经常【cháng】有【yǒu】人【rén】说，我的邻居【jū】去【qù】年【nián】的【de】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【bú】低于【yú】1400h。这【zhè】其实是错误的!
既然单【dān】独用某一年的【de】太阳能【néng】数据【jù】可【kě】能偏高或偏低，因为我们会用“代表年”数据【jù】来分【fèn】析【xī】。
什么是“代表年”呢?简单的讲，就是代表平均水平的情况。
我【wǒ】们通【tōng】常说【shuō】的NASA数据【jù】、Meteonorm数据【jù】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【dāng】然更准【zhǔn】确。那么【me】，我们该【gāi】如何得出【chū】代表【biǎo】年数据呢【ne】?
光伏项目对代表年的选取一向比较简单【dān】粗暴，直接将累年【nián】逐月数据平均【jun1】，得到一个平均年数据，作为代表【biǎo】年数据。而实【shí】际上，代表年的选取【qǔ】还有多种方法，而这些【xiē】方法【fǎ】都【dōu】有各【gè】自的特点。本【běn】文总【zǒng】结了三种【zhǒng】代表年的【de】选【xuǎn】取方法【fǎ】：
将长【zhǎng】序列数据平均，得到【dào】平均值作为代【dài】表年数据。若需要代表年逐月【yuè】数【shù】据，则可逐月【yuè】进行【háng】平【píng】均;若需要逐时【shí】数据，则可逐时进【jìn】行平均。
在长序列数据中选取年总【zǒng】量最接近多年平【píng】均【jun1】值的几年，再在这几年中【zhōng】选择逐月变【biàn】化最【zuì】接近累年平均逐月变化【huà】的一年(可采用逐月【yuè】方差最小【xiǎo】进行【háng】判断)，作为代【dài】表【biǎo】年数据。
在长序列数据【jù】中逐月【yuè】选取月总量与【yǔ】该月累年【nián】平均值最接近的某【mǒu】年【nián】该【gāi】月数据，将选取出【chū】的12个月数据组合为一个【gè】代表年数据。
★ 方法一采【cǎi】用平均的【de】计算方【fāng】法，体现的是该地区资源的平均【jun1】水平，但是在【zài】需要逐时或逐日【rì】数据时，由于经【jīng】过了平均计算，真【zhēn】实【shí】的【de】逐时【shí】和【hé】逐【zhú】日【rì】变【biàn】化已经被抹去，曲线会非常平滑；
★ 方法二最终选取【qǔ】的是一【yī】个真【zhēn】实年，因此能够较为真【zhēn】实的保留数据的【de】逐时【shí】变化和逐日变化，但因为能收集到的数据一【yī】般也就【jiù】30年以内，以年为单位也就30组以内，样【yàng】本数量有【yǒu】限使【shǐ】得并不一定【dìng】能找到【dào】年总【zǒng】量和多【duō】年平【píng】均非常接【jiē】近、各月变化【huà】趋势也和多年平均非常接近【jìn】的一年数据，只【zhī】能是找相对更符【fú】合的，从图中也可以看出，三条曲线【xiàn】中【zhōng】方法二的曲【qǔ】线【xiàn】只能保证大致趋【qū】势上与【yǔ】多年平【píng】均一致【zhì】；
★ 方法三介于方法【fǎ】一和方法二之间，由于采用逐月选取最接近累年平【píng】均月数据，因此保证了选取出的【de】逐月数据在数【shù】值上和趋【qū】势上都接近于多年平均值，从图【tú】中也可【kě】以【yǐ】看到【dào】;由于是整月数据选取，因【yīn】此也在一定程度上保【bǎo】留数据的【de】逐日【rì】和逐【zhú】时特性。缺点在于该套【tào】代【dài】表【biǎo】年数【shù】据是由独立的12个月数据拼接而成，不是一个真实【shí】的年【nián】数据【jù】，而在【zài】月【yuè】和月交【jiāo】界的地方【fāng】数【shù】据也有可【kě】能【néng】需要【yào】做一些处理。
来源：光伏智库
