基于CMA-WSP1.0 的貴州短波輻射檢驗(yàn)分析

萬 超，劉 濤，曾莉萍，李 力，夏曉玲，陶 勇

（1.貴州省氣象臺，貴陽 550081；2.貴州省人工影響天氣辦公室，貴陽 550081；3.貴州省氣象服務(wù)中心，貴陽 550081）

由于社會經(jīng)濟(jì)的快速發(fā)展，能源生產(chǎn)和消費(fèi)正在經(jīng)歷高速增長時(shí)期，而地球化石燃料的規(guī)模不斷縮小，煤、石油和天然氣等資源愈加緊張與匱乏，環(huán)境問題也越來越突出。能源的清潔化、綠色化已經(jīng)長期成為整個(gè)社會發(fā)展的焦點(diǎn)與熱點(diǎn)，太陽能、風(fēng)能、水能等可再生能源的開發(fā)利用率正逐年上升，其中，突出代表之一就是光伏發(fā)電技術(shù)的快速發(fā)展。近年來，尤其是生態(tài)文明貴陽國際論壇2018 年年會之后，光伏發(fā)電在我省電力需求中所占比重快速增長，對貴州省（以下簡稱“我省”）電網(wǎng)的影響也越來越明顯。

光伏發(fā)電系統(tǒng)根據(jù)光生伏打原理，將太陽能直接轉(zhuǎn)化為電能[1-2]，具有無污染、可再生、安全性高等優(yōu)點(diǎn)。但同時(shí)，由于光伏發(fā)電系統(tǒng)的效率受天文、地理、環(huán)境和氣象及硬件設(shè)備等多種因素的影響[3]，功率或發(fā)電量輸出是一個(gè)非平穩(wěn)的隨機(jī)過程，具有間歇性、波動性、不確定性的特點(diǎn)，大規(guī)模的光伏并網(wǎng)會對電網(wǎng)的穩(wěn)定性造成沖擊，增加電網(wǎng)計(jì)劃和調(diào)度的難度，影響電網(wǎng)運(yùn)行穩(wěn)定性[4]。因此，建立科學(xué)的預(yù)測機(jī)制體系，提供準(zhǔn)確及時(shí)的光伏發(fā)電功率預(yù)測，為調(diào)度運(yùn)行人員制定合理、符合實(shí)際情況的發(fā)電計(jì)劃提供切實(shí)可行的依據(jù)，這對改善電網(wǎng)運(yùn)行經(jīng)濟(jì)性具有重要意義。

目前，國內(nèi)外對光伏功率的預(yù)測方法已有大量研究，從算法角度可以分為物理模型法和統(tǒng)計(jì)模型法。其中比較常用的是由于機(jī)器學(xué)習(xí)技術(shù)而發(fā)展起來的，基于神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測技術(shù)，包括徑向型神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)以及遺傳神經(jīng)網(wǎng)絡(luò)等[5-6]，而隨著更多的智能算法被應(yīng)用于光伏發(fā)電功率預(yù)測的領(lǐng)域，衍生出更多與神經(jīng)網(wǎng)絡(luò)相結(jié)合的統(tǒng)計(jì)模型法。另外，由多個(gè)模型以某種規(guī)則集成的方法也被應(yīng)用到光伏發(fā)電功率預(yù)測的領(lǐng)域[7]且效果較好。

