bifaciais, mas ter o maior impacto em sistemas fotovoltaicos bifaciais. No entanto, desde
7
http://www.firstsolar.com/
8
http://www.solar-frontier.com/
91
a neve é renovada a cada tempestade de inverno, ela pode superar outros substratos brancos porque qualquer
sujeira de partículas transportadas pelo ar é mascarada pela neve nova.
Tanto a profundidade da neve (normalmente acumulativa) quanto a estrutura cristalina da neve (que muda com a
temperatura e a idade) contribuem para sua refletividade, que influencia a quantidade de radiação refletida que
atinge a frente e o verso de uma matriz, sendo esta última o principal impulsionador da radiação bifacial. ganhos.
A insolação no plano mostra uma forte dependência dos ângulos de inclinação e é bastante baixa em ângulos
moderados, como mostra a Figura 50, por exemplo.
Figura 50: Irradiância refletida no solo calculada em função do ângulo de inclinação do módulo (ÿ) e
diferentes albedos (ÿ) na irradiância horizontal (Gh) de 800 W/m2, utilizando a fórmula Gg= ÿGh(1-cos(ÿ) )/
2.
7.3 Distribuição Global de Neve

Para correlacionar a cobertura de neve em diferentes regiões do mundo com a produção fotovoltaica, pode-se
determinar o número de dias com cobertura de neve e a profundidade da neve por dia para cada região de
interesse. Mapas de cobertura de neve são produzidos por diferentes institutos meteorológicos do mundo para
diferentes períodos de tempo, com estatísticas diárias e médias anuais.
Na Europa, em latitudes inferiores a 60°N, a cobertura de neve persiste por períodos de até 160 dias por ano em
regiões montanhosas como os Pirenéus, nos Alpes da Suíça e na cordilheira dos Cárpatos na Europa Oriental.
Em contraste, a Grã-Bretanha, França e Espanha estão praticamente livres de neve durante todo o ano.
92
Nos países nórdicos da Noruega, Suécia e Finlândia, o número de dias de neve por ano varia de cerca de
60 dias a mais de 200 dias nas latitudes 60°N e superiores. Em particular, a Suécia tem uma distribuição
acentuada de sul para norte. As medidas da profundidade diária da neve (cobertura de neve >1 cm)
durante o inverno podem ser encontradas no site do Instituto Meteorológico e Hidrológico Sueco (SMHI)9
, que mostra uma variação na profundidade média máxima da neve de 0,4 a
1,3 m, dependendo da latitude.
De acordo com a Organização Meteorológica Mundial (OMM), o número médio de dias por ano com neve
na Suécia variou de 25 dias no sul a mais de 225 dias nas montanhas do norte no período de 1961 a 1990,
uma diferença de nove vezes para um pequeno país com 1.574 km de extensão. O número de dias de
neve na Noruega, vizinha da Suécia, é geralmente mais elevado. Este aumento pode ser atribuído a áreas
montanhosas mais extensas, onde a altitude diminui a amplitude térmica média anual, bem como à maior
precipitação proveniente de sistemas de baixa pressão que entram pelo Oceano Atlântico. As diferenças
nos dias de neve na Suécia e entre os países nórdicos sugerem que a quantificação das perdas de neve
dos sistemas fotovoltaicos deve ser específica da região, tal como o seriam os cálculos económicos de
qualquer estratégia de mitigação de neve.
Mas surgiu outra tendência na Escandinávia que não pode ser ignorada como contribuinte para o
desempenho fotovoltaico: as alterações climáticas globais. Tanto na Suécia como na Noruega, o número
de dias com cobertura de neve diminuiu nas últimas décadas10 11, uma tendência que é especialmente
visível na metade sul da Suécia. A variação relativa nos dias de neve entre os diferentes invernos também
é maior no sul do que no norte. Esta variação foi especialmente perceptível no inverno quente de
2019-2020, quando grandes partes do sul da Suécia experimentaram condições incomuns com poucos
dias de cobertura de neve. A tendência para menos dias de neve sugere que as perdas de neve diminuirão
ainda mais à medida que o clima aquece, mas também sugere que a neve como contribuinte para o
desempenho da energia fotovoltaica bifacial pode ser sobrestimada em regiões que tradicionalmente têm tido condições ma
neve.
9 https://www.smhi.se/
10
SMHI. Indicador climático – número de dias com cobertura de neve. Atualizado em 3 de julho de 2019. Disponível: https://www.smhi.se/klimat/klimatet-da-och-
agora / indicadores climáticos / número de dias do indicador climático com snotack-1.91081. [Último acesso em 20 de abril de 2020].
11
MOJ. Monitoramento ambiental de Svalbard e Jan Mayen. Duração da cobertura de neve em terra. Disponível:
http://www.mosj.no/en/climate/land/duration-snow-cover.html. [Último acesso em 20 de abril de 2020].
93
7.4 Áreas de foco para pesquisa de neve
Para promover o crescimento da energia solar em regiões que registam neve persistente no Inverno, é necessária
investigação em quatro áreas principais, conforme ilustrado na Figura 51.
Figura 51: Desafios de investigação relacionados com a neve. As questões operacionais relacionadas à neve
incluem perda de energia, confiabilidade, modelagem de desempenho e otimização de desempenho12 .
1. Métricas de perda de neve: As estimativas das perdas de energia mensais e anuais atribuídas à neve
baseiam-se em conjuntos de dados relativamente pequenos e não possuem os metadados necessários
para desenvolver estratégias de mitigação. É necessário um esforço concertado para quantificar as perdas de
neve, não apenas a nível regional e global, mas para correlacionar essas perdas com escolhas tecnológicas e
de design.
2. Confiabilidade: A adesão de neve e gelo a um painel fotovoltaico cria carga termomecânica
estresse, exacerbado por tempestades extremas de inverno e ciclos de congelamento/degelo que podem
quebrar as células solares, distorcer as estruturas dos módulos e danificar os revestimentos, resultando em
módulos com baixo desempenho e falhas. São necessários dados sobre carregamento termomecânico e
problemas de confiabilidade associados, vinculados a projetos específicos de módulos e sistemas.
3. Modelagem Preditiva: O sombreamento dos módulos pela neve cria perdas de energia significativas, mas tais
perdas, na ausência de modelos de desempenho mais detalhados, são difíceis de quantificar e quase impossíveis
de prever, tornando os cálculos precisos do LCOE e o planejamento avançado de recursos um desafio para
desenvolvedores, investidores e proprietários de ativos . Embora as previsões possam ser feitas com uma a
duas semanas de antecedência, as tentativas de prever a queda de neve com muita antecedência apresentam
uma alta taxa de erro. São necessários modelos mais precisos que levem em conta as variáveis de queda de
neve, como a arquitetura do módulo.
4. Otimização do projeto: Projetar sistemas que eliminam neve rapidamente é de grande valor para
a industria. O projeto de um sistema fotovoltaico pode impactar as perdas de neve, ressaltando a necessidade de
quantificar melhor as implicações energéticas das escolhas tecnológicas em regiões nevadas.
São necessários projetos de demonstração que possam quantificar as vantagens energéticas (isto é, capacidades
de remoção de neve) de determinados projetos.
12
https://energy.sandia.gov/Snow
94
5. Melhores práticas de O&M: Ver Relatório IEA-PVPS T13-25:2022 “Diretrizes para Operação e Manutenção
de Usinas Fotovoltaicas em Diferentes Climas“, que cobre O&M para instalações residenciais, comerciais
e industriais em latitudes norte.
7.5 Métricas de Perda de Neve
7.5.1 Métodos para Medir Neve

A neve que adere à superfície de um módulo fotovoltaico, tal como outras formas de sujidade, diminui ou muitas vezes
elimina a irradiância solar que atinge uma célula e – dependendo da sua uniformidade – introduz desafios de
incompatibilidade e desencadeia o reencaminhamento da eletricidade através de díodos de bypass .
Ao contrário de outras formas de sujidade, no entanto, a neve profunda e o gelo podem aplicar tensão termomecânica
estática e dinâmica aos módulos, introduzindo preocupações de fiabilidade. A necessidade de quantificar o acúmulo de
neve e seu impacto no desempenho do conjunto é, portanto, importante, não apenas para cálculos de LCOE, mas
também para dimensionamento de sistemas, previsão de rendimento e previsão de vida útil. No entanto, não existe
nenhum método padrão para medir a profundidade da neve num módulo, nem as estimativas de carga de neve para
certificação IEC (IEC 61215) são representativas da carga real de neve, uma vez que esta última se baseia em cargas
horizontais uniformes e, portanto, atípicas da maioria dos sistemas fotovoltaicos.
Medir a neve é difícil por vários motivos. Para começar, a profundidade da neve não é estática. Em vez disso,
está em constante mudança, seja através de reposição ou através de redução/compactação. A neve pode ser removida
de uma matriz pelo vento e por sublimação; ele também pode compactar à medida que as temperaturas aumentam e
ocorre a fusão parcial. Além disso, os modelos existentes não têm em conta a densidade da neve, embora esta última
seja uma indicação tanto da idade (a neve tende a compactar-se com o tempo) como da estrutura cristalina da neve,
ambas com diferentes coeficientes de deslizamento e transmissividade. Finalmente, a queda de neve ocorre
frequentemente em taxas diferentes em um conjunto fotovoltaico, criando profundidades de neve irregulares tanto no
nível do módulo quanto no conjunto, o que também aumenta a incerteza de medição, como mostrado na Figura 52. Os
modelos de neve não levam em conta essa distribuição desigual, mas em vez disso, confie em dados de medidores de
neve ou pluviômetros aquecidos, que pressupõem acumulação uniforme.
95
Figura 52: A queda irregular de neve em conjuntos fotovoltaicos pode tornar a profundidade da neve
um indicador desafiador de desempenho.
Os métodos tradicionais para estimar a profundidade da neve num painel fotovoltaico incluem a utilização de
dados de estações meteorológicas da Rede Global de Climatologia Histórica (GHCN), que suporta uma base
de dados de dados climáticos diários de estações de superfície em todo o mundo que seguem um conjunto
comum de padrões de garantia de qualidade. Alternativamente, pode-se confiar em réguas de medição
instaladas no local, embora esta abordagem exija monitoramento ativo por uma pessoa ou por uma câmera e
possa ser afetada pela neve acumulada, o que introduz incerteza na medição. Pluviômetros aquecidos, com
balde basculante, são mais precisos, pois capturam a neve enquanto ela cai. No entanto, medem a neve como
um líquido e, portanto, não fornecem informações sobre a profundidade real, apenas a quantidade de
humidade que caiu. Além disso, todos os métodos acima medem a neve num plano horizontal e não no ângulo
de inclinação de um conjunto fotovoltaico.
Abordagens mais recentes incluem o uso de sensores eletrônicos de profundidade de neve com dois princípios
físicos diferentes: sistemas ultrassônicos e laser. No momento, os sensores ultrassônicos são muito mais
comuns. Seu cone de medição, que depende da largura do feixe e da altura do sensor acima do alvo, é mais
largo que o dos novos sensores a laser e tem uma precisão de profundidade de cerca de ± 10 mm. Os
sensores ultrassônicos normalmente operam a 50 kHz, mas como a velocidade do som no ar muda
significativamente com a temperatura, são necessárias medições da temperatura ambiente para compensar
quaisquer flutuações. Em contraste, os sensores de neve a laser, que são relativamente novos no mercado,
medem a profundidade da neve com uma precisão de cerca de ± 5 mm, mas têm um tamanho de ponto de
medição pequeno, o que pode ser prejudicial para a medição precisa da profundidade da neve se a superfície
da neve é desigual. Para resolver este problema, alguns fabricantes estão introduzindo medições multiponto.
Uma desvantagem remanescente dos sensores baseados em laser, entretanto, é a necessidade de energia
para aquecer o diodo laser para garantir operação eficiente e longa vida útil. Este requisito de energia pode
tornar a operação autônoma de sensores laser em áreas remotas mais desafiadora. Caso contrário, tanto os
sensores baseados em laser quanto os ultrassônicos são, em sua maioria, isentos de manutenção. Uma lista
de fabricantes é fornecida na Tabela 10.
96
Tabela 10: Uma lista parcial de vários produtos disponíveis para medir a profundidade da neve. Todos os preços
dos equipamentos neste relatório são aproximados. O fabricante deve ser contatado para saber os custos
exatos.
Sensores de neve
Fabricante Campbell Campbell Lufft Judd LLC Verão

Científico Científico tecnologia de medição
Nome do modelo SR50AT SDMS40-L SHM 31 UDS USH-9
Método Ultrassônico Óptico Óptico Ultrassônico Ultrassônico
Largura do feixe 30 graus Multiponto Ponto único 22 graus 12 graus 12 a 24
Fonte de alimentação 9 a 18 VCC 12 a 15 12 a 24 9 a 27 V CC

CCV CCV CCV
Máximo 4,5W 30W 18 W 0,6 W 1 W

consumo de
energia
Opções de saída SDI-12, RS- SDI-12, RS- SDI-12, RS- RS-232 SDI-12, RS-
485, 485, RS-232 485, RS-232 485, RS-232
RS-232
Profundidade da neve ± 10 mm ± 3 mm ± 5mm ± 10 mm ± 10 mm

Precisão
Aproximado 1386€ / 2.358€/ € 2.749 / 622€ / 1725€ /

Custo: Euro / 1574$ 2.678$ $ 3.121 704$ 1959$
USD
Vários métodos específicos para a carga de neve em sistemas fotovoltaicos estão sendo desenvolvidos. Para calcular a
quantidade de neve em uma matriz inclinada, podem-se implantar várias técnicas:
1) Varetas de medição fixadas em um módulo instalado no ângulo de inclinação do sistema fotovoltaico, mas
deixado em circuito aberto.
2) Sensores de deslocamento que medem o deslocamento do módulo em função do carregamento mecânico
(peso), embora a profundidade deva ser modelada. Os sensores podem ser fixados na parte traseira dos
módulos, mas devem ser distribuídos uniformemente para capturar dados sobre a não uniformidade da carga
de peso, incluindo acúmulo na borda inferior.
3) Imagens digitais estereográficas que são tiradas normalmente até o final de uma matriz. Essa técnica, porém,
requer a instalação de câmeras e um datalogger para armazenar imagens.
Além disso, foi recentemente desenvolvido um novo método que permite medir a percentagem de um sistema coberto
com neve (e, assim, modelar e prever perdas de energia relacionadas com a neve). O método se baseia em imagens de
séries temporais tiradas em intervalos de cinco minutos que são então binarizadas em neve e áreas claras que podem
ser quantificadas umas em relação às outras [160]. Esta técnica, que ainda está em fase de aperfeiçoamento, ainda não
leva em conta a profundidade da neve.
7.5.2 Modelagem Preditiva de Perdas de Neve

