有云條件下太陽(yáng)輻射短臨預(yù)報(bào)訂正技術(shù)研究

達(dá)選芳，李照榮，王小勇，劉 抗，邸燕君，閆曉敏

(1.甘肅省氣象服務(wù)中心，甘肅 蘭州 730020；2.甘肅省氣象局，甘肅 蘭州 730020)

引 言

在“碳達(dá)峰、碳中和”的目標(biāo)驅(qū)動(dòng)下，具有清潔、無(wú)污染、分布廣泛等優(yōu)勢(shì)的太陽(yáng)能得到廣泛關(guān)注和應(yīng)用。太陽(yáng)短波輻射是影響太陽(yáng)能發(fā)電功率輸出的最直接氣象因素，實(shí)現(xiàn)高精度、全時(shí)域的太陽(yáng)輻射預(yù)測(cè)對(duì)電網(wǎng)調(diào)度決策和新能源電力市場(chǎng)交易具有重要指導(dǎo)意義。光伏電站地面太陽(yáng)輻射受云層、氣溶膠等多種因素影響，云的生消及移動(dòng)變化是造成地面太陽(yáng)輻射不確定性的根本原因[1-3]。云對(duì)光伏電站地面太陽(yáng)輻射的影響主要表現(xiàn)在：不同的云量、云狀對(duì)太陽(yáng)輻射的衰減能力存在顯著差異[4-5]。因此，有必要根據(jù)不同云量特征構(gòu)建地面太陽(yáng)輻射短臨預(yù)報(bào)訂正模型，以提高光伏電站地面太陽(yáng)輻射短臨預(yù)報(bào)的準(zhǔn)確率。

基于云量及其變化特征的太陽(yáng)輻射預(yù)報(bào)主要有物理方法、統(tǒng)計(jì)方法、數(shù)值模式預(yù)報(bào)方法3類(lèi)。物理方法主要是通過(guò)構(gòu)建太陽(yáng)輻射傳輸模型，修正傳輸模型中云量、云厚度等參數(shù)，實(shí)現(xiàn)太陽(yáng)輻射的預(yù)報(bào)。研究表明，晴空無(wú)云條件下太陽(yáng)短波輻射計(jì)算值與地基觀測(cè)值之間有較好的一致性；在有云條件下，利用衛(wèi)星資料計(jì)算地表太陽(yáng)輻射更為復(fù)雜，且計(jì)算誤差較晴空大[6-8]。另外，在實(shí)際應(yīng)用時(shí)太陽(yáng)輻射傳輸物理模型中部分參數(shù)獲取存在一定難度。太陽(yáng)輻射統(tǒng)計(jì)預(yù)報(bào)方法不考慮太陽(yáng)輻射傳輸?shù)奈锢磉^(guò)程，主要基于太陽(yáng)輻射、風(fēng)速風(fēng)向、相對(duì)濕度等歷史觀測(cè)數(shù)據(jù)，采用回歸模型、人工神經(jīng)網(wǎng)絡(luò)等時(shí)間序列分析方法進(jìn)行太陽(yáng)輻射預(yù)報(bào)，如基于云透射率、預(yù)報(bào)云量構(gòu)建的太陽(yáng)輻射線(xiàn)性預(yù)報(bào)模型，能夠有效預(yù)報(bào)云移動(dòng)變化造成的太陽(yáng)輻射跳變過(guò)程[9-11]。統(tǒng)計(jì)預(yù)報(bào)方法能夠有效改善1 h內(nèi)太陽(yáng)輻射預(yù)報(bào)效果，但隨著時(shí)效性延長(zhǎng)預(yù)報(bào)準(zhǔn)確率降低，一定程度上限制了太陽(yáng)能并網(wǎng)時(shí)調(diào)度和電力市場(chǎng)現(xiàn)貨交易決策的準(zhǔn)確性和有效性。隨著數(shù)值模式的發(fā)展，近年來(lái)陸續(xù)采用中尺度數(shù)值模式進(jìn)行太陽(yáng)輻射預(yù)報(bào)[12-15]，因其有限的時(shí)空分辨率、云輻射參數(shù)化方案導(dǎo)致云天太陽(yáng)輻射預(yù)報(bào)誤差較大，在光伏電站地面太陽(yáng)輻射短臨預(yù)報(bào)中存在一定局限性。因此，有必要采用統(tǒng)計(jì)方法對(duì)太陽(yáng)輻射數(shù)值預(yù)報(bào)進(jìn)行訂正，且不同季節(jié)需根據(jù)太陽(yáng)輻射的影響因素，采用不同的組合因子訂正效果更優(yōu)[16-17]。甘肅省太陽(yáng)能資源十分豐富，各地年平均太陽(yáng)總輻射量為4600～6400 MJ·m-2[18]。截止2020年底，甘肅太陽(yáng)能裝機(jī)量達(dá)9.8155×106kW，由于太陽(yáng)輻射的波動(dòng)性導(dǎo)致光伏發(fā)電同時(shí)面臨棄光和電力供應(yīng)不足的問(wèn)題。為此，本文基于2015—2019年FY靜止衛(wèi)星總云量產(chǎn)品、太陽(yáng)輻射模式預(yù)報(bào)產(chǎn)品以及光伏電站太陽(yáng)輻射、氣溫等觀測(cè)數(shù)據(jù)，構(gòu)建基于馬爾科夫鏈云量預(yù)測(cè)模型、云量與地面太陽(yáng)總輻射的衰減關(guān)系模型，并基于云量特征，通過(guò)云量和地面太陽(yáng)總輻射的衰減關(guān)系，對(duì)地面太陽(yáng)輻射短臨(0～2 h)預(yù)報(bào)進(jìn)行訂正，以期為新能源氣象服務(wù)提供技術(shù)支撐。

