经常有人说，我的邻居去【qù】年的发电小【xiǎo】时数是1400h，那么我今【jīn】年建一【yī】个电【diàn】站【zhàn】，发电小时数也应该【gāi】不低于1400h。这其实是错误的!
既然单独【dú】用某一【yī】年的太阳能数据可【kě】能【néng】偏高或偏低，因为我【wǒ】们【men】会用“代表年【nián】”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【zhǐ】的代【dài】表【biǎo】年数据【jù】。
如果【guǒ】，您有附近气【qì】象【xiàng】站历年的太阳能辐射数据【jù】，这个【gè】数【shù】据当然更准确。那么，我们该【gāi】如何得出【chū】代表年【nián】数据呢?
光伏项目对代表【biǎo】年的选取一向【xiàng】比较【jiào】简单粗【cū】暴【bào】，直接将累年逐月数据平均【jun1】，得到一【yī】个平均年数据，作为代表年【nián】数据。而实际上，代表年【nián】的选取还有多种【zhǒng】方【fāng】法，而这些方法【fǎ】都有各【gè】自的特点。本文总结了三种代表【biǎo】年【nián】的选取方【fāng】法：
将长序【xù】列数据【jù】平均，得到平【píng】均值作【zuò】为代表年数据。若【ruò】需要【yào】代表年逐月数【shù】据，则可逐月进行平均;若需【xū】要逐时数【shù】据，则可逐【zhú】时进行平均。
在长序列数据中选取年总量最【zuì】接近【jìn】多年平均【jun1】值的几年，再在这几年中选择逐月变化最接近累【lèi】年平均逐月变化【huà】的一年(可采【cǎi】用【yòng】逐月方差最小进【jìn】行判断【duàn】)，作为【wéi】代表【biǎo】年【nián】数据。
在长序【xù】列数据中【zhōng】逐月【yuè】选取月总【zǒng】量与该月累年【nián】平均值最接【jiē】近的某年该月数据，将选取出的12个月数【shù】据组合为【wéi】一个代表年数【shù】据【jù】。
★ 方【fāng】法一采用平均【jun1】的计【jì】算方法【fǎ】，体现的是该地区资源的平均【jun1】水平，但是在需要逐【zhú】时【shí】或【huò】逐日数据【jù】时，由【yóu】于经过了【le】平均计算，真实【shí】的逐时和逐日【rì】变化已经被抹去，曲线会非常平滑【huá】；
★ 方法二【èr】最终选取的是一个真实年【nián】，因此能够较为真实的保留数【shù】据【jù】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【nèi】，以年为单位【wèi】也就30组以【yǐ】内【nèi】，样本数量有限使得并不一定能找【zhǎo】到【dào】年总量和【hé】多年【nián】平均非常接近、各【gè】月变化趋【qū】势【shì】也和【hé】多年【nián】平【píng】均非【fēi】常接【jiē】近的【de】一年数据，只能是找相对更符合的【de】，从【cóng】图【tú】中【zhōng】也可以看出，三条曲线中方法二【èr】的曲线只能【néng】保证大致【zhì】趋势上与【yǔ】多年平均一【yī】致；
★ 方法三介于【yú】方法一和方法二之间，由于采用【yòng】逐月【yuè】选【xuǎn】取最【zuì】接近【jìn】累年【nián】平均月数据，因此【cǐ】保证了选取出的逐月数据【jù】在数值上和【hé】趋势上【shàng】都接近于多年平均值【zhí】，从【cóng】图中也可以看到;由于【yú】是整月数【shù】据选取，因【yīn】此也【yě】在【zài】一定程度上保留数【shù】据的【de】逐日和逐【zhú】时特性。缺点在于【yú】该套代表【biǎo】年数【shù】据是由独【dú】立的12个月【yuè】数据拼接【jiē】而成，不是一个真实的年数据，而在月和月交界的【de】地方【fāng】数据也有可能需要做一些处理。
来源：光伏智库
