輻射數(shù)據(jù)缺失時TMY與逐時值生成方法分析

胡 堯，李紅蓮,，王賞玉，楊 柳

(1.西安建筑科技大學(xué) 信息與控制工程學(xué)院，西安 710055；2.西部綠色建筑國家重點實驗室(西安建筑科技大學(xué))，西安 710055)

太陽輻射數(shù)據(jù)是建筑節(jié)能分析、太陽能集熱器、光伏發(fā)電，現(xiàn)代農(nóng)業(yè)生產(chǎn)中應(yīng)用廣泛的基礎(chǔ)參數(shù)[1]。在建筑節(jié)能分析領(lǐng)域中，輻射數(shù)據(jù)尤為重要，多種典型氣象年(Typical meteorological year，TMY)挑選方法輻射權(quán)重甚至達(dá)到1/2[2]，準(zhǔn)確的TMY數(shù)據(jù)是建筑設(shè)備選型、負(fù)荷計算和建筑熱工設(shè)計的基礎(chǔ)計算依據(jù)[3]，且在建筑動態(tài)能耗模擬中，逐時輻射數(shù)據(jù)也是必不可少的氣象數(shù)據(jù)，其數(shù)據(jù)質(zhì)量嚴(yán)重影響著建筑節(jié)能分析結(jié)果。然而由于輻射數(shù)據(jù)的記錄對設(shè)備儀器精度要求較高，檢查維修復(fù)雜等原因，在中國太陽輻射站的數(shù)量不能匹配一般地面氣象要素觀測站，全國2 000多個臺站只有近100個臺站記錄太陽輻射數(shù)據(jù)[4]?；A(chǔ)太陽輻射數(shù)據(jù)的缺失造成了建筑節(jié)能設(shè)計和能耗模擬無數(shù)可依，同時也造成了定量化的建筑節(jié)能計算和能耗模擬工作無法順利開展的情況[5]?；谥袊鴮嶋H太陽輻射氣象數(shù)據(jù)記錄狀況下，如何生成一套完整的建筑能耗模擬用TMY及逐時太陽輻射數(shù)據(jù)是建筑節(jié)能分析亟需解決的問題。

現(xiàn)階段，建筑能耗模擬用TMY的挑選方法主要有Sandia國家實驗室法[6]，Danish方法[7]和Crow方法[8]等。由于挑選TMY的方法在國際領(lǐng)域里已經(jīng)比較成熟，近年來，國際上對TMY的研究沒有特別突出的方法論的創(chuàng)新，主要的研究點集中于在原有方法的修正和氣象數(shù)據(jù)處理細(xì)節(jié)及其應(yīng)用領(lǐng)域的適應(yīng)性上, 其中以基于累積分布函數(shù)的Sandia挑選方法作為現(xiàn)階段TMY挑選的主流方法[9-10]。對于存在太陽輻射數(shù)據(jù)缺失的現(xiàn)狀，尋求相關(guān)性高且容易獲取的參數(shù)作為替代輻射參數(shù)是一種解決辦法。

對于獲取準(zhǔn)確逐時太陽輻射數(shù)據(jù)主要有兩種方法：統(tǒng)計模型和人工智能模型的方法。統(tǒng)計模型中，主要有日值輻射數(shù)據(jù)轉(zhuǎn)化為逐時輻射數(shù)據(jù)的C-P&R模型[11]和根據(jù)逐時云量、溫度和濕度氣象參數(shù)估算的瞬時模型[12]，該方法計算過程相對簡單，參數(shù)獲取較容易，更易推廣使用，但前者需要準(zhǔn)確的日值輻射數(shù)據(jù)，后者也存在著精度不夠高的現(xiàn)狀。隨著人工智能的發(fā)展，神經(jīng)網(wǎng)絡(luò)模型也得到了廣泛的運用，但在太陽輻射數(shù)據(jù)預(yù)測研究中，主要集中在逐日太陽輻射的預(yù)測當(dāng)中，逐時太陽輻射相關(guān)研究還相對較少[13]，且主要研究點在于算法的優(yōu)化[14]，關(guān)鍵影響因素的提取[15]和選擇適應(yīng)性數(shù)據(jù)進(jìn)行訓(xùn)練來提高預(yù)測精度[16]，但并未與相關(guān)建筑節(jié)能分析實際工程結(jié)合，其適用性還有待考證。

