光伏与太阳辐射
运梦气象 API 工程博客「光伏与太阳辐射」专题，汇集GHI/DNI/DHI 辐射分解与倾斜面转置、太阳位置算法与组件温度对光伏发电量的影响。覆盖 ERA5 历史再分析、德国气象局短期数值预报与光伏、风电功率预测的工程落地，服务新能源研发与算法团队。
气象大数据风光资源评估实战：ERA5 多年逐时数据做代表年与 P50/P90 发电量估计
用 ERA5 多年逐时数据做风光资源评估：长序列按年切片下载、风速廓线从 10m 外推到 100m 与轮毂高度、辐照换算发电量，以及代表年、年际变率与 P50/P90 的完整工程流程与可运行的运梦气象 API 下载示例。
气象大数据风光互补性 — Jurasz 2020 综述与时空匹配评估
解读 Jurasz 等在 Solar Energy 2020 发表的可再生能源互补性综述：风光在时间与空间上的此消彼长如何降低出力波动、常用相关性与互补性度量，以及如何用运梦气象 API 的风光长序列量化站址互补性、优化容量配比。
气象大数据太阳辐射的变暗与变亮：Wild 2005 与光伏长期产量预估
解读 Wild 等在 Science 2005 发表的全球太阳辐射变暗与变亮论文：气溶胶与云变化驱动地表辐射十年趋势，以及它对光伏典型气象年选取、ERA5 历史辐射序列代表性和长期 AEP 预估系统偏差的工程意义。
气象大数据GHI 分解为 DNI 与 DHI：Erbs 1982 扩散比模型与光伏应用
解读 Erbs、Klein、Duffie 在 Solar Energy 1982 发表的辐射分解经典论文：如何从全球水平辐照 GHI 用晴空指数估算扩散分量 DHI 与直接分量 DNI，以及对 CSP、双面组件与固定倾斜光伏发电量建模的工程意义。
气象大数据光伏超短期预测：0–4 小时云团外推临近预报
云团外推（云移动矢量）是光伏 0–4 小时临近预报的主力方法。本文核实 Lorenz、Hammer/Kühnert、Logothetis、Straub 等关键文献，解读卫星与全天空成像云外推机制、晴空指数与误差量级，并给出运梦气象 API 上手示例。
气象大数据光伏组件温度损失与辐照-功率建模实战
从辐照到交流功率的物理链路里，组件温度是最容易被低估的一环。本文核实 Faiman、Sandia SAPM 与 pvlib 三篇权威来源，讲清温度系数、NOCT 与组件温度估算，并给出运梦气象 API 取数实战。
气象大数据典型气象年（TMY）方法 — 从多年序列到一年代表
解读 NREL 的 TMY3 用户手册与 Finkelstein-Schafer 选月方法：典型气象年如何从多年观测中拼出 12 个最具代表性的月份、为何代表典型而非极端，以及如何用运梦气象 API 的 ERA5 长序列自行构建站址 TMY。
气象大数据光伏组件衰减率与长期发电量 — Jordan & Kurtz 2013 分析综述
解读 Jordan 与 Kurtz 在 Progress in Photovoltaics 2013 发表的光伏衰减率综述：同一约 2000 组数据中位约 0.5%/年、均值约 0.8%/年，分布右偏，温度辐照湿热驱动衰减，以及如何用 ERA5 历史序列订正长期发电量预估的系统性偏差。
气象大数据光伏功率预测准确率怎么算 — RMSE/MAE/MAPE 与工程样本
从光伏功率预测的物理链路讲起，定义 RMSE/MAE/MAPE/SkillScore 等准确率指标，给出实际项目工程中短期（24h）/ 超短期（4h）/ 中期（72h）三种预测时长的实测基线分布，附 Python 评估代码与自绘的准确率分布图。
气象大数据光伏积灰（Soiling）损失 — Sarver 2013 综述与气象关联
解读 Sarver、Al-Qaraghuli、Kazmerski 在 RSER 2013 发表的灰尘影响综述：积灰如何削减光伏出力、干旱与少雨地区损失更重、降水的自清洁作用，以及如何用运梦气象 API 的降水与气象序列量化积灰风险与清洗排期。
气象大数据WRF-Solar：面向光伏功率的太阳能专用数值预报
解读 Jimenez 等在 BAMS 2016 发表的 WRF-Solar：首个面向太阳能预测增强的数值天气预报模式，强化气溶胶-辐射-云的相互作用与快速辐射更新，直接输出 GHI/DNI/DHI，并说明它与运梦气象 API 辐射数据的关系。
气象大数据Perez 各向异性转置模型 — 从水平面辐照到组件倾斜面
解读 Perez 等在 Solar Energy 1990 发表的各向异性散射转置模型：如何把水平面辐照（GHI/DHI/DNI）转换为光伏组件倾斜面（POA）辐照，区分环日与地平亮带，精度优于各向同性模型，并说明在运梦气象 API 上的工程落地。
气象大数据ERA5-Land 长时序光伏模拟是否下一跃迁？2020 论文解读
本文基于已核实事实解读 Ramírez Camargo 与 Schmidt 2020 年发表于 Elsevier 的论文：ERA5-Land 结合 PV_LIB 物理模型生成逐时光伏时序，用智利 57 座电站实测验证并与 MERRA-2 对比，剖析其对新能源建模的意义。
气象大数据光伏功率预测的气象输入详解：GHI/DNI/DHI 三分量与组件温度修正
从 GHI/DNI/DHI 三分量物理意义讲到 ERA5 的 rsds/dni/dhi 获取、用 tas 做组件温度修正、倾角转置与污渍衰减对出力的影响，并给出运梦气象 API 上可运行的 downloadSync 取数与特征组织实战。
气象大数据太阳位置算法 SPA — Reda & Andreas 2004 与光伏建模
解读 Reda 与 Andreas 在 Solar Energy 2004 发表的太阳位置算法（SPA）：以约 ±0.0003° 精度计算太阳天顶角与方位角，是光伏跟踪、辐射转置与发电量建模不可或缺的几何基础，并说明如何配合运梦气象 API 的辐射字段使用。
气象大数据ERA5 太阳辐照精度评估解读 — Urraca 2018 Solar Energy 奠基综述
解读 Urraca 等 2018 年发表于 Solar Energy 的 ERA5 全球水平辐照（GHI）评估论文：用 BSRN 高质量站、欧洲地面站与卫星产品逐日验证 ERA5，证实其偏差较前代再分析明显降低、内陆可媲美卫星，并映射到风电光伏资源评估与功率预测的实战字段选取。