マルセル・スーリ
Jun 25, 2025
太陽光発電プロジェクトが複雑化するにつれ、PVシミュレーションで最高の精度を実現する高品質な太陽・気象データの必要性が高まっている。典型的な気象年（TMY）データセットは長い間、信頼できる業界標準として機能してきたが、複雑なユーティリティ規模の開発だけでなく、より単純なプロジェクトでさえ、その限界が明らかになりつつある。
TMYデータセットは、初期段階の事業化前評価にはまだ有用である。しかし、パフォーマンス・モデリングや財務分析には、もはや十分ではありません。
今日では、かつてのような計算の限界やデータの不足による制約を受けることはありません。衛星ベースのモデルやクラウド・コンピューティングの進歩のおかげで、高解像度のデータセットが自由に使えるようになった。そして、より詳細なデータが容易に入手できるようになったのに、なぜ時代遅れの標準に頼るのだろうか？
かつて私たちが低解像度のテレビ画面から超高解像度のテレビ画面に移行したように、ソーラー業界も同じ飛躍を遂げ、高解像度の時系列データを新たな標準として受け入れなければならない。
これは過去のデータを「典型的な」 年として統合したもので、自然変動を平滑化し、実際のPVシステムの挙動に影響する日々の天候変動や年ごとの天候変動を無視している。その結果、TMYは気象条件の通常の変動を反映することができず、シミュレーションの信頼できる基礎を提供することができない。
例えば、日射量の急激な低下や急激な変化は歓迎されない驚きとなり、生産量の低下、ひいては収益や利益の低下を引き起こす可能性がある。このため、開発者は、このような事象をより的確に予測し、高頻度の気象変動に備えることができるよう、1時間単位よりも短い時間分解能のデータを必要としている。
対照的に、時系列データは、例えば過去30年間の各実年を考慮する。15分時系列（TS）の場合、個々の年がさらに15分間隔に細分化されるため、極端な気象現象をよりよく考慮することができ、これまでにない詳細なレベルでサイト固有のデータを提供することができる。
このように15分時系列データは、気象変動に対応することで、PVシミュレーションの全体的な精度と信頼性を向上させるため、TMYに代わるより現実的なデータである。
この図は、30年間（1994～2024年）の最高気温を1時間ごとのTMYデータと1時間ごとのTSデータで表したものである。TMYデータセットが34℃の平均値を示しているのに対し、粒度の高い時系列データは各年の実際の太陽・気象条件をよりリアルに表している。
データの粒度がPVシミュレーションに与える影響をさらに説明するため、長期平均（LTA）、TMY、TSデータセットが同じ期間をどのように表現しているかを比較してみよう。
長期平均（LTA） データは、毎年2月が毎日同じように晴れ、雲がなく、日射量に変動がないと仮定している。2月の実際の天候には、曇りや降雨、気温の変動、雲の移動による日射量の不安定さなどが含まれるため、これではPVの性能を十分に正確に評価することはできない。
2月の長期平均（LTA）月次データ。出典：Solargis Analyst。
TMYがLTAデータから合成的に生成されたものである場合、多少の変動が生じるが、それは人工的なものである。実際の状況との誤差は10%に達することもある。さらに、GHIと気温のような重要な変数間の不整合は、非現実的なシナリオ（例えば、気温が高いのにGHIが低いなど）をもたらし、最終的にPV出力の過小評価につながる可能性がある。
1時間ごとのTMYデータを用いて PVシミュレーションを行うということは、全年の2月全日を28日の「典型的な」日数で表すことができると仮定することを意味する。
2月の1時間ごとのTMY（Typical Meteorological Year）データ。出典：Solargis Analyst。
TMYは、28例（28日間）しかカバーしていないが、2月の天候の変動をある程度考慮することができる。しかし、GHIが800W/平方メートルを超える日（LTAの想定ではGHIは最大700W/平方メートル）や、曇りでGHIが200W/平方メートルに達しない日もすでに考慮できる。また、雲の移動によるGHIの変動も考慮する必要がある。
これとは対照的に、時系列（TS）データは過去の変動の全領域を捉えている。このデータは、30年間にわたる実際の2月のすべての日（800日以上）を記録しており、稀な極端なシナリオを含む太陽状態を詳細に表現している。
時系列（TS）データは、30年間にわたる実際の2月のすべての日を対象としている。出典Solargis Analyst。
