我们的数据集和模型经过严格验证

我们的工作

• 收集来自不同气候带 11,000 多个站点的参考测站数据。
• 比较 Solargis 数据集中相同站点的 2 米处气温（TEMP）值，并计算所有可用站点的模拟数据与测量数据的偏差。

结果

• 对于温度计，我们计算出的平均偏差为 -0.1°C（24 小时），标准偏差为 1°C。
• 一般来说，夜间偏差略高，但白天值（与太阳能发电有关）的估算精度更高。

结论

• 在 Solargis 时间序列中推导气象参数的方法已成功通过验证，该方法将全球 NWP 模型与先进的后处理技术相结合，以提高温度数据的分辨率。
• Solargis 气温高度可靠，非常适合计算光伏电池温度，这是评估光伏系统热损失的一个关键因素。
• 虽然从全球 NWP 模型中获得的气温数据代表了更广阔的区域，可能无法完全捕捉局部的微气候，但它们始终表现出高度可靠性，使其在光伏模拟中非常有效。

在我们的知识库中阅读更多内容 ->

我们的工作

• 收集来自不同气候带 11,000 多个站点的参考测站数据。
• 比较 Solargis 数据集中相同站点的风速（WS）值，并计算所有可用站点的模拟数据与测量数据的偏差。

结果

• 对于 WS，我们计算出的平均偏差为 0.1 米/秒（24 小时），标准偏差为 1.1 米/秒。
• 一般来说，夜间偏差略高，但白天值（与太阳能发电有关）的估算精度更高。

结论

• Solargis 风速数据可靠性高，非常适合结合空气温度和太阳辐射等其他参数计算光伏电池温度。
• 虽然来自全球 NWP 模型的风速数据代表了更广阔的区域，可能无法完全捕捉局部的微气候，但它们始终表现出高度可靠性，使其在光伏模拟中非常有效。

在我们的知识库中阅读更多内容 ->

我们的工作

• 收集来自不同气候带 11,000 多个站点的参考气象站数据。
• 比较 Solargis 数据集中相同站点的相对湿度 (RH) 值，并计算所有可用站点的模拟数据与测量数据的偏差。

我们获得的结果

• 在相对湿度方面，计算得出的平均偏差为 0%（24 小时），标准偏差为 7%，与地面测量结果非常吻合。

结论

• Solargis 相对湿度数据为利用物理模型进一步计算预期污损提供了准确的输入。
• 尽管来自全球 NWP 模型的相对湿度数据代表了更广阔的区域，可能无法完全捕捉局部的微气候，但它们始终表现出高度可靠性，使其在光伏模拟中非常有效。

在我们的知识库中阅读更多内容 ->

我们的工作

• 收集业内最受欢迎的光伏组件的技术规格表。
• 检查一般数据、机械特性、电气特性、二极管型号特性、光学特性、光伏模块特性和参考条件等参数。

我们获得的结果

• 在对收集到的信息进行核实后，Solargis 专家发现数据表、证书和实验室报告中存在差异和信息缺失。
• 使用未经验证的光伏组件进行模拟运行的影响可能非常大。

结论

• 光伏组件技术细节的准确性和可靠性是确保精确光伏模拟结果的关键。
• 需要采用严格的组件验证流程，通过专家检查为每个光伏组件分配置信度等级。
• 验证过程包括填写所需参数、通过关键验证以及验证数据表、证书和实验室报告的真实性。

在光伏组件目录中了解更多信息 ->

我们的工作

• 收集业内最受欢迎的太阳能逆变器的技术规格表。
• 检查一般数据、输入和输出特性、运行性能、机械特性、效率和高级功能等具体参数。

我们获得的结果

• Solargis 专家对收集到的信息进行核实后，发现数据表、证书和实验室报告中存在差异和信息缺失。
• 使用未经验证的逆变器进行模拟运行的影响可能非常大。

结论

• 逆变器技术细节的准确性和可靠性是确保精确光伏模拟结果的关键。
• 需要严格的组件验证过程，通过专家检查为每个逆变器分配置信度等级。
• 验证过程包括填写所需参数、通过关键验证以及验证数据表、证书和实验室报告的真实性。

在光伏组件目录中了解更多信息 ->

我们的工作

• 收集 20 个不同气候区的高分辨率太阳能数据集。
• 使用时间分辨率为 1 分钟、15 分钟和 60 分钟的太阳辐照度输入数据，比较计算出的逆变器削波损耗和发电量。

我们获得的结果

• 当使用 60 分钟数据而不是 1 分钟数据时，热带地区的年产量被高估达 2.5%。
• 直流/交流比为 1.5 时，高估的数值更大。

结论

• 在光伏系统设计中使用 1 分钟分辨率的数据可最大限度地减少产量高估并提供更精确的削波损耗评估，从而提高准确性。
• 强烈建议开发和使用精确的 1 分钟模型，以优化直流/交流比率、分析电网稳定性、确定储能系统的大小并确保电网合规。