前景图层

  • 更新于 Apr 29, 2026
  • 发布于 Apr 10, 2025
  • 1 分钟阅读
  • MK
 Prev Next

机器翻译，未经校对人员审核，可能存在错误。

在本文件中

我们将介绍Prospect应用中可用的地图图层。

前提条件

  • 一个活跃的Solargis Prospect账户。

  • 管理员权限，用于编辑目的。

  • 一个在Prospect中创建的项目，带有 光伏系统已配置完成。

前景地图

Prospect应用提供的广泛地图图层是评估影响光伏系统性能和可靠性的环境、气候和地理因素的强大资源。通过整合先进的制图方法和经过验证的数据集，这些地图为全球不同地点的太阳能资源潜力、大气状况和风险指标提供了可操作的洞见。

每个映射层都包含简要描述、参数定义、Solargis 映射过程的详细信息以及考虑它的理由。它们被分为四类以便更好地导航：

地图图层包括：

  • 卫星地图

  • 地形图

  • 海拔地形（ELE）

  • 地形坡度图（SLO）

  • 地形方位图（AZI）

  • 土地覆盖图（LANDC）

  • 人口密度图（POPUL）

  • 光伏发电生产图（PVOUT csi）

地图图层包括：

  • 全球水平辐照（GHI）

  • 直接正常辐照（DNI）

  • 直接到全球水平辐照比（D2G）

  • 最佳倾斜表面的全局辐照（GTI OPTA和OPTA）

  • 长期太阳能资源变异（GHI VAR long）

  • 短期太阳能资源变异（GHI VAR短）

  • 太阳能资源季节性指数（GHI VAR季节，DNI VAR季节）

地图图层包括：

  • 离地面2米时的空气温度（TEMP）

  • 日模块温度振幅高于50°C（TMOD AMP50）

  • 相对湿度（RH）

  • 距地面10米时的风速（WS）

  • 风阵 第99卷（WG 第99页）

  • 降水量（PREC）

  • 雪天（雪）

  • 冷却度日（CDD）

  • 加热度日（HDD）

地图图层包括：

  • 地面反照率（ALB）

  • 最低预期工作温度（TLEO）

  • 最高预期工作温度（THEO）

  • 可降水（PWAT）

  • 紫外线A和B（紫外线，UVB）

  • 腐蚀降解速率（CORR）

注意：关于大多数地图定义、映射过程及考虑原因的详细信息，请参见以下章节。

一般地图

海拔地形（ELE）

地形特征对当地生态系统有着强烈影响。海拔是最具影响力的地形参数，直接影响当地气候和大气条件。

地形也影响人类活动，影响交通路线、能源使用、可达性和土地利用。人类活动的环境足迹在平坦和崎岖或切割地形之间差异很大。

定义：地势海拔是指陆地点相对于平均海平面的高度，单位为米或英尺。

Solargis使用3角秒（≈90米）分辨率的地形高程数据，主要来源于航天飞机雷达地形任务（SRTM v4.1），覆盖60°N至56°S之间的陆地。 极地地区使用Viewfinder Panoramas3（Jonathan de Ferranti）。缝隙用ASTER GDEM V2填补，水深测量来自GEBCO 30英尺。

海拔值可能与其他模型不同，原因包括：

  • 不同的数据源和空间分辨率。

  • 模型缺陷（噪声、插值误差、地形表示限制）。

  • 垂直参考系的变化（例如，SRTM使用EGM96大地水准面作为平均海平面，其他系统可能不同），导致差异，尤其是在复杂地形或大地水准面变化较大的情况下。

  • 准确的场地及周边海拔数据对于太阳能电站设计至关重要。附近的高地可能导致遮荫，影响能源产出——Solargis Prospect在“场地详情”部分对此进行了评估。

  • 如果已知其高度和位置，可以在阴影分析中包括 人为或自然障碍 物（建筑物、树木）。遮蔽对光伏组件性能有显著影响，必须仔细评估。

  • 了解地形几何 还有助于减轻水流和碎片堆积等重力驱动的危害，降低运营风险。

  • 高海拔地点（2000米以上，尤其是4000米）会受到更高的紫外线辐射，对光伏材料造成压力，并可能降低耐久性和性能。海平面以下或靠近水体的地点需要仔细评估洪水风险。

地形坡度和方位图（SLO，AZI）

定义：

  • 地形坡度（SLO）衡量土地的陡峭程度——即在设定水平距离内海拔变化的幅度。它以度（°）表示，表示陆地表面与平面之间的夹角。

  • 地形横位或方位 角（AZI）表示坡面的方向，按顺时针方向从北方测量（0°=北，90°=东，180°=南，270°=西）。坡度不超过1°的坡度被视为平坦;1–2°为准平坦，此时由于倾斜最小，朝向不明确。

