Je zonneprognose klopt niet: 5 controles op volgorde

Als opbrengst en prognose niet overeenkomen, is het model de voor de hand liggende verdachte en meestal de verkeerde. Vier van de vijf meest voorkomende oorzaken zijn dingen over jouw installatie waar de prognose nooit van op de hoogte is gesteld, en ze laten een andere vingerafdruk achter dan een echte weermiss. Loop ze in deze volgorde door — goedkoopste en meest waarschijnlijke eerst — en de vijfde stap vertelt je of wat overblijft echt de lucht is.

1. Het vermogen dat je hebt ingevoerd

Begin hier, want dit is veruit de meest voorkomende oorzaak en kost vijf minuten. Een prognose modelleert het licht dat je panelen opvangen, dus ze heeft het piekvermogen (Wp) van de panelen nodig, niet het vermogen van de omvormer. Twaalf panelen van 510 W zijn een installatie van 6,12 kWp, ook als er een omvormer van 5 kW aan de muur hangt.

De vingerafdruk is een constante verhouding: elke heldere dag valt op ongeveer hetzelfde deel van de prognose, omdat een verkeerd vermogen een vaste vermenigvuldiger is op elk uur. Als je heldere dagen rond 0,8 of rond 1,2 clusteren, stop dan met lezen en pas het getal aan — al het andere hieronder is ruis zolang dat niet klopt. De volledige methode staat in hoe je het echte kWp van je installatie vindt.

2. Clipping bij de omvormer

Als het verschil alleen rond het middaguur op de zonnigste dagen optreedt en je opbrengstcurve een vlakke top heeft in plaats van een piek, dan zie je geen prognosefout. Je ziet de omvormer die zijn werk doet: een veld dat groter is dan de omvormer is standaardontwerp, en het kapt (clipping, oftewel afkappen) een handvol uren per jaar af.

Twee antwoorden behandelen dit uitgebreid — waarom de opbrengst rond het middaguur vlak is en of een omvormer die kleiner is dan de panelen een fout is. De korte versie: een vlakke top is een ontwerpkeuze, geen storing, en de prognose kan er alleen rekening mee houden als ze de limiet van de omvormer kent.

3. Schaduw die het model niet kan zien

Een prognose weet waar de zon staat. Ze weet niets van de schoorsteen van de buren, de notenboom of de dakkapel drie meter naar het westen. Schaduw dichtbij is onzichtbaar voor elk model dat er niet expliciet over is ingelicht.

De vingerafdruk is anders dan bij de eerste twee: de fout is niet constant, maar herhaalt zich op hetzelfde tijdstip van de dag. De ochtend komt overeen met de prognose, de middag blijft erachter, en dat gebeurt op elke heldere dag in hetzelfde seizoen. Neem vijf heldere dagen, vergelijk per uur in plaats van dagtotalen, en de vorm verraadt het — een dagsom verbergt precies wat je zoekt.

Het vervelende is dat die vorm door het jaar heen verschuift, omdat de zonnehoogte verandert. Een schaduw die je in juni niets kost, kan in oktober de hele middag opeten.

4. Vuil, sneeuw en dingen die langzaam ophopen

Vervuiling heeft de meest kenmerkende signatuur van allemaal: een langzame afwijking in één richting. Geen slechte dag, geen slechte week — een verhouding die in april 1,0 was en in juli 0,92, zonder dat één gebeurtenis het verklaart. Stuifmeel, stof na een droge periode, zout aan de kust, vogelpoep op één string.

Sneeuw is het tegenovergestelde: totaal, overduidelijk en vanzelf over. Het is alleen het noemen waard omdat een deels bedekt veld zo weinig kan opwekken dat mensen een storing vermoeden.

De test is eenvoudig. Noteer elke maand je beste dag met heldere hemel. Die persoonlijke referentiecurve maakt afwijking zichtbaar op een manier die vergelijken van dag tot dag nooit doet, en ze vangt ook echte veroudering over de jaren.

5. Lag het nu aan het weer?

Als de vier bovenstaande zijn uitgesloten, kun je de vraag eindelijk goed stellen — en het eerlijke antwoord is dat prognoses in wolken echt slechter zijn.

Gemeten over de opbrengstgegevens van onze eigen gebruikers: op dagen met heldere hemel is de mediane fout rond 10%, op volledig bewolkte dagen eerder 18%. Op sterk bewolkte dagen wijkt ongeveer 28% van de dagen meer dan 30% af in de ene of de andere richting, tegen 8% van de heldere dagen. Belangrijk: de mediane bias blijft in elke weersklasse dicht bij nul — de prognose voorspelt in wolken niet structureel te veel of te weinig, ze wordt alleen ruiziger.

Dat onderscheid is de kern van deze stap. Spreiding is weer. Een constante afwijking is configuratie. Als je fouten groot zijn maar over veel dagen aan beide kanten vallen, heb je het antwoord gevonden en valt er niets te herstellen. Als ze consequent één kant op hellen, ga dan terug naar stap 1.

Twee kanttekeningen bij het vergelijken met de cijfers die leveranciers publiceren. De meeste nauwkeurigheidsclaims in de branche meten instraling, of de totale opbrengst van een heel park — allebei veel makkelijker te voorspellen dan de dagelijkse kilowattuur van één dak. En één enkele dag bewijst niets, in beide richtingen; je hebt weken aan dagen nodig voordat een gemiddelde iets betekent.

Wat te doen

1. Herstel eerst het vermogen. Aantal panelen maal het typeplaatje-vermogen, per oriëntatie. Niets anders is de moeite van het meten waard zolang dit niet klopt.
2. Splits heldere dagen van bewolkte voordat je een gemiddelde berekent. Door ze te mengen krijg je een getal dat geen van beide beschrijft.
3. Vergelijk per uur als het dagtotaal er goed uitziet. Schaduw en clipping verbergen zich allebei in een dagsom die er goed uitziet.
4. Leg elke maand je beste heldere dag vast. Het is het goedkoopste instrument dat je hebt om langzame afwijking op te sporen.
5. Oordeel op weken, niet op dagen. En wil je meer achtergrond, begin dan met hoe je controleert of je installatie goed werkt en waarom panelen hun piekvermogen nooit halen.