本文档内容
您将了解数据质量控制（QC）在太阳能行业的重要性和必要性。我们还将介绍 Solargis 方法并概述我们的数据质量控制流程。
数据质量控制的重要性
在太阳能行业，地面测量和光伏数据的质量控制 （QC） 是确保用于现场适应和卫星模型验证的数据可靠性的关键过程。随着太阳能系统变得越来越复杂，对 accurate and dependable data 的需求从未像现在这样重要。质量控制是数据分析的必要步骤，因为错误的读数会严重影响最终结果，导致系统性能不佳和误导性决策。
太阳能数据的复杂性需要对三组主要测量进行彻底的质量控制流程：
日射计和日射计等仪器的太阳测量。
气象测量， 包括温度计、湿度传感器和风速计。
光伏 （PV） 数据 ，例如光伏产量或逆变器读数。
鉴于各种潜在问题（从仪器特定问题到特定站点挑战），测量数据集经常会遇到差异。因此，为所有数据集实施 QC 协议对于维护数据完整性至关重要。
可能出现的问题示例包括与硬件相关的问题，例如时移、漂移、校准错误、仪器未对准和跟踪器故障。此外，阴影、积雪和仪器脏污等自然因素也会进一步影响测量精度。
必须将未通过质量控制的数据排除在进一步处理之外，以确保分析基于可靠的信息。允许包含有缺陷的数据可能会导致错误的结论和无效的策略，最终破坏太阳能项目的目标。通过强调严格的质量控制实践，利益相关者可以提高数据的可靠性，并为更加可持续的能源未来做出贡献。
数据收集的最佳实践
在实施数据质量控制措施之前，必须以特定的方式收集数据，以确保其准确性和可靠性：
地面测量（太阳能）QC 最佳实践
全面的电台元数据： 您可以访问的数据应包括详细的站点元数据，包括位置、安装的仪器、安装类型、完整的 GTI 配置、所有硬件组件的数据表以及理想情况下以一分钟的间隔记录的高分辨率数据，以确保您收到最准确的可用信息。
具有冗余的高质量仪器： 数据应由 A 类仪器记录，以确保符合行业精度标准的高质量测量，以及仪器设置中的内置冗余，以提高可靠性并最大限度地降低数据丢失的风险。
定期维护和清洁计划： 频繁的维护和清洁实践对于确保仪器的最佳性能和准确性至关重要。仪器应每周或每两周清洁两次，具体取决于现场情况，以保持它们没有碎屑和污染物。
仪器校准：校准应每两年进行一次，或按照制造商的建议进行，校准证书可供验证，维护事件应记录在案，以确保透明度。
仪器安装：仪器应安装在离地面至少1.5米的位置，以尽量减少环境因素的干扰，提高测量精度。它们还应配备通风机装置，以保持最佳作条件并防止过热。
地面测量（气象）QC 最佳实践
全面的工作站元数据：工作站元数据应包括所有硬件组件的位置、安装的仪器和数据表等基本信息，以确保您对系统有完整的了解。
分辨率和不确定性：理想情况下，数据分辨率应遵循与太阳能数据相同的步骤（1 分钟、10 分钟等），并建立足够的不确定度水平以提高数据的可靠性和准确性。
维护和清洁实践：定期维护至关重要，主要涉及仪器的目视检查。清洁应每周或每两周进行一次，具体取决于现场条件，以确保最佳性能。
校准标准：校准应根据制造商的建议进行更新，并随时提供校准证书以供验证。
最佳仪器安装：仪器应安装在距地面 1.25 至 2 米的高度进行温度和相对湿度测量，在距地面 10 米处进行风向、风速和阵风测量。此外，仪器必须放置在开放区域，避免靠近建筑物或其他结构，以尽量减少干扰。
代表性测量地点：对于太阳能场测量站点，必须将仪器放置在太阳能场本身内而不是边缘，因为这为太阳能评估提供了更具代表性的数据。
光伏数据质量控制最佳实践
电厂元数据
全面的电站描述：电厂元数据应提供光伏电站的完整概述，包括组件、布局、位置、环境条件和安装/调试日期。
位置和电气连接详细信息：元数据应包括有关站点的具体地理信息，以及电气连接的详细布局，指定系统中使用的逆变器和变压器。
