机器翻译，未经校对人员审核，可能存在错误。
在本文件中
我们将解释概率情景，如P50、P90及一般Pxx，如何通过纳入辐照度估计、模拟模型和年际变异的不确定性，帮助量化风险，从而确保能源评估的可靠性。
概述
概率情景，如P50、P90，以及一般的Pxx值，对于量化和传达能源生产预测的不确定性至关重要。这些指标提供了对潜在能源输出的概率性理解，使利益相关者能够评估风险，并就系统性能和财务可行性做出明智决策。
为了计算这些概率情景，必须识别并考虑所有 不确定性来源。在光伏能源生产中，主要因素包括基于卫星的辐照度估计、光伏模拟模型的不准确性以及太阳能资源的年际变异性。这些因素都带来了变异性，进而显著影响能量预测的准确性。
为了确保结果可靠，必须系统地将这些不确定性整合进统一框架，使用如和平方根法等统计方法。该方法假设不确定性源是独立的，遵循 正态分布，从而能够对它们的综合效应进行连贯的量化。通过采用这种结构化方法，能源预测可以更好地反映固有的变异性，提供支持稳健决策的 信心水平 。
P50、P90或任何Pxx值的含义
概率情景对于量化和传达能源生产预测的不确定性至关重要，使利益相关者能够在决策中平衡风险与可靠性。
最常见的数值有：
P50价值：年度P50价值代表未来单年最可能的能源产量估计。实际产量高于P50价值的概率为50%，低于P50的概率为50%。
P90值：年P90值表示预计在90%情况下将超过的能量生产水平。它反映了更为保守的估计，通常用于融资或投资目的的风险评估。
一般来说，我们可以把Pxx值称为一种广义形式，表示在X%情况下会超过的能量生产水平。例如：
P75价值：75%的案例中超过了该价值。
P99值：99%的病例值超过，属于极为保守的估计。
在太阳能资源评估中，P50和P90值既可以指太阳辐射（通常是GHI）或直接指预期PV输出（PVOUT）。
不确定性来源的识别
准确预测光伏（PV）能源输出需要理解并应对各种可能影响性能估算的不确定因素。这些不确定性源于能量建模过程的多个方面：
基于卫星的模型辐照度不确定性：由卫星数据推导出的太阳辐照度估计误差，源于空间分辨率限制、时间更新和大气建模假设的限制。
光伏模拟不确定性：由于对组件的假设、仿真模型中的系统损耗及环境影响，预测光伏系统性能的不准确性。
年际变异性：由自然气候变化、天气模式及如厄尔尼诺-南方涛动（ENSO）等大规模现象引起的太阳能可用性年际波动。
不确定性传播及相关假设
为了提供可靠的能源估算，关键是将所有不确定性因素整合成一个连贯且统一的框架，准确捕捉其整体影响（不确定性传播）。
不确定性传播涉及量化单个不确定性——如卫星辐射模型、光伏模拟和年际变异性——在能量估计过程中如何相互作用和传播。
假设：
值遵循正态（高斯）分布。
不确定性来源彼此独立
这使得可以使用统计方法，如 平方根法，将不确定性结合成整体的变异性估计。
如果不确定性是独立的，可以用标准统计方法（例如平方根-和-平方法）将它们组合起来，其中每个不确定性先平方、求和，然后平方根，得到总不确定性。
然而，如果不确定性依赖于不确定性，则需要更先进的技术，如蒙特卡洛模拟来正确考虑多场景的相关性和生成（例如数千次模拟）。通过根据其概率分布变化输入参数（例如太阳辐照度、元件效率）。
此外，综合不确定性可以通过置信区间（如P50、P90值）轻松表达，从而全面理解能源预测的风险和可靠性。
正态分布的描述
描述正态分布时，有三个主要参数决定其形状和特性。
该参数以均值（μ\mu）表示，决定了分布峰值或“中心”的位置。
平均值是平均值，数据点围绕其对称分布。
在概率和统计学的语境中，均值表示数据集最可能的值。
该参数以标准差（σ\σ）表示，决定分布的分布范围或“宽度”。
较小的标准差会导致曲线更窄、更陡峭，表明数据点紧密聚集在均值周围。
更大的标准差会导致曲线更宽更平坦，表明数据的变异性更大。
正态分布围绕其均值对称，两侧概率相等。曲线呈钟形，约为：
68%的数据位于±1σ以内。
95%位于±2σ以内