As perdas por sombreamento de neve podem ser calculadas comparando o desempenho esperado do sistema sem
neve com o desempenho real de um sistema que está total ou parcialmente coberto com neve, mas
97
essas perdas são históricas e não preditivas. Além disso, este método requer a análise de imagens digitais com
carimbo de data e hora para determinar a porcentagem de módulos cobertos e as mudanças na cobertura ao longo
do tempo em relação a um piranômetro de plano de matriz aquecido. Previsão ou modelagem
o impacto da neve, dada a rápida expansão das energias fotovoltaicas em climas de inverno, é essencial para
cálculos precisos e nivelados do custo da energia e para o planeamento de recursos para instalações de grande
escala que alimentam a rede.
As perdas de energia atribuídas à cobertura de neve têm impacto no LCOE dos fotovoltaicos nas regiões do norte e também
na disponibilidade de recursos, o que pode ser um problema especialmente quando as tempestades de inverno derrubam as
linhas de energia.
Um desafio fundamental para a implantação de sistemas fotovoltaicos em áreas com prevalência de neve é prever
rendimentos energéticos anuais precisos para sistemas fotovoltaicos, dada a variabilidade inerente intra e
intersazonal da queda de neve e os muitos fatores que contribuem para a adesão da neve aos módulos. Várias
tentativas foram feitas para estimar as perdas anuais de energia atribuíveis à neve nos painéis fotovoltaicos, mas
os dados publicados refletem um número limitado de locais, pequenos tamanhos de estudo e contabilização
incompleta das variáveis que contribuem para as perdas de neve. Além disso, nenhum destes modelos considera
fatores de projeto do sistema além do ângulo de inclinação, mas os parâmetros de projeto podem contribuir significativamente para
a capacidade de derramamento de neve de um sistema.
Até à data, foram desenvolvidos vários modelos de perda de neve que expressam as perdas de neve como uma
percentagem da produção anual de energia [100], [161], [99]. Esses modelos levam em consideração o ângulo de
inclinação, a temperatura, a umidade e a irradiância, e incluem um coeficiente de deslizamento baseado na
resistência ao atrito dos esquis encerados. Todos esses modelos assumem que o principal mecanismo de remoção
é a neve deslizando do painel. Além disso, nenhum grande produto de software de modelagem fotovoltaica suporta
modelagem de perda de neve além do simples dimensionamento, como em PVWatts [162]. No entanto, Ryberg et
al. [163] incorporaram o modelo de neve de Marion et al. [99] no Modelo de Consultor de Sistema (SAM) do
Laboratório Nacional de Energia Renovável (NREL).
Existem dois mecanismos principais pelos quais a neve se desprende da superfície do módulo, derretendo e
deslizando, embora os dois estejam inter-relacionados e o vento seja um fator adicional. O derretimento normalmente
ocorre quando a camada de neve é fina e capaz de derreter rapidamente à medida que a temperatura do ar sobe
para perto ou acima de 0°C, um processo que é acelerado pela alta irradiância solar. O deslizamento da neve é
geralmente desencadeado por uma redução nas forças de atrito, que pode ocorrer quando uma fina camada de
neve derretida se forma na superfície do módulo ou quando o peso da neve é suficiente para superar a resistência
da superfície, causando desprendimento na interface neve-substrato. O deslizamento pode ocorrer de forma
relativamente rápida a partir de então, embora a queda de neve possa ser não uniforme se houver sombreamento
parcial do conjunto.
Embora nenhum coeficiente de atrito da neve nos módulos fotovoltaicos tenha sido proposto ainda, a força de
deslizamento da neve é capturada na seguinte equação [99]:
= µ ÿ ÿ ÿ cos ( ) (17)
Onde:
• a força de deslizamento atribuível à gravidade, Fs, é determinada pelo coeficiente de atrito estático da
neve (ÿ), pela massa da neve (m), pela aceleração da gravidade (g) e pelo ângulo de inclinação cos(ÿ).
• µ= o coeficiente de atrito estático para neve

• m=massa de neve
98
• g=aceleração da gravidade
• ÿ=ângulo de inclinação
O deslizamento também pode ocorrer em temperaturas do ar ambiente abaixo de zero se houver irradiância
suficiente para ocorrer algum derretimento e dependendo do ângulo de inclinação. Quanto maior o ângulo do
ladrilho, maior a probabilidade de a queda de neve ocorrer mais cedo e ser totalmente derramada em um ritmo
mais rápido. Para locais com fortes nevascas, recomendam-se ângulos de 60° ou mais para induzir o deslizamento.
No entanto, são necessários mais dados, incluindo os rendimentos energéticos médios anuais, para confirmar esta
recomendação. Um estudo realizado no norte da Suécia (latitude de 65°N), por exemplo, sugere que a inclinação do módulo
contribui minimamente para a queda de neve quando não há impedimento físico da estrutura do módulo. Neste
estudo de Granlund et al. [164], foram instalados dez módulos bifaciais sem moldura, em incrementos de inclinação
de 5°, de 0 a 90°. Descobriu-se que todos removeram a neve em taxas comparáveis, com exceção dos módulos
de 0° e 90°. Os autores do estudo concluíram que, sem diferença significativa nas taxas de queda de neve entre
módulos instalados de 25° a 80°, o ângulo de inclinação não deve ser o principal determinante do projeto do
sistema em climas do norte. Pode-se supor que, uma vez formada uma camada fundida, que depende da
temperatura e não do ângulo de inclinação, as forças resistivas são as mesmas em todos os ângulos de inclinação.
O estudo de Granlund, no entanto, baseia-se em módulos únicos e não leva em consideração fatores físicos
específicos dos conjuntos fotovoltaicos, como o espaço entre os módulos, a presença de uma estrutura ou a
morfologia do clipe, que criam barreiras físicas à queda de neve. . O estudo também não leva em consideração a
profundidade, densidade ou homogeneidade da neve, que pode criar força de deslizamento suficiente para superar
a força de atrito da superfície do módulo e contribuir para o derramamento.
Para fornecer melhores ferramentas de estimativa, várias abordagens inovadoras para modelagem de perda de
neve apareceram recentemente na literatura. Uma equipe da Universidade de Quebec propôs um modelo diário
de previsão de perda de neve desenvolvido a partir de quatro anos de dados meteorológicos horários e vários
algoritmos de aprendizado de máquina. O modelo é dividido em três partes: rendimento, perda de potência (de
todas as fontes, incluindo neve, incompatibilidade, perdas de cabo CC, rastreamento máximo de powerpoint e
baixa irradiância) e perda de neve (a porcentagem de perda de potência atribuída à neve). Tal como os seus
antecessores, este modelo ainda não foi validado para mais de um local [165]. Uma segunda equipe, também da
Universidade de Quebec, desenvolveu um modelo alternativo que estima a quantidade de irradiância que pode ser
filtrada através de um módulo quando este está uniformemente coberto de neve, de acordo com a Lei Bouguer-
Lambert de transmissão de insolação e carvão elétrico associado. -características dos módulos fotovoltaicos, mas
este modelo também não foi validado [166].
Outros modelos tentaram prever o derretimento da neve em uma superfície, mas consideram apenas superfícies
horizontais [167] [168]; um modelo mais recente de derretimento de neve incorpora equações de transferência de
calor e massa, bem como parâmetros operacionais específicos para sistemas fotovoltaicos [169]. Este modelo
assume que a fusão pode ocorrer tanto na superfície do módulo (resultado do aquecimento externo) quanto na
superfície superior, se a irradiância e a temperatura do ar ambiente forem suficientemente altas, com o escoamento
superficial fluindo através da neve na direção do inclinação do painel. As entradas para o modelo incluem a energia
medida necessária para precipitar o deslizamento da neve, o ângulo de inclinação, a cobertura de neve medida
como massa por unidade de área e a temperatura ambiente. Os parâmetros não modelados, no entanto, incluem
sujeira do painel, topologia da superfície, presença ou ausência de moldura e acúmulo de gelo ao longo da moldura
inferior que cria uma barreira física ao deslizamento.
99
7.6 Otimização de Projeto para Climas com Neve

Pesquisas preliminares sugerem que escolhas tecnológicas e de design específicas para o clima podem levar
para ganhos de eficiência mensuráveis [159]. As opções para aumentar as taxas de queda de neve e/ou diminuir
o impacto da sombra da neve enquadram-se nas seguintes categorias:
• Arquitetura do módulo (por exemplo, frame vs frameless, stringing de células, etc.)

• Tecnologia de módulo (tamanho da célula, design da célula, bifacial vs monofacial)
• Projeto do sistema (orientação do módulo; altura acima do solo; ângulo de inclinação; design do clipe e
colocação)
As escolhas descritas abaixo são de maior relevância para instalações comerciais e de serviços públicos; A
energia fotovoltaica em telhados residenciais também é considerada, mas não discutida em profundidade, porque
as opções de projeto são mais limitadas.
7.6.1 Arquitetura do Módulo
O intenso foco nos últimos anos no aumento da eficiência de desempenho dos módulos fotovoltaicos levou a uma
proliferação de tecnologias e designs de módulos. Esta seção descreve o que se sabe sobre o desempenho de diferentes
designs de módulos em climas com neve e apresenta áreas onde mais pesquisas são necessárias.
1. Projeto da moldura
As estruturas dos módulos podem funcionar como barragens de neve, criando resistência que – dependendo da
profundidade da neve, da temperatura do ar ambiente e da irradiância – diminuirá o impulso do deslizamento da
neve e fará com que ela se compacte na parte inferior do módulo, obstruindo ainda mais o processo de deslizamento
[170 ]. Embora a orientação do módulo, o formato, a profundidade da neve, a temperatura do ar ambiente e a
irradiância sejam fatores contribuintes, mesmo uma morfologia de estrutura de baixo perfil obstruirá o deslizamento
da neve [171]. A descontinuidade de uma moldura que se projeta alguns milímetros acima da cobertura de vidro
pode fornecer um ponto de apoio para neve e gelo. Quanto maior for o peso da neve acima da parte inferior da
estrutura em relação ao comprimento da estrutura, menor será a probabilidade de uma acumulação ao longo da
borda inferior ser capaz de suportar o peso da neve acima dela.
O que não está claro é se existem diferenças quantificáveis atribuíveis a uma morfologia específica da moldura
(por exemplo, uma borda chanfrada) ou à cor da moldura, mas essas diferenças devem ser estudadas.
O que está claro é que os módulos sem moldura podem, sob as condições climáticas adequadas, eliminar a neve
mais rapidamente do que os módulos com moldura. Um estudo recente demonstrou que uma série de módulos
sem moldura produziu 13% mais energia do que módulos com moldura – mas idênticos – no mês de dezembro.
Mais pesquisas estão em andamento para compreender melhor o papel da temperatura do ar ambiente, que afeta
a taxa de desprendimento, com a diferença entre as duas matrizes diminuindo à medida que as temperaturas
caem, provavelmente atribuível a uma maior adesão superficial em temperaturas mais baixas. Outro estudo
mostrou que a neve, quando cai rapidamente dos painéis sem moldura, forma montículos no solo. Esses montes,
por sua vez, sustentam montes cada vez maiores que podem eventualmente obstruir a fileira inferior de módulos.
Por outro lado, os montes sob os módulos adjacentes são muito menores, não apenas porque alguma neve é
retida na borda inferior dos módulos, mas porque uma certa quantidade é removida pelo vento ou pelo derretimento
antes de atingir o solo [170].
100
Figura 53: Módulos com moldura versus módulos sem moldura, arranjos fotovoltaicos lado a lado
demonstram o impacto de uma moldura de módulo na queda de neve. Os módulos sem moldura (à direita)
geraram 13% mais energia no mês de dezembro do que os módulos com moldura adjacentes. Os módulos
eram virtualmente idênticos, exceto pela presença ou ausência de uma moldura [170].
Figura 54: A diferença na queda de neve e na produção de energia é mostrada para os módulos adjacentes
com e sem moldura. Conforme mostrado no gráfico à esquerda, os módulos emoldurados começam a
derramar neve quase uma hora antes dos módulos emoldurados, uma diferença que é refletida no gráfico
de potência à direita [170].
Outros fatores também devem ser considerados. Os custos de instalação, por exemplo, podem ser maiores se
forem necessários racks mais altos para evitar acúmulo de solo. Além disso, os módulos sem moldura exigem um
manuseio mais delicado durante a instalação, o que também pode aumentar os custos, especialmente para
instalações em grande escala. Além disso, os módulos sem moldura podem ter problemas de fiabilidade, uma vez
que podem ser menos resistentes ao peso de cargas de neve maiores e podem ser mais vulneráveis a longo prazo.
à entrada de umidade. Dito isto, os módulos com moldura têm os seus próprios desafios de fiabilidade: a água
pode congelar sob a moldura, exercendo pressão de expansão tanto na moldura como no vidro do módulo. Sob
cargas pesadas de neve, a carga na borda inferior do módulo pode fazer com que a estrutura se solte do módulo
[172]. À medida que se aprende mais sobre o estresse termomecânico causado pelo frio e pela neve nos módulos,
incluindo sua distribuição espacial, provavelmente surgirão oportunidades para melhorar o design da estrutura. As
possibilidades incluem a substituição de materiais, por exemplo, um compósito em vez de alumínio, ou algum tipo
de barra traseira estabilizadora.
2. Fator de forma
Módulos de formato maior têm uma maior proporção entre vidro e moldura do que módulos menores e, portanto,
têm menos resistência ao deslizamento, mas sua área superficial maior também cria vulnerabilidades ao estresse
que devem ser investigadas em uma variedade de condições de carga termomecânica.
101
3. Textura e revestimentos de vidro de cobertura
Sabe-se que o uso de vidro de cobertura liso versus texturizado melhora as perdas no ângulo de incidência e, ao reduzir
a rugosidade da superfície, provavelmente aumentará as taxas de queda de neve. No entanto, mais investigações são
necessárias. A aplicação de uma película ou revestimento de superfície com fobia de neve representa outra oportunidade
para melhorar o desempenho de descamação, mas tais revestimentos precisarão ter alta transmissividade óptica e
durabilidade suficiente para suportar o atrito do deslizamento.
neve.
7.6.2 Inovação em Células Solares
A indústria solar está a passar por rápidas mudanças tecnológicas impulsionadas pelo desejo de módulos de maior
eficiência e produtos de menor custo. Embora a inovação que está a ocorrer não seja motivada pelo clima operacional em
si, mas sim pela redução de custos, muitas das mudanças têm implicações para os climas do norte, que registam
regularmente neve. Essas mudanças são brevemente discutidas nesta seção.
Tamanho da célula
A tecnologia fotovoltaica baseada em wafer de Si foi responsável por cerca de 95% da produção total em 2019. O
resultado das células solares de silício monocristalino está passando por uma fase de crescimento, com tamanhos de
wafer cada vez maiores sendo introduzidos no mercado para aumentar o máximo classificação de potência dos módulos
e ganho de eficiência de produção. Há mais de 10 anos, o tamanho de célula predominante era 125 mm x 125 mm; em
2010, as chamadas células M1 (156 mm x 156 mm) estavam se tornando populares, seguidas em poucos anos pelos
wafers M2 (156,75 mm x 156,75 mm); hoje, estão surgindo tamanhos ainda maiores (157 mm x 157 mm) e uma célula M6
(166 mm x 166 mm) está no horizonte.
Mas à medida que o tamanho da célula aumenta, as perdas resistivas negativas também aumentam, resultando na
diminuição da produção de energia. Os fabricantes compensaram mudando para células meio cortadas para reduzir as
perdas entre células e módulos. O impacto destas tendências tecnológicas, combinado com a mudança para wafers mais
finos, introduziu questões relativas ao aumento da sensibilidade dos wafers aos factores de stress combinados de
temperaturas frias e carga de neve. Por exemplo, pesquisas mostram que a fragilidade celular é inversamente proporcional
à temperatura, sendo mais provável a ocorrência de rachaduras nas células, especialmente com o peso da neve no
módulo, à medida que as temperaturas caem abaixo de zero [173]. Mas este trabalho precisa ser expandido para
tecnologias emergentes e através de um espectro mais amplo de cenários de carga termomecânica.
Células meio cortadas e shingled
Nos últimos dois anos, a indústria solar tem demonstrado interesse significativo em células meio cortadas, que possuem
seis cordas em vez das quatro tradicionais, permitindo maior tensão e maior resistência ao sombreamento. Por um lado,
os módulos de células meio cortadas podem ser a escolha ideal para climas com neve porque os novos módulos superam
os módulos tradicionais na orientação retrato quando a metade inferior está sombreada. Por outro lado, células meio
cortadas, que são parcialmente cortadas, podem revelar-se suscetíveis a fissuras nas células sob fortes cargas de neve
e/ou temperaturas frias extremas. Dada a esperada penetração no mercado de células semi-cortadas, são necessários
dados de campo de sistemas instalados em latitudes norte.
Células solares com telhas são células de silício cortadas em várias partes (normalmente 3 ou 4) e sobrepostas como
telhas, interconectadas com pasta eletricamente condutora. A abordagem de telhas apresenta diversas vantagens: as
células cortadas são parcialmente sobrepostas, permitindo melhor aproveitamento da área; as telhas são conectadas
eletricamente com pasta adesiva condutora,
102
eliminando a necessidade de barramentos e reduzindo as perdas por sombreamento; os módulos em telhas também
não possuem fitas soldadas, que são um ponto conhecido de falha; e podem ser ligados em paralelo, resultando
numa elevada tolerância à sombra, dependendo da orientação. No entanto, ainda deve ser investigado minuciosamente
o desempenho das células em telhas quando submetidas a estresse termomecânico no inverno, especialmente se a
falha do barramento não for um problema e as células em telha forem apoiadas umas pelas outras.
Bifacial versus Monofacial
O rápido crescimento do mercado fotovoltaico bifacial pode ser explicado pelo custo relativamente baixo dos módulos
bifaciais e pelas suas vantagens percebidas. Em nenhum lugar essas vantagens são mais aparentes do que nas
regiões do norte, onde a neve pode persistir no solo durante meses, criando um ambiente operacional de alto albedo.
Uma vantagem dos módulos bifaciais é que a parte traseira não fica coberta de neve, sendo possível produzir mesmo
quando a parte frontal está sombreada pela neve.
O sombreamento da estrutura de montagem pode ser um problema, mas a maioria das empresas de racks agora está
projetando racks especificamente para sistemas bifaciais.
Os primeiros estudos demonstraram que os ganhos bifaciais no inverno podem ser consideráveis e que uma
abordagem inovadora aos projetos de sistemas bifaciais pode ser justificada. Um estudo de campo de painéis
fotovoltaicos bifaciais verticais voltados para leste-oeste no Alasca, por exemplo, demonstrou que os conjuntos
verticais geravam de 5 a 20% mais energia do que os projetos tradicionais, produziam dois picos de energia por dia
que se alinhavam bem com as cargas elétricas, e quase não tinha sombra de neve [174].
Um segundo estudo sobre desempenho bifacial em um rastreador de eixo duplo em Vermont também obteve
resultados impressionantes. Neste caso, a sequência de módulos bifaciais do rastreador superou a sequência
adjacente de módulos monofaciais em 14% ao longo de um ano, com maiores ganhos no inverno, conforme mostrado
na Figura 55. As descobertas deste experimento sugerem que dois O rastreador de eixo, que maximiza a irradiância
normal ao array, também permite uma grande área de captura óptica na parte traseira. O estudo demonstrou que os
módulos bifaciais irão liberar neve em uma taxa mais rápida do que os módulos monofaciais, provavelmente porque
o aumento da irradiância traseira aumenta a temperatura do módulo [159].
Figura 55: Sequência de módulos bifaciais instalada ao lado de uma sequência de módulos monofaciais, em
um rastreador de dois eixos, apresentou um ganho médio anual de energia de 14% em comparação com os
módulos monofaciais [159].
103
7.6.3 Projeto do Sistema

