エネルギー収量の評価精度を高めるには、まず衛星モデルデータと地上観測値の乖離を解消することから始めます。この2つが一致しない場合、不確実性が高まり、プロジェクトの意思決定に深刻な影響を及ぼします。サイト適応化は、Solargisモデルを現地の条件に合わせて校正することで、この問題を解決します。
このウェビナーをご覧いただき、サイト適応プロセスの仕組み、データ品質や品質管理からその背後にあるノウハウに至るまで、確固たる地上測定基準を構築するために必要な要素、そしてサイト適応されたデータが実務においてどのような違いをもたらすかについて学びましょう。また、サイト適応を通じて不確実性を低減することが、より良い設計決定や、より有利な資金調達への道を開くこともご確認いただけます。
太陽資源の年ごとの変動およびそれに関連する不確実性を分析するために、衛星データの入手状況に応じて、長期の時系列データを用いる。
この長期時系列データにより、傾向を把握することが可能となり、傾向が存在する場合、年ごとの変動による不確実性がそれを反映することになります。
Solargis Evaluate による太陽光発電シミュレーションのアプローチでは、過去の時系列データを用いてシミュレーションを行うことを推奨しています。これにより、太陽データに由来する傾向だけでなく、気温、水蒸気、風速などの他の気象パラメータによる傾向も、シミュレーション結果に適切に反映されるからです。
このような太陽光発電シミュレーションにより、一次的な太陽データや気象データに由来するあらゆる傾向の複合的な影響をより現実的に把握することができます。
設置場所への適応には、現地測定が不可欠です。パイラノメーターによるGHI（できればDNIおよびDIF）の測定値が必要であり、さらに、気温、風速、降水量、相対湿度などの気象パラメータも、太陽光発電の発電量に影響を与えるため、これらも測定することが望ましいです。
このような概要を示すことは非常に困難です。なぜなら、それは測定データの品質（計測機器、清掃、校正、運用・保守）や、衛星ベースの太陽モデルデータの不確実性（これは地域の地理的条件や気象パターンに大きく左右される）に大きく依存するからです。
しかし、全体としては、衛星モデルデータの不確かさ（4～8％）を、現場に適応させたデータの不確かさ（3～5％）まで低減することが可能です。高品質な測定データが利用可能であれば、原則として地域による依存性はありません（高山や極高緯度地域（例：60度以上）を除く）。
資金調達の詳細は通常、非公開情報であり、当社がアクセスできないため、具体的な事例はございません。ウェビナーで紹介されたような試算例は、データの不確実性や、プロジェクトファイナンスの変数（エネルギー価格、DSCR、債務の償還期間など）に関する仮定に基づいて作成することができます。
GHI、DNI、および気象変数の測定値を使用します。すべての測定値は、利用可能な十分な品質を備えている必要があります。
拡散光（DIF）は、GHIの適応（また、DNIの測定値が利用可能な場合はDNIの適応も）を通じて間接的に適応され、GHI、DNI、およびDIF間の一貫性を維持するために再計算が行われます。
さらに、当サイトの適応技術では、GHIとDNIの一貫性を考慮しており、DIFが負になるといった物理的に不可能な結果を回避しています。
現地適応処理を行っていない衛星モデルデータは、地上観測データが入手できない場合、予備実現可能性調査の段階で利用することができ、観測データが入手可能になった時点で、実現可能性調査の段階で現地適応処理済みのデータへと更新することができます。
ただし、衛星モデルデータの不確実性や検証については注意が必要です。衛星データの不確実性が高いと、適応後に大きなずれが生じる可能性があります。
特定の地域におけるモデルの性能は、その地域および同様の環境条件を持つ周辺地域の観測地点に対するモデル検証結果から推測することができます。
P90およびP50は、TMYデータセットの構築に使用される確率的シナリオです。この数値は、太陽資源量または太陽光発電量において、P90／P50の値を超えると予想される実際の事例（年）の割合を示しています。
P90の算出には、長期モデル値の不確実性と年ごとの変動に起因する不確実性を統合した「複合不確実性」の概念が用いられます。
例えば、あるP90の年間日射量合計値は、90％の確率で上回られると予想されます。
確率論的シナリオの詳細については、こちらをご覧ください。
データ提供者（LTA）がデータの説明に用いている品質指標に注目してください（理想的には、バイアスだけでなく、それ以上の情報を報告しているべきです）。 データセットの不確実性がどのように推定されているか、またその不確実性が現実的であるか（不確実性の物理的限界である3％を念頭に置いてください）、地上観測データがどのように処理・品質管理されているか、さらにサイト適応プロセスの文書化や衛星ベースのモデルデータの検証について問い合わせてください（プロバイダーは透明性を確保すべきです）。
バイアスの低減に加え、サイト適応の結果において確認すべき基準は他にも数多くあります。例えば、GHI-DNI-DIF値の一貫性、日周プロファイルの一貫性、累積分布の適合度、季節的な一貫性、長期的な一貫性などが挙げられます。サイト適応は、単にバイアスの低減に焦点を当てるべきではありません。
はい、これはあり得ますが、まれなケースです。もし、当初の衛星モデルデータが当該サイトの太陽光資源量を過大評価していた場合、サイトに適合させたデータの平均値（すなわちP50）は低くなります。 この減少幅が、サイト適応後の不確実性の低下によるP90の増加幅を上回る場合、サイト適応後のP90は元のP90よりも低くなります。
