太阳能资源变异

机器翻译，未经校对人员审核，可能存在错误。

概述

任何特定地点的太阳辐射都不是恒定的。它在多个时间尺度上波动，每个时间尺度对太阳能项目设计、财务建模和运营规划都有不同的原因和影响。Solargis时间序列数据是本文档中所有变异分析的基础信息来源，提供高分辨率的历史太阳辐射记录，支持从亚小时波动到多十年趋势的各种尺度上的统计分析。时间序列数据可在 Solargis Evaluate 中获得。

对太阳辐射数据的统计分析提供了对太阳能可用性的详细理解，帮助太阳能项目相关者在选址、系统设计和技术选择上做出明智决策。这些洞察使太阳能电厂生命周期内的财务模型和性能预测更加准确。

本文件涵盖以下变异类型：

• 极短期到短期变异（1分钟到60分钟）：由云层经过和大气变化引起的快速波动，这对网格集成和存储规模至关重要。

• 日内变异性：一个月或一个季节内日太阳辐射总量的每日差异，适用于运营规划和短期预报。

• 季节性变异：由地球轨道几何结构驱动的太阳辐射在月份和季节间的系统性变化，这对于系统规模和产量预测至关重要。

• 年际变异性：由天气周期和气候变异驱动的年际偏离长期平均值，这对财务风险评估至关重要。

• 长期周期与趋势：太阳辐射数十年间的渐进变化，包括大气气溶胶的影响、土地利用变化和气候驱动的变化，与长期资产管理和投资组合规划相关。

从非常短期到短期的变异性（1分钟到60分钟）

非常短期和短期变异指的是太阳辐照度在一分钟到一小时尺度上发生的快速波动。这些波动主要由云层通过、气溶胶事件以及快速变化的大气条件驱动。

是什么

在每小时以下的层面，随着云层穿过太阳盘，太阳辐照度在几秒钟内会发生剧烈变化。这些波动的大小和频率取决于当地气候条件——具有频繁对流云活动或沿海雾气的地点，其变异性比干旱或半干旱地区更为强烈。

对非常短期波动的分析通常使用直方图和频率分布图进行。该方法通过统计方式展示了太阳辐照度在不同数值上的分布情况，揭示了最常见的辐照度水平以及遇到极端降级或峰值的概率。

此外，可以通过分析太阳辐射数据的斜坡（即辐射增加或减少的速率）来研究这些波动。Solargis 已发表了关于全球水平辐照度 (GHI) 斜坡和光伏发电功率输出 (PVOUT) 变化的研究成果。GHI 斜坡数据以图层形式在 Solargis Prospect 中提供。

何时以及如何使用它

理解亚小时变异性对于以下方面至关重要：

• 电网整合：太阳能输出的突然下降或峰值会破坏电网频率和电压。了解此类事件的频率和规模，使电网运营商和系统设计者能够制定适当的爬行速率控制和辅助服务需求。

• 限电规划：识别发电频率和数量超过电网容量，有助于更好地规划节电策略，最大限度地减少能源损失。

• 逆变器和电力电子设计：频繁的大波动会对逆变器及其他电力电子设备施加机械和热应力;短期变异数据有助于定义设计裕度。

注：Solargis时间序列数据的15分钟和10分钟分辨率为短期变异分析提供了基础。

日内变异性

日内变异描述了在特定期间内——通常是一个月或一个季节内——日太阳辐射形态和总量的逐日差异。与年际变异性不同，年际变异性仅比较全年总量，日内变异性关注的是每天太阳轮廓偏离典型日模式的程度。

是什么

每日太阳辐射曲线汇总了特定时期（通常为一个月）内每天每小时的平均太阳辐射量，从而展现出典型的每日辐射曲线。云层覆盖、雾气或锋面等因素造成的偏离该曲线的情况，代表了日内辐射量的变化。