装机功率和组件规格：文档应包含有关光伏组件总装机容量和类型的信息。它还应包括有关安装类型的详细信息，包括硬件结构、光伏组件区域的布局、行配置、间距和 1 轴跟踪器的限制（如果适用）。
组件方向和配置：元数据应提供有关光伏组件的间隙、倾斜和方位角的信息，以确保最佳的太阳照射。
数据表和补充材料：文档应包含所有可用硬件组件的数据表，并包括其他材料，例如现场或发电厂的照片、安装结构或浮动物的 CAD 图纸以及地形图。
光伏发电数据时间序列
数据分辨率和来源：对于光伏发电，时间序列数据的分辨率应至少为 15 分钟，源自 SCADA 或监控系统。这些数据应该可以在逆变器级别和互连点（静电计）访问。
辐照数据：时间序列数据应包括面内辐照记录（全局倾斜辐照度 - GTI），以有效地将太阳输入与功率输出相关联。
数据质量控制的最佳实践
质量控制最佳实践
根据既定的最佳实践收集数据后，下一阶段涉及实施质量控制 （QC） 措施以确保数据的完整性和可靠性：
时间参考检查 （TRC）：将时间戳与通用时间参考（例如 UTC）对齐涉及了解原始时间参考系统并针对当地时间或夏令时的变化进行必要的调整。
自动质量控制程序：进行系统检查以识别太阳能测量数据中的潜在问题，包括验证元数据配置、过滤掉无效信号以及检测与阴影或设备故障相关的高级问题。
视觉质量控制程序：执行手动审查以补充自动检查涉及分析这些过程的结果，通过目视检查识别细微问题，并将测量数据与参考参数进行比较以发现异常。
Solargis 方法
在 Solargis，我们非常重视数据质量控制，实施全面而严格的程序，包括审查现有设备文档、错误识别和统计分析，以确保全球数千个地点的太阳能和气象测量的完整性和可靠性。
我们在 Solargis 进行质量控制的三个主要领域是 solar measurements、 气象参数和 光伏 （PV） 数据。
这些领域中的每一个都进一步分为 时间参考检查、 自动 QC 程序和 视觉 QC 程序。
太阳能测量质量控制检查
通过实施以下质量控制检查，我们确保太阳辐照度数据的完整性和可靠性，最终支持太阳能系统的准确评估和优化。
相关辐射参数 | 描述 |
|---|---|
GHI（全球水平辐照度） | 在水平表面上接收到的太阳辐射总量。 |
DNI（直接法向辐照度） | 始终垂直于太阳光线的表面接收到的太阳辐射量 |
DIF（漫反射辐照度） | 被大气中的分子和粒子散射并从各个方向到达表面的太阳辐射部分 |
ALB（表面反照率）* | 表面的反射率，表示有多少太阳辐射被反射回大气中 |
RHI（反射水平辐照度） | 从周围表面反射到水平面上的太阳辐射量 |
GTI（全局倾斜辐照度） | 在倾斜表面上接收到的总太阳辐射，这对于优化太阳能电池板的放置至关重要 |
表：与太阳能测量质量控制检查相关的太阳能参数。
* 表面反照率是一个环境参数;为了简单起见，我们把它放在这里，以便更好地理解QC程序。
时间参考检查
进行时间参考检查 （TRC） 以确保地面测量数据的时间戳与 Solargis （UTC） 使用的时间参考准确对齐。TRC 的主要方面包括：
了解数据收集中使用的原始 时间参考系统 并将当地时间转换为 UTC。
当以当地时间测量数据或遵守夏令时时，应用必要的时移，这需要在一年中的特定时间进行调整。
检测任何额外的时移和漂移，无论是渐进的还是突然的，所有这些都使用 内部开发的自动工具进行。
通过专门的绘图手动确认应用的班次，以确保准确性。
认识到准确的时间戳对于后续的 QC 检查至关重要，因为不正确的时间戳可能会导致错误识别有效数据。
自动质量控制程序
自动质量控制程序涉及多项系统检查，旨在识别和标记太阳能测量数据中的潜在问题。这些包括：
元数据检查：验证 GTI 配置并确保使用正确的参数类型。
数据检查：实施物理限制以过滤掉非物理信号（例如静态或无效读数）并确保不同组件和仪器之间的一致性。
高级问题检测：识别与阴影、露水形成、跟踪器故障、装载事件或维护活动相关的问题。