1 資料與方法

1.1 資 料

所用數(shù)據(jù)包括：(1)2015—2019年FY-2E和FY-2G靜止氣象衛(wèi)星總云量產(chǎn)品，時(shí)間分辨率為1 h，空間分辨率為0.1°×0.1°。(2)甘肅省具有代表性的7個(gè)光伏電站觀測(cè)的地面太陽(yáng)短波輻射(包括總輻射、直接輻射、散射輻射)、氣溫、相對(duì)濕度、氣壓數(shù)據(jù)，觀測(cè)時(shí)間間隔為15 min。(3)中國(guó)氣象局蘭州干旱氣象研究所基于WRF模式(V3.8)研發(fā)的甘肅省新能源高分辨率數(shù)值預(yù)報(bào)系統(tǒng)——綠海系統(tǒng)輸出的太陽(yáng)短波輻射預(yù)報(bào)產(chǎn)品(包括總輻射、直接輻射、散射輻射等)，每日00:30(北京時(shí)，下同)輸出產(chǎn)品，預(yù)報(bào)時(shí)長(zhǎng)168 h，時(shí)間分辨率為15 min。該模式采用兩重嵌套方案，網(wǎng)格分辨率分別為9、3 km，垂直方向上共55層，中心點(diǎn)在96.1°E、40.5°N，主要采用的物理參數(shù)化方案見(jiàn)表1。文中涉及的甘肅省行政邊界是基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1600的標(biāo)準(zhǔn)地圖制作，底圖無(wú)修改。

表1 WRF模式的物理參數(shù)化方案Tab.1 Physical parameterization schemes of WRF model

1.2 方 法

1.2.1 太陽(yáng)輻射短臨預(yù)報(bào)訂正方法

通過(guò)建立晴空理論輻射計(jì)算模型、光伏電站云量與地面太陽(yáng)總輻射的衰減關(guān)系模型，結(jié)合馬爾科夫鏈云量預(yù)報(bào)模型，對(duì)地面太陽(yáng)輻射短臨預(yù)報(bào)進(jìn)行訂正，其技術(shù)流程見(jiàn)圖1。