為助力國家“碳達(dá)峰、碳中和”目標(biāo)愿景，落實(shí)《風(fēng)能太陽能資源氣象業(yè)務(wù)能力提升行動計(jì)劃（2021—2025年）》，進(jìn)一步推動風(fēng)能太陽能資源氣象業(yè)務(wù)高質(zhì)量發(fā)展，提升我省風(fēng)能太陽能預(yù)報(bào)業(yè)務(wù)能力，中國氣象局預(yù)報(bào)與網(wǎng)絡(luò)司組織中國氣象局公共氣象服務(wù)中心、北京市氣象局等單位改進(jìn)了針對風(fēng)能太陽能短期預(yù)報(bào)需求的中國氣象局風(fēng)能太陽能氣象預(yù)報(bào)系統(tǒng)（Wind and Solar meteorological Prediction system，CMA-WSP 1.0），制作了省級風(fēng)能太陽能短期預(yù)報(bào)產(chǎn)品，為開展光伏功率預(yù)報(bào)提供了新的氣象要素來源，產(chǎn)品包含了溫度、濕度、風(fēng)場以及到達(dá)地表短波輻射、地面氣壓、降水量等氣象要素，且產(chǎn)品時(shí)間分辨率高，達(dá)到15 min。該產(chǎn)品于2022 年3 月15 日正式向全國發(fā)布，其中的“地表向下短波輻射通量”要素與貴陽輻射觀測站點(diǎn)的“總輻射輻照度”所反映的都是太陽到達(dá)地面的短波輻射，故2者之間存在較大的相關(guān)性。為了今后該產(chǎn)品能在貴州省更好適用，擬對該產(chǎn)品的預(yù)報(bào)值，和貴陽的輻射觀測值進(jìn)行對比檢驗(yàn)。以期通過貴陽的輻射觀測值觀測，在未來的研究中改進(jìn)該產(chǎn)品中“地表向下短波輻射通量”因子，為其在貴州省的適用性提供科技支撐。

本文利用臨近點(diǎn)插值方法將CMA-WSP 短波輻射產(chǎn)品插值到站點(diǎn)進(jìn)行檢驗(yàn)，討論其在貴州省的適用性，為后續(xù)該產(chǎn)品用于氣象服務(wù)及光伏功率預(yù)報(bào)提供客觀依據(jù)。

1 資料與方法

本文采用2022 年4—6 月中國氣象局風(fēng)能太陽能氣象預(yù)報(bào)系統(tǒng)CMA-WSP 1.0 提供的貴州風(fēng)能太陽能短期預(yù)報(bào)產(chǎn)品中地表向下短波輻射通量，時(shí)間分辨率為15 min，空間分辨率為9 km，預(yù)報(bào)時(shí)效為126 h，預(yù)報(bào)頻次為1 次/d（起報(bào)時(shí)間為北京時(shí)間20：00）；觀測值數(shù)據(jù)采用貴陽國家氣象站觀測總輻射輻照度數(shù)據(jù)，時(shí)間分辨率為逐分鐘。

檢驗(yàn)CMA-WSP 預(yù)報(bào)短波輻射數(shù)據(jù)在貴州的適用性，首先，進(jìn)行數(shù)據(jù)質(zhì)量控制，當(dāng)站點(diǎn)觀測值或預(yù)報(bào)值任意一方缺測時(shí)，將這一組觀測值和預(yù)報(bào)值均剔除；其次，采用臨近點(diǎn)插值方法將預(yù)報(bào)值插值到貴陽站點(diǎn)的經(jīng)緯度，篩選與預(yù)報(bào)樣本相同的觀測值數(shù)據(jù)，作對應(yīng)逐15 min 的檢驗(yàn)。主要運(yùn)用統(tǒng)計(jì)學(xué)方法開展檢驗(yàn)分析，包括平均誤差（ME）、平均絕對誤差（MAE）、均方根誤差（RMSE）、相關(guān)系數(shù)（COR）等，公式如下。

平均誤差可以用來反映預(yù)報(bào)值與觀測值之間的偏離程度，是用來衡量預(yù)報(bào)誤差比較常用的一個(gè)統(tǒng)計(jì)參數(shù)。平均誤差公式為

平均絕對誤差可以避免誤差相互抵消的問題，反映總誤差情況。公式為

均方根誤差可以衡量預(yù)報(bào)值和觀測值之間的離散程度，其公式為

相關(guān)系數(shù)是用來反映預(yù)報(bào)值與觀測值的線性相關(guān)程度，相關(guān)系數(shù)的絕對值越接近1，說明模式對雨量的變化趨勢有一定的預(yù)報(bào)能力。相關(guān)系數(shù)的公式為

