部分技术术语可能存在差异,请以英文版本为参考。

遮挡、污损、跟踪器故障、传感器轻微错位:地面测量中的问题很容易被忽视,而这些问题会悄无声息地影响基于这些数据得出的每一项结果。 事实上,我们分析的所有地面测量数据集都存在质量问题。一旦输入数据存在缺陷,无论进行多少下游分析都无法弥补,这种不确定性将延续到场址适应、性能评估、预测以及尽职调查等环节。

在本场网络研讨会中,您将了解地面测量中应关注哪些问题,为何 Excel 和自定义脚本往往无法发现这些问题,以及如何通过将测量数据与太阳能资源模型或附近传感器进行对比,从而揭示简单时间序列所掩盖的问题。

观看录像,亲眼见证在 Solargis Analyst 中的工作流程演示——这是我们分析师处理地面测量数据时所使用的工具。

  • 时长:40 分钟
  • 相关服务:Solargis Analyst
  • 录制日期:2026年10月27日

与会者的提问#

完整问题:在这些统计数据中(100%的数据集都存在问题),Solargis是否参与了现场项目,即你们是否了解该安装点的确切地形,或者传感器在实际中的倾斜角度究竟如何? 通常情况下,CAD文件或设计中的光伏组件理论倾角与现场实际安装情况并不一致,因此许多日射计的测量值会被标记为异常,而实际上它们与光伏组件的对齐是完全准确的。因此,不能仅因理论考量或晴空模型就将这些数据视为错误而直接舍弃。

回答:感谢 您的指正,我们完全认同实际安装几何形状往往与设计存在差异,且在质量控制中必须尊重这一事实。

关于该统计数据有两点需要澄清:

1) “100%的数据集存在问题”意味着每个数据集至少存在一项任何类型的质量控制发现——例如:数值低于/高于物理极限、遮挡、结露/结霜、污垢、静态(卡死)值、时间戳偏移、数据记录仪停机、对齐错误。 仅需出现一次即可。这并不意味着这些数据集无法使用,也不意味着其中大部分数据被剔除。

2) Solargis 不参与现场质量检查,因此我们无法独立获取实际建设几何参数的信息。 我们只能依赖客户提供的文档。因此,客户有责任提供经过验证的光伏系统及太阳能仪器配置信息(传感器倾角和方位角、跟踪器配置、地平线、现场照片、维护日志)。

我们将这些文件作为基准,并进行自动和人工(专家)测试。这些测试既能揭示测量数据中的问题,也能发现所提供的气象站和光伏系统配置中的问题。

当数据呈现典型特征(例如晴天时晨间/午后存在系统性不对称,且与其他传感器及模型一致),且与申报配置的偏差超过阈值时,系统将标记为对齐错误。

如果日射计与实际安装的组件对齐,且该几何形状已在声明中注明,则其数据通过验证。如果声明的元数据有误(例如,传感器声明为水平安装,但实际安装时存在倾斜),则该标记相对于声明而言是正确的。

在这种情况下,该发现表明问题出在提供的配置上,而非传感器本身。随后,我们将与客户核实实际安装几何形状,并重新评估数据。

Solargis Analyst 的年费为 1,400 欧元。这是一款桌面软件,因此一个许可证仅限一名用户在一台计算机上使用。如果您需要更多用户席位,请联系我们,我们将进一步探讨最适合您团队的方案。

是的。Analyst 支持任何型号的日照计。如果某款仪器未出现在已知仪器列表中,您可以在设置中自行定义;该定义仅保存在您的应用程序中。如果您向我们反馈缺少的仪器,我们将将其添加到 Analyst 中,以便在下一个版本中供所有用户使用。

完整问题:如果 没有现场人员,就需要谨慎处理数据。事实上,可靠的参考基准不能仅从理论上考虑,因为现场总是存在一些独特的情况,可能会影响结果。

如何应对这一问题,特别是像整个工厂范围内倾斜度变化这类情况?

