机器翻译，未经校对人员审核，可能存在错误。
在本文件中
我们将解释您，作为Solargis Monitor用户，如何利用Solargis Evaluate来提升资产绩效分析。
作为资产管理人，您依赖 Solargis Monitor 提供高精度、近实时的数据，以跟踪光伏投资组合的太阳能资源和理论发电量。虽然Solargis Monitor提供了必要的数据流，但理解工厂实际性能背后的驱动因素通常需要对资产进行更详细的技术表述。
通过利用我们先进的设计与仿真平台 Solargis Evaluate，您可以通过详细建模来补充监控工作流程，进行更全面的性能分析。
典型用例
建立一个现实的绩效基线
操作员面临的一个常见挑战是，收益率始终低于设计阶段的预测值。这通常发生在初始基线使用可能高估产量的工具或假设时。当你的参考点过于乐观时，绩效评估会显示负面偏差，但这些偏差不一定反映技术缺陷。
在评估中重新计算基线，能为资产设定一个更现实的目标。这确保了您的绩效比（PR）及其他关键绩效指标（KPI）能够反映工厂基于具体配置和当地条件的实际技术健康状况。
Solargis Evaluate 通过采用包括三维逆向光线追踪和详细电气模型的复杂 仿真链 实现这一目标。这种技术表示方式能够更准确地模拟具体工厂组件在其实际环境中的性能。
通过系统建模进行详细损耗分析
虽然Solargis Monitor提供用于识别生产滴落的数据，而Solargis Evalus则通过建模系统的技术特性，帮助您调查根本原因。尽管建模高度复杂的布局存在局限性，Evaluate 仍允许您创建具有代表性的资产模型，以更好地理解环境和技术影响。
将年产量与长期降级进行基准比较
性能评估是一个动态过程，因为光伏电厂的效率随时间变化。为了准确评估运营资产，基线还必须考虑设备的使用年限。
Solargis Evaluate 允许您生成工厂当前年度的高水平预期产量数据。通过将测量的运行数据与考虑这些年比损的模拟进行比较，您可以判断电厂在当前生命周期阶段是否符合预期的性能，考虑到预计的光伏组件退化情况。
Solargis 评估 对未来25年内的长期退化进行建模。它利用光伏发电量（PVOUT）的历史长期平均值，应用设计中所用光伏组件指定的劣化情况，以预测年度PVOUT——如下图1所示。但请注意，这些数据仅为未来预测，未考虑任何特定年份的具体气象状况。
图1：Solargis示例 评估计算预期年产量时考虑长期退化情况
长期退化的基准测试时间序列
如果你需要比高层次年度数据更详细的基准测试，退化可以在后期处理中手动应用，并更详细。在基于时间序列的分析中，你在Solargis Evatu中用实际天气输入数据模拟所审查的时期（例如过去的日历年），然后将退化应用到PVOUT的模拟时间序列上。
遵循本指南，您可以极其精准地分析光伏电厂的性能。此外，你可以通过使用额外的 仿真参数 只分析直流功率输出来“钻得更深”，这样可以滤除发电厂交流部分的影响。
流程首先使用能源系统设计器，创建带有光 伏组件目录技术规格的电厂数字模型。
然后你用15分钟的Solargis时间序列数据运行模拟，表示工厂在所审查期间经历的实际天气序列。
导出 模拟的能源系统数据后，你会使用分析软件（如Solargis Analyst）对预期的降解进行降级，降低光伏功率输出。请参见下方部分，了解计算降额时间序列的简短指南。
手动计算降额时间序列
要手动降低时间序列，你需要估算分析期间因劣化而损失的标称功率百分比。通常，模块在第一年会降解0.8%，之后每年降为0.5%，但你可以根据光伏组件制造商的信息使用自己的数据。假设0.8%和0.5%的降级率，第n年每年降额系数Cd计算为：
运营开始后第k个月（但运营第一年后）的月度降额系数Cdm：
实际的P行为 将从名义功率Pnom 计算为：
在 Solargis Analyst 中，你可以使用 计算 器工具，通过将降额系数应用于你分析的时间序列年份或月份，计算模拟PVOUT的实际功率。注意，系数在每年或每个月的运行中都会有所不同，因此分析必须按年度或每月进行。
注意：由于功率转换过程中存在非线性性，如 削波损耗，光伏模块劣化对输出交流功率的实际影响较为复杂。长期降解建模需要近似，上述分析不应期望得出与测量值完全匹配的数值。
根据你的分析重点，你应该使用Solargis Appretu模拟 中不同的参数 。例如，仅使用PVOUT_DC_THEOR参数研究光伏模块直流输出的劣化效应，使用PVOUT_AC_GRID参数研究最终输给电网的电力。