Como baixar e usar dados de irradiação solar por cidade
A primeira coisa que todo mundo faz é ir direto no PVLIB ou no Google Sheets e tentar puxar algo. Resultado: planilha com valores que não batem com a realidade e um sistema que foi dimensionado com 15% de margem só pra cobrir a burrice. O problema não é o dado, é saber onde pegar e como interpretar. Eu comecei a trabalhar com medição solar em 2014, numa usina de 2MW no interior de Minas. A primeira simulação que fiz usou dados genéricos de satélite e o sistema produziu 18% menos que o esperado no primeiro ano. A gente teve que refazer o projeto inteiro porque o injetor já estava ligado. Desde aí eu parei de confiar cegamente nos dados abertos e desenvolvi um processo próprio que hoje uso pra qualquer cidade do Brasil.
Irradiação solar por cidade: fontes e como baixar
Existem basicamente três fontes que valem a pena, e cada uma tem um problema específico que você precisa conhecer antes de começar. Inmet (Instituto Nacional de Meteorologia) – É a fonte gratuita mais confiável do Brasil para dados históricos de irradiação. O site deles tem uma seção de dados horários e diários que funciona sem cadastro. Você escolhe a estação mais próxima da sua cidade, baixa os CSVs e pronto. O problema é que as estações ficam, via de regra, em regiões urbanas com ilhas de calor, e algumas capitais têm lacunas de até 40% nos anos mais recentes porque o equipamento foi desativado e ninguém avisou. Eu aprendi isso na prática quando tentei usar dados de Curitiba para um projeto em Araucária, a 60km da capital. O valor médio anual da capital era 8% maior que o real lá no município. A solução foi cruzar com a estação de Londrina, que é mais próxima geograficamente, e fazer uma média ponderada pela distância.
Modeles de Previsao do Tempo (MGB-INPE) – Dados de radiometria em rede nacional com cobertura melhor que a do Inmet para interior. O download exige cadastro no sistema do INPE e às vezes o formulário de registro travava nos finais de semana. O arquivo que você baixa tem resolução horária e inclui DNI, GHI e Diffuse. A desvantagem é que algumas estações mais afastadas param de reportar depois de dois anos sem manutenção. Se o projeto for em região Norte ou Centro-Oeste, essa é a fonte prioritária. Eu sempre verifico a série temporal antes de aceitar os dados: abro o CSV, filtro por mês e comparo o ano mais completo com o anterior. Se a variação for maior que 12%, tem estação com problema e o dado não serve pra dimensionamento. SolarGIS e NASA POWER – Dados de satélite, gratuitos e fáceis de acessar. O SolarGIS dá um arquivo KML com os valores anuais por pixel e o NASA POWER exporta em CSV direto pelo navegador. A limitação aqui é óbvia: satélite não mede no solo. Em regiões com nebulosidade significativa ou relevo acidentado, o erro pode chegar a 20% pra mais ou pra menos. Use esses dados só como referência inicial ou em cidades onde não existe estação terrestre próxima. Nunca fiquem só neles se for fazer um projeto de geração distribuída com financiamento bancário, porque a CEMIG, por exemplo, exige dados medidos em estação credenciada pra aprovar o estudo técnico.
Processo prático que eu uso hoje
Aqui vai o passo a passo, sem enrolação. Passo 1: identificar as três estações mais próximas da cidade-alvo usando o mapa de estações do Inmet e do MGB. Anotar a distância em quilômetros de cada uma.
Passo 2: baixar os dados dos últimos cinco anos completos, de todas as estações encontradas. Se alguma série tiver lacuna superior a 15% num ano, descarta esse ano. Passo 3: calcular o fator de correção. Pega a média anual de GHI de cada estação válida e compara com a média do período de 2018 a 2023. O Inmet publicou um bulletin técnico em 2022 que recomenda aplicar um fator de correção de +3% em estações que foram recalibradas após 2019. Se a sua estação passou por recalibração, aumenta o fator. Se não passa, deixa como está.