本文在上述研究的基礎(chǔ)上，以陜西省西安市為例，對于TMY挑選研究，選用2006—2017年西安涇河臺站日值氣象數(shù)據(jù)，通過各氣象參數(shù)相關(guān)性分析，確定了日照時數(shù)與太陽輻射相關(guān)性最高，于是將日照時數(shù)氣象參數(shù)運用到Sandia方法挑選TMY中，并與太陽輻射氣象參數(shù)挑選結(jié)果進(jìn)行比較分析。對于逐時太陽輻射預(yù)測研究，選用2016—2017年西安建筑科技大學(xué)雁塔校區(qū)實測氣象數(shù)據(jù)，本文將誤差反向傳播(Back propagation,BP)神經(jīng)網(wǎng)絡(luò)模型運用到逐時太陽輻射的預(yù)測當(dāng)中，對于神經(jīng)網(wǎng)絡(luò)算法優(yōu)化，選擇常用的遺傳算法(Genetic algorithm,GA)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行權(quán)值和閾值參數(shù)優(yōu)化，對于關(guān)鍵影響因素的參數(shù)的選取，選擇相關(guān)性高且便于測量的參數(shù)，對于選擇合適數(shù)據(jù)進(jìn)行訓(xùn)練，由于建筑能耗模擬需要一年8 760 h逐時數(shù)據(jù)，只要儀器記錄數(shù)據(jù)正常，記錄值都應(yīng)在考察范圍內(nèi)，再利用神經(jīng)網(wǎng)絡(luò)高度泛化能力進(jìn)行訓(xùn)練，更有利于提高適用性及神經(jīng)網(wǎng)絡(luò)算法在逐時太陽輻射數(shù)據(jù)的推廣。然后將得到的逐時輻射結(jié)果與瞬時模型和觀測數(shù)據(jù)對比分析，最后通過能耗模擬進(jìn)行驗證，分別驗證了TMY挑選方法的準(zhǔn)確性和逐時太陽輻射數(shù)據(jù)預(yù)測的準(zhǔn)確性。

1 挑選典型氣象年

1.1 Sandia挑選方法

1978年，美國 Sandia國家實驗室Hall等[17]提出通過FS統(tǒng)計量來判斷一年和長期累積分布的接近程度，從而挑選典型氣象月(Typical meteorological month,TMM)。 FS統(tǒng)計量是考慮若干主要氣象參數(shù)在熱環(huán)境分析中所占權(quán)重確定的，分析的氣象要素是日值干球溫度、相對濕度、風(fēng)速和水平面總輻射4個氣象要素，這一方法得到了業(yè)內(nèi)認(rèn)可，稱為Sandia法，許多TMY挑選方法相關(guān)研究都是基于此方法。1995年，美國國家可再生能源實驗室分析研究組NREL(National renewable energy laboratory’s analytic studies division)對TMY在挑選方法上進(jìn)行了修訂，形成了新的典型年模型稱為 TMY2[6]，本文基于此權(quán)重因子對比所選月份的累積分布函數(shù)與長期累積分布函數(shù)的接近程度來確定TMY。其數(shù)學(xué)定義公式為

(1)

式中：Sn(x)為x處的累積分布值,n為總個數(shù),k為序數(shù)。此公式用來計算各氣象要素長期累積分布值和逐年各個分析月的累積分布值。

各要素的逐年累積統(tǒng)計值為

(2)

式中：δi為各要素長期累積分布值與逐年各個分析月的累積分布差值,n為各分析月的天數(shù)。FS的大小表征了各氣象要素長期累年和逐年各個分析月接近程度。

WS=∑WFi·FSi

(3)