圖1 太陽(yáng)輻射短臨預(yù)報(bào)訂正技術(shù)流程Fig.1 The correction technique flow of short-term solar radiation forecast

(1)晴空理論輻射計(jì)算模型

采用相對(duì)穩(wěn)定的REST太陽(yáng)輻射物理模型，計(jì)算晴朗無(wú)云天氣條件下太陽(yáng)總理論輻射(包括太陽(yáng)直接輻射和散射輻射)，具體公式推導(dǎo)過(guò)程參見(jiàn)文獻(xiàn)[19]。計(jì)算時(shí)，忽略臭氧和大氣中水汽含量對(duì)太陽(yáng)輻射的影響。

地面太陽(yáng)直接輻射Idir的計(jì)算公式如下：

Idir=I0·τr·τg·τa

(1)

其中：

(2)

式中：I0(W·m-2)是到達(dá)地球表面的天文輻射；τr為瑞利散射系數(shù)；τg、τa分別為混合大氣吸收輻射系數(shù)、氣溶膠粒子吸收輻射系數(shù)；m為修正后的大氣相對(duì)質(zhì)量；p(hPa)為光伏電站大氣壓強(qiáng)；τλa為氣溶膠光學(xué)厚度指數(shù)，取值為0.022。

太陽(yáng)散射輻射Idif的計(jì)算公式如下：

Idif=Dr+Da+Dm

(3)

其中：

(4)

式中：Dr、Da(W·m-2)分別為瑞利散射量和氣溶膠散射量；Dm(W·m-2)為各種反射情況下的綜合輻射量；αs(°)為太陽(yáng)高度角；τaa為氣溶膠粒子對(duì)太陽(yáng)直接輻射的吸收系數(shù)；τas為經(jīng)過(guò)氣溶膠散射后的透射比；ω0、Fc分別為氣溶膠粒子的散射和反射系數(shù)，分別取值0.9和0.84；ρg為地表反照率，取值0.2；ρa(bǔ)是天空反照率；Isc為太陽(yáng)常數(shù)，取值1367 W·m-2。

(2)馬爾科夫鏈云量預(yù)測(cè)模型

在有云的天氣條件下，地面太陽(yáng)輻射會(huì)受到云層的衰減。云覆蓋率是一個(gè)模糊隨機(jī)變量，馬爾科夫鏈模型能夠考慮系統(tǒng)狀態(tài)變化的轉(zhuǎn)移，可以用來(lái)描述該隨機(jī)過(guò)程[20]。針對(duì)具有一定交集區(qū)間的云覆蓋率，采用拋物線(xiàn)隸屬函數(shù)，計(jì)算云覆蓋率對(duì)應(yīng)的云量隸屬度，劃分云量狀態(tài)(9個(gè)模糊集合)。設(shè)云量時(shí)間序列為X(t)：x1，x2，…，xn，馬爾科夫鏈一重轉(zhuǎn)移概率矩陣P=[Pij]k×k(k=9)，給定n時(shí)刻觀測(cè)序列值xn時(shí)，計(jì)算得到各模糊狀態(tài)的隸屬度μi(n)，其表達(dá)式如下：

F(xn)=[μ1(n),μ2(n),…,μk(n)]

(5)

則n+1時(shí)刻序列狀態(tài)預(yù)測(cè)的表達(dá)式為：

F(xn+1)=F(xn)·P

(6)

以酒泉市弘坤光伏電站為例，利用2015—2018年總云量觀測(cè)數(shù)據(jù)，首先計(jì)算基于馬爾科夫鏈的云量一重轉(zhuǎn)移概率矩陣P，然后計(jì)算下一時(shí)刻的云量和太陽(yáng)輻射衰減率，并代入晴空理論輻射模型，從而得到有云情況下的太陽(yáng)輻射值。云量的一重轉(zhuǎn)移概率矩陣P如下：

(7)