Ângulo de inclinaçao
Os ângulos de inclinação tendem a se correlacionar aproximadamente com a latitude (daí o termo “inclinação de
latitude”), com ângulos de inclinação fixos em instalações em escala comercial e de serviços públicos no extremo norte
de até 45°. A escolha do ângulo de inclinação é geralmente baseada em cálculos de ângulo de incidência e
sombreamento entre fileiras. Na Suécia, por exemplo, a inclinação ideal para uma latitude de 60N é de 40-45 graus,
assumindo que o conjunto está voltado para sul. Até o momento, pouca atenção tem sido dada ao impacto do ângulo
de inclinação na queda de neve, pois reflete múltiplas variáveis que estão sendo pesquisadas, mas ainda não são bem
compreendidas [100]. No entanto, este estudo indicou que as perdas anuais de energia diminuíram drasticamente, de
34% para 5%, à medida que o ângulo de inclinação aumentou de zero para 45 graus para sistemas desobstruídos.
Orientação do Módulo
Acredita-se que a orientação do módulo contribua para a queda de neve, mas esta suposição precisa ser melhor
quantificada. Trabalhos preliminares sugerem que o comprimento do vidro vertical em relação ao comprimento da
moldura horizontal permite um maior impulso de deslizamento que impulsionará a neve para além da borda da moldura.
Por esta razão, pensa-se que a montagem de módulos com a sua dimensão mais curta paralela ao solo - na configuração
retrato em vez de paisagem - incentiva a queda de neve, mas o encordoamento dos módulos e a localização dos
díodos de bypass também devem ser tidos em conta [160].
Figura 56: Dois sistemas fotovoltaicos adjacentes ajustados no mesmo ângulo de inclinação, mas com
diferentes orientações de módulo, criam uma configuração experimental ideal para investigar o impacto da
orientação na queda de neve. Como mostrado acima, a orientação pode impactar as taxas de derramamento,
embora sejam necessárias mais pesquisas para investigar a dependência da temperatura e o papel dos diodos
de bypass [160].
Clipes de módulo
Tanto o espaçamento entre módulos em um rack quanto a localização, o tamanho e o perfil dos clipes dos módulos
podem ter um impacto mensurável na queda de neve. Neve que se acumula em vários centímetros
o espaço entre módulos adjacentes cria um impedimento físico que pode impedir deslizamentos adicionais; da mesma
forma, os clipes podem funcionar como represas de neve, retendo a neve na superfície do módulo que pode sombrear
todas as três cadeias de módulos. Um exemplo do efeito clip pode ser visto na Figura 57. O
104
A influência da estrutura do módulo e outras características do projeto na queda de neve são discutidas na seção anterior.
Figura 57: Clipes do módulo. A foto demonstra como um clipe de módulo pode criar uma barreira física que evita que
a neve deslize da superfície do módulo.
Altura da matriz
A altura é outro contribuinte importante para as perdas de neve. Se um conjunto fotovoltaico for colocado muito próximo do
solo, e se a neve cair muito rapidamente e/ou com muita frequência, e sem derretimento significativo, a neve se acumulará no
solo, formando pilhas que podem engolir o conjunto fotovoltaico, reduzindo sua produção de energia e introduzindo
preocupações de confiabilidade, desde carga mecânica até entrada de umidade.
Fornecer um espaço livre de pelo menos um metro entre o conjunto e o solo dá espaço para a neve se acumular sem atingir a
borda inferior do conjunto, embora a elevação também deva levar em consideração as condições locais de neve e vento. Em
casos com depuração inadequada, tais
como módulos montados no telhado, ou mesmo sistemas montados no solo que passam por eventos extremos de neve, a neve
se acumulará na parte inferior da estrutura do módulo, mas geralmente é algo que deve ser evitado (consulte a Figura 58).
Dito isto, são necessárias mais pesquisas nesta área para determinar as compensações em relação aos custos de engenharia
e instalação de racks mais altos versus a energia perdida pelo acúmulo de neve no solo.
Sistemas Montados no Solo
Nas regiões do norte, onde a neve se acumula durante os quatro a seis meses de inverno e o solo congela a uma profundidade
de dois metros ou mais, a maioria das instalações fotovoltaicas são atividades sazonais devido ao custo e à complexidade das
instalações de inverno. Mesmo assim, instalar as fundações para estantes em climas frios pode ser difícil, dependendo se o
terreno é rochoso, permafrost ou uma mistura de areia e argila. Também preocupante é a altura do lençol freático, que pode
criar geadas no inverno, exigindo assim postes cravados em estacas relativamente profundos.
Se o aumento da geada for uma preocupação, as fundações devem estender-se abaixo do nível de geada; caso contrário, as
estacas podem deslocar-se à medida que o solo se expande e contrai durante o congelamento e o degelo sazonais.
Para locais com permafrost, as fundações podem ser ancoradas diretamente no solo congelado, assumindo que o permafrost
esteja estável e não mostre sinais de derretimento. Uma camada descongelada de solo pode ser escavada durante o verão até
a camada de permafrost. Exposta ao ar ambiente, uma profundidade de 30 cm de permafrost irá descongelar e pode ser
removida criando uma cavidade na qual uma plataforma de aço pode ser instalada e coberta com espuma isolante. A escavação
é então preenchida e toda a estrutura é aparafusada ao permafrost [3].
105
Figura 58: A elevação insuficiente de um conjunto fotovoltaico pode resultar no acúmulo de neve no solo, o que impede mais
deslizamentos de neve.
Sistemas de rastreamento
Os rastreadores, de eixo único e duplo, representam mais uma abordagem para reduzir as perdas de neve.
Eles podem ser inclinados e/ou recolhidos para minimizar a aderência da neve e/ou acelerar a queda de neve.
Mas os rastreadores exigem motores e controles, os quais acrescentam desafios de complexidade e confiabilidade, especialmente em
ambientes operacionais frios. Também não se sabe se a carga de neve, combinada com o movimento do rastreador, pode causar
estresse nas células solares, especialmente em temperaturas abaixo de zero, resultando em rachaduras nas células [175].
Fotovoltaico residencial em telhados
Em contraste, a preocupação com a energia fotovoltaica em telhados residenciais é dupla, dependendo da colocação do conjunto em
relação ao resto do telhado: 1) a neve pode cair abruptamente, criando uma mini-avalanche que representa um perigo e 2) a neve pode
cair de os módulos, mas depois aderem ao substrato do telhado, criando uma barreira de neve que evita mais derramamentos. Para
mitigar as preocupações de segurança, algumas empresas fotovoltaicas defendem a implementação de uma proteção contra neve, ou
barreira física, que pode ser instalada ao longo da borda do telhado. Na Suécia, recomenda-se a colocação de protetores de neve a 80
cm do sistema fotovoltaico [176].
Outras opções que podem favorecer a queda de neve incluem a instalação de módulos sem moldura e sistemas fotovoltaicos no telhado
que são integrados ou semi-integrados no telhado, diminuindo o perfil do conjunto e, portanto, reduzindo a resistência ao deslizamento.
As telhas solares podem ser outra opção, embora ainda não sejam comuns e a sua fiabilidade a longo prazo em condições rigorosas de
inverno ainda não esteja estabelecida.
Eletrônica de Potência
Climas frios podem exacerbar os ciclos térmicos e criar condensação dentro de dispositivos eletrônicos, levando a desvios de
desempenho ou curtos-circuitos. Circuitos resfriados por convecção natural e radiação são preferíveis a dispositivos resfriados por
ventilador, pois os ventiladores podem falhar em baixas temperaturas e a substituição de componentes em locais remotos é difícil. Os
componentes eletrônicos revestidos de epóxi devem ser pré-testados em uma faixa de temperaturas para garantir que a diferença nos
coeficientes de expansão térmica não cause tensão indevida. Os monitores de cristal líquido podem funcionar mal em condições frias.
Idealmente, os inversores ou controladores de carga devem estar em um ambiente seco e protegido, como um edifício próximo; se não
for possível, eles devem ser pendurados na parte traseira do rack fotovoltaico, o que fornecerá algum abrigo. Contudo, as baterias devem
ser armazenadas separadamente devido à possibilidade de geração de vapores corrosivos ou gás hidrogênio. Além disso, inversores e
controladores de carga também
106
precisam ser dimensionados adequadamente. A tensão de um módulo c-Si aumenta com a diminuição da
temperatura. A dependência da tensão com a temperatura é mais fortemente afetada pela corrente de saturação
no escuro, que por sua vez mostra uma dependência da temperatura com a concentração intrínseca da portadora.
Enquanto a tensão de circuito aberto aumenta, a corrente de curto-circuito diminui ligeiramente em temperaturas
mais baixas devido ao alargamento do bandgap. A potência máxima e a tensão de circuito aberto melhoram de
0,3% a 0,5%, enquanto a corrente de curto-circuito cai cerca de 0,04% a 0,06% para cada grau abaixo das
condições de teste padrão de 25°C. O efeito geral no desempenho em baixa temperatura é um ganho de
potência e uma ligeira melhoria no fator de preenchimento. Por exemplo, um conjunto de silício cristalino
operando a uma temperatura média de 0°C gerará aproximadamente 10% mais energia do que um conjunto
operando a 25°C, para igual irradiância solar [4].
107
CONCLUSÃO
Este relatório resume o estado atual do campo ainda em evolução da sujidade, fechando o ciclo dos mecanismos físicos
e químicos à medição, modelização, impactos económicos e mitigação. Em homenagem à crescente popularidade e
viabilidade de instalações em regiões de alta latitude, também estão incluídas seções dedicadas à sujeira da neve. Este
relatório aborda tanto partículas de poeira mineral quanto sombreamento de instalações induzido pela neve, mas não
fontes antropogênicas, zoológicas ou biológicas de perda de rendimento do sistema fotovoltaico, como escapamentos de
diesel, excrementos de pássaros, musgos, líquenes, etc.
Partículas na faixa de 2 µm a 63 µm são consideradas os principais contribuintes para a sujeira em regiões áridas.
Normalmente, tais partículas são solúveis em água e podem ser removidas com relativa facilidade. Porém, sob a
influência de alta umidade com fases subordinadas de secura, a adesão pode aumentar muito e exigir limpeza profissional.
A sujidade também é altamente heterogénea e a monitorização da sujidade em sistemas de grande escala deve,
portanto, ser realizada em vários locais - conforme descrito na norma de monitorização para sistemas fotovoltaicos, IEC
61724. A limpeza regular dos sensores de irradiação também é obrigatória. -atório para evitar má interpretação dos
dados de desempenho. Ao escolher sensores de sujidade, é importante considerar a facilidade com que tais dispositivos
podem ser integrados na infra-estrutura de monitorização do sistema. Uma solução ideal deve ser instalável com o
mínimo de manutenção possível e ser capaz de detectar sujidades heterogéneas tanto ao nível do módulo como do local
com elevada precisão.
No campo da previsão de métricas de sujidade, existem diferentes modelos que podem ser divididos em diversas classes,
desde modelos semi-físicos até aqueles que utilizam métodos de IA. A sua característica comum é que muitas vezes
estão limitados a uma área de teste local e são difíceis de generalizar. Os modelos globalmente aplicáveis para prever as
taxas de sujidade com base em dados de satélite são atualmente bastante rudimentares.
As perdas de energia previstas pelos modelos de neve emergentes como preditores do fenómeno de sujidade em
latitudes elevadas também mostram que ainda é necessário mais trabalho e validação para compreender as causas da
discrepância entre os modelos e com os dados empíricos.
Estudos sugerem que a sujidade das instalações fotovoltaicas pode já ter causado uma perda na produção anual de
energia fotovoltaica em todo o mundo de pelo menos 3% a 4% em 2018, correspondendo a perdas económicas de até
três a cinco mil milhões de euros. Apesar dos custos mais baixos dos componentes e, portanto, do CAPEX mais baixo, é
necessário assumir perdas absolutas crescentes, uma vez que as instalações fotovoltaicas continuarão a expandir-se em
todas as regiões.
A nível global, estas consequências económicas são imensas. Os modelos técnico-económicos, conforme descritos nos
Capítulos 4 e 5, fornecem apoio à tomada de decisões para empresas de O&M. Os prazos de decisão de limpeza,
especialmente para grandes fábricas, devem basear-se numa monitorização sólida no local, em vez de em calendários
predefinidos de operação e manutenção, para minimizar os custos das operações de limpeza. Especialmente para
grandes centrais eléctricas em regiões áridas com taxas de sujidade correspondentemente elevadas, a tendência é
claramente para a limpeza robótica ou semi-robótica.
Os avanços tecnológicos e os custos mais baixos dos componentes também estão a tornar os sistemas fotovoltaicos
cada vez mais atrativos em latitudes (e altitudes) mais elevadas, apesar das tensões do inverno nos sistemas causadas
pela cobertura de neve e pelas baixas temperaturas. Os projetos de pesquisa em andamento visam melhorias na
confiabilidade dos componentes, modelagem preditiva e otimização do projeto do sistema.
Para mitigar as perdas de produção, considerações promissoras para instalações solares de alta latitude incluem
módulos sem moldura, ângulos de inclinação mais acentuados, revestimentos anti-neve, módulos bifaciais e atenção às
alturas dos conjuntos para minimizar o acúmulo de neve nas bordas inferiores dos módulos, entre outros fatores.
108
Em conclusão, a sujidade fotovoltaica continuará a ser um problema global, que deverá ser exacerbado pelas
alterações climáticas com o aumento das temperaturas globais e as subsequentes secas. Avanços adicionais
na modelação, adaptação e mitigação de sujidade são extremamente necessários para ajudar os operadores
fotovoltaicos a maximizar a sua geração de energia e ganhos económicos, apesar dos desafios colocados
pela sujidade.
109
APÊNDICE 1: COMPOSIÇÃO DE PARTÍCULAS E SOLUBIL-