式中,WFi為各參數(shù)的權(quán)重因子。

WS表征各氣象要素總體特征，其值越小，表示所得結(jié)果就越接近長期平均分布情況。因此，選取WS值最小的年份為該TMM的年份，一般選取前5項中氣象數(shù)據(jù)較全的TMM組成TMY。

1.2 日照時數(shù)替代太陽輻射挑選方法

世界氣象組織(World meteorological organization，WMO)對于日照時數(shù)的定義是在給定時間內(nèi)太陽直接輻射照度達(dá)到或者超過120 W·m-2的各段時間總和，一般以h為單位，所以在測量時對設(shè)備精度的要求沒有測量太陽輻射數(shù)據(jù)的精度要求高，只需要把滿足條件的時間記錄下來，且一般地面氣象站均有記錄，獲取較容易。日照百分率則是實際日照時間與可能日照時間(全天無云時應(yīng)有的日照時數(shù))之比。許多研究表明，太陽輻射強(qiáng)度與日照時數(shù)相關(guān)性高，王雅婕等[18]利用中國大陸1961—2003年氣象數(shù)據(jù)研究地表太陽總輻射變化趨勢，得出輻射量變化的72%可以用日照時數(shù)的變化來解釋。Karakoti等[19]利用統(tǒng)計的方法預(yù)測太陽輻射，得出與日照百分率相關(guān)關(guān)系大。鑒于此，本文采用Pearson相關(guān)系數(shù)法對西安涇河臺站2006—2017年日值氣象數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果在0.01顯著性水平上的相關(guān)系數(shù)見表1，日照時數(shù)與太陽輻射相關(guān)性最高，達(dá)到了0.825，本文采用日照時數(shù)替代輻射的方法挑選TMY。Sandia方法與日照時數(shù)替代法各氣象參數(shù)的權(quán)重因子見表2所示。

表1 西安涇河臺站2006—2017年各日值氣象參數(shù)與太陽輻射的相關(guān)系數(shù)Tab.1 Correlation coefficient between daily meteorological parameters and solar radiation at Jinghe Station in Xi’an from 2006 to 2017

表2 Sandia方法與日照時數(shù)替代輻射方法不同氣象參數(shù)權(quán)重因子Tab.2 Weight factors of different meteorological parameters of Sandia method and the sushine duration instead of radiation method

1.3 挑選結(jié)果對比分析

TMY挑選實驗數(shù)據(jù)為西安涇河臺站2006—2017年的日值氣象數(shù)據(jù)，通過Sandia方法與日照時數(shù)替代輻射的方法挑選TMY，結(jié)果見表3、4，前5項挑選重合用加粗顯示，重合率為51.67%，其中有3個月排序第1項挑選結(jié)果完全一致。兩種方法TMY挑選結(jié)果干球溫度和太陽輻射與累年平均值對比分析如圖1(a)、(b)所示，Sandia方法和日照時數(shù)替代輻射的方法與累年平均值干球溫度的相對標(biāo)準(zhǔn)偏差分別為3.46%和3.91%，兩者偏差較小。太陽輻射相對標(biāo)準(zhǔn)偏差分別為5.59%和16.53%，由于選用了日照時數(shù)替代太陽輻射進(jìn)行TMY的挑選，該方法并未直接使用輻射數(shù)據(jù)參與挑選，所以兩者具有一定偏差。而且相比于溫度，太陽輻射受外界云量、霧霾、周圍建筑遮陽等不確定影響因素較大，從而致使本身的波動較大。再者，在TMY挑選中，一般認(rèn)定前5項結(jié)果都在選擇范圍內(nèi)，根據(jù)數(shù)據(jù)的完整性可以進(jìn)行選擇，通過前5項相對標(biāo)準(zhǔn)偏差計算，偏差在20%內(nèi)為正常情況，所以相對偏差為16.53%在可接受范圍內(nèi)。由圖1(c)、(d)累積分布圖可見，1月干球溫度和6月太陽輻射符合度都很高。經(jīng)初步分析，日照時數(shù)替代太陽輻射的方法可以較準(zhǔn)確的挑選TMY。

