經常有人說，我的鄰居去年的發電小時數是1400h，那么我今年建一個電站，發電小時數也應該不低于1400h。這其實是錯誤的!

既然單獨用某一年的太陽能數據可能偏高或偏低，因為我們會用“代表年”數據來分析。

什么是“代表年”呢?簡單的講，就是代表平均水平的情況。

我們通常說的NASA數據、Meteonorm數據一般都是指的代表年數據。

如果，您有附近氣象站歷年的太陽能輻射數據，這個數據當然更準確。那么，我們該如何得出代表年數據呢?

光伏項目對代表年的選取一向比較簡單粗暴，直接將累年逐月數據平均，得到一個平均年數據，作為代表年數據。而實際上，代表年的選取還有多種方法，而這些方法都有各自的特點。本文總結了三種代表年的選取方法：

將長序列數據平均，得到平均值作為代表年數據。若需要代表年逐月數據，則可逐月進行平均;若需要逐時數據，則可逐時進行平均。

在長序列數據中選取年總量最接近多年平均值的幾年，再在這幾年中選擇逐月變化最接近累年平均逐月變化的一年(可采用逐月方差最小進行判斷)，作為代表年數據。

在長序列數據中逐月選取月總量與該月累年平均值最接近的某年該月數據，將選取出的12個月數據組合為一個代表年數據。

★ 方法一采用平均的計算方法，體現的是該地區資源的平均水平，但是在需要逐時或逐日數據時，由于經過了平均計算，真實的逐時和逐日變化已經被抹去，曲線會非常平滑；

★ 方法二最終選取的是一個真實年，因此能夠較為真實的保留數據的逐時變化和逐日變化，但因為能收集到的數據一般也就30年以內，以年為單位也就30組以內，樣本數量有限使得并不一定能找到年總量和多年平均非常接近、各月變化趨勢也和多年平均非常接近的一年數據，只能是找相對更符合的，從圖中也可以看出，三條曲線中方法二的曲線只能保證大致趨勢上與多年平均一致；

★ 方法三介于方法一和方法二之間，由于采用逐月選取最接近累年平均月數據，因此保證了選取出的逐月數據在數值上和趨勢上都接近于多年平均值，從圖中也可以看到;由于是整月數據選取，因此也在一定程度上保留數據的逐日和逐時特性。缺點在于該套代表年數據是由獨立的12個月數據拼接而成，不是一個真實的年數據，而在月和月交界的地方數據也有可能需要做一些處理。

來源：光伏智庫