しかし、サイト適応後の P90 はより正確であり、そのサイトの実際の太陽光資源をより的確に表すことになります。また、サイト適応データの不確実性は大幅に低減されるため、サイト適応データを使用する際のリスクも低減されます。
目標とするR²値は存在しません。測定値の品質管理により、誤った測定値はすべて除外されています。残りの測定値は、衛星モデルデータとの相関の有無にかかわらず、正しいものとみなすことができます。
前述の通り、バランスを取るべき基準がいくつかあります。サイト適応を行う際、ある基準が改善された一方で、他の基準がサイト適応前の元のデータよりも悪化するような状況になってはなりません。
これは、測定値とモデル値の当初の不一致状況に依存しており、それによって適切なサイト適応手法の選択が決まります。
より複雑な手法（例えば、モデル入力となるAODデータや雲の特性の適応など）では、適応処理によってGHIデータとDNIデータの両方が一貫して修正される。
より小さな不一致の補正に適した、より単純な後処理手法では、各パラメータを個別に扱います。
しかし、こうしたより単純なアプローチにおいても、DNI と GHI の一貫性が損なわれず、物理的に可能な組み合わせの範囲内にとどまるように、サイト適応のパラメータ化を行う必要があります。GHI および DNI の適応は DIF に影響を与えますが、GHI、DNI、および DIF 間の一貫性を維持するために再計算が行われることで、DIF は間接的に適応されます。
地上観測データが不足しており、季節変動を十分に把握できない場合、元の衛星モデルデータから観測地点に適応させたデータへの不確実性の低減幅は小さくなります。
極端な場合、地上観測データには衛星モデルデータの不確実性を低減させるのに十分な情報が含まれていないため、サイト適応が拒否されることもある。
いいえ、お勧めはいたしません。ウェビナーでも触れた通り、地上観測データはおよそ1年間分しかカバーしておらず、その観測地点における太陽放射や気象パラメータの変動や傾向に関する情報は含まれていません。
このデータを太陽光発電の発電量推定に使用すると、不正確さ（過小・過大評価）が生じる可能性が高く、現実的な極端な気象現象を考慮に入れることもできません。
適切に保守・管理されていれば、クラスBの計測器を現場適応に用いることも可能ですが、クラスAの計測器の使用を推奨します。この場合、現場適応されたモデルデータの不確実性を低減する余地は、あるとしても限られています。
調整済みデータの時系列データ全体を使用する方がより良いアプローチであり、変動性をより深く分析することができます。しかし、業界ではさまざまな理由から、少なくとも一部のケースにおいては、依然としてP90シナリオを用いた分析を好む傾向にあります。
不確実性は、GHIとDNIについてそれぞれ個別に定量化される。DNIの測定値が利用可能な場合、DNIを調整することで、GHIに加え、DNIの不確実性も低減することができる。
さらに、DNIの測定値を用いることでエアロゾルの補正が可能となり、GHIの不確かさを低減するのに役立ちます。
また、DIFの測定値は、品質管理プロセスにおける測定上の問題を特定するのに役立ち、ひいてはGHIとDNIの両方の不確かさを改善することにもつながります。
サイト適応における制約要因は、利用可能な地上観測データの期間です。モデルは季節ごとに性能が異なる可能性があるため、サイト適応の基本的な要件は、品質管理を経た観測データがすべての季節を網羅していることです。
言い換えれば、サイト適応の最低要件は1年分の測定データであり、最適には2年以上が望ましい。これにより、単一の季節に対する過学習を防ぐことができる。
サイト適応の基本前提は、（地上観測期間から導出された）補正値が、モデルデータの全履歴にわたって安定していることである。明らかに、これは現実を単純化したものである。
サイト適応は、元のモデルデータに存在するあらゆる系統的誤差を低減できるものでなければならない。したがって、サイト適応の主要な手順の一つは、以下の両方の検証である。
1) 観測データと
2) モデル双方に異常がないかを確認することです。
モデルデータについては主に時間的な安定性を検証し、測定データについては、履歴全体を代表していない可能性のある異常（例：山火事、火山活動の影響）を探します。
これらの前提条件が満たされた場合にのみ、適切なサイト適応を適用することができます。
さらに、複数年分の測定データが利用可能な場合は、モデル検証指標（バイアス、RMSD など）の年ごとの安定性を調査します。
最後に、サイト適応データの不確実性には、期間が長くなるにつれて薄れていく過学習のリスクが考慮されています。したがって、利用可能な測定期間の長さに応じて、サイト適応データで得られる不確実性は小さくなります。
地上観測データと衛星データ（適応処理の前後）は常に重なり合います。その差は、サイト適応処理後の衛星モデルデータの精度指標（バイアス、RMSD、KSI）によって決まります。具体的には、年間の合計値はサイト適応処理済みデータのバイアスに依存します。
重複期間（通常1～2年）に対して開発された補正は、全履歴の時系列データ（30年以上のデータ）に適用されます。これにより、サイト適応後のデータは現地の状況をより適切に反映し、不確実性が低減されます。
基本的な日射成分（GHI、DNI、DIF）の計算では、アルベドは使用されません。
アルベドが重要となるのは、地面やその他の表面からの反射を計算する必要がある場合、すなわちグローバル・ティルト・イラディアンス（GTI、アレイ面（POA）イラディアンスとも呼ばれる）の計算においてです。
アルベドデータに対する感度は、GTIの計算手法（ビューファクタ法対レイトレーシング法）によって異なります。
