Τι γυρεύει η Μετρολογία στα Ηλιακά; Οι επιδόσεις των συστημάτων ΑΠΕ δεν αρκεί να φαίνονται ικανοποιητικές, πρέπει συνεχώς και να το αποδεικνύουν!
ΑΠΕ (και όχι μόνο): Αξιολόγηση ενεργειακών επιδόσεων Συνθήκες αξιολόγησης I Ενεργειακό σύστημα f(s,) S? Πειραματική παρατήρηση επιδόσεων O=f(S,I) Παθολογία / βελτιώσεις Συνθήκες μελλοντικής λειτουργίας (πχ TMY) J Ενεργειακό σύστημα f(s,) Αναμενόμενες επιδόσεις O=f(S,J) Απαιτούνται: Αξιόπιστα μέσα πειραματικής παρατήρησης (εξοπλισμός, τεχνογνωσία) Κατάλληλα μοντέλα ενεργειακής συμπεριφοράς (φυσική διεργασία) Εκτίμηση της ποιότητας στο αποτέλεσμα (αβεβαιότητες)
Εκτεταμένες μετρολογικές υποδομές Σύνθετες εργαστηριακές υποδομές υψηλών μετρολογικών απαιτήσεων Εκτεταμένο δίκτυο μετρήσεων πεδίου Εξοπλισμός διακρίβωσης (υλοποίηση ITS 90, όργανα αναφοράς) Άυλες υποδομές (τεχνογνωσία, διαδικασίες διακρίβωσης, ) SP02 SP03 SP15 SP01 SP04 SP12 SP05 SP06 SP11 SP16 SP14 SP13 SP08 SP10 SP07 SP09 45,0 C 25,0 C 45 40 35 30 25
Μοντέλα ενεργειακής συμπεριφοράς Κάθε μέτρηση και μοντέλο, κάθε μοντέλο και μέτρηση! Ενεργειακά: Πολυ-παραμετρικά, μεταβλητότητα δεδομένων (πχ μετεωρολογικά δεδομένα) Συμβιβασμός μεταξύ πολυπλοκότητας- ευχρηστίας και επάρκειας δεδομένων Ζητούμενο: αποδοχή για μετέπειτα χρήση τους σε δεδομένα επίπεδα αξιοπιστίας (Πρότυπα!) Χ1 Πρωτογενείς πληροφορίες (μετρήσεις) Χ2 Χi Y=f(X i ) Y Μοντέλο ή Συσκευή μέτρησης Αποτέλεσμα (συμπέρασμα) ΧN
Εκτίμηση αβεβαιοτήτων Από τις αβεβαιότητες στην παρατήρηση - μέτρηση στην αβεβαιότητα στο αποτέλεσμα (και στην πρόβλεψη) Μοντέλα σφάλματος στοχαστικά & γνωσιακά (Τύπου Β) Διάχυση σφαλμάτων (error propagation, propagation of distributions) GUM + προσθήκες (Bayesian, Monte-Carlo) Αληθής τιμή 0,5 Likelihood (από μέτρηση) Posterior 0,4 (νέα γνώση) Prior (υπάρχουσα γνώση) Χ 0 Πειραματική παρατήρηση (μέτρηση) 0,3 0,2 Όριο Μέτρηση 0,1 0-2 0 2 4 6 Mathioulakis E, Belessiotis V, Calibration and recalibration of measuring instruments: a Bayesian perspective, in Transverse Disciplines in Metrology, Wiley, 2009
Πχ Διακρίβωση: ελάχιστα τετράγωνα σε περιβάλλον αβεβαιότητας x=f(y) ή y=f(x); Ποια η αβεβαιότητα στους συντελεστές της f (WLS, OLS, TLS, Monte-Carlo, ); Ποια η αβεβαιότητα στα αποτελέσματα από την μετέπειτα χρήση της f; Πως αξιοποιείται το ιστορικό διακρίβωσης (Bayesian); 7 y 6 5 4 3 experimental points WOLS & WTLS WLS MCLS g x1 g x N y f ( x 1,, x N ) g y Probability 0999 0997 098 099 095 090 075 050 025 010 005 001 002 0003 0001 9000-1 -08-06 -04-02 Value 2 7500 1 0 2 4 6 8 x 6000 4500 3000 Mathioulakis E and Belessiotis V, Uncertainty and traceability in calibration by comparison, Measurement Science and Technology, Vol 11 (6), 2000, pp 771-77 1500 0-1 -08-06 -04-02
Παρέμβαση σε πολλά επίπεδα Ερευνητικές εργασίες Ανάπτυξη Προτύπων Συμμετοχή και υπευθυνότητες στη CEN Ανάπτυξη Εθνικών μετρολογικών υποδομών (HellasLab, Τακτικό Εθνικό Συνέδριο Μετρολογίας, ΕΙΜ) Παροχή Εξειδικευμένων Επιστημονικών Υπηρεσιών Όχι αυτοσκοπός ή επικερδής επιχείρηση Ερεθίσματα και πόροι για την έρευνα Κάθε δοκιμή αξιολόγησης είναι ένα πείραμα! Mathioulakis E, Voropoulos Κ and Belessiotis V, Assessment of uncertainty in solar collector modeling and testing, Solar Energy, Vol 66(5), 1999, pp 337-347 Belessiotis V, Methods of test for the thermal performance of liquid heating solar collectors, proposal for standard ELOT 3881+2, CRES, Greece, April 1990