ESSE
Tabela 11: Lista de algumas famílias de compostos com exemplos de seus sais e
possíveis origens.
Compostos Exemplos Fórmula origens mais prováveis

químicos de sais
família de minerais
Nitratos Ni de sódio 3 atmosférico (Ozônio + Nitrogênio + Oxigênio)

tentar
indústria ou agricultura intensiva ou tráfego

Potássio 3 rodoviário
Nitrato
Acetatos Cálcio Ac- ( 2 3 2)2 Indústria de polímeros

MAIS VELHO
Potássio (232)
Acetato
Sulfatos Gesso 4 2( 2 ) Evaporito

Alteração de sulfureto
Potássio 4 Fumarolas
Sulfatos Poluição atmosférica ( 2 + 2 +2 )
Sódio 2 4 Mirabilite ou Thénardite industrial ex-

Sulfatos tração
Produção industrial de ácido clorídrico, ...
Amônio ( 4)2 4 Extração industrial de mascagnita

Sulfato Agricultura intensiva
Produção industrial
( 4 )2 3 + 4 ÿ ( 4 )2 4 + 3
Clorato Sódio 3 Agricultura intensiva

Clorato Produção industrial
Magnésio ( 3)2
Clorato
110
Silicato-Filosilicato Paligorsquita (( , )2 4 10 Extração industrial de argila de atapulgita

) 4( 2 )
Caulinita 2 2 5( )4 Alteração natural da mica ou feldspato

devido à água, gás carbônico ou ácidos
orgânicos.
Haleto Halita Pântanos salgados
Sódio Extração industrial de halita

Cloreto
A cimentação não é uma simples secagem da pasta após adição de água, mas um conjunto complexo de reações químicas
de hidratação que permitem a passagem da pasta de cimento do estado líquido para o estado sólido.
O famoso Cimento Portland, ingrediente básico do concreto, é um bom exemplo que pode ilustrar o processo de
hidratação. O estudo das reações químicas envolvidas dissocia artificialmente os diferentes mecanismos. Na
prática, estes mecanismos ocorrem simultaneamente.
• Hidratação de Silicatos: Neste cimento, os silicatos tricálcicos (Ca3O5Si e silicatos dicálcicos
(Ca2O2Si) dissolvem-se como íons que interagem entre si e formam silicatos de cálcio hidratado
(CaO)1,7(SiO4)(H2O)4) e portlandita (Ca(OH) )2). O cálcio hidratado possui as mesmas
características de um gel. É este emaranhado deste gel que confere robustez ao cimento. As
moléculas de cálcio hidratado crescem nas superfícies dos grãos não hidratados e preenchem os
interstícios capilares entre esses grãos.
Depois de algumas horas, a camada ao redor do grão é espessa o suficiente para retardar a difusão
de água e íons em direção aos componentes anídricos. A hidratação fica mais lenta, mas o processo
ainda pode continuar por meses ou anos.
• Hidratação do aluminato: o aluminato tricálcico (CaO3Al2O3) é o composto mais reativo com a água. As
reações são realizadas em várias etapas o Etapa 1: Os aluminatos reagem
com o gesso para formar etringita

(CaO)6(Al2O3)(SO3)3,32H2O. Uma camada de hidratos cobre os aluminatos formando uma capa
protetora ao redor do grão.
o Passo 2: Quando o gesso se esgota, a concentração de sulfatos da solução diminui. A etringita
torna-se instável e se dissolve para formar monossulfato de cálcio hidratado denominado
AFm (CaO)3(Al2O3)(CaSO4),12H2O
o Passo 3: Depois de algumas semanas, a etringita se transformou totalmente em AFm. Ao longo de
um mês, as reações ocorrem lentamente com aluminato e aluminoferrita para formar
aluminoferrita de cálcio hidratado.
Os mecanismos complexos por trás da criação dos vários produtos de hidratação que são silicatos e aluminatos
são adsorção, hidrólise, dissolução, solvatação e cristalização. Esta conclusão é provavelmente semelhante para
a maioria dos mecanismos de cimentação de sujidades.
111
APÊNDICE 2: PESQUISA DE COMPOSIÇÃO DE PÓ
Tabela 12 Alguns exemplos de composição de poeira para amostras peneiradas abaixo

de 38 µm de [37]. A análise PSDA é de [30].
Localidade Principais 20-100% Rastreamento menor de 5-20% <5%
Espanha A mala Calcita1 , Ilite2c Plagioclásio2b ,

as Ilhas Canárias 29°05'50,50”N Quartzo2a Aragonita1 ,
13°27'43,92”W Dolomita1 ,
Hematita3
A mala Calcita1 , Quartzo2a Plagioclásio2b ,

29°05'49,79”N Aragonita1
13°27'44,83”W Dolomita1 ,
Hematita1
Halita3
Mirante do Rio Quartzo2a , Calcita1 , Hematita4

29°13'39,86”N Ilite2c Plagioclásio2b ,
13°28'20,92W Dolomita1 ,
Caulinita2c
Vega de mulheres Ilite2c Biotita2c , Calcita1 ,

28°55'22,71°N Quartzo2a , Goethie5
13°45'52,71W Plagioclásio2b , Hematita4 ,
Microclina2b Ilite2c
Caulinita2c
Chile Atacama Yungay Quartzo2a Anidrita6 Gesso6

25°56'56,89”S Ilite2c Plagioclásio2b Montmorillo-
70°27'45,81”W nite2c
Anfibólio2d
PSDA* Antofá- Quartzo2a Albite2b Gesso6

gasta Anortita2a
Ortoclásio2b
cervo Estrada do Arizona Quartzo2a Plagioclásio2b ,

não divulgado K-feldspato
(Ortoclásio2b)
Yuma É Quartzo2a , Calcita1 , Dolomita1

32°52'27,06”N Plagioclásio2b Moscovita2c , Montmorillo-
114°12'31,84W Caulinita2c nite2c ,
112
Gesso6
Yuma É Quartzo2a , Plagioclásio2b , Caulinita2c ,

32°51'48,62”N Calcita1 Moscovita2c K-feldspato
114°10'50,72”W (Ortoclásio2b,
Dolomita1
FT.Carson CO Quartzo2a , Moscovita2c , Calcita1

38°42'30,79N Plagioclásio2b Caulinita2c ,
104°47'10,56'W Dolomita1
Dugway UT, Quartzo2a , Dolomita1 , Moscovita2c ,

40°11'30,10”N Calcita1 Plagioclásio2b , K-feldspato
113°09'50,05”W Aragonita1 (Ortoclásio2b),
Hematita1
Marrocos Lago Iriki Quartzo2a , Calcita1 Caulinita2c

29°50'17,02"N Ilite2c Dolomita1
06°30'44,51”W
Iraque Vitória do acampamento Quartzo2a , Caulinita2c Anfibólio2d ,

33°15'17.09N Calcita1 Plagioclásio2b , Montmorillo-
44°13’26.87”E Dolomita1 nite2c ,
Halite7 ,
Palygorskite2c
onde nesta tabela, o sobrescrito sobre cada mineral refere-se à classificação mineral Strunz:
• 1Carbonatos •
2aSilicatos:Tectosilicatos •
2bSilicatos:Tectosilatos:Feldspáticos •
2cSilicatos:Filosilicatos •
2dSilicatos:Inossilicatos • 4Óxidos
• 6Sulfatos •
7Haleto
113
APÊNDICE 3: MACROSCÓPICO, CONTROLÁVEL E MI-