式中：Oi為站點(diǎn)觀測值；Mi為CMA-WSP 預(yù)報(bào)值；N為參與檢驗(yàn)的總樣本數(shù)。

2 誤差分析

4—6 月有效樣本數(shù)中，觀測值平均值分別為339.6、254.0、283.5 W/m2，24 h 預(yù)報(bào)時(shí)效內(nèi)預(yù)報(bào)平均值分別為386.3、301.9、298.6 W/m2。參照太陽總輻射預(yù)報(bào)性能檢驗(yàn)方法，評估平均誤差、平均絕對誤差和均方根誤差（圖1）。隨著預(yù)報(bào)時(shí)效的增加，所有樣本的平均誤差、平均絕對誤差和均方根誤差也相應(yīng)增大，可能因?yàn)槟Ｊ较到y(tǒng)性誤差隨著預(yù)報(bào)時(shí)效的增加，不斷迭代導(dǎo)致的。從24 h 預(yù)報(bào)時(shí)效來看，平均誤差6 月最小，4 月和5 月接近，平均絕對誤差和均方根誤差也是6 月最小，5 月最大，反映出6 月預(yù)報(bào)效果最好，4 月次之，5 月最差。4 月和5月預(yù)報(bào)總體較觀測值偏大，6 月較觀測值偏小的情況更多。從預(yù)報(bào)誤差穩(wěn)定性來看：在24～120 h 的預(yù)報(bào)時(shí)效內(nèi)4—6 月的表現(xiàn)相差不大，預(yù)報(bào)較穩(wěn)定，但4 月和6 月在24h 預(yù)報(bào)時(shí)效內(nèi)平均絕對誤差和均方根誤差都略小于其他時(shí)效，表明24 h 的預(yù)報(bào)更優(yōu)，5 月則是48 h 預(yù)報(bào)更優(yōu)。

圖1 2022 年4—6 月貴陽短波輻射平均誤差、平均絕對誤差、均方根誤差

3 回歸分析

對短波輻射的預(yù)報(bào)值和觀測值作一元線性回歸（圖2，以24 h 為例），可知，4—6 月5 個(gè)預(yù)報(bào)時(shí)效的樣本數(shù)據(jù)均一致地顯示出大部分短波輻射值集中在小于200 W/m2的的區(qū)域，此時(shí)預(yù)報(bào)值普遍小于觀測值，而在大于200 W/m2的的區(qū)域，預(yù)報(bào)值大多大于觀測值。4 月份5 個(gè)預(yù)報(bào)時(shí)效的相關(guān)系數(shù)依次為0.64、0.53、0.61、0.63、0.69，120 h 預(yù)報(bào)時(shí)效的相關(guān)性最好，24 h 預(yù)報(bào)時(shí)效的相關(guān)性次之，48 h 預(yù)報(bào)時(shí)效的相關(guān)性最差；5 月份5 個(gè)預(yù)報(bào)時(shí)效的相關(guān)系數(shù)依次為0.48、0.47、0.50、0.48、0.57，120 h 預(yù)報(bào)時(shí)效的相關(guān)性最好，72 h 預(yù)報(bào)時(shí)效的相關(guān)性次之，48 和69 h 預(yù)報(bào)時(shí)效的相關(guān)性最差；6 月份5 個(gè)預(yù)報(bào)時(shí)效的相關(guān)系數(shù)依次為0.65、0.27、0.32、0.57、0.16，24 h 預(yù)報(bào)時(shí)效的相關(guān)性最好，96 h 預(yù)報(bào)時(shí)效的相關(guān)性次之，120 h 預(yù)報(bào)時(shí)效的相關(guān)性最差。各月預(yù)報(bào)和觀測值的相關(guān)系數(shù)最好為24 h 預(yù)報(bào)時(shí)效，相關(guān)系數(shù)范圍為0.48～0.65。

