Solargis Evaluate 競合製品との比較

入力データの解像度

1時間ごとのTMYデータが標準的な入力データです。これは、合成された「典型的な」1年を表す8,760個のデータポイントで構成されています。このデータでは、実際の年ごとの変動性が反映されておらず、リスクエクスポージャーを体系的に過小評価し、誤差幅が容易に10％に達する可能性があります。

デフォルトで30年以上にわたる15分間隔の時系列データ：パラメータごとに1,000,000以上のデータポイントがあり、1時間ごとのTMYデータの120倍に相当します。極端な気象現象や短期的な日射量の変動を含む、実際の過去の変動を捉えます。

シミュレーション速度

地形が複雑な大規模プロジェクトの詳細な3DシミュレーションをデスクトップPCのCPUで実行すると、数時間を要します。1回のセッションで複数の設計案を実行することは現実的ではありません。

クラウドGPU処理により、シミュレーション速度が飛躍的に向上します。デスクトップCPUでは数時間を要していた、地形が複雑な大規模プロジェクトも、クラウド上ではわずか数分で処理されます。

遮蔽モデル

ビューファクターモデルは計算速度が速い反面、簡略化された幾何学的近似を使用しています。複雑な地形、不規則なレイアウト、および両面受光（裏面）のモデリングでは、精度が低下します。

3Dモンテカルロ逆レイトレーシング：地形の複雑さにかかわらず、シャディングに近い精度でシミュレーションが可能です。シャディング対象物や近隣の構造物は、Energy System Designer内で直接モデリングできます。これらは、物理的に厳密なレイトレーシングによってのみ正しく処理できる障害物です。

両面受光の背面日射量

ビューファクターモデルは、固定されたアルベドを用いて背面日射量を均一に平均化します。これにより、設置金具、地形、列の形状が考慮されません。フレームや隣接する列による背面の日陰は、単純化されるか無視されます。また、背面側には汚れやスペクトル補正が適用されません。

3Dレイトレーシングでは、前面および裏面のセルレベルで裏面日射量を計算し、設置金具、列構造、地形の形状、列間の影を考慮します。裏面の利得を低下させるあらゆる障害物が明示的にモデル化されます。

両面受光型パネルの地表面アルベド

単一の固定アルベド値（通常は0.20）が、年間を通じてサイト全体に均一に適用されます。両面受光型システムのゲインはアルベドに非常に敏感であるため、季節的な積雪や植生の変動があるサイトでは、静的な推定値を使用すると系統的な誤差が生じます。

衛星データに基づく月ごとの地表アルベドは、積雪状況、植生の周期、地表の種類を反映しています。このデータは両面受光システムのモンテカルロ法による裏面光線追跡に直接入力されるため、設計内容とシミュレーション結果の一貫性が確保されます。

トラッカーと両面受光の相互作用

バックトラッキングアルゴリズムにより、前面の列間遮光が最小限に抑えられます。傾斜角が背面の日陰パターンや両面発電量に及ぼす影響は、トラッカーの最適化には考慮されていません。

シミュレーションでは 、トラッカーの傾斜角、裏面の日陰の形状、および地表のアルベドを連動させることで 、年間を通じて単軸トラッカー構成に対する正確な両面受光エネルギーモデルを提供します。

電気的ミスマッチ

ストリングレベルの不整合モデルが一般的です。セルレベルのシミュレーションが利用可能な場合でも、通常は5 MWp未満のプロジェクトに限定され、大規模になると性能が低下するため、ユーティリティ規模のプロジェクトには実用的ではありません。

De Soto シングルダイオードモデルを用いたセルレベルの IV 曲線集約— プロジェクト規模を問わず詳細なミスマッチシミュレーションが可能です。

汚損による損失

ほとんどのツールは、ユーザーが入力したパーセンテージに依存しています。業界調査によると、実務者の62％が汚損および積雪による損失について専門家の推測を利用しています（SERENDI-PV、2023年）。

衛星データに基づく大気情報（PM2.5、PM10、粉塵、降水、および地域の気候条件）を駆動源とする物理ベースの汚損モデル。世界51カ所で検証済み。平均バイアス +0.1%、標準偏差 0.9%。

降雪による損失

明示的にモデル化されることはほとんどありません。含まれる場合でも、通常はユーザーの判断に基づく固定のパーセンテージです。

27カ所で検証済みの積雪損失モデル。シミュレーションチェーンに標準で組み込まれている。

承認の根拠

デスクトップシミュレーションツールが融資機関や技術アドバイザーに受け入れられている主な理由は、その普及率の高さにあります。その受け入れは、基盤となる方法論やその正確性に対する独立した検証ではなく、単に慣れ親しんでいることに基づいています。

