在本文件中：
本研究报告评估了Solargis在不同气候区、预报视界和数据分辨率下全球水平辐照（GHI）和PV功率输出（PVOUT）预报准确性的验证研究。
概述
随着光伏（PV）电力在全球能源结构中占比越来越高，其固有的变异性带来了运营挑战。光伏发电依赖于天气条件、一天中的时间和季节性模式，因此准确预测全球水平辐照（GHI）和光伏功率输出（PVOUT）对于系统的可靠运行至关重要。
准确的预测对多个利益相关者至关重要：
电网运营商利用这些数据来平衡供需并维持系统稳定性。
光伏资产运营商依赖预测来履行合同承诺并避免财务罚款。
能源交易者利用这些数据预测市场动态并优化决策
预测还支持低产量时期的电池储能管理和维护规划。
验证研究详情
本验证研究评估GHI和PVOUT预报与卫星参考数据的准确性。具体来说，预测会得到验证：
PVOUT针对Solargis光伏电力的历史时间序列数据，由 基于卫星的太阳能模型 和光伏模拟模型生成。
该研究评估了跨时间视野、地点、气候条件和数据分辨率的预报表现。
分析包括短期（“一小时前”）和长期（“前一天”）的预测。本次验证所用数据涵盖2025年日历年。该研究具有全球性，覆盖所有大陆的多个地点，重点关注固定光伏系统。
预测准确性通过标准指标评估，以提高透明度和可比性。结果按主要气候区——温带、寒冷、干旱、热带和极地——分组，突出不同环境条件下的表现。研究范围与方法论：
地点：遍布全球各大洲的153个全球站点。
视野：评估“一小时”（即时预测）和“当天”（规划）视野。
气候分析：结果分为五大区域：温带、寒冷、干旱、热带和极地。
指标：标准指标包括偏差、平均绝对偏差（MAD）和均方根偏差（RMSD）。
验证研究参数 | |
|---|---|
地理范围 | 全球 |
数据参数 | 烧伤，PVOUT |
数据解析 | 每小时15分钟 |
计算指标 | 偏置、MAD、RMSD |
验证站点数量 | 153 |
表1：验证研究参数
GHI验证
GHI验证展示了Solargis GHI预报在两个预报视野——“小时前”和“前一天”——中评估的准确性，并按气候区和数据分辨率细分。
GHI验证：“一小时”视野
GHI（全球水平辐照）表示水平面上的总太阳辐照度，是PVOUT的主要驱动力。在Solargis中，“一小时”预报是通过云运动向量（CMV）模型生成的，该模型追踪云的移动。这一短期视野属于“now casting”类别。
下表总结了每小时和15分钟分辨率的GHI精度（计量公式见附录）。
GHI | 每小时 | 15分钟 |
|---|---|---|
偏置 | -0.18% | -0.18% |
疯狂 | 4.87% | 5.39% |
RMSD | 8.58% | 9.58% |
表2：GHI准确性统计数据，比较每小时和15分钟（提前一小时）
GHI，按小时计费 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | -0.18% | 0.11% | -0.48% | -0.21% | -0.02% | 0.49% |
疯狂 | 4.87% | 6.88% | 4.16% | 4.42% | 4.19% | 6.33% |
RMSD | 8.58% | 11.05% | 7.80% | 7.84% | 7.09% | 10.81% |
表3：按气候区划分的GHI小时分辨率精度（提前一小时）
GHI，15分钟 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | -0.18% | 0.11% | -0.48% | -0.21% | -0.02% | 0.49% |
疯狂 | 5.39% | 7.53% | 4.61% | 4.93% | 4.66% | 7.01% |
RMSD | 9.58% | 12.14% | 8.80% | 8.83% | 7.97% | 12.02% |
表4：15分钟分辨率（提前一小时）的气候区GHI精度
主要发现
由于时间聚合，预报准确性更高，从而平滑了短期变异性。准确度也因气候区而异，反映了大气稳定性和云动力学的不同。
干旱地区 因稳定、晴朗的天空条件而表现最佳。
温带和寒冷气候则 显示出由云量变化和锋面系统驱动的中等误差。