(3)云量與地面太陽(yáng)輻射衰減關(guān)系模型

利用云遮系數(shù)法[21]，計(jì)算云量和地面太陽(yáng)輻射的衰減關(guān)系。該方法采用二次多項(xiàng)式對(duì)歷史觀測(cè)云量和大氣透過(guò)率(即太陽(yáng)輻射衰減率)進(jìn)行擬合，并根據(jù)不同云量特征對(duì)應(yīng)的大氣透過(guò)率對(duì)晴天地面太陽(yáng)理論輻射進(jìn)行修正，從而得到有云天氣條件下到達(dá)地面的太陽(yáng)總輻射Ireal，計(jì)算公式如下：

Ireal=I·Tc

(8)

其中：

Tc=aN2+bN+c

(9)

式中：I(W·m-2)是太陽(yáng)理論總輻射；Tc是指天空云量為N時(shí)地面太陽(yáng)理論總輻射的衰減率；N為云量；a、b、c為云量與太陽(yáng)輻射衰減模型的擬合系數(shù)。

1.2.2 評(píng)估方法

采用平均絕對(duì)誤差(mean absolute error，MAE)、均方根誤差(root mean square error，RMSE)，評(píng)估WRF模式和馬爾科夫鏈模型的預(yù)報(bào)能力，檢驗(yàn)太陽(yáng)輻射短臨預(yù)報(bào)訂正模型的訂正效果。為了評(píng)估太陽(yáng)輻射短臨預(yù)報(bào)的誤差來(lái)源，將均方根誤差分解為系統(tǒng)偏差(BIAS)、幅度偏差(SDBIAS)、位相偏差(DISP)，具體推導(dǎo)過(guò)程參見(jiàn)文獻(xiàn)[22]。

RMSE2=BIAS2+SDBIAS2+DISP2

(10)

其中：

(11)

式中：Yo、Yf(W·m-2)分別是太陽(yáng)總輻射的觀測(cè)值、預(yù)測(cè)值；σ(Yo)、σ(Yf)(W·m-2)分別為太陽(yáng)總輻射觀測(cè)值、預(yù)測(cè)值的標(biāo)準(zhǔn)差；ro,f為交叉相關(guān)系數(shù)。

2 相關(guān)性和預(yù)報(bào)誤差分析

大氣透過(guò)率是指到達(dá)地面的太陽(yáng)短波輻射強(qiáng)度與進(jìn)入大氣層前太陽(yáng)理論輻射強(qiáng)度的比值，反映了太陽(yáng)短波輻射的衰減情況[23]。通過(guò)分析光伏電站大氣透過(guò)率與氣象要素(氣溫、相對(duì)濕度、氣壓、總云量)的相關(guān)性，評(píng)估數(shù)值模式對(duì)太陽(yáng)短波輻射的預(yù)報(bào)能力，為后續(xù)太陽(yáng)輻射短臨預(yù)報(bào)訂正奠定基礎(chǔ)。

2.1 大氣透過(guò)率與氣象要素的相關(guān)性

選用的7個(gè)光伏電站分別是酒泉市的阿克塞(AKS)、電建匯能(DJHN)、弘坤(HK)光伏電站和張掖市的民樂(lè)(ML)光伏電站、武威市的民勤(MQ)、水源(SY)光伏電站以及白銀市蘆陽(yáng)(LY)光伏電站，電站分布見(jiàn)圖2。

圖2 甘肅代表性的光伏電站位置分布Fig.2 Location distribution of representative photovoltaic power stations in Gansu Province

