Waarom bewolking de moeilijkste variabele is

Als je ooit een zonneprognose met je werkelijke opbrengst hebt vergeleken, is je waarschijnlijk een patroon opgevallen: heldere dagen en volledig bewolkte dagen worden goed voorspeld. Halfbewolkte dagen zijn een zooitje.

Dat is geen falen van het prognosemodel. Het is een fundamentele eigenschap van wolken. Ze zijn aantoonbaar het moeilijkste om te voorspellen in de hele atmosfeerkunde, en ze zijn toevallig ook de belangrijkste variabele voor zonne-energie.

Waarom wolken anders zijn

Kijk naar de andere variabelen die voor de opbrengst van zonnepanelen tellen. De stand van de zon is pure astronomie: eeuwen vooruit te berekenen tot op de boogseconde. De luchttemperatuur verandert geleidelijk en wordt goed bepaald door grootschalige weerpatronen; voorspellingen voor de volgende dag zitten meestal binnen 1-2°C.

Wolken doorbreken dat patroon, omdat ze ontstaan op het snijvlak van meerdere natuurkundige processen die elk op een andere schaal werken. Grootschalige atmosferische dynamica bepaalt of een regio onder een hogedrukgebied (helder) of een frontensysteem (bewolkt) ligt. Mesoschaalprocessen vormen georganiseerde wolkenbanden en convectiecellen. Turbulentie op microschaal bepaalt de exacte wolkenranden, dikte en optische eigenschappen.

Weermodellen kunnen de grote schaal redelijk aan. Ze worstelen met de meso- en microschaal, en dat is precies de schaal die voor jouw dak telt.

Niet alle wolken zijn gelijk

Verschillende wolkentypes hebben sterk uiteenlopende effecten op de opbrengst van zonnepanelen en vormen verschillende uitdagingen voor prognoses.

Cirrus (hoog, dun, sluierachtig) — verlaagt de directe instraling met 10-30%, maar is relatief doorzichtig. Makkelijk te voorspellen, omdat cirrus samenhangt met grootschalige atmosferische kenmerken. Je panelen leveren onder cirrus nog steeds goed.

Stratus (laag, uniform, grijs dek) — blokkeert het meeste directe zonlicht en laat vooral diffuse straling door. Verlaagt de opbrengst tot 20-40% van de waarde bij onbewolkte lucht. Relatief makkelijk te voorspellen, want stratus ontstaat onder voorspelbare omstandigheden (temperatuurinversies, warmtefronten) en blijft uren hangen.

Cumulus (bolvormige, losse cellen) — hier valt de voorspelbaarheid uit elkaar. Cumuluswolken zijn convectief: ze ontstaan wanneer het oppervlak ongelijk opwarmt en opstijgende luchtbellen op hoogte condenseren. Ze zijn van nature chaotisch: kleine verschillen in opwarming, vocht of windschering leveren totaal andere wolkenvelden op.

Een cumuluswolk kan je panelen 5 minuten beschaduwen, dan overdrijven en 15 minuten volle zon geven voordat de volgende wolk komt. Dat aan-uitpatroon veroorzaakt snelle vermogensschommelingen die geen weermodel met een resolutie van 10+ km kan vastleggen.

Cumulonimbus (torenhoge onweerswolken) — drukken de instraling tijdens de passage tot bijna nul en gaan samen met zwaar weer. De buien zelf zijn enigszins voorspelbaar (instabiliteit, vocht, opwaartse beweging), maar het precieze tijdstip en de plek niet.

Het probleem van halfbewolkt weer

Het slechtste scenario voor zonneprognoses is niet een volledig bewolkte dag, maar een halfbewolkte. En dat is in veel klimaten, ook in Midden-Europa, juist de meest voorkomende situatie.

Op een halfbewolkte dag schommelt de instraling op jouw locatie wild. De ene minuut heb je 900 W/m² directe straling. Twee minuten later trekt een wolk voorbij en zit je op 200 W/m² puur diffuus. Nog twee minuten later haal je misschien 1100 W/m² door wolkenversterking: een korte piek boven de waarde bij onbewolkte lucht, doordat direct zonlicht samenkomt met licht dat door nabije wolkenranden wordt teruggekaatst.

Een weermodel ziet deze dag als “50% bewolking, 600 W/m² gemiddelde instraling”. Dat gemiddelde klopt ongeveer voor een uurtotaal, maar de momentane werkelijkheid lijkt in niets op een vloeiende 600 W/m².

Voor thuisbatterijbeheer, het laden van een elektrische auto of elke toepassing die om het vermogen op een bepaald moment geeft in plaats van om de energie over een uur, is dit uitmiddelen een serieuze beperking.

Waarom modellen het moeilijk hebben

NWP-modellen beschrijven wolken met parametrisatieschema’s: vereenvoudigde wiskundige recepten die wolkeneigenschappen schatten uit grootschaliger variabelen die het model wel kan oplossen. Het model kent op elk rasterpunt de temperatuur, het vocht en de verticale beweging. De parametrisatie zet die om in wolkenfractie, vloeibaar watergehalte en optische dikte.

Die parametrisaties zijn benaderingen. Ze werken statistisch: gemiddeld over veel rastercellen en veel dagen kloppen de wolkeneigenschappen ongeveer. Maar voor een specifieke rastercel op een specifiek uur kan de geparametriseerde wolk flink afwijken.

De kern van het probleem is schaal: convectieve wolken vormen zich op schalen van honderden meters tot een paar kilometer, terwijl mondiale modellen rastercellen van 10-25 km hebben. Het model kan niet simuleren wat het niet kan oplossen. Regionale modellen met hoge resolutie (raster van 2-3 km) kunnen losse convectiecellen al beginnen weer te geven, maar ze zijn alleen beschikbaar voor beperkte gebieden en tijdshorizonnen.

Wat dit betekent voor zonneprognoses

De praktische gevolgen zijn:

Dagtotalen worden redelijk goed voorspeld. Ook als het model de timing van de wolken mist, klopt de totale bewolkingsfractie over een dag meestal ongeveer. Opbrengstprognoses voor de volgende dag zitten doorgaans binnen 15-25% van de werkelijkheid.

Uurprofielen zijn veel lastiger. De prognose kan de piek om 13:00 voorspellen terwijl de werkelijke piek om 11 uur valt, omdat een wolkensysteem eerder arriveerde dan gemodelleerd. De totale energie kan hetzelfde zijn, maar de timing klopt niet.

Variaties binnen het uur zijn voorbij de komende 30-60 minuten in feite onvoorspelbaar. Dat is het domein van nowcasting: wolken in realtime volgen met satellietbeelden, grondsensoren of hemelcamera’s in plaats van te vertrouwen op NWP-voorspellingen.

Heldere en volledig bewolkte dagen worden goed voorspeld, omdat ze stabiele atmosferische toestanden zijn. Het model vangt het grootschalige patroon dat deze omstandigheden veroorzaakt. Het zijn de overgangsdagen met wisselend weer die het model verslaan.

Volcast gaat hier eerlijk mee om. Het natuurkundige model levert de best mogelijke schatting bij de beschikbare weerinvoer, maar doet niet alsof het vermogensschommelingen van 5 minuten op een halfbewolkte middag kan voorspellen. Daarvoor is een heel ander soort hulpmiddel nodig: een dat de lucht in realtime in de gaten houdt in plaats van hem uit weermodellen te simuleren.

Het doel is je een bruikbare opbrengstschatting voor de volgende dag te geven en een nauwkeurige vorm van de uurcurve, en transparant te zijn over waar de onzekerheid zit. Spoiler: in de wolken.