回答:

倾斜(POA/GTI)传感器的质量控制在很大程度上取决于所提供的元数据,因此我们对每个观测站分别处理:对于每个气象站,我们都会请求其自身的传感器方位信息;对于跟踪器,则需要完整的跟踪器配置(跟踪器类型、轴倾角和方位角、旋转限值、回溯功能、地表覆盖率)。整个系统范围内的倾斜变化(例如地形跟踪式追踪器)也是通过这种方式处理的——每个传感器都是根据其自身声明的几何参数进行核对,而非基于整个系统的设计值。

如果声明的配置与实际情况不符(例如,轴倾角声明为 0°,而跟踪器实际上存在倾斜),则超过阈值的偏差会被正确标记为相对于声明值的对齐错误。 在这种情况下,解决方案是更正元数据,而不是盲目接受数据——随后将使用实际测量值(理想情况下来自倾角仪、跟踪器控制器日志或现场勘测),并重复质量控制流程。

传感器数量没有固定限制——在我们的测试中,我们处理了一组包含70个日射计的数据集,唯一受限的是计算机资源(CPU和内存)。

完整问题:是否有清理记录数据的标准方法?所有工厂操作员目前都采用不同的方法来清理记录数据。

回答:目前尚无 单一的强制性标准,因此各操作员的做法各不相同。

常用的参考资料包括:

  • BSRN质量控制建议(物理上可能且极其罕见的限值、各组分之间的比较),
  • 国际能源署光伏计划(IEA PVPS)第16工作组/美国国家可再生能源实验室(NREL)《太阳能资源数据采集与应用最佳实践手册》(第4版,2024年),目前最全面的参考资料,
  • IEC 61724-1,该标准定义了光伏电站监测的数据质量检查(范围检查、缺失值和卡死值等)。

实际上,良好的质量控制应将自动测试(物理极限、GHI、DHI与DNI之间的一致性、与晴空及卫星数据的比对、冗余传感器之间的比对)与专家人工审查相结合,并记录每一项异常标记。

当您拥有大量可比的传感器(例如,在大型工厂中分布着多个朝向相同的POA传感器)时,Z分值可作为有用的补充测试手段,但我们不会将其作为主要方法:

  • 当传感器数量较少时,该方法几乎无法发挥作用:仅有2或3个传感器时,Z分值在数学上永远无法超过约1–1.4,因此通常设定的2–3的阈值永远无法触发。
  • 仅有两个传感器时,无法判断哪个传感器出现故障。
  • 均值和标准差本身也会因故障传感器而产生偏差;稳健统计量(中位数和MAD,即“修正Z分值”)更为适用。
  • 所有传感器共有的误差(如共同的污损、同一数据记录仪或时间戳问题、相同的校准误差)在传感器间比较中无法显现,因此仍需借助晴空数据和卫星数据等独立参考。
  • 在大型植物上,云影会导致传感器之间出现实际差异,因此测试应限于稳定(晴空)条件或更长的聚合时间。

完整问题:显然,在气象站上安装两台A级日射计(用于比较)具有很大价值。还有哪些其他测量项目值得重复测量?比如环境温度?或者还有其他项目吗?

回答:是的,冗余性不仅在总日照量(GHI)测量中很有价值,但质量比数量更重要。

冗余传感器只有在不会发生相同故障时才有帮助:实际上,许多问题源于数据记录仪(时间偏移、数据缺失、标度错误),而连接到同一台记录仪的传感器通常会共同受到这些问题的影响。

  • 环境温度和相对湿度:一台按照世界气象组织(WMO)指南正确安装的仪器(适当高度、带通风的辐射屏蔽罩、不受逆变器、建筑物或热表面等附近物体的影响),要优于两台或更多安装不当的仪器。 如果增加第二个传感器,将其放置在略有不同的位置(相距几十米)最为有效,理想情况下应连接到单独的数据记录仪或通道上。这有助于识别局部影响和传感器故障(屏蔽罩污损、通风故障、漂移)。

  • 风速:理想情况下应在两个不同高度进行测量。10米处的测量值是与气象模型进行比较以及进行场地适应性调整的标准。接近光伏组件/跟踪器高度的测量值对资源评估的参考价值较低,但对跟踪器的运行(阵风、收起位置)具有重要参考价值。

  • 与其单纯重复测量,测量不同的参数往往能带来更大价值:GHI 与 DHI(及 DNI)结合可进行闭合测试 GHI = DHI + DNI·cos(天顶角),这是目前最有效质量控制检查方法之一。在参考电池旁安装一个日射计,则可增加一个具有不同故障模式的传感器。