分析每个月全天每小时和亚小时的平均太阳辐射量，有助于了解不同月份典型的每日太阳辐射模式。它能够精确展现太阳辐射量在一天和一年中的变化情况，这对于优化系统性能以及确保每日能源生产与电力输送承诺相匹配至关重要。

何时以及如何使用它

了解日内变异性对于以下方面非常重要：

• 储能规模： 每日剖面支持储能系统的尺寸，确保在日照高峰时储存多余能量，并在辐照度低时释放。

• 需求匹配：了解太阳能发电量在每个月的每一天与预期每日发电量曲线的吻合程度，有助于评估发电量与交付计划的匹配程度。

• 维护计划： 识别日变性较大的月份或季节，有助于在产量更可预测、风险较低的时期安排维护活动。

• 短期预报验证： 日复一日剖面比较作为验证短期太阳预报的基线。

注：每日剖面可直接作为Solargis时间序列统计输出的一部分提供，收录于Solargis Evaluate。

季节性变异

季节性变异描述了全年不同月份和季节之间太阳辐射的系统且可预测的变化。它主要由地球的轴倾角和轨道几何形状驱动，这些因素导致太阳的仰角和日照长度随季节变化。

是什么

月度和年太阳辐射总量——总和、平均值、极小值和最大值——是描述季节性变异性的主要工具。年度和每月的辐照金额对于创建准确的财务模型至关重要，包括收入预测、投资回报率（ROI）和回收期。月度总量还便于跨地点或不同年份的比较，帮助识别表现最佳的站点，并评估太阳能资源的长期趋势。

最小和最大辐照总和揭示了太阳辐射值的范围，凸显了太阳能可用性的多样性，帮助开发商评估太阳能资源的可预测性，这对财务建模和风险评估至关重要。

理解极端的操作条件（低和高）对于设计应对最坏情况的系统也很重要，以确保可靠性并防止超额或过小。识别潜在低辐射期有助于规划维护计划或储存需求。

Solargis Prospect 提供简化的季节性指数，用于指示季节变化的幅度。

何时以及如何使用它

季节性变异分析是以下领域的基础：

• 系统规模与布局优化： 了解太阳辐射的季节分布对于优化面板倾斜角度、跟踪器策略和逆变器尺寸以最大化年产量至关重要。

• 财务建模： 月度和年度辐照总和直接用于能源产额计算、收入预测和回收期分析。

• 网格规划： 了解季节性发电曲线有助于电网运营商规划容量储备和季节性平衡要求。

• 电力输送合同规划：季节性变化明显的地区可能需要考虑电力输送合同的波动性，或者购买额外的电力来平衡产量较低的季节。

提示：务必审查最低和最大月值——而不仅仅是平均值——以全面反映场地季节性绩效风险。

年际变异性

年际变异量化特定地点太阳辐射的年度波动，通常以长期平均值的百分比表示。这些波动源于自然天气周期和随机变化，导致每年太阳辐射偏离长期平均值几个百分点。

是什么

理解年际变异性对于开发商和投资者评估太阳能资源长期可靠性和可预测性至关重要。

对于特定的太阳能项目，年际变异性是利用历史年度太阳辐射量或光伏输出值序列计算得出的。虽然变异性通常针对单年进行计算，但分析可以考虑更长的周期，以反映多年数据的平衡效应。一般来说，考虑的周期越长，该周期整体相对于长期平均值的变异性就越低。

• 假设年际变异性服从正态分布，则通常采用以下步骤：

• 计算整个可用数据周期内年度值的标准差。

• 将标准差除以用于计算年际变异性的周期年数的平方根。

• 将结果除以整个数据集的平均值，以百分比形式表示。

• 将该值乘以相应的系数（例如，P90 的系数为 1.282），将其转换为所需的 P 值置信水平，例如 P90。

Solargis Prospect 中的长期变率图图层提供了 Solargis 时间序列数据年度汇总的标准差。

可以计算太阳辐射或预期光伏输出的年际变率。光伏输出的计算步骤与太阳辐射相同。然而，一种简化的方法是假设光伏输出的年际变率与太阳辐射的年际变率相同。这种近似方法存在局限性，因为它忽略了电池温度、系统损耗以及组件部分遮阴引起的非线性等因素的影响。