SLO和AZI地图基于地形高程数据（ELE）利用栅格代数计算，覆盖3×3像素区域，输入数据分辨率为3角秒（≈90米）。

地形几何对于环境分析、建筑、水流、侵蚀、稳定性，尤其是太阳能设计至关重要。面向赤道的坡面接收更多太阳辐射，非常适合太阳能采集。

对于位于斜坡或不平地面的公用事业级光伏系统，需要适当的行间距以避免自阴影，即一排阴影遮挡另一行，降低能源产出。

在复杂地形中，光伏电厂设计和性能建模变得更加具有挑战性。高质量的地形数据对于精确的着影模拟以及最小化因不优布局或地形引发的阴影造成的能量损失至关重要。这些优化可以在 Solargis Evaluate 中完成。

土地覆盖（LANDC）

城市化、农业和基础设施发展极大地改变了全球自然土地覆盖，影响生态系统和气候。需要谨慎的规划和可持续管理，以减少环境破坏并确保公平获得能源资源。

定义：根据粮农组织（FAO）的定义，土地覆盖是指地球表面观察到的物理覆盖，包括植被（自然或人工）以及人为结构。

LANDC地图采用C3S全球土地覆盖图（分辨率300米，v2.1.1），根据联合国粮农组织土地覆盖分类系统（LCCS）将土地分为22种类型。陆地覆盖通过多次任务（1992年至今）的时间序列卫星图像进行识别。详细方法可在哥白尼项目官网查阅。

公用事业规模的太阳能发电厂需要大量土地，当前的土地覆盖情况必须考虑，因为在开发和运营过程中土地覆盖会发生变化。国家和地方法规通常限制可用于能源项目的土地覆盖类型。LANDC地图为规划和决策提供了必要的初步信息。

人口密度（POPUL）

由于全球人口分布不均，能源需求差异很大。需要对能源生产和基础设施进行精心规划，以满足区域需求。

定义：人口密度是指某一区域内居住的人口数，以每平方公里的人口数表示。

POPUL地图使用了由Solargis优化的格网人口（GPW）数据，分辨率为30角秒（≈1公里）。来源数据质量因国家和人口普查细节而异，但该地图可靠地显示了人口分布，便于广泛规划和分析。

人口密度影响能源规划：

  • 高密度 区域能源需求较高，但土地有限且成本较高，使大型项目更具挑战性。

  • 低密度 地区可能缺乏本地劳动力和关键基础设施，给能源项目带来物流和财务上的障碍。

光伏发电（PVOUT csi）

该地图概述了 太阳能光伏（PV）发电的估计潜力。它代表了1千瓦峰值并网连接光伏电站的平均年发电总量，配置为最常用的技术规格。这种标准化方法使得全球不同地区和地区太阳能潜力能够持续进行基准对比。

定义： 太阳能发电量通过高分辨率太阳能资源数据和Solargis开发的先进光伏建模软件计算。建模的光伏系统由地面安装的独立晶硅（c-Si）光伏模块组成，这些模块以最佳倾斜角度固定于赤道方向，以最大化年能量产率。假设采用高效逆变器，因污垢和污渍造成的损耗估计为3.5%，累计转换损耗（如遮阳、不匹配、逆变器、布线、变压器）为7.5%。该系统以100%可用性为模型，确保无停机。对于替代配置或场地特定配置，用户可以使用 Solargis Prospect 光伏配置器进行定制计算。

为了高效生成全球PVOUT地图，Solargis采用了优化为大尺度制图的PV计算器。计算以30角秒（~1公里）的空间分辨率进行，创建连续网格数据集，并提供长期、年度和月度的汇总统计数据。该模型结合了太阳辐射、空气温度和地形数据，以模拟能量转换过程并考虑系统损失。虽然这种制图方法确保了全球比较的快速且可靠的结果，但功能齐全的Solargis Evaluate工具也可用于更详细的场地特定分析。

PVOUT地图为标准系统配置提供了快速且可靠的光伏发电量估算。这些信息对于比较各地区太阳能潜力和识别有前景的进一步调查地点极为宝贵。然而，由于实际的光伏配置可能与本地图中使用的标准配置有显著差异，建议用户通过特定位置输入和专用工具如Solargis PV配置器中的自定义配置来细化分析。这确保了更准确的预测，针对具体项目需求量身定制。

太阳资源地图

全球水平照射（GHI）

这张太阳能资源图提供了 地球表面可用于 发电及其他能源应用的太阳能估算。它为评估太阳能潜力和优化能源系统提供了基础参数。

定义： 全球水平辐射（GHI）是指到达地球表面水平面的太阳辐射总量，包括直接辐射和漫射成分。它代表了直射阳光和大气散射光的总和。GHI与地面火速仪测量的数据非常接近。然而，需要注意的是，虽然长燃仪观测仅针对单一点，而由模型得出的GHI值代表网格单元面积（像素）的平均值，这会影响测量数据与建模数据之间的比较。