FATORES CROSCÓPICOS QUE INFLUENCIAM A SUJEIRA
Abordagem Microscópica
A primeira etapa da abordagem microscópica visa caracterizar as amostras de poeira para determinar a distribuição
granulométrica e a composição mineral da poeira. A separação de materiais de grãos grandes, de centésimos de milímetro
a dois a três mm, é feita por meio de análise de peneira. A separação de partículas menores é feita pelo método hidráulico
com base na diferença na velocidade de sedimentação de partículas de diferentes tamanhos na água ou na capacidade dos
jatos de água fluindo em velocidades diferentes para retirar partículas de tamanhos diferentes. As amostras podem ser
embebidas em água para evitar desagregação. Alternativamente, os agregados podem ser decompostos fervendo e tratando
as amostras com vários agentes. Para evitar a coagulação da suspensão durante a análise, são adicionados estabilizadores.
Outro método é a difração a laser (LD).
Esta é uma técnica amplamente utilizada para dimensionamento de partículas de centenas de nanômetros a vários
milímetros. A difração de laser mede a distribuição do tamanho das partículas medindo a variação angular na intensidade
da luz espalhada quando um feixe de laser passa através de uma amostra de partículas dispersas. Partículas grandes
dispersam a luz em ângulos pequenos em relação ao feixe de laser e partículas pequenas espalham a luz em ângulos
grandes. Usando a teoria de espalhamento de luz de Mie, os dados de intensidade de espalhamento angular são analisados
para calcular o tamanho das partículas que formam o padrão de espalhamento.
O tamanho da partícula é relatado como um diâmetro de esfera equivalente em volume, conforme mostrado na Figura 59.
Figura 59: Distribuição granulométrica de uma amostra de poeira realizada por um instrumento Mastersizer 3000.
A segunda etapa da abordagem microscópica visa determinar a composição mineral do pó. Esta análise pode ser realizada
por Difração de Raios X (DRX). A Figura 60 mostra um difratograma obtido usando um instrumento Panalytical Aeris
acompanhado do software X'pert Highscore e do banco de dados PDF-4 permitindo que os picos sejam atribuídos aos
compostos correspondentes.
114
Figura 60: Difratograma com compostos identificados.
A radiografia dispersiva de energia (EDX) é realizada para revelar a presença e as quantidades de elementos
atômicos. Mesmo que não especifique diretamente qual composto, esse resultado elimina muitas possibilidades
minerais. O EDX é acoplado à Microscopia Eletrônica de Varredura e, como consequência, o resultado do
EDX é localizado com precisão na amostra de poeira. A imagem de grande ampliação também proporciona
uma visão clara da forma e da disposição dos vários compostos de poeira. A Figura 61 mostra um mineral
cristalizado grande (10 µm) rodeado por outros menores (um µm), que ilustram o efeito de aglomeração. A
medição de EDX concentrada em uma parte deste mineral (ponto vermelho) revela a forte presença de
elementos atômicos Ca e Enxofre. Esses dois elementos estão na fórmula química do Sulfato de Cálcio
(CaSO4) que pode demonstrar a presença de Gesso ou Anidrita. Esta suposição deve ser confirmada por XRD
ou TEM (microscopia eletrônica de transmissão) ou outras inspeções visuais.
a) b)
Figura 61: (esquerda) imagem SEM; (à direita) resultado EDX correspondente.
Abordagem Macroscópica
A abordagem macroscópica consiste em observar a influência dos fenômenos meteorológicos ao mesmo
tempo que a concentração do aerossol. Esta abordagem pode ser aplicada em vários níveis, dependendo da
precisão da informação procurada.
• No contexto de estimativas plurianuais, a perda induzida pode ser quantificada tendo em conta apenas
a concentração média anual de partículas PM10 (transportadas pelo ar abaixo de 10 µm) suspensas
no ar e a frequência das chuvas. Esta abordagem gera incertezas de vários por cento e,
consequentemente, os meios e recursos necessários na área visada.
115
• Na construção de uma nova usina é necessário considerar outros parâmetros meteorológicos. Um estudo [1] no
Qatar mostrou boas correlações, tendo em conta a velocidade do vento e a humidade, quando se desconsideram
eventos excepcionais, como tempestades de areia.
• Para planear ações de limpeza ou proteção é obrigatório ter em conta parâmetros adicionais como a direção do
vento. Certos ventos podem conter mais poeira do que outros.
Abordagem controlável
A abordagem controlável concentra-se nas configurações da planta e de seus painéis solares, bem como nos métodos
aplicados para maximizar a limpeza. Os principais fatores de influência são:
• Orientação das cadeias de painéis e escolha da tecnologia comparando, por exemplo, um conjunto orientado a sul
(hemisfério norte) ou um conjunto orientado a norte (hemisfério sul) com orientação Leste-Oeste com tecnologia
bifacial.
• Natureza do solo, presença de partículas que podem ser ressuspensas e que podem
portanto, cubra os módulos.
• Arquitetura elétrica no caso de sujeira muito localizada, portanto fonte de “mal
corresponder".
• Evolução do albedo do solo ligado à poeira no caso do bifacial.

• Efeito do ângulo de inclinação: Um módulo horizontal ficará sujo com partículas relativamente grandes, enquanto um
módulo muito inclinado ficará sujo com partículas menores.
• Temperatura dos módulos: este parâmetro influencia fortemente o processo inicial de ligação e acumulação.
• O revestimento superficial dos módulos: a distribuição granulométrica influencia a adesão inicial; as características
hidrofóbicas ou hidrofílicas condicionarão diretamente os processos de cimentação e autolimpeza.
116
REFERÊNCIAS
[1] W. Javed, B. Guo e B. Figgis, “Modelagem de perda de sujidade fotovoltaica em função do ambiente
variáveis”, Energia Solar, vol. 157, pág. 397–407, 2017.
[2] L. Micheli, D. Ruth e M. Muller, “Tendências sazonais de sujeira em sistemas fotovoltaicos: pré-impressão”, Golden, CO: Laboratório Nacional
de Energia Renovável. NREL/CP-5J00-68673. , 2017.
[3] L. Micheli, MG Deceglie e M. Muller, “Previsão de perdas de sujidade fotovoltaica usando meio ambiente
parâmetros: Uma atualização”, Progress in Photovoltaics: Research and Applications, vol. 27, não. 3, pág. 210–219, 2019.
[4] M. Gostein, K. Passow, MG Deceglie e L. Micheli, “Local Variability in PV Soiling Rate”, em 2018 IEEE 7ª Conferência Mundial sobre Conversão
de Energia Fotovoltaica (WCPEC 2018), Waikoloa Village, Havaí, EUA, 2018 .
[5] K. Ilse, M. Werner, V. Naumann, BW Figgis, C. Hagendorf e J. Bagdahn, “Análise microestrutural do processo de cimentação durante sujeira
em superfícies de vidro em climas áridos e semi-áridos”, físico status solidi (RRL) – Cartas de Pesquisa Rápida, vol. Volume 10, não.
Edição 7, pp. 525-529, 2016.
[6] K. Ilse, L. Micheli, BW Figgis, K. Lange, D. Daßler, H. Hanifi, F. Wolfertstetter, V. Naumann, C.

Hagendorf, R. Gottschalg e J. Bagdahn, “Avaliação Tecnoeconômica de Perdas de Solo e Estratégias de Mitigação para
Geração de Energia Solar”, Joule, vol. 3, não. 10, pág. 2303–2321, 2019.
[7] L. L. Kazmerski, Diniz, Antonia Sonia A. C., C. Brasil Maia, M. Machado Viana, S. C. Costa, P. P. Brito, C.
Dias Campos, LV Machado Neto, S. Morais Hanriot e LR Oliveira Cruz, “Estudos fundamentais da adesão de poeira às relações químicas
e físicas do módulo fotovoltaico em microescala”, em 2015 IEEE 42nd Photovoltaic Specialists Conference (PVSC), Nova Orleans, LA,
EUA, IEEE, 2015, p. 1–7.
[8] A. Sayyah, MN Horenstein e MK Mazumder, “Perda de rendimento energético causada pela deposição de poeira em painéis
fotovoltaicos”, Solar Energy, vol. 107, pág. 576–604, 2014.
[9] Smestad GP, Germer TA, Alrashidi H, Fernandez EF, Dey S, Brahma H, Sarmah N, Ghosh A, N.K.
Sellami, IAI Hassan, M. Desouky, A. Kasry, B. Pesala, S. Sundaram, F. Almonacid, KS Reddy, TK
Mallick e L. Micheli, “Modelagem de perdas de sujidade fotovoltaica através de caracterização óptica”, SCIENTIFIC REPORTS, vol. 10,
não. 1, 2020.
[10] M. Köntges, S. Kurtz, CE Packard, U. Jahn, K. Berger, K. Kato, T. Friesen, H. Liu, M. Van Iseghem, J.
Wohlgemuth, D. Miller, M. Kempe, P. Hacke, F. Reil, N. Bogdanski, W. Herrmann, C. Buerhop Lutz e G.
Friesen, “Revisão de falhas de módulos fotovoltaicos”, ISBN 987 3 906042 16 9, Relatório IEA PVPS T13 01:2014.
[11] SC Costa, ASA Diniz e LL Kazmerski, “Problemas e impactos de poeira e sujeira relacionados à energia solar
sistemas de energia: Atualização da revisão da literatura para 2012–2015,” Renewable and Sustainable Energy Reviews, vol. 63, pág.
33–61, 2016.
[12] T. Sarver, A. Al-Qaraghuli e LL Kazmerski, “Uma revisão abrangente do impacto da poeira no uso de energia solar: história, investigações,
resultados, literatura e abordagens de mitigação”, Renewable and Sustainable Energy Reviews , vol. 22, pág. 698–733, 2013.
117
[13] J. Zorrilla-Casanova, M. Piliougine, J. Carretero, P. Bernaola, P. Carpena, L. Mora-Lopez e M. Sidrach-de-Cardona,

“Análise de perdas de poeira em módulos fotovoltaicos”, Linköping Imprensa Eletrônica Universitária, 2011, p.
2985–2992.
[14] R. Appels, B. Lefevre, B. Herteleer, H. Goverde, A. Beerten, R. Paesen, K. Medts, J. Driesen e J.

Poortmans, “Efeito da sujeira em módulos fotovoltaicos”, Solar Energy, vol. 96, pág. 283–291, 2013.
[15] E. Kymakis, S. Kalykakis e TM Papazoglou, “Análise de desempenho de um parque fotovoltaico conectado à rede na
ilha de Creta”, Energy Conversion and Management, vol. 50, não. 3, pág. 433–438, 2009.
[16] A. Massi Pavan, A. Mellit e D. Pieri, “O efeito da sujeira na produção de energia para usinas fotovoltaicas em
grande escala”, Solar Energy, vol. 85, não. 5, pág. 1128–1136, 2011.
[17] A. Al-Otaibi, A. Al-Qattan, F. Fairouz e A. Al-Mulla, “Avaliação de desempenho de sistemas fotovoltaicos no telhado de
escolas do Kuwait”, Energy Conversion and Management, vol. 95, pág. 110–119, 2015.
[18] H. Qasem, TR Betts, H. Müllejans, H. AlBusairi e R. Gottschalg, “Sombreamento induzido por poeira em
módulos fotovoltaicos”, Progress in Photovoltaics: Research and Applications, vol. 22, não. 2, pág. 218–226, 2014.
[19] AP Bateman, H. Belassein e ST Martin, “Impactor Apparatus for the Study of Particle Rebound:
Umidade relativa e forças capilares”, Aerosol Science and Technology, vol. 48, não. 1, pág. 42–52, 2014.
[20] B. Figgis, A. Ennaoui, B. Guo, W. Javed e E. Chen, “Microscópio de sujeira ao ar livre para medir partículas
deposição e ressuspensão”, Energia Solar, vol. 137, pág. 158–164, 2016.
[21] X. Li, DL Mauzerall e MH Bergin, “Redução global da eficiência da geração de energia solar devido a aerossóis e
sujeira do painel”, Nature Sustainability, vol. 3, não. 9, pág. 720–727, 2020.
[22] V. Masson-Delmotte, P. Zhai, A. Pirani, S. Connors, C. Pean, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.S.
I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J. Matthews, TK Maycock, T. Waterfield, O. Yelekçi, R. Yu e B. Zhou, Eds., Climate
Change 2021 - The Physical Science Basis , IPCC, 2021: Summary for Policymakers., Cambridge University Press, Cambridge,
Reino Unido e Nova Iorque, NY, EUA, p. 3-32.
[23] KK Ilse, BW Figgis, V. Naumann, C. Hagendorf e J. Bagdahn, “Fundamentos dos processos de sujidade
em módulos fotovoltaicos”, Renewable & Sustainable Energy Reviews, vol. 98, pág. 239–254, 2018.
[24] BS Yilbas, H. Ali, MM Khaled, N. Al-Aqeeli, N. Abu-Dheir e KK Varanasi, "Influência da poeira e

lama nas propriedades ópticas, químicas e mecânicas de um vidro protetor fotovoltaico”, SCIENTIFIC REPORTS, vol.
5, pág. 15833, 2015.
[25] S. Mariraj Mohan, “Uma visão geral da deposição seca de partículas: métodos de medição, velocidade de deposição e
fatores de controle”, International Journal of Environmental Science and Technology, vol. 13, não. 1, pág. 387–
402, 2016.
[26] CR Lawrence e JC Neff, “O fluxo físico e químico contemporâneo da poeira eólica: uma síntese
de medições diretas de deposição de poeira”, Chemical Geology, vol. 267, não. 1-2, pág. 46–63, 2009.
[27] JF Kok, EJR Parteli, TI Michaels e DB Karam, “A física da areia e poeira sopradas pelo vento,”
Relatórios sobre o progresso da física. Sociedade Física (Grã-Bretanha), vol. 75, não. 10, pág. 106901, 2012.
[28] P. Ferrada, D. Olivares, V. del Campo, A. March, F. Araya, E. Cabrera, J. Plains, J. Belt-Door, C.S.
Portillo, D. Román Silva, M. Trigo-Gonzalez, J. Alonso-Montesinos, G. López, J. Polo, FJ Batlles e E.
118
Fuentealba, “Caracterização físico-química de sujidades de instalações fotovoltaicas em locais áridos no deserto do

Atacama”, Energia Solar, vol. 187, pág. 47–56, 2019.
[29] D. Olivares, P. Ferrada, C. Matos, A. March, E. Cabrera, C. Portillo e J. Llanos

sujeira em módulos fotovoltaicos no deserto do Atacama”, Energy Procedia, vol. 124, pág. 547–553, 2017.
[30] B. Figgis, A. Ennaoui, S. Ahzi e Y. Rémond, “Revisão da mecânica de partículas de sujeira fotovoltaica no deserto
ambientes”, Avaliações de Energia Renovável e Sustentável, vol. 76, pág. 872–881, 2017.
[31] S. Mekhilef, R. Saidur e M. Kamalisarvestani, “Efeito da poeira, umidade e velocidade do ar na eficiência das células
fotovoltaicas”, Renewable & Sustainable Energy Reviews, vol. 16, não. 5, pág. 2920–2925, 2012.
[32] L. Dorobantu, MO Popescu, CI Popescu e A. Craciunescu, "O efeito das impurezas superficiais em
painéis fotovoltaicos”, Renewable Energy and Power Quality Journal, p. 622–626, 2011.
[33] E. Urrejola, J. Antonanzas, P. Ayala, M. Salgado, G. Ramírez-Sagner, C. Cortés, A. Pino e R. Escobar, “Efeito da sujeira e da
exposição solar na relação de desempenho da energia fotovoltaica tecnologias em Santiago, Chile,” Conversão e Gestão de
Energia, vol. 114, pág. 338–347, 2016.
[34] G. McTainsh e C. Strong, “O papel da poeira eólica nos ecossistemas”, Geomorfologia, vol. 89, não. 1-2, pág.
39–54, 2007.
[35] KK Ilse, J. Rabanal, L. Schonleber, MZ Khan, V. Naumann, C. Hagendorf e J. Bagdahn, “Comparando experimentos de sujeira
interna e externa para diferentes revestimentos de vidro e análise microestrutural de processos de aglomeração de
partículas”, IEEE Jornal de Fotovoltaica, vol. 8, não. 1, pág. 203–209, 2018.
[36] JP Engelbrecht, H. Moosmüller, S. Pincock, RKM Jayanty, T. Lersch e G. Casuccio, “Técnico

nota: Inter-relações mineralógicas, químicas, morfológicas e ópticas de ressuspensões de poeira mineral”,
Atmospheric Chemistry and Physics, vol. 16, não. 17, pág. 10809–10830, 2016.
[37] P. Burton e B. King, “Sujidade artificial de superfícies de módulos fotovoltaicos usando componentes de solo rastreáveis”, em 2013 IEEE 39ª
Conferência de Especialistas Fotovoltaicos (PVSC), Tampa Bay, FL, EUA, IEEE, 2013, pp. 1545.
[38] PD Burton e BH King, “Aplicação e caracterização de uma sujeira artificial para sujeira fotovoltaica
Estudos”, IEEE Journal of Photovoltaics, vol. 4, não. 1, pág. 299–303, 2014.
[39] P. Piedra e H. Moosmüller, “Perdas ópticas de células fotovoltaicas devido à deposição de aerossol: Papel de
índice de refração e tamanho das partículas”, Solar Energy, vol. 155, pág. 637–646, 2017.
[40] FM Zaihidee, S. Mekhilef, M. Seyedmahmoudian e B. Horan, “Poeira como um deteriorante inalterável