  • 就GHI而言,我们在两个A级日射计之外添加第三个不同类型的传感器,可带来质量控制方面的益处:两个A级仪器提供参考值,而第三个传感器则用于验证其行为是否与前两者相似。

    硅光电二极管太阳辐射计非常适合此用途(例如,旋转阴带辐射计中使用的传感器,或独立单元)。 光电二极管传感器对污垢和露水的敏感度较低,响应速度更快,但精度较低(光谱响应、余弦响应和温度依赖性),且通常不带加热或通风功能。

    由于这两种传感器对同一事件的反应不同,比较它们有助于我们区分 A 类数据中的偏差(包括影响两个 A 类传感器的偏差)是由传感器问题(例如圆顶上的污垢或露水)还是由真实的大气现象引起的。 它作为质量控制的辅助手段,而非A类日射计的替代品。

是的。晴空辐照度是根据观测站的位置(纬度、经度和海拔)以及日期和时间计算得出的。

因此,正确的时区和时间戳规范(时间区间的起始、结束和中心)至关重要——时间偏移是我们发现的最常见问题之一。

  • 阵列平面(POA/GTI):是——根据声明的跟踪器配置,将晴空辐照度转换到传感器平面。
  • 温度:否,空气温度没有与“晴空”相对应的物理等效值。

完整问题:与1类日射计的实际数据相比,Solargis Analyst对理论数据/卫星数据的分析准确性如何?该分析是否涵盖了2023-2025年的最新数据?

回答: Analyst中的晴空值 并非对实际辐照度的估计——它们代表理论上的无云条件,仅作为合理性检查的参考范围(例如检测时间偏差、对齐错误或物理上不合理的数值)。

因此,将其与实测数据进行比较作为准确度指标并无意义,且这些数据并未以此为目的进行验证。

Solargis基于卫星的时间序列数据已通过高质量地面测量数据进行了验证;GHI和DNI的结果已发布在我们的知识库中:https://kb.solargis.com/docs/validation-of-solar-irradiance-data

Solargis 还被纳入了国际能源署光伏计划(IEA PVPS)第 16 任务组“全球模拟太阳辐射数据基准”项目(2023 年)。

该验证结果适用于当前模型版本。我们目前没有专门针对2023–2025年期间的公开研究。

不——Solargis Analyst许可证仅涵盖软件使用权。Solargis针对您所在站点的模型时间序列属于单独的数据产品。请填写此表单与我们的销售团队联系,或发送电子邮件至contact@solargis.com,我们将为您准备一份报价。

自动清洁有望提高测量可靠性,特别是在偏远且多尘的场所,这些地方无法频繁进行人工清洁。

然而,我们目前对此类设备的安装经验尚不充分,因此无法确定在何种条件下这种方法能带来改进。

我们将关注以下几点:

  • 清洁过程本身可能会产生干扰(擦拭/喷洒时的读数突增或骤降、水滴或水痕、硬水残留物、半球罩上的划痕),
  • 每次清洁操作均应附带时间戳进行记录,以便标记受影响的记录并验证清洁效果,
  • 这不能替代定期检查、调平和重新校准。

要使测量结果被认可为可作为贷款依据的参考数据,关键在于有据可查的维护程序和可追溯的校准。

如果您有此类安装的数据,我们很乐意进行评估。

继续阅读

极端天气条件对光伏项目的影响
Webinars

极端天气条件对光伏项目的影响

我们的专家团队就如何避免极端天气带来的负面影响给出了可行的建议,并分享了我们客户的一些最佳实践。

Solargis Analyst 新增功能和改进(1.4.2 版)
Webinars

Solargis Analyst 新增功能和改进(1.4.2 版)

新版 Solargis Analyst(1.4.2 版)包含更新的数据库结构,这对所有即将推出的新功能和参数至关重要。

卫星模型数据如何帮助存储应用
Webinars

卫星模型数据如何帮助存储应用

在本次网络研讨会上,我们将介绍 1 分钟粒度的数据如何帮助优化电池尺寸和更换策略,甚至在初始设计阶段。