太阳辐照度地面测量

本文档内容

我们将讨论在管理得当的情况下，太阳辐照度测量活动如何为太阳能项目提供重大价值，支持区域和项目层面的能源战略、财务规划和研究。

概述

建立 solar measurement campaigns 能够在区域和项目两级调整和验证辐射模型，从而具有战略优势。这些活动可以生成对决策者和投资者至关重要的高质量数据。

尤其是太阳辐照度 ground-based sensors，需要定期 maintenance 和严格的 quality control 程序;否则，测量可能会失去其价值、变得不可靠或引入可能对决策过程产生负面影响的错误。

除了太阳辐照度测量外，部署温度、风速、湿度、大气压力和降水的补充传感器也至关重要。这些附加参数在气候分析和预期系统性能评估中发挥着关键作用。

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。这些活动提供了特定地点的数据，这对于减少太阳能预测的不确定性、调整基于卫星的模型和确保可靠的系统运行至关重要：

规划阶段

运营阶段

区域测绘

在太阳能项目的规划阶段，现场测量的主要目的是捕捉准确的当地气象特征。这些测量有助于使基于卫星的模型适应场地的具体条件，减少长期时间序列数据和汇总能量估计的不确定性。此阶段最常见的仪器包括用于测量全球水平辐照度（GHI）的日射计和用于直接法向辐照度（DNI）的日射计。这些仪器共同为资源评估和能源产量模拟提供了关键输入。

在太阳能发电厂的运行阶段，现场测量对于监控发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，作为地面数据质量控制和优化的独立参考。此阶段的常见做法是使用安装在倾斜平面上的日射计来测量全局倾斜辐照度（GTI），该辐照度更直接地对应于光伏组件的平面。所需传感器的数量取决于工厂的规模和复杂性，较大的工厂通常需要多个传感器进行全面监控。

对于区域太阳能资源测绘，仔细选择监测地点对于代表该地区的全部气候多样性至关重要。太阳辐照度可能会因地理和大气因素（例如海拔高度、云量和气溶胶浓度）而发生很大差异。通过战略性地将地面传感器放置在反映这种多样性的位置，可以收集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整个地区的稳健太阳能资源评估，提高太阳能预测的准确性并加强卫星模型的验证。

太阳辐照度传感器

太阳能工业中使用了多种太阳辐照度传感器，每种传感器都设计用于测量太阳辐射的不同分量，例如全球水平辐照度（GHI）、直接法向辐照度（DNI）和漫反射水平辐照度（DHI）。这些仪器在精度、功能和成本方面各不相同，使其适用于太阳能项目开发的不同应用和阶段。以下是最常用的太阳辐照度传感器及其主要特性的概述：

日射计 用于测量全球水平辐照度（GHI）。日射计使用热电堆传感器，将从入射太阳辐射吸收的热量转换为电信号。玻璃穹顶覆盖传感器以保护传感器并允许捕获广谱太阳辐射。电信号与日射计接收到的总辐照度成正比。
日照度计 设计用于测量直接法向辐照度（DNI）。日射计使用称为准直管的外壳，只允许阳光直射到传感器上，从而阻挡漫射的阳光。传感器使用热电堆测量进入管子的太阳辐射，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，以全天连续将其与太阳的位置对齐。
旋转阴影带辐射计 或 RSR 用于测量全球水平辐照度（GHI）和漫反射水平辐照度（DHI）。通过使用旋转阴影带定期对传感器进行阴影处理，RSR 可以区分直接太阳辐射和漫射太阳辐射，还可以使用 GHI、DIF 和 DNI 分量之间的几何关系间接估计直接法向辐照度（DNI）。尽管 RSR 无法达到与日射计和日射计相同的精度，但有时它们可以与日射计和日射计一起作为冗余传感器安装。
硅基传感器 是另一种类型的辐照度测量技术。所谓的光伏参考电池测量光敏二极管产生的电流。这些设备的价格较低，使其在行业中广受欢迎，但其有限的精度并不符合太阳能行业应用中的标准测量解决方案的条件。

仪器维护

维护太阳辐照度传感器，例如日射计、日射计和旋转阴影带辐射计（RSR），对于确保准确的能源生产估算、优化系统性能、保持财务稳定、遵守法规和延长设备寿命至关重要。

最常见的维护活动涉及以下作：

定期清洁：玻璃穹顶必须保持清洁，以避免因污垢、灰尘或水渍而导致测量误差。
重新校准：定期重新校准（通常每 1-2 年一次）以确保准确性是必要的。
检查： 目视检查以确保圆顶或传感器没有裂纹或问题。
太阳能跟踪器维护 （用于日热计）：定期检查和维护太阳能跟踪器，以确保准确对准。
阴影带校准和维护 （用于RSR）：旋转机构需要定期检查和校准，以确保平稳运行和准确的阴影。
定期检查 数据记录器、通信系统、电源和数据处理软件对于避免数据丢失至关重要。

忽视传感器维护可能会导致数据不准确、系统效率降低、财务损失、不遵守法规以及代价高昂的设备故障。

数据质量控制

用于测量太阳辐照度的地面传感器会受到各种环境和技术因素的影响，这些因素可能会影响数据准确性。灰尘、湿度、露水和雪等环境条件，以及未对准、校准错误或数据记录器故障等技术问题，可能会在测量中引入误差。为了确保地面测量数据可靠并适合作为“地面参考”，必须执行全面的质量控制和错误过滤程序。

需要彻底的质量控制流程来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：

与时间相关的问题纠正：准确的时间对齐对于所有后续质量检查至关重要。识别并纠正班次、时间漂移和昼夜不对称（上午与下午的差异）。这可能涉及数据分析师的手动分析或自动算法来检测这些与时间相关的问题并提出纠正建议。
检测无效值：系统地检查数据是否存在夜间/白天不一致、人为静态值、超出物理极限的值以及太阳辐照度分量的差异。每个有问题的记录都使用预定义的标记进行标记。附加标志可能指示特定情况，例如跟踪器故障，其中太阳跟踪机制无法正常运行。
目视检查：标记的数据值经过最终目视检查以确认其有效性。此步骤可确保准确识别标记的记录并进行适当的注释。然后，标记的数据将与数据集一起保存，更新其质量状态。
后处理：在最后阶段，删除不必要的标志标记以简化数据集以进行进一步分析。此步骤通过丢弃冗余或价值较低的标志来优化数据集，从而简化整体数据质量评估过程。

在这个严格的过程结束时，会识别错误，并标记无效的数据记录并从后续分析中排除。标记和丢弃的常见问题包括：

地平线以下的无效记录或值
测量值低于最低物理极限
连续静态值
太阳辐照度分量（GHI、DIF、DNI）不一致
双组分测试失败（例如，GHI 与 DIF）
受阴影或跟踪器故障影响的数据

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量预测和项目优化。