机器翻译，未经校对人员审核，可能存在错误。
本文档内容
您将了解太阳能资源评估中使用的长期平均值 （LTA）、典型气象年 （TMY） 和时间序列 （TS） 数据之间的主要区别。
概述
长期平均值 （LTA）、典型气象年 （TMY） 和时间序列 （TS） 是用于描述太阳能资源变异性并支持光伏发电量分析或预测的主要数据类型。对于每种类型，我们将提供核心假设、代表性视觉结构、关键限制以及典型用例与不推荐使用该数据类型的场景的指导。这有助于您为技术或财务评估选择最可靠和最相关的数据集。
长期平均 （LTA）
LTA 数据表示每个月具有单一平滑平均日曲线的天气状况。例如，参考下图，LTA 数据将假设所有年份 2 月的每一天看起来都是相同的，没有识别日常变化或极端事件。这种方法在视觉上产生了一个平坦的、重复的轮廓，忽略了由于云层或天气变化而导致的太阳辐照度的自然波动。
注意：根据长期平均值 （LTA） 创建 TMY 数据集不 被视为良好做法。这种方法无法捕捉真实的年复一年和日常天气变化，产生与真实气象条件不相似的人为变化，并且可能大大低估极端和风险事件。TMY 应始终从详细的多年时间序列中推导出来，以确保典型和非典型模式的真实表示。
限制：
无法捕捉阴天、雨天或高变化天。
不适合详细设计、运营或财务评估。
无法捕捉与罕见的重大天气事件 相关的风险 。
典型用例
初始项目勘探和选址筛选：快速评估大面积太阳能资源潜力，确定有前景的地点。
投资组合规模的可行性研究：快速评估数十或数百个站点，以做出广泛的规划决策。
投资组合层面和区域风险/回报分析：了解长期趋势和平均太阳能资源可用性。
监管/基准需求：仅指定平均历史气候值时。
支持高层次投资或政策分析：日常变化并不重要。
不适合
详细的光伏系统设计或技术尽职调查： 错过极端天气和辐照度。
运营和财务风险评估： 无法估计低收益年份的可变性或风险。
性能模拟和产量估算：无法真实地表示每日或年度年际波动。
对典型和非典型天气事件进行建模： 假设一条曲线表示一个月内的所有天气事件。
典型气象年 （TMY）
TMY 数据是通过从 历史记录中组合“典型”天数或月份来构建的，从而产生一组显示出一定可变性的每日曲线。下面提供的示例图表包括 GHI 峰值高于 800W/m² 或保持在 200W/m² 以下的日子。这种方法以一定程度的人工模拟天气差异，因为数据是由不同年份的观测结果组成的，条件可能不同。阅读有关我们的 TMY 方法的更多信息 here。
虽然 TMY 文件仍然广泛用于工具兼容性和监管要求，但由于它们无法反映实际的可变性和极端情况，该行业正在从仅针对财务或技术决策的 TMY 研究转向。TMY 数据集越来越多地与时间序列数据配对或被时间序列数据取代，特别是对于投资者级和保险案例。
限制：
TMY 仅代表“典型”条件：不包括年际变化和罕见的极端天气。
最常用的每小时数据格式排除了对某些分析很重要的每小时内（亚每小时）变异性和短期事件。
许多原始 时间序列详细信息在压缩过程中丢失，限制了其对财务或运营风险评估的适用性。
典型 用例
早期能源产量评估：与 PVsyst 和 SAM 等模拟工具的兼容性提供支持。
可融资性研究和初步技术金融建模。
预可行性模拟：当低计算要求或速度比现实性更重要时。
创建 P50、P75、P90 风险场景：统计 TMY 变体用于不同的风险级别分析。
不适合
极端天气风险或多年可靠性分析。
运营损失建模、维护和保险风险量化：错过高影响、低频率的天气事件。
需要复制真实年度绩效的研究。
时间序列 （TS）
TS 数据为 每一小时或每一天提供按时间顺序排列的记录，捕获多年经历的天气事件的实际顺序和变化性。结果是一组密集的、高度可变的每日剖面，真实地代表了真实的气象条件，包括 极端和典型模式。 这可以在下图中看到，其中绘制了 1994 年至 2024 年之间所有 2 月的时间序列数据。该数据几乎涵盖了一天中任何时间 GHI 的所有可能值，并捕获了现实场景的广度。
以 15 分钟或 1 分钟为步长的高分辨率、多年 TS 数据正迅速成为所有高价值或风险敏感项目阶段的行业标准。对于可融资性、保险或电网连接来说，使用几乎是强制性的，并且在 Solargis Evaluate 2.0 中是默认的。
限制：
需要访问全面、高质量的数据集。
在模拟中需要更多的计算资源和处理时间。
典型用例
详细的系统和财务模型模拟： 捕获长达 30 年的年、月、日和小时。
可融资性、运营弹性和保险建模：对损失、停机时间和罕见/极端事件进行真实建模。
绩效基准、详细的财务情景和投资者/贷款人技术尽职调查。
现代光伏电站设计仿真：支持双面、存储集成和电网服务应用。
电网整合、爬坡率和限电研究：小时内、小时和年际变异性很重要的地方。
新技术的验证/校准：双面、反照率敏感和混合系统。
不适合
初步现场筛选或快速投资组合评估 ，不需要变异性/弹性检查。
与仅接受 TMY 或低数据量格式的传统仿真工具一起使用。
计算简单性优先于保真度的场景。
数据类型比较摘要
数据类型 | 描述 | 变异性 | 时间步长 | 常见用例 | 主要风险/限制 |
|---|---|---|---|---|---|
长期平均值 （LTA） | 使用多年的年/月/日平均值。 | 没有 | 每月、每年 | 高可行性 | 忽略各种类型的天气/事件变化 |
典型气象年 （TMY） | 根据历史测量/统计数据汇集一年的“典型”月/日。 | 有限 | 60 分钟 | 能源产量估算 | 不捕捉极端值和年际变化 |
时间序列 （TS） | 使用 多年每小时 （或更精细的分辨率）的天气时间顺序记录。 | 完成 | 1分钟， 15 分钟， 60 分钟 | 详细的模拟、风险评估 | 计算密集型;需要大型数据集 |