- CalibSun | NEXT
NEXT
工作原理
- 严格的数据质量 在生成任何预测之前进行控制
- NWP + 卫星影像 + 实时现场数据，, 按时间跨度进行动态加权
- 确定性与概率性输出
从数据到准确的日内和日前预测
CalibSun 旗下的 NEXT 平台为光伏运营商、交易商、聚合商和电网管理者提供所需的太阳能发电预测服务： 基于卫星数据每15分钟持续更新的动态日内和日前预测、每6小时更新的数值天气预报（NWP）模型，以及实时现场辐照度和发电量数据。
这种多来源、多时段的预测方法能够提供所需的精度，无论气候或电网运行状况如何，都能帮助优化交易策略、降低偏差考核成本、支持储能，并创造可量化的收益。整个过程中数据机密性均得到保障。请联系我们的团队，了解NEXT能为您的业务带来哪些价值。
- NEXT
预测 过程
我们会谨慎处理您的数据
从了解您的需求到提供预测，我们的专家团队将充分利用您的能源数据，为您提供精准度无与伦比且针对您具体情况量身定制的预测。
传感器质量检查与数据验证
在运行中的光伏电站中，受损的传感器数据很少会表现出明显异常。受污垢、结霜或对准偏差影响的总辐射表，仍会持续输出带有有效时间戳和看似合理的测量值。但这却在悄无声息地扭曲着所有下游流程：预测模型、卫星校准、性能比计算。
CalibSun的传感器质量检查是NEXT数据处理流程的第一阶段，在对任何预测模型进行训练或重新校准之前，都会系统地应用于每个数据集。这是我们技术的一大核心优势，因为传感器层面的数据质量问题会对太阳辐射强度预测精度、发电量估算以及电网规划的可靠性产生连锁影响。
一旦检测到问题，CalibSun 的专家团队会直接提供建议，帮助操作人员解决问题，从而既保障数据完整性，又确保长期预测的准确性。
多源数据集成
NEXT 持续进行集成：
- 数值天气预报（NWP）（ECMWF、GFS、AROME、ICON、ARPEGE），每6小时更新一次，用于构建日前预报并捕捉大尺度天气状况
- 地球静止轨道卫星影像（MSG、IODC、GOES、Himawari），每15分钟更新一次，加上日内输入的延迟
- 现场SCADA及传感器数据：全球水平辐照度（GHI）、温度、湿度以及定制化输入数据，以最高1分钟的分辨率进行实时整合
该算法会根据预报时效和气象背景，动态调整各数据源的权重，在短期日内预报中优先采用卫星影像和现场数据，而在日前规划中则转向数值天气预报（NWP）。
针对特定地点的模型校准
每座太阳能电站的入射太阳辐射与实际发电量之间都存在独特的关联，这取决于太阳能电池板的技术、布局、当地的污损情况或电网限制。
在系统上线时，NEXT 会利用您的历史数据进行训练，以掌握您电厂的辐照度与发电量之间的关系。随后，随着新测量数据的不断涌入，机器学习模型会持续进行重新校准，以整合当地的天气状况。
这种由统计预测方法驱动的持续调整，确保了预测精度在多年的运行过程中不断提升。
预测交付与运营成果
以5%分位数增量呈现完整的预测不确定性包络，该包络基于您电厂的实际观测变异性进行原生校准，而非基于参数假设建模。专为风险意识型交易、储能调度以及在偏差考核费用机制下的决策而设计。
配送：
- 安全 API （推送或拉取，JSON/CSV）——可直接集成到您的交易平台、EMS 或 SCADA 中
- Web 仪表盘, ，包括日内、次日和历史视图，提供实时与实际数据的对比追踪、准确性关键绩效指标（KPI）以及定制化输入参数
- 准确性后续跟进: 按预测时段和站点划分的均方根误差（RMSE）、平均绝对误差（MAE）及技能评分，助您可靠地跟踪太阳能预测结果