GHI数据采用Solargis太阳模型计算，该模型在10、15或30分钟间隔内整合大气和卫星数据。这些高频时间序列随后被汇总为长期、年度和月度统计数据，形成网格化的数据层。测绘过程在名义空间分辨率250米下考虑地形影响，确保对不同景观中太阳资源变异的准确呈现。

理解GHI对于估算特定地点接收的太阳能量至关重要，使其成为光伏系统规模和优化的关键参数。作为能源产额计算的主要输入，GHI直接影响选址、系统设计和性能预期的决策。该地图使用户能够高效评估太阳能潜力，并支持在太阳能项目规划中做出明智决策。

直接正向照射（DNI）

DNI太阳能资源图提供了可用于发电及其他应用的太阳能量估算，特别关注利用太阳能跟踪技术的系统。它是评估先进太阳能系统性能的关键参数，如聚光太阳能（CSP）和倾斜或太阳跟踪光伏（PV）组件。

定义： 直接法线辐照（DNI）表示太阳辐射中直接照射到垂直于太阳光线的表面的部分。与测量水平表面辐射的全球水平辐照（GHI）不同，DNI专注于直射阳光，而不考虑漫射辐射。这个参数与地面热传力仪测量的高度高度一致。然而，需要注意的是，虽然热传仪读数仅限于单一位置，但建模的DNI值代表网格单元面积（像素）的平均值，这会影响观测数据与建模数据之间的比较。

DNI数据采用Solargis太阳模型计算，该模型在10、15或30分钟间隔整合大气和卫星数据。这些高频时间序列被汇总为长期、年度和月度统计数据，形成网格化的数据层。测绘过程在名义空间分辨率250米下考虑地形影响，确保对不同景观中太阳资源变异的准确呈现。

理解DNI对于优化太阳能跟踪系统和CSP技术至关重要，因为在这些领域，直射阳光在能源转换中起着主导作用。它对于计算倾斜或太阳跟踪光伏模块所接收的全球辐照也至关重要。作为能源产能计算和性能评估中最重要的参数之一，DNI使项目开发者能够设计出最大化效率和产出的系统。该地图帮助用户识别具有高直射阳光潜力的区域，指导先进太阳能应用的选址和系统配置决策。

直接到全球水平辐照比（D2G）

定义：直接到全球水平辐照比值（D2G）衡量了全球水平辐射总量（GHI）中弥散水平照射（DIF）的比例，采用长期平均数据。更高的D2G值意味着漫射光在特定地点的太阳能资源中占比更大。虽然理论上D2G的值范围在0到1之间，但实际地表的值通常在0.15到0.75之间。

D2G 是通过栅格（数组数据）代数计算的，具体如下：

D2G = DIF / GHI

DIF和GHI均由Solargis太阳辐射模型生成。在Prospect中，D2G地图显示长期平均值，但D2G也可以针对不同时间段计算，如年度、月度或其他时间序列格式。最高的D2G值通常出现在气候寒冷的沿海地区，如法罗群岛或巴塔哥尼亚西部，这些地区常有持续的云层覆盖。高D2G值也出现在大气气溶胶较多的地区，如中国中部四川盆地。相比之下，最低的D2G值出现在干旱地区，如澳大利亚西部、非洲西南部以及智利-阿根廷边境的高地，这些地区晴朗的天空和低大气湿度使得阳光直射更多。

对于大多数太阳能项目，优先选择直射阳光比例较高的地点，因为现代光伏技术通常从直射光中产生比漫射光更多的能量。然而，某些光伏技术——如薄膜模块——在漫射条件下表现优于其他技术，如晶体硅模块。

在比较地点时，仅仅看绝对的DIF值可能会产生误导。例如，南非开普敦和德国慕尼黑的弥散辐射量可能相近，但开普敦的总太阳能资源（GHI）几乎是两倍。D2G比率通过显示漫射光的相对比例来突出这一差异。

全局辐照以实现最佳倾斜表面和最佳倾斜（GTI opta 和 OPTA）

定义：全球倾斜辐射（GTI）是指击中倾斜表面（如光伏（PV）模块）的太阳辐射（包括直接和漫射）的总量。与水平表面不同，倾斜面还会接收少量地面反射辐射。GTI是决定光伏技术性能的关键因素。