表3 TMY挑選結(jié)果(Sandia挑選方法)Tab.3 Selection results of TMY (Sandia selection method)

表4 TMY挑選結(jié)果(日照時數(shù)替代輻射挑選方法)Tab.4 Selection results of TMY (selection method of sunshine duration instead of radiation)

圖1 TMY挑選結(jié)果干球溫度和太陽輻射對比分析圖Fig.1 Comparison of dry bulb temperature and solar radiation of TMY selection results

2 逐時太陽輻射數(shù)據(jù)預(yù)測

2.1 瞬時模型

張晴原等[20]采用國際地面氣象觀測數(shù)據(jù)庫和太陽輻射數(shù)據(jù)庫24個省會城市1995—2005年氣象數(shù)據(jù)建立了一套模型來推定水平面總輻射，同時討論了這套模型的推定誤差。該模型選用云量、溫度上升值(某時刻和3 h以前的氣溫差)、相對濕度作為描述水平面太陽輻射的變量。采用最小二乘法得到回歸式為

C3·(θn-θn-3)+C4φ-C5]}/k

(4)

式中:I0為太陽常數(shù)，W·m-2；Ih為水平面太陽總輻射照度逐時值，W·m-2；h為太陽高度角，°；CC為云量，取值為0,1,2，…,10；θn，θn-3為某時刻和3 h前的氣溫，℃；φ為相對濕度，%；C0,…,C5以及k分別為常數(shù)。

2.2 神經(jīng)網(wǎng)絡(luò)模型

BP學(xué)習(xí)算法主要思想是通過不斷訓(xùn)練輸入樣本與輸出樣本，用網(wǎng)絡(luò)的實際輸出與期望輸出之間的誤差來調(diào)整權(quán)值，使其達(dá)到最優(yōu)輸出。網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層和輸出層，通過訓(xùn)練一組已知輸入輸出數(shù)據(jù)，從訓(xùn)練模式中進(jìn)行數(shù)據(jù)關(guān)系的學(xué)習(xí)與概括，進(jìn)而形成有效的泛化能力。

在實際應(yīng)用中，BP網(wǎng)絡(luò)通常在訓(xùn)練過程中也可能找不到某個具體問題的解，比如在訓(xùn)練過程中陷入局部較小的情況。GA是模仿自然界生物進(jìn)化論發(fā)展而來的一個高度并行，自適應(yīng)檢測算法。GA能夠在數(shù)據(jù)空間進(jìn)行全局尋優(yōu)，而且高度的收斂，對于BP神經(jīng)網(wǎng)絡(luò)的設(shè)置，權(quán)值和閥值的設(shè)置尤為關(guān)鍵，基于其可調(diào)的原理，采用GA-BP網(wǎng)絡(luò)的權(quán)值和閥值以達(dá)到提高精度的目的[21]。