重要提示：简化假设光伏输出变异等于太阳辐射变异性，可能低估了在温差显著或阴影复杂条件下的实际光伏输出变异性。

GHI年际变异——示例数值

下表说明了随着考察期的延长，GHI年际变化如何减小。

多个样本站点1年、5年、10年和25年期间GHI年际变异表

何时以及如何使用它

• P值能量产量估算（P50、P90）：年际变化是计算太阳能资源数据不确定性的关键输入，进而影响概率能量产量的计算。例如，P90估算值表示10年中有9年超过的年度能量产量水平——这是项目债务融资的重要指标。

• 财务风险评估： 贷款方和投资者利用年际变异性来量化下行能源生产风险，并相应调整债务服务准备账户规模。

• 长期绩效预测： 多年变异分析有助于评估场地资源是否足够稳定以支持长期购电协议（PPA）。

长期周期与趋势

长期变异描述的是太阳辐射在数十年内逐渐变化的过程。与短期变异不同，这些变化不仅仅是稳定平均值附近的噪声——它们代表了由大气和气候过程驱动的方向性趋势或多年代周期。

是什么

发表于《遥感环境》（Remote Sensing of Environment）期刊的一项研究（欧洲过去、现在和未来的太阳辐射趋势）提供了欧洲太阳辐射数十年变化的证据。该研究利用长期地面测量数据和卫星模型分析了地表太阳辐射趋势，以描述可观测到的趋势。由于高质量的长期地面测量数据仅在欧洲可用，因此该研究仅关注欧洲。

研究结论指出，欧洲经历了“增亮”时期——1994年至2023年间，太阳辐射量每十年增加3.1 W/m²。然而，研究也指出，这一趋势在未来几十年内不会持续。已发表的文献描述了其他几个全球区域的太阳辐射正负变化趋势。对于运行寿命为25-40年的太阳能发电厂而言，忽略这种太阳能资源的长期趋势可能会导致对项目后期发电量的系统性高估或低估。

不同研究的数据质量和用于得出趋势结论的数据处理方法差异很大。此外，过去几十年观察到的趋势并不能保证未来会持续。因此，在对光伏发电量估算纳入这些趋势的分析和预测时，应充分了解数据的局限性，并谨慎进行。

何时以及如何使用它

长期趋势分析适用于：

• 长期资产管理： 投资组合经理和资产所有者在预测数十年收入和资产价值时，需要考虑太阳能资源可能的系统性变化。

• 再融资和重新供电决策： 长期趋势会影响用于再融资评估或延长电厂运营寿命决策的太阳能资源基线。

• 气候风险披露： 投资者和贷款方越来越多地要求评估物理气候风险，包括太阳能资源可用性的变化，作为ESG和TCFD相关报告框架的一部分。

• 模型校准与更新： 对长期趋势的认知决定了历史太阳辐射数据集的更新频率以及近期数据在长期平均计算中是否应被更多权重。

注：Solargis 持续更新其历史太阳辐射档案，纳入最新的卫星数据和大气输入，确保长期平均值和趋势分析反映最新的观测记录。

在Solargis平台的应用

Solargis时间序列（TS）数据是本文档中所有变异分析背后太阳辐射信息的主要来源。时间序列数据可在 Solargis Evaluate中获得，该工具包提供了完整的统计分析工具包——从亚小时分布到年际变异和Pxx估计——作为不确定性和能源产能评估工作流程的重要组成部分。

延伸阅读

• “地表太阳辐射的趋势与变异：基于卫星的多十年全球记录证据”：Riihelä， A. 等，《 环境遥感》，2025年。

• “太阳评估导论”