最佳倾斜 （OPTA）是指表面（例如光伏模块）向赤道倾斜的固定角度，以最大化GTI的年度能量产能。

GTI是通过全球水平辐射（GHI）、直接法向辐照度（DNI）、地形反照率和太阳位置计算的。计算以15分钟为单位进行，使用倾斜表面的漫射度模型和角反射损失。所得的时间序列数据随后被汇总为长期、年度和月度统计数据，并格式化为网格数据层。地形特效以250米的名义空间分辨率包含。

OPTA通过寻找一年内最大化GTI的倾斜角度来确定，考虑了当地天气模式和地面反射率（反照率）。该计算以2角分（约4公里）的空间分辨率进行，这意味着它不考虑微气候变化或附近地形的阴影。它也不包括系统特定的设计因素，如行间遮蔽或温度对光伏输出的影响。

GHI测量水平面上的太阳能资源，而GTI则是光伏发电的关键参数。GHI和GTI之间的差异随着距离赤道的距离增加而增加，无论是南北。

注释1： 在此背景下，GTI是针对固定光伏模块，设定为最佳倾角（OPTA），这是许多光伏项目的可靠估计值。然而，对于详细的光伏系统设计，应计算实际安装配置的GTI，可能包括跟踪系统。如果系统设计已知，务必使用相应的GTI计算。

注释2： 光伏系统设计通常会根据其他因素进行优化，如减少行间遮蔽、提高冬季能源产出或适配屋顶几何形状。因此，实际倾斜角度可能与OPTA不同。理解使用不优倾斜所造成的能量损失，有助于了解系统性能和潜在的效率提升。

长期太阳能资源变异（GHI VAR long）

全球水平辐射的长期变 异性（GHI）描述了太阳能资源逐年及数十年周期的周期。Solargis Prospect现包含全球地图和数据，详细介绍了年际太阳能资源变异。

定义：Solargis Prospect 中的 GHI VAR 多头是通过 GHI 年度时间序列的标准差来表征的，该标准差以相对值（百分比）表示。

首先，Solargis 时间序列数据，特别是 GHI 参数，被汇总为覆盖全球的网格中每个点的 年度时间序列 。标准差随后从汇总的年度时间序列中计算得出。该标准差被用作太阳能资源长期变异性的度量。

开发商和投资者需要考虑太阳能资源长期变异带来的 不确定 性。太阳能资源的年度变化导致光伏电厂的功率输出波动，进而影响财务规划。

数值越高表示年际变异性越大，表明年度汇总相对于长期平均值的分布越大（例如，值范围越广）。地图表示方式允许比较不同地点或区域间太阳能资源的稳定性。

短期太阳能资源变异（GHI VAR短）

短期（或日内）变 异与大气和云层的实际状态相关，反映了白天云层引起的太阳资源间歇性。该层映射的参数是全局水平辐照。

定义： GHI VAR短板可以用多种指标来描述。这里，我们选取了来自Solargis GHI时间序列分析的超过300 W/m2阈值的GHI斜坡的年平均计数。

GHI VAR 简短数据基于 Solargis 数据库中 GHI 的亚小时时间序列分析。它基于代表2019年至2023年（全球现代气象卫星时代）的GHI协调的10分钟或15分钟时间序列网格数据，名义空间分辨率为4公里（具体为2角分）。统一时间序列在全局网格中进一步处理如下：

  • 计算全年每日 的太阳正午 。

  • 将太阳吉斯GHI时间序列子设置为太阳正午起计±3小时。

  • 计算连续时段差异。

  • 统计斜 坡 并从过滤数据集中计算其他统计数据。

  • 将数据合并  为单一无缝的全球数据集和地图合成。

更详细信息可见我们在 2024 年维也纳EU PVSEC会议上的贡献。

太阳能资源的突然变化是由云的形成和移动引起的。具体来说，移动的散射（间歇性）云往往会导致太阳辐照度频繁变化。太阳能资源间歇性是光伏电站运行和电网平衡的挑战。

GHI VAR简图作为光伏系统规模和管理及短期储能或其他补偿机制的指标，评估光伏电厂性能（如削波损耗的指示），作为新太阳能园区选址因素，最终成为电网管理的关键资源，具有价值。

太阳能资源季节性指数（GHI VAR季节，DNI VAR季节）

定义：季节性指数衡量全年太阳能资源可用性的变化程度。它是作为GHI（全球水平辐射）或DNI（直接正向辐照度）在最高月和最低月份的长期平均月总总额之间的比值计算出来的。该指数显示了太阳能资源在典型年份内的稳定性或波动性。

理论上，季节性指数范围从1到无穷大。值为1意味着太阳能资源在所有月份均匀分布，没有季节变化。在现实环境中，数值通常在1.1到20.0之间。在极端情况下——如靠近极地或复杂的山区——季节性可能高于20。对于DNI，如果一个地点至少一个月没有直接照射，则视为超出辐射范围。

