文档

典型气象年（TMY）由多年时间序列的数据信息汇总而成，它反映了特定站点最典型的气象条件。将该数据集应用于仿真软件，能够计算出太阳能系统的发电量。只有完整的年时间序列可生成TMY。

TMY的生成是通过在现有序列（最典型的1月，2月，3月等）中选择最具代表性的月份，最终连接成虚拟典型年。典型月的选择遵循以下两个标准：

• 最小化TMY统计特征（年均值，月均值）和时间序列之间的差异。该标准占约80％的权重。
• 最大化TMY每月累积分布函数（CDF）和时间序列的接近程度，以使典型时值可以很好地代表每个月。该标准占约20％的权重。

在选择典型月时，各个参数所发挥的权重取决于所考虑的太阳能应用类型。这样一来，法向直接辐射量（DNI），水平面总辐射量/照度（GHI）和漫射辐照度（DIF），甚至是2米处（TEMP）的气温，对TMY的生成都可能占不同的权重。

同时，其他气象参数也会产生一定影响，但这些参数作为附加参数，通常精确度低、且在分析中具有较少关联性，因此在选择代表月时并不占权重。

通常，在实践中，时间序列中包含了多种数据集：

• TMY P50数据集反映了每个月的平均气象条件和最具代表性的累积分布函数，因此，极端情况（例如阴云密布的天气）不在此数据集中体现。
• TMY P90数据集代表了每个月的气候条件，在汇总了全年辐照值后，通过对不确定性和年际变率的统计分析得出接近P90的值。因此，TMY P90通常代表了保守估计，例如代表了年辐射量接近于时间序列内最低识别值的年份。
• 同时，还可以生成TMY P75，P99以及任何其他Pxx。

根据上述TMY P50方法，来决定如何计算TMY P90（或其它类似场景，如P75，P99或一般Pxx）数据集，并根据如何挑选候选月来进行修改。

重复搜索十二个候选集，直到年P90值与新TMY的年平均值之间的差异达到最低值（而不是月平均值和CDFs的差异达到最低值，如应用于P50的情况）。

一旦选择最小差值，所选月份就连接生成了TMY。需要注意的是，P90年值的计算兼具不确定性，除了模型的通用性能，还考虑了由于当地气象条件产生的年际变率。

多个常用仿真软件都能够从长期月均值生成合成逐时时间序列。此外，为了生成合成时间序列，我们已经对位于温带气候区中少数特定站点处的数学模型进行了相应调整。这些模型的性能并未在其他气候区得到验证，如热带雨林或干旱沙漠地带。尽管这一方法已投入广泛使用，但它生成的结果与实际时间序列大相径庭。

由于典型气象年数据包括更真实描述气候的12个真实数据片段，且均基于给定的选择标准，所以最接近实际时间序列。与使用合成时间序列数据进行的发电量仿真相比，使用TMY数据能够呈现更高的精确性。

需要注意的一点是，若初始多年时间序列包含的信息丢失，TMY会进行数据约简。所以，作为生成TMY和数学舍入的结果，通过TMY数据文档计算的长期月平均值和年平均值，可能无法精准对应多年时间序列中计算出的统计信息。 

因此，在太阳能资源和站点气象参数的统计分析中，时间序列数据被认为是最准确的参考数据。同时，也只有时间序列数据可用于太阳气候的统计分析。