基于2019年6—8月太陽(yáng)輻射觀測(cè)值和理論輻射值計(jì)算大氣透過(guò)率，并與各氣象要素進(jìn)行相關(guān)性分析。圖3是甘肅各光伏電站在夏季(6—8月)07:30—18:30大氣透過(guò)率與各氣象要素的相關(guān)系數(shù)分布(除07:30外，均通過(guò)α=0.05的顯著性檢驗(yàn))。可以看出，不同區(qū)域大氣透過(guò)率與各氣象要素的相關(guān)性不同，大氣透過(guò)率與氣溫呈顯著正相關(guān)[圖3(a)]，其中武威地區(qū)大氣透過(guò)率與氣溫的相關(guān)系數(shù)最高為0.62(SY光伏電站)，酒泉地區(qū)的相關(guān)系數(shù)較低，為0.38(AKS光伏電站)。大氣透過(guò)率與相對(duì)濕度[圖3(b)]、氣壓[圖3(c)]、總云量[圖3(d)]均呈顯著負(fù)相關(guān)，其中與總云量的相關(guān)性最強(qiáng)，各光伏電站的相關(guān)系數(shù)在-0.81～-0.67之間；其次為相對(duì)濕度，相關(guān)系數(shù)在-0.64～-0.44之間，而與氣壓的相關(guān)性最弱，相關(guān)系數(shù)絕對(duì)值小于0.31。以HK光伏電站為例，夏季07:30—18:30逐時(shí)大氣透過(guò)率與各氣象要素的平均相關(guān)系數(shù)顯示，大氣透過(guò)率與氣溫的相關(guān)系數(shù)平均為0.61，而與相對(duì)濕度、氣壓、總云量的相關(guān)系數(shù)分別平均為-0.44、-0.31、-0.81(表2)?？梢?jiàn)，相對(duì)于相對(duì)濕度、氣壓，總云量對(duì)太陽(yáng)輻射的衰減作用更為顯著。

圖3 甘肅省2019年夏季07:30—18:30大氣透過(guò)率與各氣象要素的相關(guān)系數(shù)分布(a)氣溫，(b)相對(duì)濕度，(c)氣壓，(d)總云量Fig.3 The distribution of correlation coefficients between atmospheric transmissivity and meteorological factors from 07:30 BST to 18:30 BST in summer 2019 in Gansu Province(a) temperature, (b) relative humidity, (c) pressure, (d) total cloud cover

表2 HK光伏電站2019年夏季07:30—18:30大氣透過(guò)率與氣象要素的相關(guān)系數(shù)Tab.2 Correlation coefficients between atmospheric transmissivity and meteorological factors at HK photovoltaic power station from 07:30 BST to 18:30 BST in summer 2019

2.2 預(yù)報(bào)誤差

為了評(píng)估WRF數(shù)值模式對(duì)各季節(jié)太陽(yáng)輻射的預(yù)報(bào)能力，對(duì)比分析甘肅省7個(gè)光伏電站的逐小時(shí)太陽(yáng)輻射預(yù)報(bào)值與觀測(cè)值的平均絕對(duì)誤差和均方根誤差。圖4是HK光伏電站太陽(yáng)短波輻射預(yù)報(bào)的誤差月際分布，發(fā)現(xiàn)HK站太陽(yáng)輻射預(yù)報(bào)的MAE與RMSE整體上均呈“單峰型”月際變化，且具有同步性，6月分別最大為167.13、240.40 W·m-2，12月分別最小為45.63、78.03 W·m-2；RMSE分解結(jié)果顯示，太陽(yáng)輻射預(yù)報(bào)誤差主要來(lái)源于位相偏差，其次是系統(tǒng)偏差。其原因主要是：在無(wú)云條件下，太陽(yáng)輻射預(yù)報(bào)值與觀測(cè)值之間偏差較?。辉谟性茥l件下，預(yù)報(bào)值與觀測(cè)值的偏差較大；春、夏季是甘肅總云量最多、次多季節(jié)，平均總云量為6～7成[24]；夏季，盛行偏南及偏東氣流，且地面為低壓控制，空氣相對(duì)暖濕，降水過(guò)程較多，模式的云物理、云輻射參數(shù)化方案對(duì)有云條件下太陽(yáng)輻射預(yù)報(bào)存在一定局限性，尤其在天氣過(guò)程轉(zhuǎn)換期間太陽(yáng)輻射預(yù)報(bào)的誤差更大。