GHI和DNI季节性指标通过栅格（数组数据）代数计算如下：

GHI季节性 = 最大（GHI月长期平均值）/ 最小值（GHI月长期平均值）

DNI季节性 = 最大值（DNI月长期平均值）/ 最小值（DNI月长期平均值）

GHI和DNI的长期月平均值通过Solargis太阳辐射模型的聚合统计数据生成。

太阳图显示，季节性通常随着距离赤道的距离增加而增强，向极地地区尤为明显。然而，由于特定的大气模式，比如南亚的季风或欧洲大西洋天气系统的影响，存在区域异常，尤其是DNI。

理解季节性变化对于能源规划者、系统设计师和政策制定者至关重要。它为能源结构、储能需求和电网整合等决策提供参考。

低季节性（指数1–2）：表示全年太阳资源稳定，典型于赤道和热带地区。

适度季节性（指数2–5）：全年变化明显，常见于45°纬度范围内。

高季节性（指数>5）：反映强烈的季节性变化，夏季太阳可用率远高于冬季，这在温带和高纬度地区是典型的。

对于DNI，了解季节性在选择太阳能技术时尤为重要。DNI季节性较高的地区可能更适合固定安装系统，而全年DNI较稳定的地区则适合跟踪系统。

注意：高GHI季节性并不总是意味着光伏发电（PVOUT）的季节性也高。这是因为较低的冬季太阳辐照度通常与较低的环境温度相吻合，这实际上提高了光伏效率。因此，实际PV产量的季节性变化通常小于单独的GHI波动。

气候地图

离地面2米时的空气温度（TEMP）

空气温度是日常生活中熟悉的一部分，也是关键的环境因素。它定义了结构周围的环境条件，在材料工程中至关重要，直接影响太阳能系统的耐久性和性能。

定义：在地面上方2米处测量的长期平均空气温度。

TEMP地图基于ERA5-Land和ERA5气候再分析数据（ECMWF和哥白尼气候服务）制作，原生分辨率为0.1°（≈11公里）和0.25°（≈28公里）。长期月平均和年均值均基于每小时数据（1994年至今）计算。

为了提升细节，尤其是在复杂地形和沿海地区，采用了空间分解方法。该系统基于海拔和多层空气温度数据进行延误率修正，得出30角秒分辨率（≈1公里）的温度值。

空气温度是影响光伏系统输出的第二重要因素（仅次于太阳辐射）。随着空气温度上升，光伏组件温度也会上升——由于太阳加热，温度常常超过环境温度。大多数晶硅（c-Si）光伏模块在标准测试条件下，每25°C以上每°C的输出损失约0.4%至0.5%。在炎热气候下，这可能导致显著的性能损失，尤其是在没有足够冷却的情况下。

注：其他技术如非晶硅（a-Si）温度系数较低（每°C为–0.1%至–0.25%），受热影响较小，但效率较低，使得碳硅仍是最广泛使用的。

日模块温度振幅高于50°C（TMOD AMP50）

光伏组件的 昼夜热循环 会导致温度波动，影响性能和寿命。虽然极端温度幅度的出现可能不常见，但它们会在光伏系统的运行寿命内积累热应力。

定义：TMOD AMP50 计算为每年平均每天光伏模块温度振幅大于 50 °C。

首先，在覆盖全球的网格中计算了光伏模块温度（TMOD）的时间序列。计算光伏模块温度的输入是2米空气温度的每小时时间序列和全球水平辐照（GHI）的每小时序列，均来自 ECMWF ERA5 气象模型。

采用简化的NOCT（正常操作电池温度）热模型，NOCT值相对较高，48°C，并以全球水平辐照（GHI）代替全球倾斜辐照（GTI）来计算PV模块温度TMOD：

TMOD=Tair+GHI*（NOCT-20）/800

由于模块温度的每日振幅最大出现在炎热季节（太阳高度高且太阳辐射值高），使用GHI代替GTI对结果影响不大。尽管TMOD模型结构简单，但其相对准确，已在全球大量光伏系统中获得验证，并且在光伏行业中被广泛应用。

最后，计算了数据集中每一天的TMOD时间序列的每日振幅。超过50°C的振幅被计数并取平均，以得出平均的年度数值。

热循环 是多种光伏组件公认的降解机制之一。光伏模块必须特别符合IEC 61215-1规定的热周期极限。了解项目现场大振幅的预期温度周期数，是理解光伏组件预期劣化速率的关键。这种理解使项目开发者能够采用适当的缓解策略。Solargis Prospect中的地图还允许对不同区域进行比较，并在建立光伏项目时考虑风险。