fator que afeta a eficiência do painel fotovoltaico: Por que e como”, Renewable & Sustainable Energy Reviews, vol. 65, pág.
1267–1278, 2016.
[41] T. Lombardo, A. Ionescu, A. Chabas, R.-A. Lefèvre, P. Ausset e Y. Candau, “Função dose-resposta para a sujeira do vidro de
sílica-soda-cal devido à deposição seca”, The Science of the total Environment, vol. 408, não. 4, pág. 976–984, 2010.
[42] Chabas A, Fouqueau A, Attoui M, Alfaro SC, Petitmangin A, Bouilloux A, Saheb M, Coman A, T.
Lombard, N. Grand, P. Zapf, R. Berardo, M. Duranton, R. Durand-Jolibois, M. Jerome, E. Pangui, JJ
Correia, I. Guillot e S. Nowak, “Caracterização do CIME, uma câmara experimental para simulação de interações
entre materiais do património cultural e o ambiente,” Ciência ambiental e investigação internacional sobre poluição, vol. 22,
não. 23, pág. 19170–19183, 2015.
119
[43] M. Melcher, R. Wiesinger e M. Schreiner, “Degradação de artefatos de vidro: aplicação de técnicas analíticas de superfície
modernas”, Contas de pesquisa química, vol. 43, não. 6, pág. 916–926, 2010.
[44] EF Cuddihy, “Considerações teóricas de retenção do solo”, Solar Energy Materials, vol. 3, não. 1-2, pág. 21–
33, 1980.
[45] J. Tomas, “Mechanics of Particle Adhesion, versão mestre estendida de Tomas 2003 e versão completa de
artigo de revisão do evento CHISA”, Praga, 2004.
[46] CL Perkins, M. Muller e L. Simpson, “Estudos Laboratoriais de Cimentação de Partículas e Módulo PV

Soiling”, em 2017 IEEE 44th Photovoltaic Specialist Conference (PVSC), Washington DC, EUA, IEEE, 2017, p. 2294–
2297.
[47] G. Picotti, P. Borghesani, ME Cholette e G. Manzolini, “Sujidade de coletores solares - Modelagem

abordagens para poeira transportada pelo ar e suas interações com superfícies”, Renewable & Sustainable
Energy Reviews, vol. 81, pág. 2343–2357, 2018.
[48] B. Figgis, A. Nouviaire, Y. Wublicasim, W. Javed, B. Guo, A. Ait-Mokhtar, R. Belarbi, S. Ahzi, Y. et al.
Rémond e A. Ennaoui, “Investigação de fatores que afetam a condensação em módulos fotovoltaicos sujos”, Solar
Energy, vol. 159, pág. 488–500, 2018.
[49] P. Hülsmann, M. Heck e M. Köhl, “Simulação de entrada de vapor de água em módulos fotovoltaicos sob diferentes
condições climáticas”, Journal of Materials, vol. 2013, pág. 1–7, 2013.
[50] KK Ilse, BW Figgis, M. Werner, V. Naumann, C. Hagendorf, H. Pöllmann e J. Bagdahn,

“Análise abrangente de processos de sujidade e cimentação em módulos fotovoltaicos no Qatar,” Solar Energy
Materials and Solar Cells, vol. 186, pág. 309–323, 2018.
[51] M. Gostein, JR Caron e B. Littmann, “Medindo perdas de sujeira em usinas fotovoltaicas em escala de utilidade”, em
2014 IEEE 40th Photovoltaic Specialist Conference (PVSC), Denver, CO, EUA, IEEE, 2014, p. 0885–
0890.
[52] L. Micheli, M. Muller e S. Kurtz, “Determinando os efeitos do ambiente e dos parâmetros atmosféricos no desempenho do
campo fotovoltaico”, em 2016 IEEE 43ª Conferência de Especialistas Fotovoltaicos (PVSC), Portland, OR, EUA,
IEEE, 2016 , pág. 1724-1729.
[53] B. Guo, W. Javed, BW Figgis e T. Mirza, “Efeito da poeira e das condições climáticas na energia fotovoltaica
desempenho em Doha, Qatar”, em 2015 Primeiro Workshop sobre Rede Inteligente e Energia Renovável (SGRE),
IEEE, 2015, p. 1–6.
[54] M. Gostein, B. Littmann, JR Caron e L. Dunn, “Comparando medições de sujidade de usinas fotovoltaicas extraídas
de irradiância e medições de potência de módulos fotovoltaicos”, em 2013 IEEE 39ª Conferência de
Especialistas Fotovoltaicos (PVSC), Tampa Bay, FL , EUA, IEEE, 2013, p. 3004–3009.
[55] L. L. Kazmerski, A. S. A. Diniz, D. S. Braga, C. B. Maia, M. M. Viana, S. C. Costa, P. P. Brito, C. D.

Campos, S. Morais Hanriot e LR Oliveira Cruz, “Inter-relações entre distribuições de sujeira não uniformes e
parâmetros de desempenho de módulos fotovoltaicos, condições climáticas e partículas de sujeira e propriedades
de superfície de módulo”, em 2017 IEEE 44ª Conferência de Especialistas Fotovoltaicos (PVSC), Washington DC ,
EUA, IEEE, 2017, p. 2307–2311.
[56] RK Jones, A. Baras, AA Saeeri, A. Al Qahtani, AO Al Amoudi, Y. Al Shaya, M. Alodan e SA Al-Hsaien, “Custo e
cronograma de limpeza otimizados com base nas condições de sujeira observadas para usinas fotovoltaicas na Arábia
Saudita Central”, IEEE Journal of Photovoltaics, vol. 6, não. 3, pág. 730–738, 2016.
120
[57] A. Kimber , L. Mitchell, S. Nogradi e H. Wenger, “O efeito da sujidade em grandes redes conectadas
sistemas fotovoltaicos na Califórnia e na região sudoeste dos Estados Unidos”, em 2006 IEEE 4ª Conferência Mundial sobre Energia
Fotovoltaica, Waikoloa, HI, EUA, 2006.
[58] MG Deceglie, M. Muller, Z. Defreitas e S. Kurtz, “Um método escalável para extrair taxas de sujidade de
Dados de produção fotovoltaica”, em 2016 IEEE 43rd Photovoltaic Specialists Conference (PVSC), Portland, OR, EUA, IEEE, 2016, p.
2061–2065.
[59] P. Besson, C. Munoz, G. Ramirez-Sagner, M. Salgado, R. Escobar e W. Platzer, “Sujidade de Longo Prazo
Análise para três tecnologias fotovoltaicas na região de Santiago”, IEEE Journal of Photovoltaics, vol. 7, não. 6, pág. 1755–1760, 2017.
[60] L. Micheli, EF Fernandez, M. Muller e F. Almonacid, “Extraindo e Gerando Perfis de Sujidade PV para Análise, Previsão e Otimização de
Limpeza”, IEEE Journal of Photovoltaics, vol. 10, não. 1, pág. 197–
205, 2020.
[61] M. Gostein, T. Düster e C. Thumann, “Medindo com precisão as perdas de sujidade PV com estação de sujidade
empregando medições de potência de módulo”, em 2015 IEEE 42nd Photovoltaic Specialist Conference (PVSC), Nova Orleans, LA, EUA,
IEEE, 2015, pp.
[62] MR Maghami, H. Hizam, C. Gomes, MA Radzi, MI Rezadad e S. Hajighorbani, “Perda de energia devido a sujeira no painel solar: Uma
revisão”, Renewable and Sustainable Energy Reviews, vol. 59, pág. 1307–1316, 2016.
[63] JR Caron e B. Littmann, “Monitoramento direto de energia perdida devido à sujeira nos primeiros módulos solares em
Califórnia”, IEEE Journal of Photovoltaics, vol. 3, não. 1, pág. 336–340, 2013.
[64] J. Lopez-Garcia, A. Pozza e T. Sample, “Sujidade de longo prazo de módulos fotovoltaicos de silício em um ambiente moderado
clima subtropical”, Energia Solar, vol. 130, pp. 174-183, 2016.
[65] W. Herrmann, M. Schweiger, G. Tamizhmani, B. Shisler e CS Kamalaksha, “Sujidade e autolimpeza de módulos fotovoltaicos sob as
condições climáticas de dois locais no Arizona e sudeste da Índia”, em 2015 IEEE 42ª Conferência de Especialistas em Fotovoltaica,
Nova Orleans, LA, EUA, IEEE, 2015, pp.
[66] MA Grammatico e BW Littmann, “Quantificando os benefícios anti-sujeira de revestimentos anti-reflexos nos primeiros módulos solares
fotovoltaicos de telureto de cádmio”, em 2016 IEEE 43ª Conferência de Especialistas Fotovoltaicos, Portland, OR, EUA, IEEE,
2016, pp. 1697-1701.
[67] M. Muller, L. Micheli e AA Martinez-Morales, “Um método para extrair dados de perda de sujeira de estações de sujeira com
programações de limpeza imperfeitas”, em 2017 IEEE 44ª Conferência de Especialistas Fotovoltaicos (PVSC), Washington DC,
EUA, IEEE , 2017, pág. 2881–2886.
[68] C. Schill, S. Brachmann e M. Koehl, “Impacto da sujidade nas curvas IV e eficiência dos módulos fotovoltaicos”, Solar
Energia, vol. 112, pág. 259–262, 2015.
[69] “IEC 60891:2009 Dispositivos fotovoltaicos - Procedimentos para correções de temperatura e irradiância para características IV
medidas”, Comissão Eletrotécnica Internacional, 2009.
[70] “CR-PVS1: PV Soiling Loss Index RTU (revisão: 17/11),” Campbell Scientific, 2017.
[71] L. Dunn, B. Littmann, JR Caron e M. Gostein, “Análise de incerteza de medição de sujeira de módulo fotovoltaico”, em 2013 IEEE 39ª
Conferência de Especialistas Fotovoltaicos (PVSC), Tampa Bay, FL, EUA, IEEE, 2013, pp 0658-0663.
121
[72] A. Skoczek, T. Sample e ED Dunlop, “Os resultados das medições de desempenho de envelhecidos em campo
módulos fotovoltaicos de silício cristalino”, Progress in Photovoltaics: Research and Applications, vol. 17, pp. 227-240, 2009.
[73] L. Fanni, I. Pola, E. Bura, T. Friesen e D. Chianese, “Investigação dos efeitos de recozimento e degradação em módulos
fotovoltaicos a-Si em condições reais de operação”, em 2009, 24ª Conferência Europeia de Energia Solar Fotovoltaica
(EU-PVSEC), Hamburgo, Alemanha, 2009, pp.
[74] K. Sinapis, G. Papageorgiou, K. Durose, M. van den Donker e W. Folkerts

Módulos CdTe em circuito aberto e no ponto de potência máxima”, em 2015 IEEE 42nd Photovoltaic Specialists Conference,
Nova Orleans, LA, EUA, IEEE, 2015, pp.
[75] D. van Velson, “Manual de instruções de medição de sujeira DustIQ”, Kipp e Zonen, Delft, 2018.
[76] M. Gostein, “Livro branco da Atonometrics: especificando um sistema de medição de sujeira”, Atonometrics, Austin,
2018.
[77] IEC 61724-1:2017, "Desempenho do sistema fotovoltaico - Parte 1: Monitoramento", Genebra, Suíça: Comissão Elétrica
Internacional IEC, 2017.
[78] AA Hegazy, “Efeito do acúmulo de poeira na transmitância solar através de coberturas de vidro do tipo placa
coletores”, Energia Renovável, vol. 22, não. 4, pág. 525–540, 2001.
[79] J. Cano, JJ John, S. Tatapudi e G. TamizhMani, “Efeito do ângulo de inclinação na sujeira de painéis fotovoltaicos
módulos”, em 2014 IEEE 40th Photovoltaic Specialist Conference, PVSC, Denver, CO, EUA, IEEE, 2014, p. 3174–3176.
[80] M. Waters, T. Tirumalai, M. Gostein e B. Stueve, “Taxas de sujeira de módulos fotovoltaicos vs.
Piranômetros”, em 2017 IEEE 44th Photovoltaic Specialist Conference (PVSC), Washington DC, EUA, IEEE, 2017, p. 2923–
2925.
[81] F. Wolfertstetter, K. Pottler, N. Geuder, R. Affolter, AA Merrouni, A. Mezrhab e R. Pitz-Paal,

