核心观点
本研报探讨了利用卫星遥感数据预测并网光伏系统性能的可能性，并评估了相关精度。研究重点分析了 HelioClim-2 数据库中计算得到的太阳辐照度数据，并将其与 IEA PVPS Task 2 性能数据库中的实测数据进行对比。
关键数据和研究结论
- HelioClim 数据库: 该数据库通过处理卫星图像（主要是 Meteosat 系列）生成太阳辐射数据，包括辐照度和辐照量。HelioClim-2 数据库的时间分辨率为 1 小时，空间分辨率为约 10 公里，覆盖欧洲、非洲、地中海地区、大西洋和部分印度洋地区。其相对不确定性（RMSE）为：小时值 20-22%，日值 18%，月值 12%。
- 辐照度数据校正: 为了更准确地反映安装地点的环境（特别是反照率），需要对 HelioClim-2 数据进行校正。研究选取了三个系统进行案例分析，发现通过线性关系校正后，年值 RMSE 可低于 10%，春季和夏季月值 RMSE 低于 10%，冬季月值 RMSE 为 20%。
- 光伏系统性能预测模型: 研究采用多项式回归模型进行性能预测，该模型将系统产生的功率与阵列平面上的入射总辐照度和组件温度相关联。模型校准后，年值 RMSE 约为 10%，月值 RMSE 在 14% 到 55% 之间。
- 月度数据预测: 使用月度辐照度数据进行预测时，年值 RMSE 为 7%，月值 RMSE 为 15%。结果表明，月度数据预测精度略高于日度数据预测。
研究意义
- 卫星遥感数据为提供全球范围的能源资源数据集提供了一种有吸引力和竞争力的方法，可用于评估场地潜力或预测安装性能。
- 通过校正 HelioClim-2 数据，可以显著提高光伏系统性能预测的精度。
- 简单的多项式回归模型可以提供对光伏系统性能的合理预测，但其精度可能无法满足对高精度预测的需求。
未来研究方向
- 进一步验证 HelioClim 数据校正方法的有效性，并探索缩短校正时间的方法。
- 评估 Task 2 性能数据库在更复杂的光伏系统性能预测中的应用潜力。
- 开发更精确的光伏系统性能预测模型，以满足不同应用的需求。