可靠湿度（RH）

大气中的水蒸气吸收并散射阳光，降低空气透明度。高水蒸气水平会增加凝结和云的形成，从而扩散直接的太阳辐射，显著减少到达地表的阳光。

定义：相对湿度（RH）是指空气中水蒸气相对于同一温度下最大可能值的百分比。

相对湿度图基于露点和地面上2米的空气温度计算，使用ERA5再分析数据（ECMWF和哥白尼气候服务），分辨率为0.25°（≈28公里）。公式如下：

RH = （露水温度 / 空气温度） × 100

1994年以后的每小时数据被汇总为长期、年度和月平均值。

RH地图支持区域比较，突出显示湿度异常高或低的地区。月度数据显示季节性相对湿度极端，并显示云形成潜力——相对湿度较高的地区通常云覆盖更为持久。

高相对湿度还会影响光伏系统材料，加速金属腐蚀等劣化过程。结合频繁的冻融循环（温度在0°C上下波动），高湿度增加机械应力，导致疲劳、开裂或结构老化。

距地面10米时的风速（WS）

风能以多种方式影响光伏装置。温和的风能为系统降温，提高炎热天气中的性能。然而，极端风灾——包括阵风——可能会因碎片或过大结构载荷而造成损害。

定义：在地面上方10米处测量的长期平均风速。

WS图基于U型和V型风分量，利用ERA5-Land和ERA5再分析数据（ECMWF和哥白尼气候服务）以0.25°分辨率（≈28公里）生成。长期月度和年平均值是从1994年到最近一年的每小时数据计算的。

风速塑造了太阳能电站的运行环境。年度WS地图便于区域比较，突出显示风力异常强弱的区域。月度数据有助于识别季节性风向极端情况。

极端风速场地应使用更高分辨率（最好是每小时或亚小时）数据进行详细风险评估，例如Solargis Evaluate中的数据。

WS地图还显示区域风能潜力，支持太阳能与风能联合项目的早期分析。为了详细的可行性，请使用更高分辨率的数据和现场测量。

注意：风速观测可能因地形、植被或建筑物而异，因此在比较地图数据与本地测量数据时需谨慎。

阵风 p99（WG p99）

阵风 （WG）会影响光伏组件的稳定性和跟踪系统，其极端强度可能导致能量损失和结构性风险。了解风向模式对于优化光伏系统设计、确保长期可靠性和防止损害至关重要。

定义：WG p99是根据ERA5小时数据集计算的10米高处阵风的第99百分位数，时间为2001年至2020年，平均为年度数据。这个百分位对应一年内风阵风出现次数最多的约80次。

阵风是指在观测周期内（通常为1小时）内记录的 20秒平均 风速的最大值。通常在距地面10米处测量。

为了制作太阳前景图p99的地图和数据，我们使用 了ECMWF ERA5 气象模型中的WG小时时间序列。根据这些数据，2001年至2020年间每年计算出第99百分位数值。然后将年度数值平均，形成全球网格中每个地点的单一数字。

风能对光伏结构产生机械载荷，影响耐久性和性能。极端风速会损坏光伏模块，并可能引发看不见的裂纹。此外，强风阵风会迫使光伏跟踪器进入保护性收纳位置，从而减少能源生产。场地特定的风力评估有助于选择合适的模块、跟踪器和支撑结构设计。

降水量（PREC）

降水与空气温度一起，是气候分类的主要因素，对生态系统和光伏电厂效率都至关重要。水循环直接影响光伏的性能。

定义：降水量（PREC）是指降落到地表的凝结大气水蒸气——雨水和雪——的总量。

PREC地图基于ERA5-Land和ERA5再分析数据（ECMWF和哥白尼气候服务），空间分辨率分别为0.1°（≈11公里）和0.25°（≈28公里）。长期月度和年平均值是从1994年到最近一年的每小时数据计算的。

降水自然净化光伏组件，减少污垢并保持能量产出。在降雨少且土壤较多的地区，需要更频繁的人工清理，从而增加运营成本（OPEX）。

降水的时间和总量同样重要。月度数据有助于识别降雨在特定时期是均匀分布还是集中。均匀分布的降雨可能消除人工清洁的需求，而干旱地区——即使年降水量较高——也因定期清洁以优化光伏表现而受益。

雪天（SNOWD）

积雪覆盖因气候而异——在某些地区保持稳定，或频繁变化，尤其是在冻融循环频繁的地方。

定义： SNOWD表示每年（或每月）地面积雪覆盖天数，其中雪深水当量（SDWE）超过5毫米的平均天数。SDWE低于5毫米的地区被归类为“偶发”降雪。

SNOWD地图汇总了ERA5-Land和ERA5再分析（ECMWF和哥白尼气候服务）的SDWE数据，分辨率为0.1°（≈11公里）和0.25°（≈28公里），并包含Solargis后处理。长期月平均和年均值则基于每小时数据计算（1994年至今）。