TMYベースのシミュレーションでは、楽観的すぎる予測や最適とは言えないシステム設計がなされることが多いが、時系列データでは、現実世界のさまざまな条件下でPVプラントがどのように機能するかを現実的に理解することができる。時系列データは、運用、保守計画、経済モデリングにおいて正確な予測を行うための基盤となります。
データポイントの数で表すと、粒度の違いは大きい。1時間ごとのTMYデータに依存するほとんどの業界モデルが1年あたり8,760のデータポイント（24時間×365日）を提供するのに対し、30年間にわたる15分ごとのTSデータは1,051,200のデータポイント（30年×8,760時間×1時間あたり4インターバル）を提供し、TMYの120倍の有用な情報を提供する。
1時間ごとのTMY、15分ごとのTMY、15分ごとの時系列データのパラメータごとのデータポイントの比較。
従来のTMYベースのモデルが8,760であったのに対し、パラメータごとに100万を超えるデータポイントを扱うことで、エネルギー収量シミュレーションが大幅に改善されるだけでなく、よりロバストな財務モデリングが可能になり、バンカビリティが向上します。時系列データへの移行は単なる技術的なアップグレードではなく、ROIの向上、資金調達の確保、信頼性の高い長期的なPV性能の実現に不可欠です。
正確なPV性能モデリングは、銀行や投資家から太陽光発電プロジェクトの資金を調達する上で最も重要な要素の1つである。天候の変動が大きくなり、エネルギー市場の競争が激化し、電力の価値が不安定になったことで、金融関係者はその基準を引き上げざるを得なくなった。今日、銀行、投資家、保険会社は、エネルギー利回りと運用リスクについて、より厳密で証拠に基づく評価を求めている。TMYデータだけに頼っているプロジェクトは、こうした期待に応えられないことが多い。
異常気象の頻度や深刻度が高くなり、それらが資産やエネルギー生産に与える損害も大きくなっているため、開発者は異常気象による潜在的な損失とその発生の可能性を考慮しなければならない。これらは結局のところ、金融機関や保険会社にとって中核的な懸念事項である。
特に、気候変動に関連した損失を受けて保険料が高騰する中、貸し手はプロジェクトをより綿密に精査する必要に迫られている。2024年、再生可能エネルギー保険料は前年比20％から40％増加した。これは、低解像度の予測では、インパクトの大きい事象が発生した際の性能不足や設備故障を予測できないという認識が広がっていることを反映している。
TMYデータは、熱波、暴風雨、長時間の雲量といった極端な事象の頻度や影響を正確に捉えていないため、TMYに基づくモデルは体系的にリスク・エクスポージャーを過小評価し、パフォーマンスの一貫性を過大評価している。
対照的に、時系列データにはいくつかの戦略的な利点がある：
より正確な損失モデリング： 開発者は、現実的な極端気象のもとで、設備へのストレス、運転停止リスク、生産変動のシミュレーションを行うことができる。
デューデリジェンスの改善： 金融機関は、詳細なエネルギー収量予測にアクセスできるため、ベストケースとワーストケースのシナリオを理解することができます。
透明性と信頼の向上： 整合化された物理ベースの時系列データに基づいて構築されたモデルは、機関投資家にとって重要な要件である検証、監査、再現が可能です。
保険要件との整合性： 高解像度のモデリングは、より強固なリスク評価をサポートし、より有利な保険条件を可能にし、補償拒否リスクを低減します。
最終的に、PVプロジェクトは容量やLCOEだけでなく、信頼性でも競争しなければならなくなった。理論上はうまくいっても、現実の世界では失敗するような太陽光発電所では、もはや資金提供者を満足させることはできない。投資家のリスク意識が高まるにつれ、業界はそれに応じてデータ基準を引き上げなければならない。それは、TMYを超え、高解像度の時系列データをPVプロジェクト評価の新たな基盤として取り入れることを意味します。
Solargisの使命は、太陽光発電プロジェクトのモデリングに科学的厳密性、透明性、より高い精度をもたらすことです。Solargis Evaluateは、この理念に基づいて開発されました。
デフォルトでは、Solargis Evaluateは最大30年にわたる15分の時系列データを使用して、比類のない精度でPV性能をシミュレーションします。これにより、開発者はインバータの挙動をより適切にモデル化し、急激な条件変化に強いシステムを設計することができます。系統運用者と開発者は、リアルタイムの性能変動を効果的に予測することができ、エネルギー供給者との契約によって設定されたエネルギー需要要件を満たせなくなるリスクを低減し、PVプラントの運転における不安定性を最小限に抑えることができる。