热带和极地 地区出现最高的误差，主要由对流活动、快速云形成、低日照角度和季节极端现象引起。
一般来说，随着大气变异的增加，预报准确率会下降。
下图展示了Solargis将预报与卫星基GHI进行比较的验证站点。它是互动式的——点击网站会显示其元数据和相应的小时准确率统计数据。
地图1：交互式地图，显示验证站点和特定场地GHI准确性统计数据。
GHI验证：“未来展望”
“日间”GHI预报是通过数值天气预报（NWP）模型生成的，由于电力市场的调度要求，它代表了最广泛使用的预报视野。
下表总结了每小时和15分钟数据的整体准确率（时间聚合效应依然可见，且每小时分辨率表现更好）。
GHI | 每小时 | 15分钟 |
|---|---|---|
偏置 | 0.56% | 0.57% |
疯狂 | 6.15% | 6.61% |
RMSD | 10.11% | 10.89% |
表5：GHI准确率统计，比较每小时和15分钟（当天）值
GHI，按小时计费 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | 0.56% | 1.00% | -0.15% | 0.74% | 0.80% | 1.86% |
疯狂 | 6.15% | 8.36% | 5.24% | 5.74% | 5.53% | 7.27% |
RMSD | 10.11% | 12.80% | 9.00% | 9.43% | 8.89% | 11.85% |
表6：按气候区划分的GHI小时分辨率精度（日表）
GHI，15分钟 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | 0.57% | 1.01% | -0.14% | 0.74% | 0.81% | 1.86% |
疯狂 | 6.61% | 8.98% | 5.66% | 6.16% | 5.91% | 7.90% |
RMSD | 10.89% | 13.73% | 9.82% | 10.13% | 9.50% | 12.88% |
表7：15分钟分辨率（预日）按气候区划分的GHI精度
主要发现
由于预测时间较长，准确率低于“一小时预报”。然而，基于气候的模式依然保持一致：
干旱地区 因条件稳定而表现最佳
热带地区 因对流云形成表现最差。
极地地区的 准确率也较低，部分受样本量有限的影响，
温带和寒冷气候 显示中等误差。
下图展示了“日后”GHI（小时数据）的空间精度模式。点击网站即可查看其详细统计数据。
地图2：基于小时数据的全球预先GHI预测准确性模式。
PVOUT 验证
本节介绍了Solargis光伏在“一小时”和“前一天”视野的电力输出预测准确性，并结合标准化光伏系统配置，评估了跨气候区和数据分辨率。预测PVOUT与Solargis基于 卫星的太阳能模型 和光伏模拟模型生成的历史电力时间序列数据进行比较。
验证统计基于标准化的光伏配置：
几何结构：固定（单角度）
方位角：0°或180°，视半球而定
倾斜角度：根据位置最优
装机容量：10,000千瓦
模块技术：晶硅单面
所有站点的详细PV参数可在附录中查阅。
PVOUT 验证：“一小时”视野
PVOUT代表光伏系统从阳光产生的电能。虽然GHI是决定可用太阳能的主要投入，PVOUT也取决于光伏系统的配置，包括模块倾斜和方向、装机容量、遮阳和系统损耗。
PVOUT | 每小时 | 15分钟 |
|---|---|---|
偏置 | -0.15% | -0.15% |
疯狂 | 4.89% | 5.40% |
RMSD | 8.66% | 9.68% |
表8：PVOUT准确率统计，比较每小时和15分钟（提前一小时）
PVOUT，按小时计费 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | -0.15% | 0.15% | -0.40% | -0.21% | 0.00% | 0.31% |
疯狂 | 4.89% | 5.94% | 4.08% | 4.82% | 4.97% | 6.71% |
RMSD | 8.66% | 9.62% | 7.72% | 8.63% | 8.73% | 11.54% |
