降雨量、降雪量有大年、小年之分，太陽能資源也不例外！
下圖是河北省某地1961年-2008年各年的總輻射量和直接輻射量變化情況，最高值可能比最低值高出20%以上。
所以，經常有人說，我的鄰居去年的發電小時數是1400h，那麼我今年建一個電站，發電小時數也應該不低於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。
什麼是「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。那麼，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。本文中小編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（可採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。下圖為某30年輻射數據採用三種方法選取代表年後的逐月數據對比圖，該套數據為法向直接輻射（DNI）數據，但代表年選取後的效果與總輻射（GHI）是類似的。
★ 方法一採用平均的計算方法，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，由於經過了平均計算，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，樣本數量有限使得並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；
★ 方法三介於方法一和方法二之間，由於採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於多年平均值，從圖中也可以看到；由於是整月數據選取，因此也在一定程度上保留數據的逐日和逐時特性。缺點在於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。
三種方法在實際工程中都有應用，孰優孰劣更多的是看具體的需求，而並沒有一個定論。就個人而言小編更傾向於方法三。
各位讀者在工程中都採用哪種代表年選取方式？是否有其他的代表年訂正方法？方法有什麼特點？歡迎大家一起討論，共同提高！也歡迎各位讀者投稿。
裝了光伏，屋頂掃雪真麻煩！
全國各地光伏方陣間距、影子長度速算