“Monitoramento de sujeira de espelho e sensor com TraCS para melhoria da qualidade de medições de irradiância
baseadas no solo”, Energy Procedia, vol. 49, pág. 2422–2432, 2014.
[82] C. Chen, “CiteSpace II: Detectando e visualizando tendências emergentes e padrões transitórios em pesquisas científicas
literatura”, Jornal da Sociedade Americana de Ciência e Tecnologia da Informação, vol. 57, não. 3, pág. 359–
377, 2006.
[83] L. Boyle, Dissertação: Não suje suas chances com energia solar: experimentos com poeira natural
Acumulação em módulos solares e efeito na transmissão de luz, Universidade do Colorado, 2015.
[84] S. Toth, M. Muller, DC Miller, H. Moutinho, B. To, L. Micheli, J. Linger, C. Engtrakul, A. Einhorn e L.
Simpson, “Sujidade e limpeza: observações iniciais do estudo de durabilidade do revestimento de vidro fotovoltaico de 5 anos,”
Materiais de Energia Solar e Células Solares, vol. 185, pág. 375–384, 2018.
[85] B. Guo, W. Javed, S. Khan, B. Figgis e T. Mirza, “Modelos para previsão da degradação da produção de energia fotovoltaica
causada por sujeira com base em variáveis ambientais em Doha, Qatar”, Charlotte, Carolina do Norte, EUA, ASME, 2016, p.
V001T08A004.
[86] S. Pulipaka, F. Mani e R. Kumar, “Modelagem de módulo fotovoltaico sujo com redes neurais e regressão
usando composição de tamanho de partícula”, Solar Energy, vol. 123, pág. 116–126, 2016.
122
[87] L. Micheli e M. Muller, “Uma investigação dos parâmetros-chave para prever perdas de sujidade PV: Chave
parâmetros para prever perdas de sujidade fotovoltaica”, Progress in Photovoltaics: Research and Applications, vol. 25, não. 4,
pág. 291–307, 2017.
[88] Lamb RR, Damiani A, Laroze D, MacDonell S, Jorquera J, Sepulveda E, Feron S, Llanillo P, F. et al.
Labbe, J. Carrasco, J. Ferrer e G. Torres, “Efeitos da sujidade em módulos fotovoltaicos (PV) no Deserto do Atacama,”
SCIENTIFIC REPORTS, vol. 8, não. 1, 2018.
[89] S. Você, YJ Lim, Y. Dai e C.-H. Wang, “Sobre a modelagem temporal da sujidade solar fotovoltaica: Impactos energéticos e
econômicos em sete cidades”, Applied Energy, vol. 228, pág. 1136–1146, 2018.
[90] M. Coello e L. Boyle, “Modelo Simples para Prever Séries Temporais de Sujidade de Painéis Fotovoltaicos”, IEEE
Jornal de Fotovoltaica, vol. 9, não. 5, pág. 1382–1387, 2019.
[91] MH Bergin, C. Ghoroi, D. Dixit, JJ Schauer e DT Shindell, “Grandes reduções na energia solar
Produção devido à poluição atmosférica por poeira e partículas”, Environmental Science & Technology Letters, vol. 4, não. 8, pág.
339–344, 2017.
[92] B. Laarabi, O. May Tzuc, D. Dahlioui, A. Bassam, M. Flota-Bañuelos e A. Barhdadi, “Modelagem de rede neural artificial e análise
de sensibilidade para efeitos de sujeira em painéis fotovoltaicos em Marrocos,”
Superredes e Microestruturas, vol. 127, pág. 139–150, 2019.
[93] S. Shapsough, R. Dhaouadi e I. Zualkernan, “Usando regressão linear e redes neurais de retropropagação para prever o
desempenho de módulos fotovoltaicos sujos”, Procedia Computer Science, vol. 155, pág. 463–
470, 2019.
[94] L. Micheli, MG Deceglie e M. Muller, “Mapeando Sujidade Fotovoltaica Usando Interpolação Espacial
Técnicas”, IEEE Journal of Photovoltaics, vol. 9, não. 1, pág. 272–277, 2019.
[95] S. Pelland, P. Pawar, A. Veeramani, W. Gustafson e LLA Etringer, “Testando Modelos Globais de
Photovoltaic Soiling Ratios Against Field Test Data Worldwide”, em 2018 IEEE 7ª Conferência Mundial sobre Conversão de
Energia Fotovoltaica (WCPEC) (Uma Conferência Conjunta do 45º IEEE PVSC, 28º PVSEC e 34º PVSEC da UE), Waikoloa
Village, HI, EUA, IEEE, 2018 , pág. 3442–3446.
[96] L. Zhou, DB Schwede, KW Appel, MJ Mangiante, DC Wong, SL Napelenok, P.-Y. Whung e B.

Zhang, “O impacto da deposição de poluentes atmosféricos na eficiência do sistema de energia solar: Uma abordagem para
estimar os efeitos de sujidade fotovoltaica com o modelo comunitário de qualidade do ar multiescala (CMAQ),” Science
of the Total Environment, vol. 651, pág. 456–465, 2019.
[97] RE Pawluk, Y. Chen e Y. She, “Perda de geração de eletricidade fotovoltaica devido à neve - Uma literatura
revisão sobre fatores de influência, estimativa e mitigação”, Renewable & Sustainable Energy Reviews, vol. 107, pág. 171–182,
2019.
[98] Governo do Canadá, "Engineering Climate Datasets", Natural Resources Canada, 2019.
[99] B. Marion, R. Schaefer, H. Caine e G. Sanchez, “Medidas e modeladas perdas de energia do sistema fotovoltaico causadas pela
neve em locais do Colorado e Wisconsin”, Solar Energy, vol. 97, pág. 112–121, 2013.
[100] T. Townsend e L. Powers, “Fotovoltaica e neve: uma atualização de dois invernos de medições na SIERRA”, em 2011, 37ª Conferência de
Especialistas Fotovoltaicos do IEEE, Seattle, WA, EUA, IEEE, 2011, p. 3231–3236.
[101] SA Krajewski e BL Gibbs, Compreendendo o contorno: um guia prático para estimativa espacial usando
um computador e noções básicas de uso de variogramas, Colorado: Gibbs Associates, 2014.
123
[102] C. Baldus-Jeursen, “Análise do desempenho do sistema fotovoltaico do aeroporto de Fort Simpson de 1º de janeiro de
2015 a 31 de dezembro de 2018”, Varennes, 2018.
[103] M. Mani e R. Pillai, “Impacto da poeira no desempenho da energia solar fotovoltaica (PV): Status da pesquisa, desafios e
recomendações”, Renewable and Sustainable Energy Reviews, vol. 14, não. 9, pág. 3124–3131, 2010.
[104] Laboratório Nacional de Energia Renovável, Laboratório Nacional Sandia, SunSpec Alliance e SunShot National Laboratory
Multiyear Partnership (SuNLaMP) PV O&M, “Melhores Práticas para Operação e Manutenção de Sistemas Fotovoltaicos
e de Armazenamento de Energia; 3ª edição”, 2018.
[105] L. Cristaldi, M. Faifer, M. Rossi, M. Catelani, L. Ciani, E. Dovere e S. Jerace, “Avaliação econômica das perdas do sistema fotovoltaico
devido à poeira e poluição”, IEEE Instrumentação e Medição Conferência de Tecnologia, IEEE, 2012, p. 614–618.
[106] J. Tanesab, D. Parlevliet, J. Whale e T. Urmee, “Perdas energéticas e econômicas causadas por poeira em
sistemas residenciais fotovoltaicos (PV) implantados em diferentes áreas climáticas”, Renewable Energy, vol. 120, pág. 401–412,
2018.
[107] FA Mejia e J. Kleissl, “Perdas de sujeira para sistemas solares fotovoltaicos na Califórnia”, Solar Energy, vol. 95, pág. 357–363,
2013.
[108] W. Herrmann, Rendimento energético de usinas fotovoltaicas - Abordagens para a determinação de perdas de rendimento devido a
sujidade de poeira em climas desérticos, InDust Workshop 16 de maio de 2019, Intersolar Europe, Munique, Alemanha, 2019.
[109] MG Deceglie, L. Micheli e M. Muller, “Quantifying Year-to-Year Variations in Solar Panel Soiling from PV Energy-Production Data”,
em 2017 IEEE 44th Photovoltaic Specialist Conference (PVSC), Washington DC, EUA, IEEE, 2017, pág. 2804–2807.
[110] Faifer M., Lazzaroni M., Toscani S., “Efeitos da poeira na eficiência da planta fotovoltaica: uma nova estratégia de monitoramento”,
no 20º Simpósio Internacional IMEKO TC4 e 18º Workshop Internacional sobre Modelagem e Teste de ADC, Benevento,
Itália, 2014.
[111] SC Costa, ASA Diniz e LL Kazmerski, “Poeira de energia solar e sujeira Progresso de P&D: Atualização da revisão da literatura
para 2016,” Renewable & Sustainable Energy Reviews, vol. 82, pág. 2504–2536, 2018.
[112] H. Haeberlin e JD Graf, “Gradual Reduction of PV Generator Yield due to Pollution”, em 1998, 2ª Conferência Mundial sobre
Conversão de Energia Solar Fotovoltaica, Viena, Áustria, 1998, pp.
[113] A. AlDowsari, R. Bkayrat, H. AlZain e T. Shahin, “Melhores práticas para mitigar o risco de sujeira em usinas fotovoltaicas”, Jeddah,
Arábia Saudita, IEEE, 2014, p. 1–6.
[114] W. Glaubitt e P. Löbmann, “Efeito anti-sujeira de revestimentos porosos de SiO2 preparados por processamento sol-gel,”
Jornal de Ciência e Tecnologia Sol-Gel, vol. 59, não. 2, pág. 239–244, 2011.
[115] A. Einhorn, L. Micheli, DC Miller, LJ Simpson, HR Moutinho, B. To, CL Lanaghan, MT Muller, S.

Toth, JJ John, S. Warade, A. Kottantharayil e C. Engtrakul, “Avaliação de sujidade e abordagens de mitigação potencial em vidro
fotovoltaico”, IEEE Journal of Photovoltaics, vol. 9, não. 1, pág. 233–239, 2019.
[116] MAML Jesus, G. Timò, C. Augustin-Saenz, I. Braceras, M. Cornelli e A. d. M. Ferreira, “Revestimentos anti-sujidade para vidros de
cobertura de células solares: Influência do clima e das propriedades da superfície”, Solar Energy Materials and Solar Cells, vol.
185, pág. 517–523,
124
[117] MA Bahattab, IA Alhomoudi, MI Alhussaini, M. Mirza, J. Hegmann, W. Glaubitt e P. Löbmann,

“Superfícies anti-sujidade para aplicações fotovoltaicas preparadas por processamento sol-gel: comparação de testes de laboratório e
exposição externa”, Solar Energy Materials and Solar Cells, vol. 157, pág. 422–428, 2016.
[118] K. Ilse, MZ Khan, N. Voicu, V. Naumann, C. Hagendorf e J. Bagdahn, “Testes avançados de desempenho de revestimentos anti-sujeira -
Parte I: Metodologia de teste de laboratório sequencial cobrindo a física dos processos de sujidade natural ,” Materiais de Energia
Solar e Células Solares, vol. 202, pág. 110048, 2019.
[119] K. Ilse, MZ Khan, N. Voicu, V. Naumann, C. Hagendorf e J. Bagdahn, “Testes avançados de desempenho de revestimentos anti-sujeira -
Parte II: Análise dependente do tamanho de partícula para compreensão física da remoção de poeira processos e determinação
de forças de adesão”, Solar Energy Materials and Solar Cells, vol. 202, pág. 110049, 2019.
[120] T. Lorenz, E. Klimm e K.-A. Weiss, “Revestimentos anti-sujidade e anti-sujidade em superfícies de sistemas solares térmicos –
Apresentando uma análise de viabilidade econômica”, Energy Procedia, vol. 48, pág. 749–756, 2014.
[121] S. Mondal, AK Mondal, A. Sharma, V. Devalla, S. Rana, S. Kumar e JK Pandey, “Uma visão geral dos processos de limpeza e
prevenção para aumentar a eficiência de painéis solares fotovoltaicos,” CURRENT SCIENCE, vol . 115, não. 6, pág. 13, 2018.
[122] GC Oehler, F. Lisco, F. Bukhari, S. Uliÿná, B. Strauss, KL Barth e JM Walls, “Testando a durabilidade de revestimentos anti-sujeira para
vidro de cobertura solar por exposição ao ar livre na Dinamarca”, Energias , vol. 13, não. 2, pág. 299, 2020.
[123] HK Elminir, AE Ghitas, RH Hamid, F. El-Hussainy, MM Beheary e KM Abdel-Moneim, “Efeito

de poeira na cobertura transparente dos coletores solares”, Energy Conversion and Management, vol. 47, não. 18-
19, pág. 3192–3203, 2006.
[124] S. Bhaduri e A. Kottantharayil, “Mitigação de sujeira por montagem vertical de módulos bifaciais”, IEEE
Jornal de Fotovoltaica, vol. 9, não. 1, pág. 240–244, 2019.
[125] S. Bhaduri, S. Chattopadhyay, S. Zachariah, CS Solanki e A. Kottantharayil, “Avaliação do aumento em

o rendimento energético dos módulos fotovoltaicos através da inversão dos painéis durante as horas sem sol”, na 26ª
Conferência Internacional de Ciência e Engenharia Fotovoltaica, Singapura, 2016.
[126] S. Warade e A. Kottantharayil, “Analysis of Soiling Losses for Different Cleaning Cycles”, em 2018 IEEE 7ª Conferência Mundial sobre
Conversão de Energia Fotovoltaica (WCPEC) (Uma Conferência Conjunta do 45º IEEE PVSC, 28º PVSEC e 34º PVSEC da UE ),
Waikoloa Village, HI, EUA, IEEE, 2018, p. 3644–3647.
[127] JJ John, Caracterização da perda de sujeira em módulos fotovoltaicos e desenvolvimento de um romance

Sistema de Limpeza, Bombaim, Índia: Instituto Indiano de Tecnologia, 2015.
[128] J. Kurz, “Limpeza fotovoltaica: escolhendo o método e a frequência ideais”, Solar Power Europe Webinar, p.
25, 18 de outubro de 2017.
[129] MT Grando, ER Maletz, D. Martins, H. Simas e R. Simoni, “Robôs para Limpeza de Painéis Fotovoltaicos: Estado da Arte e Perspectivas
Futuras”, em Anais das 9ª Conferências Argentinas de Robótica, Córdoba, Argentina, 2017.
[130] S. Masuda, K. Fujibayashi, K. Ishida e H. Inaba, “Confinamento e transporte de aerossol carregado

nuvens via cortina elétrica”, Electronic Engineering in Japan, pp.
[131] A. Faes, D. Petri, J. Champliaud, J. Geissbühler, N. Badel, J. Levrat, B. Roustom, A. Hessler-Wyser, N .

