随机 1 分钟数据生成

概述

随机发生器用于将太阳辐照度数据的时间 分辨率从 10、15 或 30 分钟提高到 1 分钟间隔。这种方法生成的数据可以准确 捕捉当地太阳变化 ，同时保持与原始数据集的统计一致性。该方法可生成 1 分钟的 GHI 和 DNI 数据，从而能够对光伏系统性能进行详细的高分辨率分析。

1 分钟数据的可用性对于 优化光伏系统至关重要，包括完善直流/交流比、准确估计削波损耗以及满足电网合规标准。虽然生成的数据具有统计代表性，而不是精确的每分钟反映，但它为电池尺寸和可变性分析等应用提供了关键见解，支持先进的系统设计。

随机生成 1 分钟辐照度

随机发生器将太阳辐照度数据的时间分辨率从原生卫星间隔（10、15 或 30 分钟）提高到 1 分钟时间步长，提供太阳辐照度变化的详细表示。

合成发生器利用卫星衍生的全球水平辐照度 （GHI） 和直接法向辐照度 （DNI），以及它们相应的晴空分量（GHIc 和 DNIc）。该过程分两个关键步骤进行：

1. 插值至 1 分钟分辨率：输入卫星数据以 10 分钟、15 分钟或 30 分钟的间隔提供，使用 mean-preserving spline interpolation插值为平滑的 1 分钟时间序列。这确保了生成的“大信号”与原始卫星数据保持完全一致，同时保留平均值。与标准插值方法不同，这种方法保证插值的 1 分钟值的平均值与输入卫星数据相等。

2. 增强小尺度变异性：为了准确捕捉在真实世界的太阳辐照度数据中观察到的短期波动，在大信号中添加了一个均值为零的高变异性“小信号”。这种调整确保合成的 1 分钟时间序列模拟测量辐照度数据中观察到的精细尺度变异性，特别是在云增强事件期间，这些变化在较粗的时间分辨率（超过 10 分钟）下通常无法检测到。小信号的零均值特性保持了合成数据与原始卫星输入的一致性。

小信号时间序列源自在一百多个辐射测量站点收集的 1 分钟太阳辐照度观测的广泛存储库。它主要由观察到的 GHI 和 DNI 值构成，从 10、15 或 30 分钟的平均值中去除趋势以创建零均值序列。此外，该存储库还丰富了基于卫星的 GHI 和 DNI 估计值。

对于每个卫星衍生的输入值，发生器会根据当前的天空条件从存储库中选择最相似的小信号斑块。此选择考虑了太阳位置、清晰度指数和漫射分数等因素。例如，在卫星分辨率为15分钟的情况下，相应的小信号补丁由15个连续值组成。通过集成这些高可变性模式，Solargis 合成发生器生成逼真的 1 分钟辐照度时间序列，与地面测量非常相似。

随机生成的用例和局限性

光伏系统优化和电网合规性等应用需要高分辨率的 1 分钟太阳辐照度数据，而这些数据无法直接从卫星图像中获得。

一个重要的用例是优化 DC/AC 比率，其中 1 分钟的数据可以精确了解光伏发电量，使设计人员能够更好地将逆变器与系统需求相匹配。它还有助于准确估计削波损耗，当逆变器无法处理光伏阵列的多余功率时就会发生削波损耗，从而减少低效率。

此外，1 分钟数据通过提供对容易出现间歇性云层覆盖的区域的精细洞察来改进选址。它还支持遵守电网运营商的技术标准，有助于减少处罚并提高电网可靠性。此类数据对于需要详细分析太阳能资源变异性的应用至关重要。

随机方法的一个主要局限性是生成的数据具有统计代表性，而不是反映特定位置的实际每分钟变化。因此，它不适合需要精确建模与真实数据比较的应用。然而，对于电池尺寸或需要变异性和斜坡等统计特征的分析等任务，Solargis 的 1 分钟随机生成数据是可靠且有价值的资源。

本 technical note 包含有关生成 1 分钟数据背后的方法的更多详细信息和其他信息。此外，您可以在我们的 blog 或 product guide 部分阅读有关 1 分钟数据优势的更多信息。

进一步阅读

• Mean-preserving interpolation with splines for solar radiation modeling.Ruiz-Arias，JA 太阳能，2022 年。

• GISPLIT: High-performance global solar irradiance component-separation model dynamically constrained by 1-min sky conditions.Ruiz-Arias， JA 和 Gueymard， CA 太阳能，2024 年。

• J. A. Ruiz-Arias、T. Cebecauer、A. Skoczek、D. Chrkavy、M. Opatovsky 的《Methodology of generation of 1- minute solar resource time series and TMY data》。