本文采用BP網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)模型，由表1可知，太陽輻射強(qiáng)度除了與日照時數(shù)相關(guān)性強(qiáng)之外，還與溫度、濕度、云量等相關(guān)，這與瞬時模型提出的結(jié)論一致,太陽輻射相關(guān)關(guān)系如圖2所示。室外氣溫升高的主要原因是太陽輻射和氣溫上升值之間存在某種關(guān)系，所以選擇溫度上升值作為預(yù)測條件。太陽高度角是太陽光線與地平面的夾角，也影響著太陽輻射強(qiáng)度。日照時數(shù)統(tǒng)計量一般為日值，云量也能較好的反映太陽輻射強(qiáng)度，于是選用的輸入量為溫度、溫度上升值、相對濕度、云量和太陽高度角，輸出量為逐時太陽總輻射，采用5-8-1網(wǎng)絡(luò)結(jié)構(gòu)(5個輸入?yún)?shù)，8個隱含層和1個輸出層)，網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。逐時輻射觀測數(shù)據(jù)為西安建筑科技大學(xué)雁塔校區(qū)2016—2017年觀測數(shù)據(jù)。為剔除偶然性(一年當(dāng)中各月輻射量有差異)，選取2016年每個月16日逐時數(shù)據(jù)作為測試集，2016年其余數(shù)據(jù)作為訓(xùn)練集，最后得到預(yù)測結(jié)果如圖4所示，BP模型與GA-BP模型的均方根誤差(Root-mean-square error，RMSE)分別為68.27、63.21 W·m-2，決定系數(shù)R2分別為0.927、0.938。預(yù)測結(jié)果與實際結(jié)果吻合性基本一致，優(yōu)化后的模型預(yù)測效果略優(yōu)于普通模型。

圖2 太陽輻射影響因素關(guān)系圖Fig.2 Relation diagram of influencing factors of solar radiation

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 BP neural network structure diagram

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.4 Results of neural network training

決定系數(shù)的計算公式為

(5)

均方根誤差計算公式為

(6)

2.3 逐時化結(jié)果對比分析

采用瞬時模型和兩種神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的模型對觀測地點2017年逐時輻射數(shù)據(jù)進(jìn)行預(yù)測分析，并與觀測對比，其對比結(jié)果如圖5(a)～圖5(c)所示，通過RMSE和R2計算，神經(jīng)網(wǎng)絡(luò)模型明顯優(yōu)于瞬時模型，可以看出兩種神經(jīng)網(wǎng)絡(luò)模型都能很好的預(yù)測逐時太陽輻射數(shù)據(jù)，但優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型相較于普通模型對2017年的預(yù)測并無明顯變化，基本網(wǎng)絡(luò)結(jié)構(gòu)便可以滿足預(yù)測需求，提高預(yù)測精度可以在提高預(yù)測條件數(shù)據(jù)的準(zhǔn)確性上，如加入衛(wèi)星云圖等高精度數(shù)據(jù)。

圖5 3種模型2017年逐時太陽輻射預(yù)測結(jié)果分析Fig.5 Analysis of hourly solar radiation prediction results of three models in 2017

3 建筑能耗模擬分析

3.1 模型建立

建筑能耗模擬是在建筑設(shè)計初期或既有建筑節(jié)能改造方案中，利用TMY進(jìn)行能耗分析計算，使建筑在整個生命周期內(nèi)高效運行。建筑能耗包括供暖、制冷、熱水供應(yīng)、烹飪、家用電器等。其中，室外氣象參數(shù)對建筑能耗的影響最明顯的是采暖和制冷能耗。中國的公共建筑種類繁多，包括商業(yè)建筑、醫(yī)院建筑、辦公樓、學(xué)校建筑等。影響建筑能耗的因素有外形系數(shù)、窗墻比、圍護(hù)結(jié)構(gòu)等，需要根據(jù)不同地區(qū)設(shè)置，本文參照GB50189—2019《公共建筑節(jié)能設(shè)計規(guī)范》[22]對辦公建筑能耗進(jìn)行分析，其中辦公建筑具有很高的代表性。本文使用的建筑為12層辦公樓，尺寸為：標(biāo)準(zhǔn)層為40 m×40 m，高度為3.5 m，總建筑面積為19 200 m2，建筑基本參數(shù)設(shè)置見表5。

表5 辦公建筑圍護(hù)結(jié)構(gòu)和室內(nèi)參數(shù)設(shè)置信息Tab.5 Setting information of office building envelopes and indoor parameters

3.2 模擬結(jié)果

利用EnergyPlus能耗模擬軟件進(jìn)行建筑能耗模擬。2006—2017年、TMY挑選結(jié)果以及觀測點2017年不同模型輻射數(shù)據(jù)來源的采暖、制冷、采暖制冷總能耗模擬和各項結(jié)果偏差情況見表6～8所示，可以看出不同年份能耗情況具有一定差異，且采暖能耗有減少趨勢，制冷能耗有增加的趨勢，所以TMY的合理挑選有助于評價一個地區(qū)的天氣情況。