Solargisは、銀行、投資家、その他のステークホルダーに受け入れられる、融資実行可能なデータを提供します。当社のアルゴリズムは、現実世界の物理法則に基づき、査読済みの科学文献に裏付けられ、透明性が高く、追跡可能で、検証済みのモデルの上に構築されています。科学的かつ厳密に文書化された当社のアプローチにより、シミュレーションのどの段階においても疑念の余地は一切ありません。

監査証跡

データ、シミュレーション、レポート作成が別々のツールで行われている場合、監査証跡はエクスポートされたファイルや保存された入力データから手動で再構築しなければなりません。融資機関や技術アドバイザーは、精査の過程でこうした不備を指摘するケースが増えています。

生の衛星データから銀行承認可能なレポートに至るまで、すべてが1つの統合システム上で処理されます。監査証跡は途切れることなく維持されます。ファイルの受け渡しも、バージョンの不一致も、説明が必要な不備も一切ありません。

ソフトウェアバージョンのトレーサビリティ

デスクトップ型のシミュレーションツールはバージョンに依存します。異なるソフトウェアバージョンで実行された解析では異なる結果が得られ、どのバージョンがどの出力を生成したかという一元的な記録がありません。数ヶ月後に結果を再現するには、ワークフローでは強制されない厳格な管理が必要です。

単一のバージョンが維持されるクラウドプラットフォーム。すべてのシミュレーションは、実行時のソフトウェアの状態とともに記録されます。その結果、プロジェクト、チーム、時期を問わず、結果の再現性と監査可能性が確保されます。

データの出所

リソースデータは別途調達されます。TMYファイルやサードパーティのデータセットからインポートされ、シミュレーションの入力として使用されます。ソースデータと最終的な収量数値との関連性は、アナリストが手動でリンクを維持することに依存しています。

シミュレーションは、その構築元である同一組織が生成したデータ上で実行されます。Solargisは、衛星データからシミュレーション出力に至るまでの全プロセスを自社で管理しています。

独立したデータ検証

データプロバイダーは通常、自社が選定した比較データや第三者による検証研究を公表することで、その正確性を主張しています。デスクトップツールでは、ユーザー自身が入力データの調達と検証を行う必要があります。

IEA PVPS 2023ベンチマークにおいて、平均偏差指標が最も低いとして第1位にランクインしました（IEA PVPS, 2023）。320カ所のGHI検証サイトと公開されている品質管理（QC）レポートにより、レビュー担当者は検証可能な方法論を入手できます。

検証済みの損失モデル

汚れ、積雪、劣化に関する入力値は、シミュレーションエンジンがデスクトップツールであれデータプロバイダーのアドオンであれ、通常、ユーザーの判断や一律のパーセンテージに基づく仮定に依存しています。これらはまさに、技術アドバイザーが最も頻繁に疑問を呈する仮定そのものです。

主要な損失に関するデータ駆動型かつ検証済みのモデル：世界51カ所で検証済みの汚損損失モデル、および米国と欧州の27カ所で検証済みの積雪損失モデル。

実績

デスクトップシミュレーションツールは市場で広く受け入れられていますが、そのモデルがどのように進化してきたかについての透明性は限られています。データ重視のプロバイダーは資源評価において信頼性がありますが、エンドツーエンドの発電量モデリングプラットフォームとしての実績は限られています。

2010年の市場参入以来、16年にわたる継続的な研究開発。100カ国以上で年間9,000件以上のユーティリティ規模のプロジェクトを支援。立ち上げ当初から、銀行、投資家、その他の市場関係者から、融資可能な発電量評価の根拠として受け入れられ、信頼されています。

透明性

シミュレーション手法の詳細は、多くの場合限定的であるか、解釈に専門知識を要します。検証統計は公表されている場合もありますが、独立した検証のために基礎となるデータ（現場座標、生データ、品質管理（QC）結果）が開示されることはほとんどありません。

完全な透明性：すべてのモデルは公開ナレッジベースに文書化されており、検証に関する主張はすべて、一般に公開されている設置場所の座標、現地で測定された生データ、および品質管理（QC）報告書によって裏付けられています。どの融資機関や技術アドバイザーでも、独自に検証を行うことができます。