Pxxを信頼できますか？ PV発電量の不確実性がプロジェクトにとってなぜ重要なのか

砂漠地帯で行われるプロジェクトにおいて、最も懸念される問題の一つが汚れです。このような環境ではほこりが急速に堆積しますが、試運転段階ではその程度が過小評価されがちです。

さらに、詳細を把握しなければ、その実態を把握するのは困難です。どの汚れモデルを使用しましたか？どの入力データセットとシミュレータを使用しましたか？

このサンプルプロジェクトでは、不確実性の低減による効果を評価するため、P50が一定であると意図的に仮定しました。 実際には、より詳細な手法を用いればP50もさらに精緻化される可能性がありますが、このウェビナーで強調したかった主な利点は、不確実性の範囲が狭まること、つまりP75/P90やその他のPxx値がP50に近づくということです。

はい、その通りです。「Evaluate」で提供している日射量の不確実性の推定値は、地域ごとの平均値ではなく、その場所固有のものです。

これは、セクションのいずれかでオンデマンドでリクエストされ、解析が完了するとオンラインの結果に表示されます。

また、PVOUTの標準偏差から、年ごとの変動も容易に抽出できます。

なお、太陽光発電シミュレーションの不確実性については、現時点では本プラットフォームでは対応しておらず、別途推定する必要があります。

これは、特定の地域をカバーする衛星ミッションがいつ開始されたかによって異なります。その結果、利用可能なデータ記録は、場所によって1994年、1999年、あるいは2007年から始まる場合があります。詳細については、こちらをご覧ください。

データ記録が長いほど、年ごとの変動の推定値はより信頼性の高いものとなります。

とはいえ、衛星観測データは日射量モデルに継続的に組み込まれているため、一般的には入手可能な最新のデータセットを使用するのが最善です。

これにより、より長い過去の記録を活用しつつ、関連性のある最近の傾向も捉えることができます。

それは、具体的な設置場所や発電所の複雑さによって異なります。日射量モデルの精度が高いことが知られている地域において、より複雑なプロジェクトでは、太陽光発電のシミュレーションが主要な要因となる場合があります。

同様に、日射量モデルの偏差が大きくなると予想される地域にある比較的単純なプロジェクトでは、日射量モデルが主要な要因となる場合があります。

一方、雲の変動を把握することが特に困難な地域（例えば、10～15分以内に雲の状態が急速に変化する地域）では、年ごとの変動が顕著であり、場合によっては最大の要因となることもあります。

一般的に、このアプローチはお勧めしません。これは、一貫性、方法論、精度のレベルが異なる可能性のある、異なるモデルからのデータを組み合わせることになるからです。

原則として、いかなるパラメータを測定する場合でも、入手可能な中で最も正確かつ十分に検証済みの情報源に依拠することが望ましいです。この原則は日射量モデルにも当てはまります。複数のモデルの結果を組み合わせても、必ずしも不確実性が低減されるわけではなく、場合によっては、さらなる不整合の原因となる可能性さえあります。

これらはすべて使用されますが、その目的はそれぞれ異なります。P50は財務モデリングのベースケースとして使用される一方、P90は債務返済カバー率（DSCR）の算出において一般的に用いられる指標です。

一般的に、Pxxの値はプロジェクトのステークホルダーの要件に応じて算出することができます。

日射量については自社開発のSolargis衛星モデルを、気温、風速、湿度などのその他の気象パラメータについては、主にERA5をはじめとする高品質な数値予報（NWP）再解析モデルを使用しています。

詳細については、こちらをご覧ください。

入手可能な限り多くの年数です。主な制約は、当該地域をカバーする衛星ミッションの開始日です。

実用上の最低基準として、統計的に有意なPxx値を導出するには、一般的に少なくとも11年分のデータが推奨されます。

ただし、より長期間にわたる、かつより最新のデータセットの方が望ましいです。それらは、年ごとの変動についてより堅牢な推定値を提供すると同時に、最近の傾向も捉えることができるからです。

世界規模で見ると、Solargis GHIは、320カ所の基準観測地点と比較した場合、年間値において平均バイアス0.5％、標準偏差3％を示しています。

地域別の結果については、Solargisが発行した最新の検証レポートを参照することをお勧めします。このレポートには、1時間単位および月単位の時間スケールにおけるモデルの性能と一貫性を示す追加の指標も含まれています。

詳細な検証統計については、こちらをご覧ください。

当社は、モデルの検証目的で現地観測データを使用しています。モデルの検証が完了すると、再解析モデル（主にCAMS）からのPMデータを入力として、プロジェクト現場に適用します。Solargisのソーリングモデルの仕組みに関する詳しい説明はこちらをご覧ください。

プロジェクト現場の近くで現地の汚損や粉塵の測定データが入手可能な場合、それらを組み込むことで汚損損失の推定精度が向上するかどうかを評価することができます。

これは現在、Solargisソフトウェアの標準機能としては提供されていませんが、当社のコンサルティングチームがケースバイケースで検討いたします。

不確実性の低減は、確立された科学的手法に基づいています。不確実性は、幅広い条件下にある多数の地上観測地点のデータとモデルの性能を比較・評価することで定量化されます。

銀行や融資機関にとって重要なポイントは、地域全体を対象とした一般的な不確実性評価ではなく、より詳細で現場に特化した不確実性評価を行うことで、通常、信頼区間が狭まるということです。これにより、P90値が高くなり、借入余力の拡大につながる可能性があります。

債務規模への正確な影響、例えば債務比率が75％から78％に上昇するかどうかについては、融資機関のDSCR要件やプロジェクトの財務モデルの詳細によって異なります。