文档

太阳能资源历史数据库提供了详尽气候统计，有助于理解任何特定站点的太阳能资源。在多数地区，项目站点附近并不存在可用地面监测站。Solargis卫星模型提供了一个稳定的、成本效益高、覆盖全面的多年数据周期，且可用于太阳能资源评估。

另一方面，相比现场气象监测数据，从卫星气象模型中获取的气象参数有着更低的空间和时间分辨率。所以，建模参数展现的是周边的平均特定气候模式，而不是精确的局部小气候条件。

通常来说，大型光伏项目开发站点处都会配备一个气象站。配备太阳能监测站有着战略优势，可在地方校准和验证辐射量模型，并为决策人和投资人提供高质数据和信息。

运行地面监控项目、并将地面监测数据与卫星数据相结合，从长远看，有助于保持项目站点处太阳能资源的低误差度：

• 在选址设计阶段，监测项目站点数据的主要目的在于记录准确的当地气象特性，且将这些数据用于卫星模型校准过程，以便降低长期时间序列和模糊预估的误差度。
• 在电站运行阶段，现场监测数据极大地影响了是否能准确监测电站性能和排查故障。所以，应将卫星时间序列视为一个独立信息源，以便进行质量管理和优化地面监测数据。

对数据进行校准有利于减少卫星数据中的系统故障，例如低/高估局部气溶胶负载，尤其是当此偏差范围是固定的或具有季节周期性时。通过采用提高精确度的措施，促使卫星DNI和GHI数据集（以及衍生参数）能够适用于当地气候条件，这些条件无法被原始卫星和大气输入所记录。 

当存在12个月以上的地面监测数据时，基于卫星的Solargis数据可以在项目站点处进行校准。校准完成后可生成一个较准确的多年太阳能数据集。

为了校准卫星数据，以便适应地面监测数据呈现出来的条件，主要通过以下两种途径：

• 校准基于卫星的GHI和DNI值。此途径既可以校正偏差（系统偏差），还能拟合累积分布函数。
• 校准输入参数和太阳辐射量模型中所用数据。此途径可用来调整气溶胶光学厚度、云指数等更复杂的参数。

作为整个计算链的开发商，Solargis能够校准模型输入数据，因此，可以将两种途径相结合，以获取稳定准确的结果。若仅采用统计方式途径，则获取的结果准确度较低。

Solargis输入参数的校准可用来纠正一些主要差异（如气溶胶详情里的局限性）。其他一些微小偏差会在下一步通过校准输出值来进行调整。通过结合多种方法对卫星数据进行地面校准，我们可以保持GHI、DNI和DIF分量的一致性。

当加强版数据集需要正确展示极端辐照事件时，数据校准就显得尤为重要了。非系统性偏差的不当使用或者地面数据的不够准确会导致卫星收集的基本数据精确度降低，因此，我们必须谨慎使用这些方法。

在实施地面校准时，第一步便是进行详尽的数据清理和质量控制。此过程基于SERI QC，BSRN和其他内部方法进行。之后还需要进行时间聚合、协调和相关认证。

判断是否能对卫星数据进行地面校准，主要由以下几个因素决定：

• 传感器质量。建议采用最优类气象仪器监测GHI（二级辐照仪和一级辐照仪）。此外，还可采用RSR（旋转遮光带辐射仪），但GHI和DNI监测值误差度更高。采用多个仪器（最好是GHI、DIF、DNI每个分量都配备一个仪器）会提高整个过程的准确度和可靠性。
• 监测数据质量。主要由常规维护、清理和校准所决定。一系列的质量控制措施都要进行评估。只有提前通过质量控制的数据才能用于地面校准过程中。
• 地面监测数据的覆盖范围。最理想的情况是，采用覆盖了12个月的高质地面监测数据。根据实际情况，也可考虑采用较短覆盖时长（至少9个月）的监测数据。然而，此类数据可能无法覆盖全部季节变率。如果采用了覆盖时长更短（如3到6个月）的数据，可能会错误呈现Solargis长期历史数据和当地监测信息之间的关系。