太阳辐射度地面测量

机器翻译，未经校对人员审核，可能存在错误。

在本文件中

我们将讨论在妥善管理下，太阳能辐射测量活动如何为太阳能项目提供显著价值，支持能源战略、财务规划以及区域和项目层面的研究研究。

概述

建立太阳能测量活动具有战略优势，能够在区域和项目层面适应和验证辐射模型。这些活动能够生成高质量的数据，对决策者和投资者至关重要。

尤其是太阳辐射地面传感器，需要定期维护和严格的质量控制程序;否则，测量值可能会丧失、变得不可靠，或引入可能对决策过程产生负面影响的误差。

除了太阳辐照度测量外，部署温度、风速、湿度、大气压和降水等辅助传感器也至关重要。这些额外参数在气候分析和系统预期性能评估中起着关键作用。

Solargis在测量数据的质量控制方面拥有丰富经验，并提供以下最佳实践指导：

测量活动的设计，
气象站的运营与维护，
以及数据处理，旨在用于卫星模型数据的现场适配。

太阳能测量活动

太阳能测量活动对于准确评估太阳能资源和优化光伏（PV）系统性能至关重要。这些活动提供了针对特定场地的数据，有助于减少太阳能预测的不确定性、调整卫星模型并确保系统运行的可靠性：

规划阶段

作战阶段

区域制图

在太阳能项目的规划阶段，现场测量的主要目标是准确捕捉当地气象特征。这些测量有助于将基于卫星的模型适应现场的具体条件，减少长期时间序列数据和汇总能量估计的不确定性。该阶段最常见的仪器包括用于测量全球水平辐射（GHI）的火放射仪和用于直接法向辐射（DNI）的热螺旋仪。这些仪器共同为资源评估和能源产出模拟提供了关键输入。

在太阳能电站运行阶段，现场测量对于监测电厂性能和识别潜在故障至关重要。地面测量通常辅以卫星时间序列，作为独立的质量控制和地面数据优化参考。该阶段常用的做法是使用安装在倾斜面上的火放射仪测量全局倾斜辐射度（GTI），该高度更直接对应于光伏模块的平面。所需的传感器数量取决于工厂的规模和复杂度，大型工厂通常需要多个传感器以实现全面监测。

对于区域太阳能资源测绘，精心选择监测点至关重要，以体现该地区的气候多样性。太阳辐照度会因地理和大气因素（如海拔、云量和气溶胶浓度）而有显著变化。通过将地面传感器战略性地部署在反映这种多样性的位置，可以收集一个准确捕捉区域差异的综合数据集。这些数据支持创建适用于该地区的强有力太阳能资源评估，提高太阳能预测的准确性，并增强卫星模型的验证。

太阳辐照度传感器

太阳能行业中使用了多种太阳辐照度传感器，每种传感器设计用于测量太阳辐射的不同组成部分，如全球水平辐射（GHI）、直接法辐射（DNI）和漫射水平辐射（DHI）。这些仪器在精度、功能和成本上各不相同，适合太阳能项目的不同应用和阶段。以下是最常用的太阳辐照传感器及其主要特性概述：

火放射仪 用于测量全球水平辐照度（GHI）。火力计使用热电堆传感器，将来自太阳辐射吸收的热量转换为电信号。传感器被玻璃罩覆盖以保护它，并允许捕捉广泛的太阳辐射光谱。电信号与火航仪接收到的总辐射度成正比。
日射强度计用于测量直接法向辐照度 (DNI)。日射强度计使用一个称为准直管的装置，该装置只允许直射阳光照射到传感器上，阻挡散射阳光。热电堆传感器利用热电堆测量进入准直管的太阳辐射，并将吸收的热量转换为电信号。该仪器通常安装在太阳跟踪器上，以便全天持续地与太阳的位置保持一致。
旋转影带辐射计 （RSR）测量全球水平辐照度（GHI）和漫射水平辐照度（DIF）。通过定期用旋转阴影带遮蔽传感器，RSR可以区分直接和漫射太阳辐射，并从GHI、DIF和DNI之间的关系间接估算直接法向辐照度（DNI）。RSR对污垢的敏感度低于热电堆传感器，这降低了清洁频率并降低了运营成本。它们通常用于次级气象站，优先考虑较低的维护负担。
硅基传感器，如光伏参考单元，测量由光敏二极管产生的电流。其较低的成本使其在行业中广受欢迎;然而，由于其精度有限、易受漂移和不稳定性影响，并未将其作为太阳能资源评估的标准测量方案。仅在需要数据质量和银行性时推荐使用A类热电堆仪器。

