首页

　　

　　下图是河北省某地1961年-2008年各年的总辐射量和直接辐射量变化情况，最高值可能比最低值高出20%以上。
 

　　
 

　　所以，经常有人说，我的邻居去年的发电小时数是1400h，那么我今年建一个电站，发电小时数也应该不低于1400h。这其实是错误的！

　　

　　既然单独用某一年的太阳能数据可能偏高或偏低，因为我们会用“代表年”数据来分析。

　　

　　什么是“代表年”呢？简单的讲，就是代表平均水平的情况。

　　

　　我们通常说的NASA数据、Meteonorm数据一般都是指的代表年数据。

　　

　　如果，您有附近气象站历年的太阳能辐射数据，这个数据当然更准确。那么，我们该如何得出代表年数据呢？

　　

　　光伏项目对代表年的选取一向比较简单粗暴，直接将累年逐月数据平均，得到一个平均年数据，作为代表年数据。而实际上，代表年的选取还有多种方法，而这些方法都有各自的特点。本文中小编总结了三种代表年的选取方法：

　　

　　方法一

　　

　　将长序列数据平均，得到平均值作为代表年数据。若需要代表年逐月数据，则可逐月进行平均；若需要逐时数据，则可逐时进行平均。

　　

　　方法二

　　

　　在长序列数据中选取年总量最接近多年平均值的几年，再在这几年中选择逐月变化最接近累年平均逐月变化的一年（可采用逐月方差最小进行判断），作为代表年数据。

　　

　　方法三

　　

　　在长序列数据中逐月选取月总量与该月累年平均值最接近的某年该月数据，将选取出的12个月数据组合为一个代表年数据。

　　

　　下图为某30年辐射数据采用三种方法选取代表年后的逐月数据对比图，该套数据为法向直接辐射（DNI）数据，但代表年选取后的效果与总辐射（GHI）是类似的。
 

　　
 

　　★方法一采用平均的计算方法，体现的是该地区资源的平均水平，但是在需要逐时或逐日数据时，由于经过了平均计算，真实的逐时和逐日变化已经被抹去，曲线会非常平滑；

　　

　　★方法二最终选取的是一个真实年，因此能够较为真实的保留数据的逐时变化和逐日变化，但因为能收集到的数据一般也就30年以内，以年为单位也就30组以内，样本数量有限使得并不一定能找到年总量和多年平均非常接近、各月变化趋势也和多年平均非常接近的一年数据，只能是找相对更符合的，从图中也可以看出，三条曲线中方法二的曲线只能保证大致趋势上与多年平均一致；

　　

　　★方法三介于方法一和方法二之间，由于采用逐月选取最接近累年平均月数据，因此保证了选取出的逐月数据在数值上和趋势上都接近于多年平均值，从图中也可以看到；由于是整月数据选取，因此也在一定程度上保留数据的逐日和逐时特性。缺点在于该套代表年数据是由独立的12个月数据拼接而成，不是一个真实的年数据，而在月和月交界的地方数据也有可能需要做一些处理。

　　

　　三种方法在实际工程中都有应用，孰优孰劣更多的是看具体的需求，而并没有一个定论。就个人而言小编更倾向于方法三。