Nowcasting, day-ahead en weekprognose: nauwkeurigheid

Niet alle prognoses zijn hetzelfde probleem. Je opbrengst voorspellen voor de komende 30 minuten, voor morgen en voor volgende week vraagt om andere databronnen en andere methoden, en levert een sterk uiteenlopende nauwkeurigheid.

Als je begrijpt wat elke tijdshorizon realistisch kan bieden, gebruik je de prognose effectiever en ben je niet teleurgesteld als een prognose voor 5 dagen vooruit niet op de kilowattuur klopt.

Nowcasting: de komende 0-6 uur

Nowcasting is de kortste horizon. Het beantwoordt de vraag: “Wat leveren mijn zonnepanelen de komende minuten tot uren?”

De beste nowcastingmethoden steunen helemaal niet op NWP-modellen. In plaats daarvan gebruiken ze:

Satellietbeelden — geostationaire satellieten fotograferen de wolkenvelden elke 5-15 minuten. Door te volgen hoe wolken tussen beelden bewegen, kun je hun positie 30-120 minuten vooruit extrapoleren. Deze “wolkenbewegingsvector”-aanpak vangt de huidige situatie veel beter dan een weermodel dat 3-6 uur geleden is gestart.

Hemelcamera’s — een grondcamera met fisheyelens bij of op de installatie fotografeert elke minuut de lucht. Beeldverwerking detecteert wolken, schat hun snelheid en richting en voorspelt wanneer ze jouw panelen beschaduwen. Dat geeft hyperlokale nowcasts tot op 1-5 minuten nauwkeurig.

Realtime productiedata — als je huidige opbrengst 3,8 kW is en de omstandigheden stabiel zijn, zullen de komende 15 minuten waarschijnlijk dicht bij 3,8 kW liggen. Persistentiemodellen (aannemen dat de huidige situatie doorgaat) werken verrassend goed op heel korte horizonten.

Nauwkeurigheid: Voor het venster van 0-30 minuten halen persistentie en satellietmethoden onder stabiele omstandigheden een gemiddelde absolute fout van 5-10% van het geïnstalleerde vermogen. Bij wolkenovergangen lopen de fouten op, maar ze herstellen snel.

Beperking: Nowcasting kan geen weersveranderingen voorspellen die nog niet zijn begonnen. Een wolkensysteem dat zich 50 km verderop vormt, verschijnt pas in de satellietextrapolatie als het veel dichterbij is.

Intraday: 6-24 uur vooruit

Deze horizon beslaat “de rest van de opbrengst van vandaag” en “morgenochtend”. Hier worden NWP-modellen de belangrijkste databron, terwijl hun meest recente run nog redelijk vers is.

De atmosfeer is op deze schaal beperkt voorspelbaar: de huidige toestand bepaalt wat er de komende 12-24 uur kan gebeuren, maar mesoschaalprocessen (convectieve wolkenontwikkeling, zeebriezen, bergeffecten) brengen aanzienlijke onzekerheid.

Nauwkeurigheid: Day-ahead-prognoses voor de totale dagenergie zitten doorgaans binnen 15-25% van de werkelijke opbrengst, uitgedrukt als percentage van het geïnstalleerde vermogen. Losse uren kunnen verder afwijken, vooral tussen 11 uur en 15:00, wanneer convectieve wolken het waarschijnlijkst zijn.

Wat werkt: Natuurkundige modellen blinken hier uit, omdat ze de vorm van de opbrengstcurve (ochtendstijging, tijdstip van de piek, avonddaling) correct voorspellen op basis van geometrie. Ook als de totale energie door wolkenfouten afwijkt, is de curvevorm natuurkundig begrensd en meestal juist.

Wat faalt: De precieze timing van wolken. De prognose kan om 14:00 een opbrengstdaling van 40% voorspellen terwijl die in werkelijkheid om 11 uur optreedt, of andersom. De totale wolkeninvloed over de dag kan vergelijkbaar zijn, maar de verschuivingen in timing zijn frustrerend voor wie specifieke acties per uur plant.

Korte termijn: 1-3 dagen vooruit

Op dit bereik geven NWP-modellen nog bruikbare sturing, maar voorspellingen op wolkenschaal worden steeds onzekerder. Temperatuurverwachtingen blijven goed (binnen 2-3°C). Grootschalige weerpatronen (hogedruk = zonnig, front = bewolkt) worden goed gevangen.

Nauwkeurigheid: Dagtotalen zitten voor dag 2-3 binnen 20-30%. Uurprofielen worden richtlijnen in plaats van voorspellingen: “overwegend zonnig met kans op middagwolken” in plaats van “piek om 13:47”.

Waar het goed voor is: Plannen op welke dag je de wasmachine draait, bepalen of het de moeite waard is een energie-intensieve taak naar morgen te verschuiven, en algemene verbruiksplanning voor de komende dagen.

Middellange termijn: 4-7 dagen vooruit

Weermodellen vangen op dit bereik grootschalige patronen, maar hebben moeite met details. Door het chaotische karakter van de atmosfeer groeien kleine fouten in de beginvoorwaarden exponentieel, het zogeheten “vlindereffect”, dat niet alleen een metafoor is maar een echte wiskundige eigenschap van atmosferische dynamica.

Nauwkeurigheid: Dagtotalen kunnen binnen 30-40% liggen. Losse uren zijn in feite ruis. De prognose kan zeggen “donderdag wordt zonniger dan woensdag”, maar niet “donderdag levert 22,3 kWh”.

Waar het goed voor is: Weekplanning van energie, inschatten of je een overwegend zonnige of bewolkte week mag verwachten, en grof plannen van onderhoud of het schoonmaken van panelen.

Verre termijn: 1-2 weken en verder

Voorbij een week verliezen deterministische weersverwachtingen het meeste van hun specifieke voorspellende kracht. Ensembleverwachtingen (het model meerdere keren draaien met licht afwijkende beginvoorwaarden) geven probabilistische sturing, zoals “70% kans op bovengemiddelde zonomstandigheden volgende week”, maar geen concrete opbrengstcijfers.

Seizoensverwachtingen (1-3 maanden) bestaan voor algemene trends, maar zijn nog minder specifiek. Ze kunnen “warmer en droger dan gemiddeld” voor het komende seizoen aangeven, wat losjes vertaalt naar “waarschijnlijk een prima opbrengst”.

Waar het goed voor is: Langetermijnbudgettering van energie, de verwachte met de werkelijke cumulatieve opbrengst vergelijken en seizoenspatronen begrijpen.

Wat Volcast levert

Volcast richt zich op de day-ahead-horizon, het punt waar natuurkundige prognoses de meeste praktische waarde bieden. Je krijgt een uurcurve van de opbrengst voor de volgende dag, bijgewerkt zodra er verse weerdata beschikbaar is.

Dit is de bruikbare horizon: dichtbij genoeg dat weermodellen bruikbare wolkenvoorspellingen geven, ver genoeg vooruit om morgen je verbruik te plannen, en een volledige dag beslaand zodat je de hele vorm van de opbrengstcurve ziet.

De prognose doet niet alsof ze nauwkeurig is op langere horizonten, waar de natuurkunde dat niet ondersteunt. En ze probeert geen nowcasting in realtime, want daarvoor is andere infrastructuur nodig (satellietfeeds, telemetrie van productiedata), en dat is een apart vraagstuk.

Day-ahead, per uur, natuurkundig. Daar is de verhouding tussen signaal en ruis het beste.