从时间序列到 TMY：何时分别使用？

光伏发电量模拟有多种用途。它对于为项目找到最合适的设计和组件至关重要，同时还能为项目投资人提供信心。

在 20 世纪的最后几十年里，随着太阳能应用的发展，能源模拟一直使用所谓的典型气象年数据集（TMY）所描述的汇总条件进行计算。

目前，由于卫星建模技术的发展相对较晚，而且更容易获得计算能力和软件工具，太阳能行业的参与者现在可以根据多年时间序列（TS）描述的更真实条件来测试他们的发电厂设计和财务计划。

用 TMY 中存储的 8760 个值来描述太阳辐照度和气象条件的可能性有多大？这是否意味着流行的 TMY 数据集不再有用？

在本文中，我们将概述这两种常用于产量评估的主要数据集，并就何时使用这两种数据集提出建议。

简述如何从 TS 中提取 TMY

TMY P50 的构建方法是从可用的时间序列中选择最具代表性的月份（即最典型的 1 月、2 月、3 月等），然后将其合并为一个人工的、具有代表性的单一年份。

在索拉吉斯典型气象年（TMY）中，代表性月份的选择是通过一个迭代过程完成的，该过程基于两个主要标准：第一，使典型气象年（TMY）的统计特征与实际时间序列之间的差异最小；第二，确保典型气象年（TMY）的月累积分布函数（CDF）与时间序列之间的相似性最大，以准确代表每个选定月份的典型值。

在选择典型月份时，通过为数据集中的参数分配权重，解决了各参数相关性不同的问题。除太阳辐照度和温度外，数据集中还包括其他气象参数，但这些参数通常是次要参数，与分析的相关性较低，因此不会影响代表性月份的选择。

同样重要的是，根据所考虑的太阳能应用类型，可以使用不同的权重。例如，用于建筑性能模拟的 TMY 可能不同于用于热太阳能应用的 TMY，而后者又可能不同于用于光伏模拟软件的 TMY。因此，在比较 TMY 数据集时，我们总是建议注意 TMY 的构建方式和用途。

图 1. 分别包含在 TMY（左侧图表，参考年份按惯例设定为 1900 年）和时间序列（右侧图表，数据周期涵盖自 1994 年以来的完整年份）中的月度气温数据。

数据丢失

从根本上说，TMY 是一种尝试，它以每小时的粒度将可变条件归纳到一个年份中。这样做的结果是文件更轻便，易于处理，但却丢失了大量有价值的信息。
在转换过程中，数据丢失有两种情况。首先，在转换过程中会丢弃较长的时段。其次，将每小时以下的数据汇总为每小时的数据，会掩盖资源变化的某些方面，而这些方面可能对研究很有帮助。

此外，由于每个站点可能会选择不同的月份，因此 TMY 算法很难对站点进行比较。由于缺乏空间连续性，TMY 算法也不适合用于区域分析或利用附近的地面测量数据调整数据（站点调整）。

图 2.从 TS 到 TMY 的转换过程示意图

何时 TMY 仍然有用

典型气象年（TMY）数据集无论在构建过程中丢弃了哪些数据，在太阳能项目的早期阶段，通常需要进行场地勘探或预可行性分析时，仍可用于快速比较。

处理轻型数据集会对数据服务产生影响，使应用程序接口调用更快。这对于需要在短时间内检查多个地点的应用特别有用。

图 3.典型气象年月值为月平均值

何时必须使用时间序列

由于典型气象年代表的是典型条件而非极端条件，因此在项目开发的初步阶段之后，典型气象年就不太适用了。这正是时间序列发挥作用的时候，例如，在设计系统以抵御特定地点可能出现的最恶劣条件时。在进行财务研究时，建议使用时间序列来预测收益较低（或较高）的年份。

一般来说，当需要更详细的现场特征描述时，应使用时间序列。这包括不同级别的变化分析：年际、月度或亚小时级。

在实践中，当模拟器的数据处理能力有限时，我们可以将时间序列视为 "原材料"，以便在需要时创建二级数据产品。这意味着，如果有人仍想使用一年期的 "大块 "数据来进行能源模拟，可以很容易地从原始时间序列中提取这些数据，并找出在最高或最低太阳辐照度（或任何其他对光伏系统设计和性能有影响的气象参数）方面特别极端的数据。

图 4.除了月平均值外，时间序列月值还提供了月最小值和月最大值

图 5.时间序列允许计算其他统计数据，如 P90、P99 等。

结论

虽然 TMY 数据集在需要快速比较时（通常是在项目的第一阶段）仍然有用，但要对光伏电站进行技术和财务分析，则需要时间序列数据集。
下表总结了两种数据集之间最相关的差异。

图 6.时间序列和 TMY 数据特征的比较

图 7.时间序列和 TMY 数据应用的比较

点击此处下载时间序列样本 （CSV） ， 点击此处下载 TMY 文件样本 （CSV）。