注：SPN1阳光热量仪有时被业界用作DNI测量的替代方案。Solargis不推荐这款乐器。其测量不确定性在理想条件下为每日±5%，在实际操作中更高。SPN1仪器的时间序列持续显示内部遮罩设计造成的伪影，这些伪影可能类似于污染事件，但无论是否清洁都会发生，导致质量控制不可靠。

仪器维护

维护太阳辐照度传感器，如火放射仪、热日计和旋转影带辐射计（RSR），对于确保准确的能源产出估算、优化系统性能、维持财务稳定、遵守法规以及延长设备寿命至关重要。

最常见的维护活动包括以下操作：

定期清洁：玻璃罩必须保持清洁，以避免因污垢、灰尘或水渍造成的测量误差。在温和环境下，每周清洁1到2次通常就足够了。在高污染风险地区，如高气溶胶浓度、沙尘暴或长时间干旱期，可能需要每日清洁。
重新校准：定期重新校准（通常每1-2年一次）以确保准确性。
检查： 目视检查，确保穹顶或传感器没有裂缝或问题。
太阳追踪仪维护 （用于热日仪）：定期检查和维护太阳追踪器，确保准确对齐。
影带校准与维护 （针对 RSR）：旋转机构需要定期检查和校准，以确保平稳运行和准确着色。
定期检查 数据记录器、通信系统、电源和数据处理软件对于防止数据丢失至关重要。
清洁事件记录：清洁事件应使用按钮式事件记录器——一个连接数据记录器的开关，每次清洁前后按下。该时间戳将清洗事件与测量数据直接同步，使其可用于质量控制和后期处理。

忽视传感器维护可能导致数据不准确、系统效率下降、财务损失、不合规以及昂贵的设备故障。

数据质量控制

用于测量太阳辐照度的地面传感器受多种环境和技术因素影响数据准确性。环境条件如灰尘、湿度、露水和积雪，以及技术问题如错位、校准错误或数据记录器故障，都可能导致测量误差。为确保地面测量数据可靠且适合作为“地面参考”，必须进行全面的质量控制和误差过滤程序。

需要严格的质量控制流程以有效验证和分析地面测量的太阳能数据。Solargis 采用的太阳能数据质量评估方法遵循以下关键步骤：

时间相关问题纠正：准确的时间对齐对所有后续质量检查至关重要。识别并纠正了班移、时间漂移和昼夜不对称（早晨与下午的差异）。这可能包括数据分析师的人工分析，或自动化算法检测并建议修正这些时间相关问题。
检测无效值：系统性检查数据以筛查昼夜不一致、人工静态值、超出物理极限的数值以及太阳辐照度成分的差异。每个有问题的记录都用预定义的标记标记。额外的标志可能表示特定情况，如追踪器故障，太阳跟踪机制无法正常工作。
目视检查：标记的数据值将经过最终的目视检查，以确认其有效性。此步骤确保标记的记录得到准确识别和适当的标注。此外，专家分析师还会识别出一些难以自动检测的问题，例如污渍、反光、露水和阴影。标记的数据随后会保存到数据集中，并更新其质量状态。
后处理：在最后阶段，移除不必要的标志标记，以简化数据集以便进一步分析。这一步通过剔除冗余或价值较低的标志来优化数据集，简化整体数据质量评估流程。

在这一严格过程结束时，错误会被识别，无效数据记录会被标记并排除在后续分析之外。常见被标记和丢弃的问题包括：

地平线以下的无效记录或数值。地平线
低于最小物理极限的测量值。极限
连续的静态值。数值
太阳辐照度分量（GHI、DIF、DNI）不一致。DNI）
双分量测试失败（例如，GHI 与 DIF）。DIF）
受遮挡或跟踪器故障影响的数据。故障
常规数据错误模式（污垢、错位、反射）
不规则异常（露水、霜冻、跟踪器问题）

通过应用这一全面的质量控制框架，该数据集成为准确的太阳能资源评估和性能评估的可靠参考，支持更精确的能源产额预测和项目优化。

在Solargis平台的应用

太阳辐照度地面测量是 Solargis 卫星太阳模型开发的关键组成部分，该模型为所有 Solargis 产品和服务提供核心数据。地面测量在场地适应服务中尤为重要，因为它们为适应过程提供场地参考。