圖2 2022 年4—6 月貴陽短波輻射24 h 預(yù)報(bào)時(shí)效的散點(diǎn)回歸圖

4 準(zhǔn)確性和穩(wěn)定性分析

將逐天的短波輻射整點(diǎn)預(yù)報(bào)值和觀測值進(jìn)行對比（圖3，以2022 年6 月18 日—23 日為例），可以看出，預(yù)報(bào)值的變化趨勢與觀測值一致，且除120 h 預(yù)報(bào)時(shí)效外，預(yù)報(bào)值普遍小于觀測值，尤其是起報(bào)后2 h 內(nèi)。從預(yù)報(bào)時(shí)效上來看，24 h 預(yù)報(bào)時(shí)效的誤差最?。▓D3（b）），小于200 W/m2，預(yù)報(bào)準(zhǔn)確性最高，隨著預(yù)報(bào)時(shí)效的增加，誤差逐漸增大，預(yù)報(bào)準(zhǔn)確性逐漸變低。從日變化上可知，從早上到中午，隨著輻射值的增大，預(yù)報(bào)不穩(wěn)定性增加，午后，隨著輻射值的減小，預(yù)報(bào)不穩(wěn)定性也減小。經(jīng)統(tǒng)計(jì)天氣現(xiàn)象，發(fā)現(xiàn)多云時(shí)，受到云量等氣象要素變化影響，預(yù)報(bào)偏差也會增加。

圖3 2022 年6 月18—23 日預(yù)報(bào)準(zhǔn)確性和穩(wěn)定性對比圖

5 雙線性插值方法

本文嘗試采用CMA-WSP 產(chǎn)品離貴陽站最近點(diǎn)插值方法，來對比雙線性插值的區(qū)別。從4—6 月有效樣本數(shù)的平均值來看，短波輻射24 h 預(yù)報(bào)時(shí)效內(nèi)預(yù)報(bào)平均值分別為384.6、300.4、298.2 W/m2，可以發(fā)現(xiàn)2 種插值方法的短波輻射各月平均值相差很小，且雙線性插值更接近觀測值，證明貴陽周圍的短波輻射預(yù)報(bào)值變化梯度較小。從誤差趨勢來看，臨近點(diǎn)插值的24 h 預(yù)報(bào)時(shí)效的平均誤差6 月最小，4 月和5 月接近，平均絕對誤差和均方根誤差也是6 月最小，5 月最大，反映出6 月預(yù)報(bào)效果最好，4 月次之，5 月最差，結(jié)論與臨近點(diǎn)插值相一致。

6 結(jié)論

4—6月短波輻射觀測值平均值分別為339.6、254.0、283.5 W/m2，24 h預(yù)報(bào)時(shí)效內(nèi)預(yù)報(bào)平均值分別為386.3、301.9、298.6 W/m2。4—6月預(yù)報(bào)值的平均絕對誤差范圍在160～273 W/m2，各月表現(xiàn)接近，6月最好，4月次之，5月最差。在24～120 h預(yù)報(bào)時(shí)效內(nèi)，各月穩(wěn)定性較好，各時(shí)效表現(xiàn)接近，但4月和6月仍在24 h內(nèi)表現(xiàn)最好，5月則在48 h表現(xiàn)最好。各月預(yù)報(bào)和觀測值的相關(guān)系數(shù)最好為24 h，相關(guān)系數(shù)范圍為0.48～0.65。觀測值小于200 W/m2時(shí)預(yù)報(bào)偏小，大于該值時(shí)預(yù)報(bào)常偏大，上午預(yù)報(bào)常偏小，陰天、多云時(shí)預(yù)報(bào)偏差加大，晴天時(shí)預(yù)報(bào)效果最好。