表9：PVOUT平均偏差、平均偏差和RMSD变异，按气候区划分小时分辨率（提前一小时）
PVOUT，15分钟 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | -0.15% | 0.15% | -0.40% | -0.21% | 0.00% | 0.31% |
疯狂 | 5.40% | 6.49% | 4.51% | 5.36% | 5.50% | 7.38% |
RMSD | 9.68% | 10.57% | 8.69% | 9.72% | 9.74% | 12.79% |
表10：15分钟分辨率（提前一小时）下的PVOUT平均偏差、平均偏差和RMSD变异，按气候区划分
PVOUT，按小时计费 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
疯狂 | 4.89% | 5.94% | 4.08% | 4.82% | 4.97% | 6.71% |
最小疯狂 | 1.60% | 4.34% | 1.60% | 3.05% | 4.08% | 5.99% |
最大疯狂 | 8.61% | 8.24% | 6.99% | 8.61% | 6.90% | 7.45% |
表11：按气候区划分的PVOUT MAD变异（平均值、最小值、最大值）及小时分辨率（提前一小时）
PVOUT，15分钟 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
疯狂 | 5.40% | 6.49% | 4.51% | 5.36% | 5.50% | 7.38% |
最小疯狂 | 1.81% | 4.80% | 1.81% | 3.24% | 4.45% | 6.59% |
最大疯狂 | 9.15% | 8.80% | 7.58% | 9.15% | 7.54% | 8.19% |
表12：PVOUT MAD变异性（按气候区划分，15分钟分辨率为1小时）
主要发现
精度模式与GHI相似。偏置在气候区间接近零，但这并不保证高精度，因为正负误差可能会相互抵消。平均偏差（MAD）是最相关的指标，反映了预测值与实际PVOUT之间的典型偏差，而RMSD则突出极端误差，但也可能夸大罕见的异常值。
“一小时预报”的准确率在干旱地区最高，热带和极地地区最低。极地遗址统计数据因仅有两个验证地点而代表性较低。为了提供全面视图，表11和表12还包括最小和最大MAD值，帮助管理预测预期，同时显示不同地点和气候的典型表现和变异性。
下图展示了“预先”PVOUT预报（小时数据）的空间精度模式。点击网站会显示其元数据和准确率统计数据。
图3：预估小时PVOUT预测的全球准确性模式。
PVOUT 验证：“未来”视野
“未来一天”的预测期（24至48小时）对PVOUT至关重要，因为电力市场和电网运营围绕未来一天的调度来组织。发电商会提交次日的预期产量，准确的预测有助于避免失衡惩罚。
电网运营商利用这些预测规划传统发电、储备容量，并预判潜在限制，确保系统平衡与稳定。光伏电厂运营商还利用日间预测进行生产计划、市场参与和电池储能优化。较短的时间范围（“小时提前”或日内时间）主要细化这些提前一天的计划以实现实时平衡。
下表总结了每小时和15分钟数据分辨率的整体及气候“日向”预报准确性。
PVOUT | 每小时 | 15分钟 |
|---|---|---|
偏置 | 1.08% | 1.08% |
疯狂 | 6.27% | 6.70% |
RMSD | 10.49% | 11.24% |
表13：PVOUT准确率统计，比较每小时和15分钟（当天）值
PVOUT，按小时计费 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | 1.08% | 1.17% | 0.24% | 1.51% | 1.54% | 1.95% |
疯狂 | 6.27% | 7.22% | 5.13% | 6.40% | 6.75% | 7.91% |
RMSD | 10.49% | 11.21% | 9.02% | 10.77% | 11.23% | 12.88% |
表14：PVOUT平均偏差、平均偏差和RMSD在气候区各小时分辨率（预日）的变异