降雪主要以两种方式影响光伏电站：

能源产能：光伏模块积雪阻挡阳光，停止发电。虽然地面积雪不能直接衡量模块覆盖率，但SNOWD是评估潜在损失的有用初步估计。详细分析可在 Solargis Evaluate 中获得。

结构载荷：大雪会给光伏组件和安装结构增加机械应力，因此在高积雪地区需要加固设计。

雪还能通过清洁模块，使太阳能系统在融化和滑落时受益。此外，SNOWD地图还能帮助识别积雪覆盖可靠的区域——对冬季运动规划非常有用

冷暖度日（CDD，硬盘）

冷却度天数（CDD）和供暖度日数（HDD）是建筑和能源行业用于估算建筑制冷和供暖能源需求的指标。这些指标反映了当地气候，使气候类型成为建筑能源需求的关键因素。

定义：

  • CDD测量室外空气温度超过18°C基准温度的程度（度数）和天数（多长），表示冷却能量需求。

  • HDD测量室外空气温度在相同基温18°C以下的程度（以度数）和以天计的时间，显示供暖能耗需求。

全球CDD和HDD地图基于ERA5气候再分析（ECMWF和哥白尼气候服务）以0.25°分辨率（≈28公里）进行的每小时空气温度数据（1994年至今）。每日CDD和HDD值先被计算，然后汇总为长期的月度和年度平均值。

了解季节性建筑能耗对于建筑和暖通空调设计以及能源规划至关重要。

高CDD的地区受益于建筑集成光伏（BIPV），因为高峰冷却需求与夏季高太阳辐照度相匹配。

相比之下，硬盘密度较高的地区可能发现BIPV系统在供暖需求方面效果较差，因为冬季供暖需求达到峰值，而此时太阳辐照度和光伏输出较低。

环境地图

地面反照率（ALB）

反射过程——以反照率计——是地球辐射收支和能量平衡的关键组成部分。地面反射的太阳能量会影响可用于太阳能发电的能源量。

定义：地面反照率是地球表面反射的太阳辐照度比例，计算公式为：

反照率 = 反射水平辐照度 / 全局水平辐照度

它是无量纲的，范围从0（完美吸收体）到1（完美反射体）不等。大多数自然陆地表面的反照率值在0.15–0.35之间;水体较低（~0.05），而新雪或清冰可超过0.85。

ALB地图基于2006年至2015年间的MODIS卫星数据（NASA），并汇总为长期、年度和月平均值。空白区域由ERA5再分析数据（ECMWF和哥白尼气候服务）填补，极地地区则使用额外的海冰数据（NSIDC）。最终分辨率为30角秒（≈1公里）。

在双面光伏技术中，地面反照率对于最大化能量产值至关重要，因为反射辐照度能提升发电能力。反照率是光伏性能模拟的关键输入，影响全球水平辐射（GHI），并帮助确定最佳模块倾斜角度和跟踪策略。

最低预期工作温度（TLEO）

最低的预期运营温度通常发生在日出前或日出前后。此时光伏组件处于最冷状态，当强烈的太阳辐射突然袭来时，可能导致光伏串的电压迅速升高。

定义：TLEO在IEC 62738标准中被定义为空气温度最低年均值的平均值。如果数据足够多，可以限制在日照时间和低辐照阈值内。

全球TLEO地图的开发基于ECMWF和哥白尼服务提供的ERA5气候再分析数据，其本地空间分辨率为0.25°（约28公里）。每年，从1994年至近年的每小时时间序列中提取地面上2米处的绝对最低气温。TLEO值随后被计算为这些年度最低值的平均值。

为了解决粗ERA5分辨率的局限性——尤其是在垂直地形变化明显的山区和沿海地区——采用了空间缩放方法。该方法利用地形高程和多层空气温度场得出的时延率修正。结果是一个高分辨率的全球TLEO值数据集，分辨率为30角秒（约1公里）。

计算出的最大PV串长通常是最具成本效益的选择，因为它减少了电缆损耗和整体电缆长度。当计算的最大电压略高于系统最大额定值时，可能导致系统过载。

关于TLEO的进一步阅读，可见专门的Solargis 博客文章。

最高预期工作温度（THEO）

最高预期工作温度有助于理解光伏系统温度容忍的上限。这种理解有助于全面评估潜在危险并实施适当的缓解措施。

定义：最高预期工作温度的计算方法类似于IEC 62738标准中定义的最低期望工作温度（TLEO）。它是通过20年来该地记录的最高气温的平均值计算出来的。

为了计算THEO，Solargis使用 ERA5-Land气候再分析数据 （来自ECMWF和哥白尼服务），网格分辨率为0.1°（~11公里），细分为1公里网格。2001年至2020年间，每年计算2米高处的最高年气温，然后取平均以得出最终THEO值。空气温度数据已通过全球5900多个气象站的测量数据进行验证。验证机制在我们关于TLEO的 博客文章 中有详细说明。