99.7%位于±3σ以内
置信区间的计算
假设正态分布，P50值对应于数据序列的平均值，代表最可能的结果。
标准差反映了发生概率的68%，是构建其他置信区间的基础：
发生概率 | 公式 | |
|---|---|---|
一个标准差 | 68.3% | ± STDEV |
两个标准差 | 95.5% | ± 2STDEV |
三个标准差 | 99.7% | ± 3STDEV |
P75不确定性 | 50% | ± 0.675STDEV |
P90不确定性 | 80% | ± 1.282STDEV |
P95不确定性 | 90% | ± 1.645STDEV |
P97.5不确定性 | 95% | ± 1.960STDEV |
P99不确定性 | 98% | ± 2.326STDEV |
这些区间允许计算各种概率情景，提供不同置信阈值下超标和未超标水平的洞见。
超额概率 | 不逾越概率 | 公式 | |
|---|---|---|---|
P50价值 | 50% | 50% | 狠 |
P75 价值 | 75% | 25% | 平均值 - 0.675STDEV |
P90价值 | 90% | 10% | 平均值 - 1.282STDEV |
P95 价值 | 95% | 5% | 平均值 - 1.645STDEV |
P97.5 价值 | 97.5% | 2.5% | 平均值 - 1.960STDEV |
P99 价值 | 99% | 1% | 平均值 - 2.326STDEV |
示例计算
阿尔梅里亚（西班牙）采样点的年度GHI P90值计算
GHI P50 价值：
1879千瓦时（按GHI时间序列的平均值计算）
不确定性来源：
基于卫星的GHI模型不确定性（1）：±3.5%（针对P90置信区间）。
年度GHI年际变异性（2）：±2.6%（针对P90置信区间）。
使用和和平方法进行不确定性的组合：
SQRT[0.0352 + 0.0262] = ±4.36%（针对P90置信区间）。
GHI P90 价值：
1879 * （1 - 0.0436） = 1797 kWh
（1）不确定性取决于多种因素，可以通过全面的研究和模型专业知识进行建模和估计。
（2）我们可以按照以下步骤计算年际变异性：
计算这些年值在可用N年期间的标准差。
除以N的平方根。如果我们计算单一年份的变异性，则N=1。
将结果除以整个系列的平均值，得到百分比。
将该因子乘以1.282，将标准差水平转换为任意P90置信水平。
阿尔梅里亚（西班牙）采样点的年度PVOUT P90值计算
PVOUT P50 价值：
1705千瓦时（按PVOUT时间序列的平均值计算）
不确定性来源：
基于卫星的GHI模型不确定性（1）：±3.5%（针对P90置信区间）。
PV模拟不确定性：±5%（针对P90置信区间）。
年度PVOUT（2）的年际变异性：3.2%（针对P90置信区间）。
不确定性组合法 和和平方法：
SQRT[0.0352 + 0.052 + 0.0322] = ±6.89%（针对P90置信区间）。
PVOUT P90价值：
1705 * （1 - 0.0689） = 1588 kWh
（1）不确定性取决于多种因素，可以通过全面的研究和模型专业知识进行建模和估计。
（2）我们可以按照以下步骤计算年际变异性：
计算这些年值在可用N年期间的标准差。
除以N的平方根。如果我们计算单一年份的变异性，则N=1。
将结果除以整个系列的平均值，得到百分比。
将该因子乘以1.282，将标准差水平转换为任意P90置信水平。
在某些计算中，简化假设PVOUT年际变异等于GHI年际变异。然而，这种近似方法存在局限性，因为它忽略了关键因素，如细胞温度的影响、系统效率低下以及部分着色对模块性能的非线性影响。
在Solargis平台的应用
Pxx场景作为多个Solargis解决方案的数据包标准功能包含，包括 Solargis Evaluate、 Solargis Prospect和 Solargis API数据服务。