- CalibSun | 专业积淀
现场光伏数据： 精准功率预测的根本依据
现场光伏数据，是指在光伏电站直接采集的所有地面实测数据（辐照度、发电量、温度、风速等），用于实时监测电站的实际天气状况。对于光伏功率预测而言，这些 现场实测数据并非辅助输入，而是卫星影像和数值天气预报模型在短预测时域内无法替代的根本依据。 对于需要管控偏差风险与偏差考核费用的独立发电商、聚合商和电网运营方而言，现场测量的质量直接决定了预测准确性、限电识别能力以及日内功率预测的可靠性。 现场光伏数据可用于依据电站实际运行情况重新校准模型、绘制大型公用事业级电站的空间辐照度分布图，以及开展实时状态估计，这三项能力，仅靠卫星辐照度产品和数值天气预报都无法提供。
关键事实
- 现场光伏数据，是指在光伏电站直接采集的所有地面实测数据 （辐照度、输出功率、温度、风速等），用于实时监测当地天气状况。
- 卫星数据（3至10 km²，每 15 分钟更新一次，含延迟）与数值天气预报（20 km²，每 6 小时更新一次），其时空分辨率 都不足以支撑公用事业级光伏电站的小时内预测。
- 质量检查与历史数据 缺一不可：过滤异常值、识别传感器漂移，并利用多年时间序列数据，才能实现稳健的模型校准与实时重新校准，从而降低日内 nRMSE。
- CalibSun 将现有现场数据，或新增的天空成像仪、卫星影像和数值天气预报加以融合。
主要传感器 电站部署方案
配备功率预测功能的光伏电站，通常会集成多类传感器，每类各测一种物理量。
这类电站集成的多类传感器，正是 CalibSun 做功率预测的数据来源。每种传感器各司其职，测量光伏运营管理所需的特定物理量。
水平面总辐照度与气象 数据
地面数据可提供两项遥感技术从结构上无法实现的能力。第一项是实时水平面总辐照度测量：总辐射表可提供精准的本地辐照度数据，而 SCADA 系统则能将电站实际向电网输送的电量准确反馈给模型。这些实时状态信息，对短时预测至关重要。
第二项能力是针对具体电站的模型校准。每座光伏电站的入射辐照度与发电量之间，都存在独特的对应关系。CalibSun 的算法只有依托现场历史时间序列数据，才能掌握这一特征，而这类数据需涵盖足够长时间内实测的水平面总辐照度与发电量。
- 产品页面
CalibSun 如何整合现场数据？
数据质量控制与历史校准
任何现场数据在进入预测算法之前，都要先经过一套系统化的质量控制流程。CalibSun 会标记并剔除存在物理不一致的数据，包括：超出理论晴空包络线的数值、与同期太阳辐射数据和温度不符的发电量读数，以及呈现硬件故障典型阶跃变化的传感器读数。
经清理的历史数据集随后会作为预测模型的训练基础，其中涵盖电站在各种季节和天气条件下的发电行为。理想情况下，这类数据应至少覆盖一年的连续运行记录。
类比集合算法
CalibSun 的预测方法的基础是 类比集合算法。 这种机器学习技术，能够在现场实测历史数据中，找到与当前天气条件最相似的过往情形。这些类比情形下观测到的发电结果，构成完整的预测分布，既包含确定性的中心估计值，也包含从 P10 到 P90 的完整概率区间。尽管深度学习方法在光伏预测中的应用日益广泛，但运行中的光伏电站通常只有有限的历史数据集，在此情况下，类比集合方法在可解释性和稳健性方面表现更优。建议在系统上线时至少准备一年的历史数据，以确保类比样本能够覆盖完整的季节条件范围。
实时数据工作流：频率、延迟与无缝集成
CalibSun 的 NEXT 算法通过 API 集成，持续采集现场实测数据。最佳时间分辨率为 1 分钟。实际应用中，许多客户以 5 分钟分辨率传输数据，这对大多数光伏预测应用而言在运营上已足够。 NEXT 会自动适配传入数据流中可用的最短时间分辨率。