Passo 4: fazer a média ponderada das estações válidas, usando o inverso da distância como peso. Isso reduz o viés de ilhas de calor em estações urbanas. Passo 5: validar contra um ano de medição real, se disponível. Eu tenho um piranômetro calibrado em laboratório e faço uma medição de sete dias em cada projeto novo. O valor que eu obtenho serve de base. Se a diferença entre o dado estimado e o medido for maior que 7%, eu recalibro os pesos das estações e rodo de novo.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Esse processo, que antes levava duas ou três horas por cidade, agora leva cerca de 25 minutos. O ganho veio da automação dos passos 2 a 4 em Python, com um script que lê os CSVs, aplica os filtros e gera o resultado em planilha. Se alguém quiser o script, eu posso enviar pelo GitHub depois.
Erros comuns que eu vejo todo dia
O primeiro é usar apenas o dado anual médio. Irradiação não é constante durante o ano. No Sertão Pernambucano, por exemplo, a diferença entre a média de outubro e fevereiro pode ser de 40%. Dimensionar com base na média anual resulta em sistema superdimensionado no inverno e subdimensionado no verão. Sempre importe os dados mensais. O segundo erro é ignorar o ângulo de incidência. O dado de irradiação horizontal (GHI) não é o mesmo que a irradiação no plano do gerador. Para painéis inclinados na latitude local, o fator de conversão costuma ser entre 1,05 e 1,18 dependendo da região. No Sul do Brasil, com painéis inclinados a 25 graus, o fator é 1,12. No Norte, com inclinação de 10 graus, sobe pra 1,17. Eu costumo aplicar o modelo Liu-Jordan pra converter, que é o padrão da indústria e roda em segundos no PVLIB.
O terceiro erro é confiar em dados de satélite sem checar a resolução temporal. O NASA POWER entrega dados horários, mas alguns datasets de alta resolução que aparecem em fóruns usam interpolação linear entre medições de satélite a cada três horas. Em dias de céu parcialmente nublado, isso gera picos artificiais que inflacionam a produção estimada em até 8%. Se o dado veio de satélite, peça o arquivo bruto e verifique o timestamp. Se estiver em intervalos irregulares, descarta.
Quando a irradiação solar por cidade simplesmente não funciona
Existem situações em que o dado médio de qualquer fonte é inútil. O primeiro caso é em regiões com microclima muito específico, como vales montanhosos no Espírito Santo ou planícies alagáveis no Pantanal. Nessas áreas, a diferença de irradiação entre dois pontos a 10km de distância pode ser de 25% ou mais. Dados de cidade vizinha não resolvem. A única solução é medição in situ por pelo menos seis meses. O segundo caso é quando o projeto está em zona urbana densa com obstruções significativas. Uma sombra de prédio vizinho ou árvore muda completamente o cenário. O dado de cidade inteira é irrelevante. Nesse caso, usa-se simulação com software como PVSyst ou Helioscope, que modela o sombreamento horário real. O dado de irradiação por cidade entra apenas como referência global, não como base de cálculo.
O terceiro caso é em regiões costeiras com neblina frequente, como litoral do Rio Grande do Sul e Santa Catarina. A neblina reduz o DNI drasticamente mas afeta pouco a radiação difusa. Se você usar apenas o GHI total, pode subestimar a produção de painéis fixos em até 15%, porque o dado não separa os componentes. O correto é usar o arquivo que separa DNI de diffuse. A maioria das estações do MGB fornece isso. O Inmet também, mas só a partir de 2018.
Irradiação solar por cidade: resumo do que funciona
Fontes primárias são Inmet e MGB. Satélite é complementar. Sempre cruze dados de múltiplas estações, aplique fator de correção de recalibração e valide com medição real. Dados mensais são obrigatórios. Ângulo de inclinação deve ser considerado com modelo Liu-Jordan. Regiões com microclima ou obstruções exigem medição in situ ou simulação 3D. O processo automatizado corta o tempo de análise de duas horas para vinte minutos por cidade. Se quiser o script Python que eu uso pra automação, avisa nos comentários que eu disponibilizo. O código tá documentado e rodando em produção há quatro anos em projetos de diferentes portes.