圖4 2019年HK光伏電站太陽(yáng)短波輻射預(yù)報(bào)誤差(a)及均方根誤差偏差貢獻(xiàn)率(b)逐月分布Fig.4 The monthly distribution of errors (a) and RMSE deviation contribution rates (b) of solar shortwave radiation forecast at HK photovoltaic power station in 2019

3 地面太陽(yáng)輻射預(yù)報(bào)訂正效果

針對(duì)數(shù)值模式云天太陽(yáng)輻射預(yù)報(bào)誤差大的特征，建立馬爾科夫鏈云量預(yù)報(bào)模型、云量和地面太陽(yáng)輻射的衰減關(guān)系模型，在云量預(yù)報(bào)基礎(chǔ)上，根據(jù)云量和地面太陽(yáng)輻射的衰減關(guān)系對(duì)各光伏電站太陽(yáng)輻射短臨預(yù)報(bào)誤差進(jìn)行訂正，對(duì)比分析太陽(yáng)輻射預(yù)報(bào)訂正后的均方根誤差和平均絕對(duì)誤差。

3.1 總云量與地面太陽(yáng)輻射的衰減關(guān)系

圖5是甘肅各光伏電站觀測(cè)的總云量與地面太陽(yáng)輻射衰減率的擬合關(guān)系?？梢钥闯觯诤雎云渌蛩?相對(duì)濕度、氣溶膠等)影響時(shí)，不同地區(qū)相同的云量對(duì)太陽(yáng)輻射的衰減程度存在差異，因此有必要根據(jù)各光伏電站的局地云量特征建立地面太陽(yáng)輻射衰減關(guān)系模型。

圖5 甘肅不同光伏電站總云量與地面太陽(yáng)輻射衰減率的擬合關(guān)系(a)DJHN，(b)HK，(c)SY，(d)MQFig.5 Fitting relationship between total cloud cover and decay rate of surface solar radiation at different photovoltaic power stations of Gansu Province(a) DJHN, (b) HK, (c) SY, (d) MQ

3.2 光伏電站預(yù)報(bào)訂正效果分析

馬爾科夫鏈云量預(yù)報(bào)模型對(duì)夏季云量1 h預(yù)報(bào)效果檢驗(yàn)顯示，DJHN、HK、SY、MQ光伏電站云量覆蓋率預(yù)報(bào)的MAE分別為12.5%、12.86%、13.48%、14.56%。對(duì)比預(yù)報(bào)的輻射值和觀測(cè)值發(fā)現(xiàn)，晴天或者少云(0～2成)時(shí)，云量、太陽(yáng)輻射的預(yù)報(bào)準(zhǔn)確率較高，預(yù)報(bào)值與觀測(cè)值非常接近(圖略)；陰天或云天時(shí)，云對(duì)太陽(yáng)輻射的衰減作用加劇，太陽(yáng)輻射預(yù)報(bào)值和觀測(cè)值偏差較大，陰天日均方根誤差、平均絕對(duì)誤差分別為373.3、283.96 W·m-2。

圖6是2019年夏季云天地面太陽(yáng)輻射預(yù)報(bào)值及訂正值與觀測(cè)值的對(duì)比，發(fā)現(xiàn)地面太陽(yáng)輻射預(yù)報(bào)偏差較大，主要表現(xiàn)在兩種典型情況下：在有天氣過(guò)程發(fā)生時(shí)，天空云量短時(shí)時(shí)空變化顯著，地面太陽(yáng)輻射預(yù)報(bào)值急劇衰減的開(kāi)始、結(jié)束時(shí)間與觀測(cè)偏差較大[圖6(b)和圖6(c)]，致使預(yù)報(bào)難度較大；持續(xù)陰天(陰雨天)造成太陽(yáng)輻射衰減，模式不能完全預(yù)報(bào)出云的宏微觀輻射特性，導(dǎo)致太陽(yáng)輻射預(yù)報(bào)偏差較大[圖6(a)和圖6(d)]。經(jīng)過(guò)逐小時(shí)訂正后，云天地面太陽(yáng)輻射預(yù)報(bào)值的RMSE和MAE均顯著降低，RMSE降幅為101～216.4 W·m-2，MAE降幅為59.5～173.07 W·m-2，且SY光伏電站27日的訂正效果尤為顯著，RMSE從372.58 W·m-2降至156.18 W·m-2，MAE從313.9 W·m-2降至140.84 W·m-2(表3)。

