混合ERA5再分析模型，提高光伏模拟的温度数据精度

继光伏系统接收到的太阳辐照度之后，组件的温度是影响光伏系统效率的最重要因素。

当光伏组件温度升高时，其转换效率就会降低。

换句话说，在太阳辐照度高但空气温度低的时刻，光伏组件有望提供最高的功率输出。温度也是影响光伏系统大小的一个关键参数。要确定一串光伏组件的最大数量，需要根据最低预期工作温度 (TLEO) 进行计算。

因此，要计算光伏组件的温度，我们需要准确的空气温度数据作为计算的主要输入。然后，仿真算法将通过添加太阳辐照度的影响和风引起的对流热交换，计算出特定光伏系统安装类型的预期组件温度。

在本文中，我们将分享 Solargis 如何提高我们提供的空气温度数据集的准确性，以及影响太阳能发电模拟的其他参数。

Solargis Prospect 绘制的气温图

再分析模型

目前，再分析模型提供了最准确的网格气温数据源，可用于在全球范围内运行光伏模拟。

再分析数据，我们几乎可以从它的名称中看出，是对数值天气预报模型（NWP）再次 "分析 "的结果。这可以在收集了之前预测时段的实际观测数据后进行。换句话说，这就像是在 "过去 "而不是 "未来 "使用最新观测数据计算模型。

其结果是一套覆盖全球的综合气象变量，具有相对较高的时间分辨率（通常为每小时）和较低的空间分辨率（通常为数十公里）。

模型混合

拥有最准确的全球数据输入意味着要依靠正确的全球天气模式。最著名的天气模式预测中心之一是欧洲中期天气预报中心（ECMWF）。

ECMWF 总部位于英国雷丁，凭借其强大的观测网络和欧洲最大超级计算机之一的高计算能力，可以为全球任何地点提供数据。

我们特别确定了两个对太阳能建模特别有意义的模型：

• ERA5是一个全面的再分析，吸收了大量高层大气和近地面的观测数据。它采用了一个空间分辨率为 30 公里的耦合大气模型，以及一个陆地表面模型和一个波浪模型。
• 相反，ERA5-Land是一个高分辨率（9 千米）陆地表面，由带有失效率校正的 ERA5 大气参数驱动，但不包括额外的数据同化。

在讨论混合模式时，需要注意的是，这并不像从输入模式中运行简单的加权平均那么简单。它需要专家对数据进行分析，才能有效应用，并知道在哪些情况下每种模式会有更好的表现。

结果

在将两种模式与 NOAA 综合地表数据库（ISD）站点网络的地面测量数据进行比较后，我们可以得出结论：ERA5 和 ERA5-Land 的长期平均气温精度相当。

不过，与ERA5相比，ERA5-Land提供了更详细的地表变量和更高的空间分辨率。由于ERA5-Land在垂直分辨率、地表参数化和后处理方面的差异，ERA5-Land有助于消除波动，并显示出更平滑的日气温曲线。

此外，ERA5-Land 还有助于缓解沿岸数据缺失的问题，有效填补了沿岸象素的空白。

2022 年 5 月 13 日至 19 日巴西贝洛奥里藏特由ERA5 和ERA5 陆地得出的每小时气温时间序列

结论

混合ERA5和ERA5陆地模式可提供更好的气温信息，使数据集非常适合需要高分辨率陆地表面变量和平滑温度曲线的应用。

在改进站点气象数据的同时，我们也在不断改进基于卫星的太阳辐照度模型，这一点我们在之前的文章中已经讨论过。

ECMWF 的 ERA5 和 ERA5-Land 数据集的混合版本可在长期平均值 (Solargis Prospect)、时间序列和 TMY 数据 (Solargis Evaluate) 中访问。