Wyrsch, C. Ballif, G. Getaz, G. McKarris e M. Despeisse, “Teste de campo e otimização de eletrodo de
125
sistemas de limpeza eletrodinâmica para painéis solares”, Progress in Photovoltaics: Research and Applications, vol. 27, não. 11, pág.
1020–1033, 2019.
[132] SP Hersey, RM Garland, E. Crosbie, T. Shingler, A. Sorooshian, S. Piketh e R. Burger, “Uma visão geral das características regionais e
locais de aerossóis na África do Sul usando dados de satélite, terrestres e de modelagem ”,
Química e Física Atmosférica, vol. 15, pág. 4259–4278, 2015.
[133] N. Ferretti, Livro Branco Limpeza de Módulos Fotovoltaicos, Visão Geral do Mercado e Noções Básicas, PI Berlin, 2018.
[134] Parlamento Europeu e Conselho da União Europeia, EC/ 2006/42, Saúde e segurança essenciais
requisitos relativos ao projeto e construção de máquinas, 2006.
[135] EN 1096-5:2016-06, "Vidro na construção - Vidro revestido - Parte 5: Método de ensaio e classificação para o auto-
performances de limpeza de superfícies de vidro revestidas", 2016.
[136] ECE R45, Suplemento 4.2, "Disposições uniformes relativas à aprovação de limpadores de faróis e de
veículos motorizados no que diz respeito aos limpadores de faróis (Test Dirt: Quartz-Coal Mixture)".
[137] ISO 12103-1, "Veículos rodoviários — Teste de contaminantes para avaliação de filtros — Parte 1: Poeira de teste no Arizona", 2016.
[138] DIN EN ISO 20566, 2013-06, "Tintas e vernizes - Determinação da resistência a riscos de um revestimento
sistema de lavagem de carros em escala laboratorial", 2013.
[139] IEC 62788-7-3 ED1, "Procedimentos de medição para materiais usados em módulos fotovoltaicos - Parte 7-3:
Exposições ambientais - Testes de abrasão acelerada de superfícies externas de módulos fotovoltaicos (teste de pequenas amostras
de vidro)", Genebra, Suíça: Comissão Elétrica Internacional.
[140] ASTM D2486-17:2017, "Métodos de teste padrão para resistência à abrasão de tintas de parede", 2017.
[141] DIN 53778-2, "Tintas de emulsão para uso interior: avaliação da facilidade de limpeza e da resistência à lavagem e à esfrega
de revestimentos, 1983-08", 1983.
[142] K. Ilse, Resistência à limpeza de revestimentos de vidro, Relatório de teste V403/2018 www.fsolar.de, Fraunhofer CSP,
2018.
[143] N. Ferretti, A. Sönmez, F. Schneider, B. Litzenburger, S. Janke, T. Weber, J. Berghold e P. Grunow,

“Medições de refletância para testar o efeito da limpeza do módulo na superfície do vidro”, 2015, 31ª Conferência e Exposição
Europeia de Energia Solar Fotovoltaica (EU-PVSEC), pp.
[144] N. Ferretti, K. Ilse, A. Sönmez, C. Hagendorf e J. Berghold, “Investigação sobre o impacto da limpeza do módulo no revestimento
anti-reflexo”, 32ª Conferência e Exposição Europeia de Energia Solar Fotovoltaica, 2016.
[145] EN 1096-5:2012, "Vidro na construção - Vidro revestido - Parte 2: Requisitos e métodos de ensaio para classes A, B
e revestimentos S. Anexo E: Ensaio de resistência à abrasão”, 2012.
[146] N. Ferretti, A. El-Issa e L. Podlowski, “Procedimento de teste padronizado para limpeza de módulos fotovoltaicos
Equipment”, em 2019, 36ª Conferência e Exposição Europeia de Energia Solar Fotovoltaica (EU-PVSEC), Marselha, França, 2019,
pp.
[147] G. Mathiak, D. Grimm, L. Rimmelspacher, W. Herrmann, F. Reil, J. Althaus e A. Morlier, “Módulo fotovoltaico e teste de areia de
gotejamento de vidro solar”, em 2018, 35ª Conferência Europeia de Energia Solar Fotovoltaica e Exposição, Bruxelas, Bélgica, 2018,
pp.
126
[148] DIN spec 4867, (em desenvolvimento): "Método de teste de limpeza para resistência à abrasão de
Photovoltaik-Modulen - Método de teste de limpeza para resistência à abrasão de módulos fotovoltaicos.", 2022.
[149] Amtec Kistler GmbH, Laboratório de lavagem de carros para testar a resistência a arranhões de revestimentos,
www.amteckistler.de, baixar 2020, 2020.
[150] J. Tanesab, D. Parlevliet, J. Whale e T. Urmee, “Efeito da poeira e sua análise econômica em módulos fotovoltaicos
Implantado em uma zona climática temperada”, Energy Procedia, vol. 100, pág. 65–68, 2016.
[151] B. Stridh, “Benefício econômico da limpeza de sujeira e neve avaliada para usinas fotovoltaicas em três locais na Europa”, 27ª
Conferência e Exposição Europeia de Energia Solar Fotovoltaica, 2012.
[152] N. Heidari, J. Gwamuri, T. Townsend e JM Pearce, “Impact of Snow and Ground Interference on
Desempenho do Sistema Elétrico Fotovoltaico”, IEEE Journal of Photovoltaics, vol. 5, não. 6, pág. 1680–1685, 2015.
[153] RW Andrews, A. Pollard e JM Pearce, “Os efeitos da queda de neve no desempenho solar fotovoltaico,”
Energia Solar, vol. 92, pág. 84–97, 2013.
[154] G. Becker, B. Schiebelsberger, W. Weber, J. Schumacher, M. Zehner, G. Wotruba e C. Vodermayer,

“Energy Yields of PV Systems - Comparison of Simulation and Reality”, 23ª Conferência e Exposição Europeia de Energia Solar
Fotovoltaica, 1 a 5 de setembro de 2008, Valência, Espanha, 2008.
[155] T. Sugiura, T. Yamada, H. Nakamura, M. Umeya, K. Sakuta e K. Kurokawa, “Medições, análises e avaliação de sistemas fotovoltaicos
residenciais pelo programa de monitoramento japonês”, Solar Energy Materials and Solar Cells, vol. 75, não. 3-4, pág. 767–779,
2003.
[156] M. Child e C. Breyer, “Visão e análise inicial de viabilidade de um sistema energético finlandês recarbonizado para 2050”, Renewable
& Sustainable Energy Reviews, vol. 66, pág. 517–536, 2016.
[157] E. Bellini, “O Extremo Oriente russo vê 75 MW de energia solar em grande escala online”, PV Magazine, 2019, 1º de novembro.
[158] D. Dissing, “Climatologia de radiação do Alasca”, Universidade do Alasca Fairbanks.
[159] L. Burnham, Desempenho de módulos bifaciais em um rastreador de eixo duplo em um ambiente de alto albedo,
https://www.osti.gov/servlets/purl/1641282 último acesso em dezembro de 2022, 2019, p. 8.
[160] JL Braid, D. Riley, JM Pearce e L. Burnham, “Método de análise de imagem para quantificar perdas de neve em sistemas
fotovoltaicos”, em 2020, 47ª Conferência de Especialistas Fotovoltaicos do IEEE (PVSC), Reunião Virtual, IEEE, 2020, p. 1510–
1516.
[161] E. Lorenz, D. Heinemann e C. Kurz, “Previsão de energia fotovoltaica local e regional para larga escala
integração de rede: Avaliação de um novo algoritmo para detecção de neve”, Progress in Photovoltaics: Research and Applications,
vol. 20, não. 6, pág. 760–769, 2012.
[162] AP Dobos, Manual PV Watts Versão 5. NREL/ TP-6A20-62641, 2014.
[163] DFJ Ryberg, Integração, validação e aplicação de um modelo de cobertura de neve fotovoltaica em SAM. Relatório
número: NREL/ TP-6A20-64260., setembro de 2015.
[164] A. Granlund, J. Narvesjö e AM Petersson, “A influência da inclinação do módulo no sombreamento da neve de

Frameless Bifacial Modules”, em 2019, 36ª Conferência e Exposição Europeia de Energia Solar Fotovoltaica, Marselha, França, 2019,
pp.
127
[165] B. Hashemi, A.-M. Cretu e S. Taheri, “Predição de perda de neve para fazendas fotovoltaicas usando
Técnicas de Inteligência Computacional”, IEEE Journal of Photovoltaics, vol. 10, não. 4, pág. 1044–1052, 2020.
[166] S. Hosseini, S. Taheri, M. Farzaneh e H. Taheri.

Transações IEEE em Eletrônica Industrial, vol. 65, não. 10, pág. 7975–7983, 2018.
[167] X. Liu, SJ Rees e JD Spitler, “Modelagem do derretimento da neve em superfícies de pavimento aquecidas. Parte I: Modelo
desenvolvimento”, Engenharia Térmica Aplicada, vol. 27, não. 5-6, pág. 1115–1124, 2007.
[168] SL Hockersmith, Investigação Experimental e Computacional do Derretimento da Neve em Horizontal Aquecida

Superfícies, Oklahoma State University, Stillwater, Oklahoma, EUA, 2002.
[169] A. Rahmatmand, SJ Harrison e PH Oosthuizen, “Estudo numérico e experimental de um método melhorado para previsão de
derretimento e deslizamento de neve de painéis fotovoltaicos”, Applied Thermal Engineering, vol. 158, pág. 113773,
2019.
[170] D. Riley, L. Burnham, B. Walker e JM Pearce, “Diferenças na queda de neve em sistemas fotovoltaicos
with Framed and Frameless Modules”, em 2019 IEEE 46th Photovoltaic Specialists Conference (PVSC), Chicago, IL, EUA,
IEEE, 2019, p. 0558–0561.
[171] J. Bogenrieder, C. Camus, M. Hüttner, P. Offermann, J. Hauch e CJ Brabec, “Análise dependente da tecnologia do derretimento
da neve e do comportamento de deslizamento em módulos fotovoltaicos”, Journal of Renewable and Sustainable Energy,
vol. 10, não. 2, pág. 021005, 2018.
[172] G. Mathiak, J. Sommer, W. Herrmann, N. Bogdanski, J. Althaus e F. Reil, “Danos ao módulo fotovoltaico
Causado pelo impacto de granizo e carga de neve não uniforme”, em 2016, 32ª Conferência e Exposição Europeia de Energia
Solar Fotovoltaica, Munique, Alemanha, 2016, pp.
[173] EJ Schneller, H. Seigneur, J. Lincoln e AM Gabor, “The Impact of Cold Temperature Exposure in Mechanical Durability
Testing of PV Modules”, em 2019 IEEE 46ª Conferência de Especialistas Fotovoltaicos (PVSC), Chicago, IL, EUA, IEEE,
2019, pág. 1521–1524.
[174] C. Pike, E. Whitney, M. Wilber e JS Stein, “Desempenho de campo da face sul e face leste-oeste
Módulos Bifaciais no Ártico”, Energias, vol. 14, não. 4, pág. 1210, 2021.
[175] AM Gabor, R. Janoch, A. Anselmo, J. Lincoln, EJ Schneller, H. Seigneur, DJ Harwood e MW

Rowell, “Mounting Rail Spacers for Improved Solar Panel Durability”, em 2019 IEEE 46th Photovoltaic Specialists
Conference (PVSC), Chicago, IL, EUA, IEEE, 2019, p. 0131–0135.
[176] JS Malmsten, “Solceller på tak” - “Células solares no telhado”, grande edifício comercial BELOK em
cooperação com a Agência Sueca de Energia, dezembro de 2015.
128
129

Tradução - IEA-PVPS-T13-21-2022-REPORT-Soiling-Losses-PV-Plants

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Tradução - IEA-PVPS-T13-21-2022-REPORT-Soiling-Losses-PV-Plants

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

Tarefa 13 Desempenho, Operação e Confiabilidade de Sistemas Fotovoltaicos – Modelo de Relatório da Tarefa 13

Tarefa 13 Desempenho, Operação e Confiabilidade de Sistemas Fotovoltaicos

Perdas de Sujidade – Impacto

Relatório IEA-PVPS T13-21:2022

O que é IEA PVPS TCP?

também são membros.

Visite-nos em: www.iea-pvps.org

O que é a Tarefa 13 do IEA PVPS?

ISBN 978-3-907281-09-3: Perdas de Sujidade – Impacto no Desempenho de Centrais Fotovoltaicas

AGÊNCIA INTERNACIONAL DE ENERGIA

PROGRAMA DE SISTEMAS DE ENERGIA FOTOVOLTAICA

Tarefa 13 do PVPS da IEA

Perdas de Sujidade – Impacto no Desempenho de

Relatório IEAÿPVPS T13ÿ21:2022

Christian Schill, Fraunhofer ISE, Freiburg, Alemanha

Sebastian-Johannes Ernst, Fraunhofer ISE, Alemanha

Erin Whitney, Universidade do Alasca Fairbanks, EUA

Lawrence Pratt, CSIR, África do Sul

Lina Rustam, Fraunhofer ISE, Alemanha

Thomas Schott, Universidade de Ciências Aplicadas de Berna, Suíça

Ulrike Jahn, VDE Renováveis, Alzenau, Alemanha

Reconhecimentos ................................................. .................................................. 7

Sumário executivo ................................................ ................................................ 11

Princípios Físicos e Químicos de Sujidade.......................................... ......... 20

2.1 Natureza Física e Química da Poeira ........................................... ........ 20

2.2 Cimentação, endurecimento, envelhecimento capilar ........................................... ......... 23

2.3 Mecanismos de sujidade acionados por orvalho ........................................... ................ 25

2.4 Revisão da Umidade na Sujidade.......................................... ...................... 27

Detecção de sujidade e neve......................................... .................................. 31

3.1 Métricas de Sujidade................................................. ........................................... 31

3.2 Visão geral do mercado de sensores de sujeira e neve .................................. 34

Modelos de Sujidade e Neve ............................................. ................................... 41

4.1 Modelos de Sujidade............................................. ........................................... 41

Estimativa de Perdas de Energia e Receita de Sujidade em Escala de Utilidade............... 56

5.1 Impacto Econômico da Sujidade ............................................. ....................... 56

5.2 Perdas de Sujidade em todo o Mundo: Recursos e Variabilidade.......................... 59

Mitigação de Perdas de Sujidade em Sistemas Fotovoltaicos ........................................... .......... 63

6.1 Métodos Preventivos de Mitigação............................................. .................. 64

6.2 Métodos Corretivos de Mitigação ............................................. .................. 71

6.4 Estratégias de mitigação do impacto da neve.................................. ............. 87

Sombreamento de neve em sistemas fotovoltaicos.................................... .............. 89

7.2 Fatores de Desempenho para Sistemas Fotovoltaicos em Altas Latitudes .................... 90

7.4 Áreas de Foco para Pesquisa de Neve ........................................... ................ 94

7.5 Métricas de perda de neve ............................................. .................................... 95

7.6 Otimização de projeto para climas com neve .......................................... .. 100

Apêndice 1: Composição e Solubilidade das Partículas........................................... ........ 110

Referências................................................. .................................................. ........ 117

AFm Alumina, Óxido Férrico, Mono-Sulfato

QUE Ângulo de contato

CEI Seleneto de cobre e índio

cm² Centímetro Quadrado

CSP Concentrando energia solar

DOI Identificador de Objeto Digital

Isc Corrente de curto-circuito

PM10 Partículas de tamanho igual ou inferior a 10 mícrons

Pmp Ponto de potência máximo

Taxa de Sujidade Variação Diária na Taxa de Sujidade enquanto Depósitos de Sujidade no PV

Proporção de sujidade SR Estado atual de sujidade do sistema

VDI Associação de Engenheiros Alemães, Associação de Engenheiros Alemães

Voc Voltagem de circuito aberto

OMM Organização Meteorológica Mundial

DRX Difração de Raios X

e o Capítulo 6 examinam estes tipos de modelos e as promessas que fazem.