圖6 2019年6月4日(a)、5日(b)、6日(c)、27日(d)典型云天下HK(b、c)和 SY(a、d)光伏電站地面太陽(yáng)總輻射預(yù)報(bào)及訂正值與觀測(cè)對(duì)比Fig.6 The comparison of surface total solar radiation forecast and its correction and the observation on typical cloudy days at HK (b, c) and SY (a, d) photovoltaic power stations of Gansu Province on 4 (a), 5 (b), 6 (c) and 27 (d) June 2019

表3 甘肅不同光伏電站典型云天下地面太陽(yáng)輻射預(yù)報(bào)訂正前后的誤差Tab.3 Errors of surface solar radiation forecast before and after the correction on typical cloudy days at different photovoltaic power stations of Gansu Province 單位：W·m-2

將歷史(臨近1 h)太陽(yáng)輻射預(yù)報(bào)偏差閾值大于150 W·m-2作為訂正條件，對(duì)各光伏電站太陽(yáng)輻射預(yù)報(bào)值進(jìn)行逐小時(shí)滾動(dòng)訂正。從圖7看出，HK光伏電站6月晴天觀測(cè)的太陽(yáng)輻射在1000 W·m-2以上，與預(yù)報(bào)值的一致性較好，陰天時(shí)兩者偏差較大，但經(jīng)過(guò)逐1 h滾動(dòng)訂正后，訂正的太陽(yáng)輻射值趨近于觀測(cè)值[圖7(a)]；夏季(6—8月)，太陽(yáng)輻射觀測(cè)值與預(yù)報(bào)訂正值的散點(diǎn)分布相對(duì)集中，決定系數(shù)R2為0.74[圖7(b)]，較訂正前(R2=0.65)明顯提高。就HK光伏電站，6月地面太陽(yáng)輻射預(yù)報(bào)的RMSE最大為240.44 W·m-2(圖4)，訂正后RMSE曲線(xiàn)整體變小，平均值降為203.48 W·m-2，且夏季6—8月RMSE平均降幅為18.73～36.96 W·m-2，6月的訂正效果最為明顯。

圖7 2019年6月光伏電站逐小時(shí)觀測(cè)、預(yù)報(bào)及訂正的地面太陽(yáng)輻射(a、c、e、g)和夏季太陽(yáng)輻射觀測(cè)值與預(yù)報(bào)訂正值擬合(b、d、f、h)(a、b)HK，(c、d)DJHN，(e、f)SY，(g、h)MQFig.7 The hourly observation and forecast of surface solar radiation and its correction in June 2019 (a, c, e, g) and the fitting between the observed and corrected solar radiation in summer of 2019 (b, d, f, h) at photovoltaic power stations of Gansu Province(a, b) HK, (c, d) DJHN, (e, f) SY, (g, h) MQ

從表4和圖7看出，DJHN光伏電站6月太陽(yáng)輻射預(yù)報(bào)的RMSE最大為247.91 W·m-2，逐小時(shí)訂正后的輻射值與觀測(cè)值更為接近，兩者的RMSE降為193.57 W·m-2；SY和MQ光伏電站6月太陽(yáng)輻射的波動(dòng)性較為顯著，即太陽(yáng)輻射衰減較為嚴(yán)重，太陽(yáng)輻射預(yù)報(bào)偏差較大，RMSE分別為258.06、249.53 W·m-2，經(jīng)過(guò)逐小時(shí)訂正后RMSE分別降為193.83、214.41 W·m-2，且訂正后的決定系數(shù)R2(分別為0.68和0.67)較訂正前(均為0.59)有所提高。

