关于6月12日POA辐照度显著低于GHI的技术问询

问题背景 #

我从Solcast获取了时间间隔为5分钟的GHI、DNI、DHI卫星数据，并使用pvlib库编写如下函数计算POA值：

def get_irradiance(site_location, date, tilt, surface_azimuth, ghi, dni, dhi):
    times = pd.date_range(date, freq='5min', periods=12*24, tz=site_location.tz)
    solar_position = site_location.get_solarposition(times=times)
    POA_irradiance = irradiance.get_total_irradiance(
        surface_tilt=tilt,
        surface_azimuth=surface_azimuth,
        ghi=ghi,
        dni=dni,
        dhi=dhi,
        solar_zenith=solar_position['apparent_zenith'],
        solar_azimuth=solar_position['azimuth'])
    return pd.DataFrame({'GHI': ghi,
                         'DNI': dni,
                         'DHI': dhi,
                         'POA': POA_irradiance['poa_global']})

在荷兰地区（光伏组件倾角12.5°、方位角180°），对比2022年6月12日和13日6:00-20:00的逐小时数据：

6月12日数据 #

12 Juni 2022
             GHI         DNI         DHI         POA
6      86.750000  312.750000   40.500000   40.277034
7     224.583333  543.000000   69.750000   71.130218
8     366.833333  598.833333  113.833333  178.974322
9     406.083333  182.000000  304.000000  348.272844
10    532.166667  266.750000  346.666667  445.422584
11    725.666667  640.416667  226.500000  509.360716
12    688.500000  329.416667  409.583333  561.630762
13    701.333333  299.750000  439.333333  570.415438
14    725.416667  391.666667  387.750000  532.529676
15    753.916667  629.166667  244.333333  407.665794
16    656.750000  599.750000  215.333333  293.832376
17    381.833333   36.416667  359.416667  356.317883
18    411.750000  569.166667  144.750000  144.254438
19    269.750000  495.916667  102.500000  102.084439
20    134.583333  426.416667   51.583333   51.370738

6月13日数据 #

13 June 2022
             GHI         DNI         DHI         POA
6       5.666667    0.000000    5.666667    5.616296
7     113.500000    7.750000  111.416667  111.948831
8     259.500000  106.833333  208.416667  256.410392
9     509.166667  637.750000  150.583333  514.516389
10    599.333333  518.666667  240.583333  619.050821
11    745.250000  704.500000  195.583333  788.773772
12    757.250000  549.666667  292.000000  798.739403
13    742.000000  464.583333  335.000000  778.857394
14    818.250000  667.750000  243.000000  869.972769
15    800.750000  776.833333  166.916667  852.559043
16    699.000000  733.666667  167.166667  730.484502
17    582.666667  729.166667  131.916667  593.802853
18    449.166667  756.583333   83.500000  434.958210
19    290.083333  652.666667   68.666667  254.048655
20    139.833333  466.916667   48.333333   97.272684

可见6月12日POA值显著低于GHI，部分其他日期也存在类似差异。我使用该POA值进行PR（性能比）计算，但结果不可信，恳请解释该异常原因。

异常原因分析 #

1. 时间维度不匹配导致计算逻辑错位 #

函数中生成的times是当日5分钟间隔的时间序列，但传入的ghi、dni、dhi是逐小时聚合后的数据，而solar_position是5分钟精度的太阳位置数据。用5分钟的太阳位置匹配小时级的辐照度数据，会导致每个小时的辐照度被重复计算12次，最终POA结果基于错误的时间对应关系生成，必然出现偏差。

正确做法是确保辐照度数据的时间索引与太阳位置序列完全对齐：要么用5分钟原始数据计算POA后再聚合为小时值，要么先将太阳位置数据聚合为小时级再代入计算。

2. 多云天气下散射辐射占比过高 #

观察6月12日数据，多个时段（9点、12-14点、17点）的DNI远低于GHI，DHI占比极高，说明当天是多云/阴天为主的天气：

• GHI是水平面的总辐照度，包含直射+散射；
• POA是倾斜面上的总辐照度，直射部分贡献取决于太阳入射角，散射部分贡献由倾斜面散射接收模型决定。
  当DNI极低时，POA的直射贡献几乎可以忽略，而12.5°的小倾角组件接收的散射辐照度，在各向同性散射模型下会略低于或接近水平面的散射部分，再加上直射贡献不足，就会出现POA低于GHI的情况。

对比6月13日（晴天为主，DNI占比高），直射辐射入射角匹配组件倾角，POA高于GHI是正常现象。

3. pvlib默认计算参数的局限性 #

irradiance.get_total_irradiance的默认参数可能放大偏差：

• 散射辐射模型：默认使用isotropic（各向同性）模型，但多云天气下散射辐射更接近各向异性，未指定haydavies或reindl等更合适的模型，会导致散射部分POA计算偏差；
• 地面反射率：默认ground_albedo=0.2，若当地实际反射率更高（如夏季草地），会影响POA的反射贡献，但这个影响通常较小。

4. Solcast卫星数据在多云天气下的误差 #

卫星反演的辐照度数据在多云天气下误差会显著增大，尤其是DNI的反演难度更高。6月12日的DNI数据可能存在低估或失真，导致POA计算时直射辐射贡献被错误降低，进而拉低整体POA值。可对比同期地面气象站的实测数据验证Solcast数据的准确性。

内容的提问来源于stack exchange，提问作者Oscar