太阳能光伏电力市场正在全球范围内取得显著增长。根据国际可再生能源机构
(IRENA)
的最新数据，太阳能占全球可再生能源电力容量的最大份额，至
2023
年底达到
1.419GW
。
光伏电站的选址取决于根据系统在整个生命周期内的预期性能估算出的财务盈利能力。这种估算依赖于各种模型，其准确性部分取决于对输入参数的精确测量。
在双面光伏系统中，反照率是一个关键参数，代表表面反射辐射的百分比。反照率估算中的任何误差都会导致
2%
至
8%
的性能估算误差。
Enertis
Applus+
采用定制方法进行反照率表征以满足特定的市场要求，确保性能估算的最高精确度。为此，提出了各种测量反照率的补充方法，包括表面反照率测量或卫星数据估算。
最近的研究表明，由于反照率的空间变异性很高，最可靠的测量方法是通过高空间分辨率(面积小于100平方米)的长期地表测量，并在地表数据有限时辅以卫星测量。
Enertis
Applus+公司反照率测量系统在两种对比环境中的照片：左边是绿草如茵的草地，右边是干燥的荒地。该系统可适应不同的环境条件，提供精确的反照率测量结果。图片：Enertis
Applus+。
然而，进行长期的反照测量可能并不可行，特别是在新的光伏系统所在地。在这种情况下，需要通过几小时或几天的短期测量来估算反照率值。
Enertis
Applus+
研发团队与巴斯克大学微电子技术研究所
(TiM-UPV/EHU)
合作进行的一项最新研究表明，使用单次短期测量活动来描述反照率特性会因气象或季节变化而产生显著变化。此外，在同一天内观察到的反照率变化超过
60%
。
举例来说，图
2
描述了美国得克萨斯州
Sabinal
气象站一年内每分钟记录的特定反照率测量值的分布情况。这些测量值与代表云量的清晰度指数
(Kt)
相关联，并根据不同的日降水量水平进行了进一步分析。这些数据通过美国国家可再生能源实验室
(NREL)
协调的
DuraMAT
联盟公开发布，凸显了反照率计算的复杂性。
图2.Sabinal站(得克萨斯州)一年来反照率值的分布与透明度指数的函数关系。颜色表示测量反照率时的降水量。蓝色代表无降水时段；红色代表降水量小于1毫米；绿色代表降水量在1至10毫米之间；黑色代表降水量大于10毫米。
如图
2
所示，多云和降水等各种因素导致反照率值严重分散。这种高变异性凸显了在计算反照率时考虑多种环境因素的必要性。同时这也表明，如果仅根据单一的短期测量结果进行长期反照率估算，可能会出现重大误差。因此，在太阳能和气候相关应用中解释和使用反照率数据时，必须考虑时间和空间的可变性。
图
3
描述的是
1
月份进行的日尺度分析，采用的方法与图
2
相同。它揭示了反照率值的显著变化，即使连续几天或同一天内也是如此。
图
3.1
月份
Sabinal
气象站每日反照率值的分布情况。
红线表示每天反照率值的中位数，蓝框表示四分位数之间的范围，涵盖
50%
的值。
此外，红叉表示每天的异常值。
反照率值的巨大变异性给仅凭短期测量结果准确预测长期行为带来了巨大挑战。例如，在每月只进行一天测量活动的情况下，反照率值的波动超过
20%
是很常见的，而且这种情况不仅限于月度范围。单日波动超过
10%
的情况也时有发生。
认识到这一复杂性，
Enertis Applus+
和
TiM-UPV/EHU
开展了联合研究，采用严格的统计方法解决反照率变化问题。我们进行了一项详细研究以模拟反照率随时间变化的统计分布，加深对观测到的波动的理解，并建立短期活动、长期活动和卫星数据的反照率测量之间的相关性。
这项研究的目的是确定
Enertis Applus+
可在哪些条件下提供短期反照率测量活动，从而提供与长期活动相当的数据。如图
4
所示，这种方法可取代昂贵的长期测量活动，因为长期测量活动仅限于特定地点并且需要气象站，而短期测量活动使用轻型设备，可在更大范围内进行测量，投资回报率更高。
图
4.Enertis Applus+
进行的短期活动中反照率测量的等效性。
所提出的模型确定了短期测量等同于长期测量的条件，它依赖于由等式
1
表示的指数函数。该函数根据气候和地表类型对短期反照率测量进行分类。从等式
1
得出的函数基于复杂变量，其中涉及云量、温度、风、气候、湿度等参数，这些参数都收集在函数β中。
（广告位）
该功能旨在确定在规定的不确定性范围内，短期活动中有效反照率测量值相对于长期测量值的百分比。因此，
Enertis
Applus+
可以定义所需的测量次数和条件以确定可信的反照率值。图
5
举例说明了这一概念，描述了有效反照率值与各自的不确定性水平之间的关系，并按不同
DuraMAT
站点的地表类型
(
草地、砾石和沙地
)
进行了分类。
图
5.
