天气和气候数据：光伏杂志网络研讨会的问题答案

关于与正常辐照的季度偏离，当地存在很大差异（来源维萨拉：2015年第2季度从正常出发（GHI）。

版权：维萨拉

关于与运维和计划主题有关的天气数据的pv杂志网络研讨会引发了参与者的很多问题。这促使我们在本网络研讨会系列的主动合作伙伴维萨拉（Vaisala）提出了针对所提出的最相关和最有见地的问题的详细答案。

天气数据在项目融资和运维计划中都扮演着重要角色。本质上，无论是短期还是长期，越来越多的问题反复出现，减少不确定性至关重要。例如，通常对于规模超过20兆瓦的项目，维萨拉认为有一种在施工前安装测量站的趋势（请参见下文）。维萨拉说，如果做到这一点，通过将该台站的结果与卫星数据结合起来，有可能将不确定性降低50％。例如，在获得项目资金时，这可能会带来优势。

单击此处直接转到有关特定主题的答案：

维萨拉产品有关天气数据和预报的问答关于不确定性和可变性的问答与现场测量设备有关的问答与软件有关的问答有关污染和清洁的问答与运营和维护有关的问答有关P值，融资和不确定性的问答

单击此处查看有关网络研讨会系列提出的问题的视频和演示：

减少太阳能性能的不确定性光伏项目开发的最佳实践在太阳能资产管理中通过智能维护降低成本

与维萨拉产品有关的气象数据和天气预报的问题

您正在监视哪些特定的卫星和地面数据，并预测哪些数量？

维萨拉：维萨拉的全球太阳数据集使用来自多个对地静止卫星的卫星数据，以及来自NASA的两个地球观测系统（EOS）卫星的输入。根据所讨论的地球区域，对地静止卫星数据包括18多年的数据，这些数据来自GOES 15，GOES 13，Meteosat-10，Meteosat-7，Meteosat-5和Himawari-8卫星等。来自NASA的EOS卫星Terra和Aqua的数据被吸收用于气溶胶输入。维萨拉太阳能模型的其他气溶胶输入是来自两个重新分析数据集的数据，即ECMWF-MACC和MERRA2。这两个数据集都吸收了基于地面的大气特性测量结果。

此外，维萨拉的全球辐照度数据集的验证是通过使用来自全球各种测量网络的可公开获得的地面测量数据来进行的。例如，我们根据基准太阳辐射网络（BSRN）和世界气候研究计划（WCRP）的数据进行验证。

最终结果是一个全球数据集，其中每小时更新近二十个小时的每小时地面辐照度信息，其中包含GHI（全局水平辐照度），DNI（直接法向辐照度）和DIF（漫射水平辐照度）变量。此外，维萨拉还提供其他气象变量，例如温度，降水和风速。除历史数据外，我们还提供太阳能和风能项目的天气状况和发电量的前瞻性预测，以及可直接测量当前天气状况的系统，例如SP-12太阳能气象站。

您是否有一些示例，其中更准确的数据使您的客户在特定的太阳能发电场项目中更具竞争力？

维萨拉：一个例子就是通过我们先进的资源评估方法来减少项目的不确定性。我们不仅使用长期建模的太阳能数据记录来支持能量预测，而且可以使用复杂的校正技术将其与地面站数据结合起来。我们在太阳能行业率先采用了这种方法，并已在大多数情况下将资源模型的不确定性降低了50％。实际上，这意味着我们的客户更有机会以优惠的条件获得项目资金。例如，一名日本开发商在其33MW Kumenan项目中安装了一个地面站，并雇用维萨拉（Vaisala）进行这项技术，不确定性的降低有助于其获得更具竞争力的融资条件。

在运营方面，客户使用我们的每日更新的太阳能数据来协调近期表现。如果能源产量较低，那么回顾最近的天气情况可以解释原因。例如，如果产量低下同时太阳能资源不足，则可以确定性能下降的原因，这可以节省大量现场成本和现场时间，以解决根本不存在的设备问题。相反，如果没有迹象表明太阳能资源不足，但性能却很低，则可能表示设备或维护问题需要纠正，这可能会随着时间的推移降低资产的价值。

维萨拉是否为世界每个地区提供高质量的数据集？质量是否始终相同或取决于地区？在不发达国家获得这样的数据是否更加困难？

维萨拉：是的，Vaisala的太阳辐照度数据覆盖了从60度N到58度S的所有陆地表面。卫星衍生辐照度数据的准确性最高。在全球范围内，我们的平均偏差误差低于5％。但是，由于我们正在将它们与不同的地面站网络进行比较，因此确切的错误百分比会因地区而异。在某些地区，虽然通常是政府政策和资源可用性的函数，而不是发达或不发达的经济体，但基于地面的测量却很少。