表4 2019年夏季各光伏電站太陽(yáng)輻射預(yù)報(bào)值和不同方案訂正值的均方根誤差對(duì)比Tab.4 The comparison of RMSE between solar radiation forecast and its corrected value under different correction schemes at photovoltaic power stations of Gansu Province in summer of 2019 單位：W·m-2

為探究太陽(yáng)輻射短臨預(yù)報(bào)訂正模型對(duì)訂正時(shí)長(zhǎng)的敏感性，對(duì)2019年夏季太陽(yáng)輻射預(yù)報(bào)采用逐1 h和逐2 h滾動(dòng)訂正方案進(jìn)行訂正(表4)。對(duì)比發(fā)現(xiàn)，除了SY光伏電站7月太陽(yáng)輻射預(yù)報(bào)逐2 h滾動(dòng)訂正后的RMSE增大外，其他各站夏季各月訂正后的RMSE均有所減小；逐1 h、2 h滾動(dòng)訂正方案的RMSE降幅分別為1.92～64.23、1.34～48.48 W·m-2，逐1 h滾動(dòng)方案訂正效果優(yōu)于逐2 h滾動(dòng)方案，其中6月逐1 h滾動(dòng)方案的訂正效果最為顯著(圖8)，HK、DJHN、SY、MQ光伏電站訂正后的RMSE平均分別為203.48、193.57、193.83、214.41 W·m-2。

圖8 2019年6月各光伏電站太陽(yáng)輻射預(yù)報(bào)值和逐1 h滾動(dòng)訂正值的均方根誤差(a)HK，(b)DJHN，(c)SY，(d)MQFig.8 The RMSE of solar radiation forecast and its corrected value under 1 h rolling correction scheme at photovoltaic power stations of Gansu Province in June 2019(a) HK, (b) DJHN, (c) SY, (d) MQ

4 結(jié) 論

(1)大氣透過(guò)率與各氣象要素的相關(guān)性存在時(shí)空差異，甘肅各區(qū)域光伏電站大氣透過(guò)率與氣溫呈顯著正相關(guān)，相關(guān)系數(shù)為0.38～0.62，而與相對(duì)濕度、氣壓、總云量呈負(fù)相關(guān)，其中總云量對(duì)太陽(yáng)輻射的衰減作用最強(qiáng)，相關(guān)系數(shù)為-0.81～-0.67，而氣壓的衰減作用最弱，相關(guān)系數(shù)絕對(duì)值小于0.31。

(2)模式預(yù)報(bào)的太陽(yáng)輻射量與觀測(cè)值偏差較大，RMSE和MAE均呈現(xiàn)“單峰型”的月際分布，6月誤差最大，其中RMSE冬季最小為45.63 W·m-2，夏季最大為240.4 W·m-2；晴天少云條件下數(shù)值模式預(yù)報(bào)能力強(qiáng)，而多云或陰雨天的預(yù)報(bào)能力較差；太陽(yáng)輻射預(yù)報(bào)誤差主要來(lái)源于位相偏差和系統(tǒng)偏差。

(3)考慮云量的太陽(yáng)輻射預(yù)報(bào)逐小時(shí)訂正效果顯著，陰天太陽(yáng)輻射預(yù)報(bào)訂正后的RMSE降幅為101～216.4 W·m-2，MAE降幅為59.5～173.07 W·m-2；誤差最大的夏季，太陽(yáng)輻射預(yù)報(bào)訂正后的RMSE各月平均降幅為1.92～64.23 W·m-2，且逐1 h滾動(dòng)方案的訂正效果優(yōu)于逐2 h滾動(dòng)方案。

值得注意的是，大氣中云輻射傳輸過(guò)程非常復(fù)雜，云的其他性質(zhì)(如高度、形狀、厚度等幾何特性及微物理過(guò)程等)也是影響云輻射效應(yīng)的重要因素，尚需做更深入的研究。