表6 能耗模擬結(jié)果(TMY挑選分析)Tab.6 Simulation results of energy consumption (TMY selection and analysis) (kW·hm-2)

表7 TMY挑選結(jié)果相對偏差分析Tab.7 Analysis of relative deviation of TMY selection results

表8 能耗模擬結(jié)果(逐時太陽輻射預(yù)測分析)Tab.8 Simulation results of energy consumption(hourly solar radiation prediction and analysis)

計算TMY與長期平均值能耗模擬值相對偏差，Sandia方法能耗模擬結(jié)果采暖，制冷相對偏差分別為-16.30%，-1.80%，日照時數(shù)替代輻射的方法能耗模擬結(jié)果采暖，制冷相對偏差分別為-13.40%，4.40%。日照時數(shù)替代法與Sandia方法的相對偏差為3.36%和6.28%。通過上述數(shù)據(jù)可以看出日照時數(shù)替代輻射的TMY挑選方法能耗模擬結(jié)果差異不大，可以較為準(zhǔn)確的進(jìn)行TMY挑選。

計算太陽輻射各逐時化模型與觀測點太陽輻射數(shù)據(jù)能耗模擬結(jié)果相對偏差，瞬時模型采暖制冷偏差分別為-20.67%，7.89%，BP神經(jīng)網(wǎng)絡(luò)模型采暖制冷偏差分別為1.41%，-0.64%，GA-BP神經(jīng)網(wǎng)絡(luò)模型采暖制冷偏差分別為1.93%，-0.43%。通過上述數(shù)據(jù)可以看出神經(jīng)網(wǎng)絡(luò)模型預(yù)測的逐時太陽輻射數(shù)據(jù)能耗模擬結(jié)果與觀測數(shù)據(jù)模擬結(jié)果差異很小，可以精準(zhǔn)的運用到建筑能耗模擬。

對于TMY挑選能耗模擬結(jié)果與逐時輻射預(yù)測結(jié)果分析選用的數(shù)據(jù)分別為西安涇河臺站和西安建筑科技大學(xué)雁塔校區(qū)氣象數(shù)據(jù)，由于涇河臺站處于郊區(qū)，而雁塔校區(qū)處于鬧市區(qū)，具有一定的城市熱島現(xiàn)象，且2017年涇河臺站能耗模擬結(jié)果采暖制冷能耗已達(dá)相當(dāng)水平，所以觀測點制冷能耗略大于采暖能耗。

4 結(jié) 論

1)依托于日照時數(shù)氣象參數(shù)易于獲取且與太陽輻射數(shù)據(jù)相關(guān)性最強(qiáng)的特點，采用該參數(shù)替代太陽輻射進(jìn)行典型氣象年挑選，雖然在夏季輻射強(qiáng)度大的個別月份有一定差異，但整體與累年平均值接近度高，在輻射數(shù)據(jù)缺失的情況下可以采用此方法較為準(zhǔn)確的挑選TMY。

2)分別采用統(tǒng)計模型和神經(jīng)網(wǎng)絡(luò)模型對8 760逐時太陽輻射數(shù)據(jù)進(jìn)行預(yù)測分析，結(jié)果顯示神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確性更高，更適合于對數(shù)據(jù)精度要求較高的建筑節(jié)能領(lǐng)域。采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，在2016年網(wǎng)絡(luò)訓(xùn)練、測試中具有一定的優(yōu)化效果，但將該模型具體應(yīng)用到2017年預(yù)測時，效果并不明顯。

3)通過關(guān)于TMY和逐時太陽輻射建筑能耗模擬驗證分析，太陽輻射的變化對建筑采暖影響較大，且在西安地區(qū)也存在一定的城市熱島效應(yīng)。