三种不同表面的有效反照率数据百分比与可接受不确定性的函数关系。
分析中只考虑了全球水平辐照度
(GHI)>500W/m2
的反照率值。
正方形表示直接从数据中得出的值，实线表示根据公式
1
对数据进行拟合得出的值。
图中既显示了原始站点数据
(
用方框表示
)
，也显示了利用方程
1
进行的模式调整
(
用实线表示
)
。
公式
1.
建议的模型提供了一个灵活的工具，可根据土壤或气候类型进行调整，在可接受的不确定性范围内确定可接受的反照测量百分比。
在实际应用中，我们说明了如何利用该模型的预测能力来评估不同环境下反照率测量的有效性。例如，在砾石表面测量反照率时，最大不确定度为
5%
，相当于
0.2
基准反照率的反照率变化在
0.19
和
0.21
之间。这表明对这类地表的测量精度非常可靠，只有极少部分测量值超出了可接受的不确定范围。相比之下，在沙地表面应用该模型时，有效测量值不会达到
60%
。这种差异意味着从统计学角度看，在沙地表面进行的
10
次反照率测量中，至少有
4
次的不确定性超过
5%
。这表明在这种特定环境中，测量精度的可变性更大或更难。
如表
1
所示，该模型适用于多种条件，涵盖不同类型的地表和气候。此外，在比较短期和长期测量活动的反照率值以及短期和卫星数据时，也对模型进行了评估。卫星获得的数据与
Solargis
数据库相对应。该平台为每个地点提供通过多个卫星测量获得的单一月度反照率值。
表
1.
短时地表数据与长时数据和卫星数据分别用于每种气候和地表类型的有效反照率调整参数。
结果表明，反照率的变化遵循一种非随机模式，有效反照率值的百分比可以用等式
1
中的指数函数作为可容许不确定性的函数来模拟。因此，我们可以根据可允许的不确定性范围，以一定的精度预测反照率测量值的变化情况。
所开发的模型不仅能让我们了解这种变化的性质，还能为每种地表或气候类型所需的最低测量次数确定一个指标。这就确保了在预先确定的可接受的不确定性范围内，所获得的反照率值与长期测量值或卫星数据相一致。
值得注意的是，虽然地面测量和卫星数据得出的结果具有可比性，但卫星数据显示出更大的分散性。这表明虽然卫星数据提供了有价值的信息，但有必要进行调整以提高卫星数据在特定应用中的准确性。
由于
Solargis
数据的空间分辨率为
1x1
平方公里，因此这种散差受到地形同质性或异质性的影响。图
6
显示了不同光伏电站地点的三幅卫星图像，说明了地形同质性的变化。这表明卫星数据的变化与地形均质性的变化有关，证实了
Enertis
Applus+
在反照率测量活动中的观察结果
(
图
6)
。