同样，我们的错误统计信息在我们在整个全局数据库中使用和维护的五个不同模型之间也有所不同。我们使用多种模型，因为与全球不同地区的地面测量相比，某些模型的效果更好。这样，我们可以为世界各地的客户提供其所在地区最准确的数据。有关更多信息，请参见我们最新的太阳能白皮书“ 3TIER太阳能数据集方法和验证”。该版本于2017年4月发布，具有迄今为止进行的最大规模的全球太阳能数据集验证。

您还使用气溶胶数据来减少光谱不确定性吗？

维萨拉：是的，尽管来自不同来源，但维萨拉的所有五个太阳辐照度模型都使用了气溶胶数据来对宽带辐照度数据进行建模。五个模型中的三个使用Terra和Aqua卫星上MODIS传感器的气溶胶光学深度（AOD）数据，另外两个使用欧洲中距离天气预报中心-监测大气成分和气候（ECMWF- MACC）以及研究和应用版本2（MERRA2）的现代时代回顾性分析。

您如何量化降雪对系统的影响？您还预测降雪吗，并且可以预测积雪的厚度吗？

维萨拉：来自我们全球数据集的信息会影响冰雪分析。对于我们的太阳能尽职调查分析，我们使用Marion模型以及Townsend and Powers模型的组合来估计积雪损失。来自MERRA2的降雪数据被用作该模型的输入。从长期的历史角度来看，这将考虑降雪的影响。在预报方面，我们可以为有兴趣的客户提供降水和温度预报，其中包括降雪量。我们还提供现场测量系统，可以监视面板表面状态，并告诉您冰雪厚度和温度。

您对太阳能发电厂产量的预测是否考虑了现场温度？

维萨拉：是的，总是。温度是任何太阳能装置中能量损失的主要来源之一。如果可以进行现场测量（最好为一年），我们还可以更正温度预测，以更好地反映项目现场的当地情况并提高准确性。我们的测量站还集成了背面热敏电阻，以便我们更好地估算特定地点的潜在热损耗。

减少预测的不确定性会增加项目可以支持的杠杆量，但是减少不确定性是否还会降低资本成本？

维萨拉：是的，减少不确定性还可以改善融资条件和降低利率。不幸的是，降低国会大厦改善成本的不确定性的方程式对于每个项目和所寻求的融资类型都是特定的，因此这里没有简单的答案。但通常来说，P50与P90比率更严格的项目被认为风险较小，因为现金流量的年度波动较小。通过降低融资人的投资风险，您更有可能获得第一名的融资，而第二名的谈判条件更好。

您是否使用气候指数进行任何类型的季节性预报？

维萨拉：是的，我们愿意。通常，对于此类工作，客户会不断与我们联系，以帮助他们以前瞻性的方式管理整个资产组合的绩效。对于我们的提前季节预报，我们使用机器学习来评估接近20种不同的气候指数，并将表现最佳的人与项目所在地相匹配。然后，我们提供了对未来12个月典型年度能源预算的预期偏差的前瞻性预测，但是大多数技能是在1-3个月的时间范围内。

您是否租用现场天气和气象站以帮助评估站点？

维萨拉：通常，客户将购买我们的SP-12太阳能气象站，一旦项目开始运作，它将变成可留在现场的资产；如果发现潜在的地点，该资产将被转移到新的位置。该系统非常易于安装，易于维护，但是如果需要，我们也可以提供这些服务。在资源评估和预测服务方面，客户与我们签约以提供一次性或持续的信息。客户可以选择在测量系统方面或太阳能评估服务方面（或两者）与我们合作。我们有许多客户看到了在这两个领域与单一提供商合作的优势。

关于不确定性和可变性的问答

对于较低的数据不确定性，哪种更好：卫星传感器或地面传感器？您是否比较了几个站点的卫星数据和地面测量数据？如果是这样，他们如何比较？

维萨拉：在理想世界中，包含数十年基于地面的数据集，其中包括来自维护良好且定期校准的传感器的高质量数据，将导致最低的不确定性。但是，这样的数据集很少而且相距很远，大多数可用的地面站要么距离站点超过25公里（太有用了），要么仅提供条件的短期记录。下一个最佳选择是长期卫星数据集，该数据集已通过调整以结合现场地面测量，并使用了站点自适应方法来提高准确性。这样的调整将消除原始模型数据中的任何偏差，并产生反映太阳能位置变化的长期辐照度数据集。第三种选择是使用原始卫星数据集，该数据集已经在全球范围内进行了全面验证，并且具有已知的不确定性值。

您如何量化天气数据和现场测量数据的不确定性？

维萨拉：我们的原始模型辐照度数据的不确定性已经通过有史以来进行的最大规模的验证研究进行了量化，并且基于我们对全球近200个站点的估计值与地面测量值之间的比较得出的结果（请阅读我们的白皮书以获取更多详细信息：www.vaisala.com/维萨拉文件/科学论文/ 3TIER太阳数据集方法论和验证（pdf）。通常，我们使用区域不确定性（也称为平均偏差误差的标准偏差）与项目所在地相关联。

