本文是光伏系统设计的后续，主要从辐照数据的角度切入，辐照数据是电站可研阶段进行发电量模拟评估所用的必需数据。也是电站运维阶段进行系统效率评估的重要入参。
中国光资源评估不仅包含了可以提供中国区辐照数据供应商的评估，也包括实际数据质量以及长期趋势的评估，最后也会附带一些PVSYST的使用经验供参考。
中国区辐照数据供应商
按获取便利程度优先排序的状况下，NASA > Meteonorm > SolarGIS > 中国气象局(CMA) > 其他科研院所相关供应商 > 电网/当地电力局独立数据
-
NASA数据由于其免费在线获取的特点广为人知，数据库为卫星推演数据，虽为实测数据，但是原始数据为大气层外数据。实际输出数据经过模型拟合换算，由大气层外的数据经过整合气溶胶以及云层、湿度等与辐照相关的数据推算出地面辐照。
免费。有限的API服务。
-
Meteonorm是瑞士Meteotest旗下发布的气象数据库软件，整合全球公开的气象交换站的历史数据，运用其开发的算法进行数据插值或者加密，输出模拟的网格或者单点数据。数据最大的优点是交换站数据均为当地地面台站原始数据(raw data)，除一般数据清洗外不必进行额外的加工。
该软件库中，中国区的实际历史数据站点与实际气象局公布的辐照测量站点数相符，共约98个，辐照数据时段分两期，1981-1990和1991-2010. 实际使用时跟倾向于使用时期较新的数据。
在跟该数据供应商打交道的反馈中得知其数据库更新频率较低，前序更新是每5年，最近一次更新是2012年，因此在2017年大概率发布导入最新数据库的新版本。
付费，一次性买断软件使用及后续更新，价格并不贵。另有付费的API服务。
-
SolarGIS应是付费辐照数据中最广为人知的数据供应商了，由于其与世界银行有直接合作，针对第三世界国家进行光资源评估，发布太阳能投资可研报告，在投资界具有一定的影响力。其数据也是经由卫星数据换算而来的地面辐照数据，卫星辐照数据源为外购7颗气象卫星的原始数据(6颗同步卫星，1颗极轨道卫星)，除辐照数据外也外购有其他云和气溶胶卫星及台站数据(MODIS)。再通过自研的算法把原始数据换算为地面网格数据。
数据库实时更新，存量数据的周期也非常长，中国区的可用数据始于1994年，其数据用于长期波动研究是再合适不过的了。
付费，单辐照数据可以使用其iMaps等现有整合产品，但是指定的具体数据需要单独付费购买，具体价格与所选的要素、周期、间隔和置信度都有关，按点收费，代价比较高。另有付费API服务。
-
随着2015年来气象局共享数据库的公开，现在已经可以直接从其网站上获取部分数据，当然根据用户的权限不同可以获得的数据质量会有所差异。同年笔者有尝试过使用公司注册认证的账号获取部分数据测试，但由于各种原因再提交数据申请后没了下文，未得到回复，故因此作罢。但是其数据源是地面台站实测数据无疑，众所周知气象局观测司配置辐照仪的站点有限，不足100个。但是绝大部分观测装置都配备了日照时数计，该装置可以计量每天瞬时辐照大于120 W/m2时的累计时长，因此可以间接地推算相对准确的日辐照，对位间隔更短的观测需求则无能为力。
另也可以通过直接联络气象局直接采购定制化数据，数据按数字数量收费，很容易报出天价，代价非常高。目前网站现实有API服务，具体不可知。
其他科研院所相关供应商
其他科研院所相关单位也可以提供国内辐照数据，数据为地面台站二次加工数据，原始数据由于比较敏感无法获取。笔者由于工作原因采购过相关数据，性价比相当不错。
电网/当地电力局独立数据
坊间也有传闻电力系统各地的电力局也有进行辐照数据观测以进行微网测试，为下一代电网积累相关数据。笔者从原电网从业的同事得知各地电网也有相关的辐照原始数据，最终也是未能获取到相关数据，因此数据的价格和质量均未知。
中国区辐照数据质量
实测数据的优先级最高，光资源评估的最优选择是当地的长期实测数据，退而求其次是地面台站数据，再次是卫星反演数据。下文主要基于笔者的个人应用经验，对各辐照数据供应商的数据质量进行简单的陈述。
Meteonorm