该算法可在各种数据可用性状态下无缝运行。当现场实测数据暂时不可用时，预测系统仍可仅依靠卫星数据和数值天气预报输入继续运行。在此期间，短期预测精度会有所下降，但服务不会中断。一旦实测数据恢复，模型将自动重新校准，预测精度随之提高。
建议在系统启用时至少准备一年的历史现场数据， 以确保类比样本能够覆盖所有季节条件。若没有这一基准数据，预测质量将随着现场实测数据的不断积累而逐步提高。
天空成像仪：将本地可观测性延伸至 30 分钟以内
对于非常短的预测时域（低于 60 分钟，尤其是低于 30 分钟），另一个问题变得至关重要： 有哪些云团正在向电站靠近，何时会到达？
CalibSun 的 INSTANT 服务以立体方式部署天空成像仪网络：电站周边多台相机从不同角度同步拍摄太阳与天空穹顶图像，从而对云层位置、几何形态和移动轨迹进行三维重建。这是唯一能够预判 30 分钟以内辐照度爬坡的方法。
为何卫星与数值天气预报数据 仅凭自身难以保证精度
卫星太阳辐射数据和数值天气预报模型，是光伏资源评估和日前天气预报的重要工具。但它们存在结构性局限，这些局限在短时预测中尤为突出，唯有现场数据能够弥补。
空间分辨率问题：卫星和数值天气预报无法观测到的内容
卫星：数据获取与处理延迟下，15 分钟 + 2 km² 分辨率
卫星辐照度产品的空间分辨率通常为每像素几公里。对于公用事业级光伏电站而言，这意味着驱动发电的辐照度由一个经过空间平滑处理的估计值来表示，无法捕捉亚公里级的出力波动。
气象模型：6 小时一更，含数据获取与处理延迟，分辨率 10 平方公里
数值天气预报模型也面临类似限制，其空间分辨率从几公里到几十公里不等。在这一尺度上，局部天气状况要么被平滑处理，要么存在明显的时间滞后。在日内时域内，仅凭卫星数据和数值天气预报输入生成的功率预测，无法捕捉过境云层导致的辐照度快速变化，而这些事件恰恰是偏差风险与偏差考核费用的直接成因。
- 常见问题
关于现场光伏数据的常见问题
现场光伏数据是什么？它为何对光伏功率预测如此重要？
现场光伏数据涵盖在光伏电站直接采集的所有地面实测数据：来自总辐射表的太阳辐射强度、来自 SCADA 系统的电力输出，以及各类气象参数。这些现场实测数据可反映电站的实时状态，并支撑针对具体电站的模型校准，这是卫星数据和数值天气预报无法提供的核心 能力。对可再生能源行业而言，这些数据有助于实现可靠的电力生产，并支持企业的可持续发展目标与减碳行动。
在光伏预测中，GHI 和 GTI 有什么区别？
GHI （水平面总辐照度）测量水平面上的总太阳辐射，而 GTI （倾斜面总辐照度）测量照射在倾斜组件表面的辐射量， 对光伏系统建模而言更具参考价值。利用转换模型从 GHI 推导出 GTI，有助于提升光伏系统的能效并优化设计。
如果没有现场实测数据，能否实现精准预测？
卫星和数值天气预报模型能够支撑日前预测，但在日内时域，缺少现场数据会严重限制预测精度：卫星无法捕捉亚公里级波动，也无法反映电站特有的发电行为，而这些因素对电网可靠性以及用电增长领域的成本控制至关重要。
现场数据暂时没有时，预测质量会受什么影响？
CalibSun 的 NEXT 算法可在各种数据状态下无缝运行。当观测数据中断时，卫星数据和数值天气预报（NWP）输入可在无需人工干预的情况下维持预测的连续性，虽然在数据缺失期间短期预测精度会有所下降，但系统会自动恢复，从而确保 可靠的服务 与 日益增强的信心 在 可再生能源的推广.