极端高温会负面影响光伏系统的性能，导致效率下降、寿命缩短以及故障发生频率增加，这些故障可能带来灾难性后果。光伏系统中的几个关键组件受到影响：

  1. 高温会导致 光伏组件加速劣化，降低功率输出，甚至可能需要提前更换。虽然热失控比电池更少，但长时间发热会导致性能问题。

  2. 如果冷却不足，逆变器容易过热。如果管理不当，过热可能导致故障，扰乱整个光伏系统。

  3. 电池，尤其是锂离子电池，在极端高温条件下可能发生热失控，导致火灾或爆炸。

可降水（PWAT）

PWAT测量空气柱中的总水分，表示如果所有蒸气凝结，降水量会有多少。它不同于实际降水量（PREC），后者是到达地面的水量。

定义：可降水是指如果所有水蒸气都凝结并沉淀，水在大气垂直柱中的深度（单位为毫米或千克/平方米）。

PWAT地图基于大气总水蒸气，从地面到大气顶部，使用ERA5再分析数据（ECMWF和哥白尼气候局）以0.25°分辨率（≈28公里）计算。1994年以后的每小时数据被汇总为长期、年度和月均值。

PWAT对于理解大气湿度及其对太阳辐射的影响具有重要价值。虽然火速仪和太阳数据库如Solargis提供宽带辐射数据，但很少提供光谱分布。考虑PWAT的模型提高了光谱位移估计的准确性，并且在光伏能量建模软件中被越来越广泛地使用。

PWAT在时间序列分析中特别有用，但长期平均图则能初步反映典型的PWAT水平和季节性模式。

紫外线A和紫外线B（UVA和UVB）

太阳辐射较高的 紫外 线会加速光伏组件及其他光伏组件的劣化，降低其效率。它会损伤材料，产生自由基，导致开裂和变色。随着时间推移，它还可能削弱封装材料，导致分层和潮湿损害。

定义：Solargis Prospect中的UVA和UVB地图及数据代表了各自光谱内每年 辐射的平均汇总 。

全球UVA和UVB辐射地图代表了1994年至2022年期间计算 出的平均年度UVA和UVB辐射 。这些参数虽然与太阳辐射相关，但它们是根据 ECMWF采用Solargis光谱分裂方法的全球气象模型ERA5推导得出的。

光谱宽度为315-400纳米的辐射被视为UVA，光谱宽度为280-315纳米的辐射称为UVB。模型中UVA和UVB辐射的输入如下：

  • 来自 ECMWF ERA5 模型的宽带紫外线数据，

  • 来自 ECMWF ERA5模型的总臭氧柱，

  • ECMWF MACC-II 的气溶胶光学深度 AOD

光伏模块、非屏蔽电缆、互联线、合路箱及其他暴露的光伏系统组件不断受到紫外线辐射的影响，并经历老化和劣化过程。紫外线在聚合物结构中引发光化学效应，导致材料降解。

Solargis Prospect提供的UVA和UVB地图及数据可用于比较不同地理位置的紫外线辐射，评估过早失效或性能下降的风险，并采取适当的缓解策略，例如选择抗紫外线更高的组件。

腐蚀降解速率（CORR）

腐蚀 是光伏组件中的一种降解效应，主要由温度和湿度驱动。它会削弱电气连接，增加漏电流，并随着时间推移减少功率输出。

定义：腐蚀降解速率（例如，光伏模块最大功率点下的功率损失速率）利用佩克模型计算，并结合 ECMWF ERA5 气象模型的输入。

腐蚀最常见的模型之一是 佩克模型，其降解速率DR表示为：

DR=A*（RHeff）n·exp（-E/（kB*TMOD））

其中：

  • A - 前指数常数

  • RHEFF - 模块内有效相对湿度，单位为[%]，

  • n – 相对湿度影响参数

  • E - 降解过程的活化能，单位为[eV]

  • kB - 玻尔兹曼常数（8.62x10-5 [eV/K]）

  • TMOD - 模块温度（单位：[K]

该模型用于Solargis Prospect中腐蚀图和数据的计算。大气参数是通过ERA5重新分析获得的。采用了Kaaya等人提供的户外模A、n和E的值，RHeff则用Koehl在al提出的模型计算得出。

高温和湿度加速腐蚀，影响光伏组件的性能和寿命。腐蚀可能单独发生，也可能与其他降解方式如热点、污垢或玻璃破裂同时发生。它在热带和沿海地区更为常见，但在任何环境中都会随着时间推移加重。了解腐蚀风险有助于模块选择、维护规划和光伏项目选址。