PVOUT，15分钟 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
偏置 | 1.08% | 1.17% | 0.24% | 1.51% | 1.54% | 1.95% |
疯狂 | 6.70% | 7.73% | 5.51% | 6.82% | 7.15% | 8.51% |
RMSD | 11.24% | 12.02% | 9.78% | 11.50% | 11.92% | 13.88% |
表15：PVOUT平均偏差、平均偏差和RMSD在15分钟分辨率（当天）下的气候区变异
PVOUT，按小时计费 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
疯狂 | 6.27% | 7.22% | 5.13% | 6.40% | 6.75% | 7.91% |
最小疯狂 | 1.82% | 5.15% | 1.82% | 4.15% | 5.32% | 7.39% |
最大疯狂 | 9.69% | 9.69% | 8.19% | 8.53% | 8.37% | 8.43% |
表16：PVOUT MAD变异性（按气候区划分，按小时分辨率计，前瞻日）
PVOUT，15分钟 | 气候 | |||||
|---|---|---|---|---|---|---|
全部 | 热带地区 | 干旱 | 温带 | 冷 | 极地 | |
验证站点数量 | 153 | 33 | 44 | 55 | 19 | 2 |
疯狂 | 6.70% | 7.73% | 5.51% | 6.82% | 7.15% | 8.51% |
最小疯狂 | 1.97% | 5.55% | 1.97% | 4.39% | 5.57% | 7.84% |
最大疯狂 | 10.29% | 10.29% | 8.76% | 8.93% | 8.92% | 9.19% |
表17：PVOUT MAD变异率（按气候区划分，15分钟分辨率为前一天）
主要发现
如预期，准确率略低于“一小时预报”，但空间和气候模式保持一致： 干旱地区表现最佳， 热带和极地地区表现最低。包含平均、最小和最大平均动氧干扰的表格通过捕捉不同地点和气候的典型表现和变异性，帮助管理预期。
下图显示了“日内”PVOUT预报（小时数据）的准确模式。点击网站即可获得详细的元数据和预测准确率统计数据。
地图4： 全球预估PVOUT预测的准确性模式。
结论
气候与可预测性：局部大气条件显著影响可预测性。干旱气候因辐射条件稳定而出现最低误差，而热带和极地地区则受复杂云动力学影响。
分辨率与地平线：随着地平线增加和时间分辨率（15分钟数据）提高，预报准确性下降，因为小时数据受益于汇总效应，将短期波动平均化。
全面评估：平均指标只能提供部分视角。由于准确性因当地条件差异显著，利益相关者应同时考虑平均值和误差范围（最小到最大平均数据差）。
额外有用信息
预报准确性提升
在运营环境中，通过优化光伏配置参数可以改进PVOUT预测。Solargis使用内部开发的光伏配置估计器，分析客户提供的测量数据，以确定最具代表性的光伏参数（倾斜、方位角、装机容量等）。这种数据驱动的调整使预测与光伏电厂的实际表现相匹配，通常能显著提升准确性。
预报准确性评估报告
对于全球任何地点，包括验证站点，Solargis 都能生成详细的预报准确性评估报告。这些报告旨在帮助客户了解光伏电站运行和市场参与情况预测数据的可靠性。关键见解包括：
涵盖多个视野的统计数据（短期到几天后）。
对绩效变化进行月度及季节性分析。
分布统计和基于百分位的预报偏差分析。
超值统计数据显示大预报误差的频率。
报告的范例可见附录。
附录
用于此准确性评估的完整每小时和15分钟Solargis预报时间序列可在此下载。
所有验证站点的详细光伏配置可 在此下载。
预报准确性评估报告示例可 在此下载。
准确度指标公式如下：
GHI精度 公式 | PVOUT 精度公式 |
|---|---|
其中：
：第 -个预测值。 ：第1个历史卫星推算值。 ：数据对数量（预报值和卫星值） ：绝对值的数学记号。 ：用于数值和或聚合的数学符号。 归一化因子（关键区别）：
对于 GHI：数值除以 1000。
PVOUT的数值除以 光伏系统的装机容量。