- NEXT
久经考验的准确性
经实践验证、持续得到证实：我们的方法能带来可量化的准确性提升，这直接转化为经济收益。
- NEXT
久经考验的准确性
经实践验证、持续得到证实：我们的方法能带来可量化的准确性提升，这直接转化为经济收益。
运行可靠性与数据保护
无硬件 安装
NEXT 通过安全的 API 与您现有的传感器和 SCADA 系统连接。 无需现场设备. 集成工作完全由 CalibSun 的技术团队负责。
数据中断时的预测连续性
当现场测量数据被标记为异常或暂时不可用时，NEXT 会自动切换至卫星数据和数值天气预报（NWP）数据，从而确保太阳能预报的持续交付。一旦有效数据恢复，模型将自动重新同步。
孤立的，, 安全处理
每座电厂都在专用的处理环境中运行。所有数据流均采用端到端加密。可扩展性从单座电厂到多吉瓦级电厂组合。 每个站点都有自己专用的数据处理流程和校准模型。
完全的数据所有权
您的生产数据和辐照数据仅用于您自身的预测服务，绝不会与第三方共享、也不会与其他客户的数据合并，更不会在您自身的处理流程之外使用。
需要更多信息吗？
联系我们吧！
- 问题
关于 NEXT 的常见问题
NEXT是如何生成太阳能预报的？
太阳能预报依赖于卫星数据、气象模型和地面观测数据的综合分析 – 将多个时间序列中的历史数据和实时数据进行整合。 卫星数据提供了关于当前云量和太阳辐射的详细信息，而气象模型则可预测天气系统的大尺度移动及其对未来太阳辐射的影响。地面观测数据则有助于了解当地天气状况以及太阳能电站的实时发电量。这些输入数据会持续更新，以确保预测的准确性, ，将预测误差降至最低，并保持模型的最佳性能。
预测有哪些不同类型？
为了确保太阳能电站的最佳运行，根据预测时间跨度，太阳能预测主要分为三类：近实时预测、短期预测和长期预测。
- 极短期预报, ，也称为“临近预测”，其时间范围为几分钟，通常需要使用半球成像仪的天空观测系统。它们是对标准现场传感器测量数据和精度较低的卫星影像的补充。 此类预报对于位于偏远地区的混合微电网系统尤为有用，在这些地区，光伏发电的替代方案无法立即获得，或者存在严峻的能源限制。 – 例如，在配备储能系统的工业场所，这些场所需要设定精确的发电目标。
- 短期预报（日内) 预测当天接下来几个小时的太阳辐射量 以每小时和每小时以内为间隔。 这些技术对于帮助太阳能开发商实时优化运营至关重要，, 支持电力市场的日内交易活动，, 并协助电网运营商管理太阳能并网工作 在不断变化的市场环境下。
- 长期预报（日前预报） 预测未来数天至数周内的太阳辐射量。这些数据对于太阳能领域的相关方制定运营计划至关重要，, 预测每日发电趋势，, 并做出决策以平衡能源供需——确保电力供应的可靠性 以及更可预测的电价。
NEXT 为什么使用现场数据？
天气模型和卫星影像是太阳能预报的绝佳数据来源，且在全球范围内均可获取。然而，其时间和空间分辨率不足以在极短的时间尺度和特定观测点层面检测云层的行为。 – 当现场分析和历史数据能揭示更精细的发电模式时，这些方法的实用性便会受到限制。
现场通常配备的监测传感器能够以更高的精度，为系统的实时状态提供极具价值的洞察。CalibSun 的预测算法能够整合这些测量数据 以动态方式 根据实际数据调整预测 – 减少预测误差，, 尤其是当其他数据源无法准确预测短期波动时。
CalibSun 通过安全的管道获取实时数据 以所需的频率。 在条件允许的情况下，强烈建议进行实时数据采集，因为这能显著提高预测精度 以及关键预测指标 在短期内。