可视化质量控制程序
可视化质量控制程序通过提供手动审查流程来补充自动检查。这些程序包括：
审查自动质量控制过程的结果，并标记任何剩余问题以供进一步调查。
通过目视检查识别污垢、错位或校准问题等细微问题。
使用每日时间序列配置文件、热图或散点图分析测量数据，以检测随时间变化的异常情况。
将测量数据与参考参数（无论是来自冗余测量、计算值还是模型参数）进行比较，有助于更轻松地识别数据集中的问题。
通过实施这些全面的太阳能测量质量控制检查，Solargis 确保其太阳辐照度数据的完整性和可靠性，最终支持太阳能系统的准确评估和优化。
气象测量QC检查
我们在气象测量中的主要质量控制 （QC） 领域对于确保为进一步处理准备的数据的准确性和可靠性至关重要。我们优先考虑对最常见的气象参数进行严格检查，进行彻底的时间参考检查，实施自动质量控制程序，并进行详细的目视检查。
相关气象参数 | 描述 |
|---|---|
TEMP（空气温度）： | 影响太阳能电池板性能的环境空气温度的测量。 |
RH（相对湿度）： | 空气中的水分含量，影响能源生产和设备效率。 |
WS（风速） | 风速，会影响冷却和整体系统性能。 |
WG（阵风速度） | 阵风的最大速度，对于评估太阳能装置的潜在压力很重要。 |
WD（风向） | 风吹的方向，与了解环境条件相关。 |
AP（大气压力） | 大气施加的压力，会影响天气模式和系统性能。 |
表：与气象测量QC检查相关的气象参数。
时间参考检查
对于气象数据，我们首先应用时间参考偏移校正，类似于我们的太阳测量方法。这种校正通过太阳辐射参数或与 Solargis 数据进行比较来评估，以确保与 UTC 准确对齐。
自动质量控制程序
我们的自动质量控制程序涉及系统检查，旨在识别和标记气象数据中的潜在问题。这些程序包括：
元数据检查：验证是否提供了正确的数据单元，以确保数据集之间的一致性。
数据检查：实施物理限制以过滤掉非物理信号，例如静态或无效读数。
高级问题检测：识别指示测量误差的异常值和无效模式。
可视化质量控制程序
我们的可视化质量控制程序通过提供手动审查流程来补充自动检查。这些程序包括：
查看自动质量控制过程的结果并标记任何剩余问题。
进行类似于太阳参数的目视检查，以识别数据中的细微问题。
光伏数据质量控制检查
对光伏 （PV） 输出数据质量控制 （QC） 的承诺是我们 Solargis 关注的另一个领域。我们了解高质量光伏数据的重要性及其对太阳能项目开发商的意义。
PV OUT 参数 | 描述 |
|---|---|
PVOUT的 | 太阳能装置的总功率输出。 |
逆变器数据 | 与逆变器的性能和运行状态相关的信息，这对能源转换至关重要。 |
表：与光伏数据质量控制检查相关的参数。
时间参考检查
对于光伏输出数据，我们利用内部开发的自动工具来检测时移和漂移，类似于太阳能参数的方法。我们使用专门的绘图手动确认应用的移位以确保准确性。正确的时间戳至关重要，因为不准确可能会导致有效数据被错误识别为不正确。
自动质量控制程序
我们的自动质量控制程序包括一系列旨在保持高数据质量的系统检查。这些包括：
元数据检查： 验证光伏电站的配置，确保所有参数设置正确。
数据检查：实施物理限制以过滤掉非物理信号，例如静态或无效读数，并识别一般生产不足的问题。
高级问题检测：监控阴影、积雪、脏污、剪裁和跟踪器故障等情况。
可视化质量控制程序
为了补充我们的自动检查，我们执行视觉质量控制程序，包括：
查看自动质量控制过程的结果并标记任何剩余问题。
通过使用每日时间序列配置文件、热图或散点图分析测量数据来检测随时间变化的异常情况，从而识别细微的问题，例如污染。
将生成的数据与参考参数（无论是来自计算值还是光伏模拟）进行比较，以便更轻松地识别数据集中的问题。这种比较有助于区分发电厂的故障（例如，污垢）和特征（例如，剪裁），指导我们确定如何进一步处理数据集。