多种因素都会影响光伏组件性能，Solargis在计算过程中都考虑到了这些因素。发电量是基于由电站配置作出的技术设定进行仿真的。在发电仿真过程中，发电量损耗分为两类：
光伏组件倾斜面的总辐射量
影响光伏组件倾斜面的总辐射量通过水平面总辐照度(GHI)、直射水平面辐照度（DNI）、地表反照率以及低于每小时时间间隔的瞬时太阳位置计算得来：
GTI = fDIFF (GHI, DNI, SE, SA, Albedo)
地形遮挡造成的发电量损耗
通过SRTM-2 DEM和地平线高度的分散效应对地形特征遮挡部分进行计算。由于开放空间系统DEM分辨率较高(高达80米)，此预估可达到了较高的确定度。而对于城市而言，由于遮蔽阴影主要由建筑投射而成，所以必须进一步分析。
GTISHADED = fSHAD (GTI,SE, SA, Horizon)
角反射率造成的发电量损耗
得出的辐射量由于光伏组件表面的角反射率（入射角效应）会产生一定损耗，而效应强弱则取决于太阳和组件表面的相对位置。角反射率损耗计算的准确度取决于组件表面洁净度和具体性能（防反射涂层、结构等等）。
GTIANGULAR = fANGULAR (GTISHADED, SE, SA)
积雪造成的损耗
由于冬天组件上会有积雪覆盖，在这段时期内太阳辐射量损耗会有所增大。通常情况下，积雪从清晨到中午会一直停留在组件表面。若是阴冷天气碰上降雪，且组件温度不足以融化积雪，此时对发电量产生的负面影响达到最大。
污垢和腐蚀造成的损耗
光伏组件表面的太阳辐射量损耗主要取决于环境因素和电站寿命期间光伏组件表面的洁净度。损耗时间久了会产生一定负面影响，且在干旱季节尤为明显。
超出标准测试条件（STC）的光伏组件性能导致的损耗
到达指定类型模型的总辐射量和大气温度均为光伏性能模型的输入参数。转换效率是非线性的，它取决于辐照度和温度值的分布。在某些情况下，对其他气象参数的进一步分析也会产生一定影响。
此转换阶段产能的相对变化取决于组件技术和装配类型。通常情况下，由于多晶硅负面热功率系数高于薄膜，所以多晶硅组件在此步骤会产生更多损耗，且在低光度条件下（不同光谱灵敏度）表现更佳。
PVOUTDC = fPV (GTIANGULAR, TEMP, Module type)
行间阴影造成的损耗
相对行间距会形成一定短距离阴影，从而造成发电量损耗。多晶硅组件易受部分遮蔽阴影所影响，且损耗取决于组件相互连接的拓扑结构。
组件的功率误差
从组件功率误差结果可以看出，串联在一起的各个组件匹配度有高有低。如果高功率误差的组件都串联在一起，将会导致更大的损耗。组件功率误差会提高功率输出预估的误差度。
不匹配以及直流电缆损耗
不同的MPP组件操作点都接入同一个逆变器后所产生的不匹配，以及连接中和电缆产生的热损失均取决于光伏电站的设计和部件。如果根据制造商采取的标称转换效率措施对组件进行分类，对同类组件进行再分类将有助于将串联的组件不匹配所产生的损耗降到最低值。
直流到交流转换过程中的逆变器损耗
尽管逆变器功率效率很高，但不同类型的逆变器效率功能也不同（即该效率受逆变器负荷和逆变器工作电压影响的程度不同）逆变器性能造成的损耗可以采用低于每小时时间间隔的DC数据生成逆变器功率曲线进行预估，也可以采用代表了平均效率（欧洲效率）的厂商所给定预计算值进行预估，后者准确度会相对较低。
PVOUTAC = fINVERTER (PVOUTDC, VDC)
交流和变压器损耗
逆变器输出通过变压器接入电网。额外AC附带损耗通过综合布线(ACLOSS)和变压器损耗(TRLOSSES)降低了最终系统输出。
PVOUT = fAC (PVOUTAC, ACLOSS, TRLOSS)
可用率
经验参数量化了光伏电站因为维护或故障停工而导致的电力损失。
长时间导致的退化
光伏电站在运行很多年后，组件密封材料、电池互联性、接线盒、布线、逆变器在气候周期内会渐渐处于压力运作状态，这可以视为对各零部件的一次“终极测试”[19]。由于现阶段的生产组件和系统部件均采用了较成熟的制造技术，因此可以设定一个较低的退化率。尽管不同研究表明，光伏组件在初期（初始退化）性能退化率较高，之后稳定在一个较低的水平，但仍可将线性年度退化率的假设值视为投资回收期近似值。
光伏发电量已经通过采用Solargis开发或实施的数值模型仿真计算出来。数据和模型质量根据IEA SHC Task 36和EU FP6项目MESoR标准中建议值进行检查。
通过采用历史、近期或预测气候数据来模拟不同的状况，得出不同的结果，这些结果可分别用于以下两个阶段：