Meteonorm是实际应用中最方便且大部分区域精度都比较可靠的数据。漠河-昆明线东南侧的辐照数据整体可靠，对比从其他数据源获取的长期数据，线性回归特征值较好。同时西北侧的辐照数据整体偏低，官方说明文档里也没有解释，原因未可知。
NASA
NASA的数据在我国西北的高海拔区域表现良好，同时东南区域的辐照数据整体偏高，同行业内其他人家在实用NASA数据时实用的速算系数取值都会偏低一些一样，在跟实测数据比对后也得到印证。
综合Meteonorm的数据有一种推论，由于高海拔区域空气中的湿度、灰尘以及其他气溶胶的影响较小，因此卫星反演模型受到的气溶胶影响较小。其他区域如果沿用了高海拔地区模型中的气溶胶参数，其他区域计算结论偏高的可能性就非常大了。
SolarGIS
SolarGIS的说明文件中有明确的误差说明和误差分析报告，以5%的误差为基准，在平原地区可以达成<=5%的误差水平，在丘陵、水体附近的误差控制则放大到<=15%，具体详见：
- Model performance
- Combined uncertainty
-
在与江苏某地的实测数据验算的线性回归特征值表现较好。SolarGIS的单点数据在地面站的校核下可以被更好地优化，且SolarGIS已经开始在中国区部署高精度地面站来提升整体精度，据说在欧洲和非洲已经实施这些站点并取得较好的验算结论。当然SolarGIS最大的优势还是在区域网格数据，卫星数据覆盖的区域是地面台站无法比拟的，作为区域资源评估或者区域发电量评估会非常合适。
综上，SolarGIS的P50/P95数据或者典型年数据用于站点评估是可靠的，其卫星网格数据用于区域资源评估非常有优势。
中国气象局(CMA)
现有渠道获取的大多是日值数据和年值数据，评估方法就及其有限，最后的方法上只能是对比长期数据。由于从其他渠道无法获取如此长期的年值数据，又陷入了无参照基准的窘境。笔者最后有幸比较了某几个地点的长时序数据，至少东南部的几个站点的线性回归特征值表现良好。
本质上讲似乎不该质疑气象局的数据，但是作为工程必须要对该数据进行验证。并且从气象局获取的数据也无法得到除了气象局品牌以外的任何背书，甚至是误差分析报告。这点也算是从气象局获取数据的弊端。
用气象局的数据总是对的，有说服力，但是数据是否准确，还需要金主砸下重金获取更多数据以进行验证。
PVsyst应用
PVsyst可以直接导入外部气象数据以方便模拟，可以输入从小时数据至月数据。PVsyst一般会把输入的数据通过随机算法转换为小时数据(8760数据)，以小时为间隔进行分时模拟。关于导入格式，强烈建议使用TMY3格式，标准TMY3格式为csv文件，首行有台站名称，编号，经纬度，海拔等信息。主要气象要素包含所有发电量模拟所需的要素，并且方便编辑，定制模拟特殊气象环境(例如24小时恒温)的气象文件。
TMY3数据是美国NREL发布的Typical Meteo Year(TMY)数据库的输出文件格式，最早的版本是基于1961-1990年数据发布的TMY2，后基于1991-2005年数据更新发布了TMY3数据。
总结
我国可用辐照数据的获取算不上便利，由于种种原因，我国仍把所有辐照、风速等数据无论精度都视为敏感数据，不外发、不公开，只在科研圈内流通。对我国新能源行业的前进也产生了相应的阻碍，国内缺失基准辐照数据也让各家无法对误差进行客观的评估，可以说各家都没理由说自己的数据准。不过现在我国已经开始逐步公开生产用气象数据，着实是个好的开始。
与美国区数据的对比，全美约有300个专门的TMY测站以及各种研究台站，由NREL汇总交换数据，整合的数据库，发布标准数据。所有人都可以直接从数据库按需导出数据，也可以使用NREL开发整合的地图产品进行可视化操作(NSRDB)，非常便利。一般直接使用即可，也可以付费采购更加准确的数据，例如CPR(Clean Power Research - solar anywhere).
国际项目仍然可以使用Meteonorm与SolarGIS的数据，这两家供应商的数据覆盖全球，NSRDB的数据不仅覆盖全美，也涵盖东南亚的部分区域。欧洲的可用数据则更多，例如德国气象局也会发布部分辐照数据、SoDa等。
后续也期待我国气象局可以发布标准辐照产品树立行业基准，促进可再生能源行业的发展。