除了准确性以外，时间长度也是影响预测准确性的重要因素。我们的光伏电站是要运行25年的，但25年间，太阳能资源的年总辐射量变化可能会很大。下图是某地30年太阳能年总辐射量的变化曲线，最大值和最小值相差11%，平均偏差为2.8%。
图3：某地太阳能年总辐射量多年变化示意
如果观测年份恰好是太阳能资源最好的几年，则对发电量的预测结果就会偏大。个人觉得，低于10年的历史数据，都很难对未来的发电量做准确的预测。
3发电量误差的影响有多大?
由于资源数据不准带来的发电量误差，会对项目收益有多大影响?下图为某项目的收益率的敏感性分析。
图4：不同因素变化对收益率影响示意
可以看出，发电量无疑是对收益率影响最大的因素。之前对也对不同因素变化对度电成本的影响进行计算，结果如图4。
综上所述，如果采用NASA数据导致发电量预测产生-6%~20%的误差，或者采用某一年的数据，导致5%以上的预测误差，那投资商的预期项目收益也将产生极大的变化。
售电收入=发电量×电价
若发电量高估10%，则反算电价将被低估9.1%。
即项目本来0.98元/kWh还能获得预期收益，但因为对发电量的高估，计算得0.89元/kWh就可以获得预期收益。如果投资商为了获取指标，按照0.89元/kWh去投标而获得开发权，则未来的项目收益率会比预期低。
相对于未来每年几千万的电费收入，项目前期工作时花几万购买准确的资源数据，简直是九牛一毛!
三、系统效率的准确性
系统效率的影响因素众多，尤其是受后期的运维水平影响，谁也没有办法准确的计算出某地、某项目准确的系统效率。
解决这一问题最好的办法就是由监控软件的大数据判断。目前，国内有多家第三方监控平台、光功率预测平台。
通过对这些平台积累的大数据进行分析，就可以获得某一地区系统效率的概率分布，从而获得这一地区某一类型电站概率最高的系统效率。
我们电站的系统效率，很难达到最高值，也很难达到最低值，最有可能的，就是概率最高的那个。谁都逃不过概率。
因此，现在正在建设的一些监控、功率预测的大数据平台，对未来准确预测发电量具有非常重要的意义。
四、结语
要想在“竞争性配置”中，以最合理的上网电价拿到规模指标，必须要对发电量进行准确的预测。
因此，我们在前期工作中，必须重视太阳能资源数据的准确性;同时，也期望监控、功率预测的大数据平台能为行业提供更有用的统计数据分析结果。
原标题：竞电价配资源时，发电量预测准确度的重要性
>
>