为什么您认为您的天气数据比我们在太阳能公园测得的数据要好？

维萨拉：我们的测量站不确定度是根据使用中的设备来计算的。例如，对于GHI测量，不确定度与所用总辐射表的类别有关。每日GHI不确定性因不同类别而异。对于二级标准日射强度计，最佳等级为0.8-1.5％，对于一级日射强度计（大多数PV安装使用）为3-5％。第二类总辐射表（最低等级）为5-7％。

在太阳能站点从维护良好的测量系统进行的直接观测不一定比我们提供的基于卫星的信息逊色。现场测量在捕获当地环境条件方面做得很好。但是，挑战在于此信息仅在单个站点上可用，并且持续时间通常是短期的。我们的大多数客户都需要评估世界各地的项目，因此需要访问全球数据集。在构建项目之前，他们还需要长期数据，这些数据通常只能从像我们这样的多年代卫星数据集中获得，以便提供融资所需的超额值概率。建议在现场适应过程中将现场测量结果与长期卫星数据相结合，以实现两全其美。

当非常好的仪器和清洁良好的测量设备本身的年平均不确定性几乎不达到2％时，如何达到2％的不确定性？

维萨拉：GHI值的+/- 2.5％不确定性值是指站点适应后的资源模型不确定性，仅是长期模型不确定性。没有站点适应的GHI资源模型不确定性通常接近5％。进行场地适应后，与现场测量相关的不确定性也将与年际变化一起汇总到总资源不确定性中。

资源模型的不确定性来自我们进行的广泛研究，我们在全球12多个站点进行了3年以上的观测数据比较。我们使用一年的观测值来进行站点适应，称为MOS校正，然后将校正后的结果与未使用的年份进行比较。+/- 2.5％是校正后的模型数据与样本年外偏差的平均值。

没有现场污染数据，如何实现如此低的不确定性？

维萨拉：实际上，对于我们的太阳能尽职调查分析，我们确实将污染损失纳入了能源模拟中。估计值基于MERRA-2再分析数据集中的降水数据，损失是降雨量和污染率的函数，该污染率是基于已发表研究的文献综述得出的。当我们的客户对泥土进行现场测量时，我们可以将这些信息纳入不确定性估算中，但是如今这些很少在施工前完成。

您如何从卫星图像得出云层遮盖或起雾的日间预报中推断出辐射？

维萨拉：对于白天和一周的天气预报，我们实际上使用数值天气预报模型来估计太阳辐射。可以使用我们全球太阳能数据集中的长期历史数据对这些数据进行统计校正。对于亚小时以下的短期预报，我们正在尝试使用天空成像仪和其他实时监控技术来提高精度。

提前小时预报的准确性如何？您可以为参与竞争性市场的客户提供哪些不确定性范围，例如现货市场？

维萨拉：不幸的是，预报的准确性很大程度上取决于当地的气候状况，因此很难提供一个总体的平均值或经验法则。与预测相关的不确定性（即预测间隔）是植物的大小和该地区云的盛行的结果。间接地，历史观测记录也可以发挥作用，因为它可以用于调整预测并减少总体误差和不确定性。选择提供商时，关键指标是诸如预测间隔或误差带之类的不确定性指标，因为没有它们就无法完成预测。

每年辐照的平均值是多少，最大偏差是多少？

维萨拉：这在很大程度上取决于影响该地区的地理位置和气候指数的状态。例如，厄尔尼诺-南方涛动（ENSO）周期处于正还是负状态都强烈影响着北美的天气。但是，我要说的是，每年平均偏离3％至5％，每月偏离平均5-10％并不罕见，尽管在重大天气异常期间确实会发生20％或更大的每月偏离。请参阅2016年北美的示例。

当您增加所考虑的时间段时，与平均辐射的统计差异如何减小？以及如何将其转化为预测：如果您预测一年的辐照，则可以将全年的年变化作为最小不确定性；如果您预测未来5年内的辐照总和，则可以减少这种不确定性？

维萨拉：就一年与10年的年际变异性而言，变异性以10的平方根减小。这具有实际意义，因为在任何给定年份中，与另一年相比，变化可能性要大得多，而与任何十年相比，任何一年期间的变化可能性都更大。在3-5年的时间范围内，我们希望平均值与GHI的P50非常接近，因为年度变化通常不会那么大。

您看到太阳的多变性与气候变化之间的关系吗？以及这如何影响长期绩效和绩效预测？

维萨拉：是的，我们确实有关系。在很大程度上由云的可变性驱动的气候变化对太阳可变性的影响的识别和量化，是全球许多国家科学实验室和学术机构正在进行的活跃研究领域。对于当前有关该主题的研究的摘要，我们建议参考IPCC对气候变化科学的最新评估。