3、太阳能资源基础：太阳辐射的测量与计算、GHI/DNI/DHI概念、光伏资源潜力评估、光资源图谱应用

做光伏项目开发，第一件事不是看地，也不是看电网。而是看光。

光资源好不好，直接决定了这个项目的“天花板”。我见过不少项目，前期选址拍脑袋，结果建成后发电量比预期低了15%以上。嗯，这种教训一次就够了。

3.1 太阳辐射的测量与计算

太阳辐射，说白了就是太阳往地球表面输送的能量。我们做光伏，关心的就是这部分能量有多少、怎么分布。

测量手段主要有两种：

• 地面气象站实测：用日射强度计（Pyranometer）直接测。这是最准的，但成本高，站点稀疏。我个人习惯，在项目场址内至少布设1年的实测数据，这样心里才有底。
• 卫星反演数据：比如NASA、Solargis、Meteonorm这些数据库。覆盖广、免费或低成本，但精度受云层、气溶胶影响。我建议用它做初筛，但别直接拿来当设计依据。

计算方面，我们常用的是基于天文参数和气象参数的模型。比如，知道当地的纬度、海拔、大气透明度，就能估算出理论辐射量。

H = H0 × Kt

我在项目中遇到过，有些数据库给出的Kt值偏乐观，导致计算出的发电量虚高。所以，实测数据永远是金标准。

3.2 GHI / DNI / DHI 概念

这三个缩写，是光伏资源评估的“三驾马车”。搞不懂它们，后面的工作就没法做。

你想想看，GHI = DNI × cos(θ) + DHI。这个公式很直观：总辐射 = 直接辐射的投影 + 散射辐射。

为什么这三个概念重要？

• 如果你做的是常规晶硅光伏，GHI 是主角。因为组件是倾斜安装的，但GHI是水平面数据，需要换算。
• 如果你做的是跟踪系统，DNI 的占比就上来了。因为跟踪器能让组件始终正对太阳，直接辐射利用率更高。
• DHI 在雾霾天、多云地区占比很大。我曾经在四川一个项目上，DHI 占了GHI的60%以上，这时候你再怎么追光也没用，因为根本没直射光。

3.3 光伏资源潜力评估

资源潜力评估，不是简单查个辐射数据就完事了。它需要综合考虑：

1. 理论潜力：基于天文辐射和地理条件，算出最大可能接收的辐射量。
2. 技术潜力：考虑组件效率、系统效率、阴影遮挡、温度损失等。我一般按80%~85%的系统效率来估算。
3. 经济潜力：考虑土地成本、并网条件、电价水平。有些地方光资源好，但地价贵得离谱，那也没意义。

评估流程大致如下：

• 获取场址的GHI、DNI、DHI月均数据
• 确定组件倾角、方位角（固定式）或跟踪策略
• 计算倾斜面上的辐射量（POA）
• 扣除温度、灰尘、线路、逆变器效率等损失
• 得出首年发电量，再考虑衰减，算出25年全生命周期发电量

3.4 光资源图谱应用

光资源图谱，就是把辐射数据可视化到地图上。现在国内常用的有：

• 中国气象局太阳能资源图谱：官方数据，权威性高，但更新频率低。
• Solargis / 3TIER 等商业图谱：分辨率高（1km甚至更细），数据更新快，但需要付费。
• NASA SSE 数据库：免费，但分辨率粗（约100km），适合宏观初筛。

怎么用？我个人习惯分三步走：

1. 宏观筛选：打开资源图谱，把GHI低于1300 kWh/m²/年的区域直接划掉。这一步能筛掉60%以上的无效区域。
2. 中观对比：在候选区域内，对比DNI和DHI的占比。如果DNI占比高，优先考虑跟踪系统；如果DHI占比高，固定式更划算。
3. 微观验证：对最终选定的几个场址，用实测数据或高分辨率卫星数据做精细化模拟。

光资源图谱还有一个隐藏功能——识别“异常点”。比如，某个区域周围都是高辐射区，唯独它偏低，那很可能有局地气候影响（比如山谷雾、工业污染）。这时候就要警惕了。

这张图把整个评估逻辑串起来了。从数据源到核心参数，再到潜力评估，最后落到选址决策。你想想看，每一步都环环相扣，缺一个环节，结果就可能跑偏。