机器翻译，未经校对人员审核，可能存在错误。
在本文件中
我们将解释太阳辐射在从几分钟到数十年时间尺度上的变异如何直接影响能源生产和系统性能。理解这些波动有助于设计实现能源生产目标、优化财务回报并确保电网稳定整合的系统。
Solargis 平台的应用 |
|---|
该方法被用于 Solargis Prospect 和 Solargis 评估。 |
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，随着云层在天空中移动，太阳辐照度可能在几秒钟内发生剧烈变化。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，这些涨落可以通过观察太阳辐射数据中的斜坡来分析，即辐射增减的速率。Solargis在全球 水平辐照度（GHI） 中发表了关于斜坡和 光伏输出（PVOUT）变异的研究。GHI斜坡作为 地图图层在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时间段内——通常是一个月或一个季节内——辐射剖面形状和日太阳辐射总和的每日差异。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
日剖面汇总了指定期间内所有日子（通常为一个月）中每个小时的平均辐射度，揭示了特征性的日曲线。由于云层覆盖、雾气或天气锋面引起的偏离曲线，代表了日间变异。
分析每个月全天的平均小时和亚小时太阳辐射，有助于理解不同月份的典型日太阳辐射模式。它提供了太阳辐照度在一天和一年中变化的精确视角，这对于优化系统性能并确保能源产出与日常供电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： 了解太阳能发电每天多么可靠地符合预期的每日分布，有助于评估发电与交付计划的契合度。
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。
简化的季节性指数可通过 Solargis Prospect获得，显示季节变化的幅度。
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。
电力交付合同规划： 季节性变化明显的场地可能需要考虑电力供应合同的变异性，或购买额外电力以平衡季节性与较低发电量。
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，年际变异通过历史的年度太阳辐射或PV输出数值系列计算。虽然变异通常计算为单一年，但分析可以考虑更长的时间，以反映多年期的平衡效应。一般来说，所考虑的周期越长，该时期整体相对于长期平均值的变异性就越低。
假设年际变异遵循正态分布，通常采用以下步骤：
计算整个可用数据期间的年度标准差。
将标准差除 以考虑年际变异期间的平方根。
将结果除 以整个数据集的平均值，以百分比表示。
将该值乘 以相应因子（例如P90为1.282）转换为任意P值置信水平，如P90。
Solargis 时间序列数据在年度摘要中的标准差作为 Solargis Prospect 中的 长期变异图图层 提供。
年际变异可以通过太阳辐射或预期的PV输出计算。对于光伏输出，计算步骤相同。然而，简化方法假设光伏输出的年际变异性与太阳辐射相同。该近似存在局限性，因为它忽略了单元温度、系统损耗以及模部分着色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
下表展示了随着所考虑期间的延长，GHI年际变异性如何减小。
附近城市 | 乡村 | 变异性 [%] 1年 | 变异性 [%] 5年 | 变异性 [%] 十年 | 变异性 [%] 25年 |
|---|---|---|---|---|---|
科希策 | 斯洛伐克 | 3.8 | 1.7 | 0.5 | 0.1 |
弗雷斯诺 | 美国 | 2.5 | 1.1 | 0.4 | 0.1 |
库尔努尔 | 印度 | 2.3 | 1.0 | 0.3 | 0.1 |
卡拉马 | 智利 | 1.3 | 0.6 | 0.2 | 0.0 |
厄平顿 | 南非 | 1.3 | 0.6 | 0.2 | 0.0 |
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值能源产能估算（P50，P90）： 年际变异是计算太阳能资源数据不确定性的关键输入，进而推动概率性能源产额计算。例如，P90估算显示了10年中有9年超过的年能源生产水平——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，这些变化不仅仅是围绕稳定平均值的噪声——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
发表在 《环境遥感 （欧洲过去、当前及未来太阳辐射趋势）》中的研究提供了欧洲太阳辐射多十年变化的证据。该研究利用长期地面测量和基于卫星的模型分析地表太阳辐射趋势，以描述可观测趋势。由于欧洲仅有高质量的长期地面测量，该组织仅聚焦于欧洲。
研究结论指出，欧洲经历了一段“变亮”期——1994年至2023年间太阳辐射每十年增加+3.1瓦/米² 。然而，它也指出，这一趋势在未来几十年内不会持续。其他多个全球地区的已发表文献中描述了正负趋势。对于运营寿命为25–40年的太阳能电厂，忽视太阳能资源的长期趋势可能导致后续项目年中系统性高估或低估能源产量。
不同研究之间，数据质量及趋势主张所依据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保证未来会持续。因此，将趋势整合进光伏产量估算的分析和预测应谨慎进行，并充分理解数据的局限性。
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。