逐时太阳辐照度气候学预报模型研究

贾红 张仁祖 张佩

摘要：基于2015—2018年徐州地区太阳辐照度观测资料和常规的气象观测资料，分析了地面逐时太阳辐照度的变化特征，建立了分月地面逐时太阳辐照度预报气候学模型，并利用2019年气象数据对模型进行检验。结果表明：徐州地区地面逐时太阳辐照度在0～560 W/m2之间，年地面辐照度均值为299.4 W/m2，最大值出现在夏季12：00，为613.5 W/m2。地面太阳辐照度与天文辐射、日照时数呈显著正相关，与湿度呈显著负相关。模型拟合值与实测值之间均呈现很好的相关性，模型适用于各月，但在夏季，特别是6—8月，平均绝对误差e和均方误差Se稍大。模型对 10：00—15：00的模拟效果优于其他时刻。

关键词：逐时;太阳辐照度;天文辐射;日照时数;湿度;预报;徐州

中图分类号： S161.1  文献标志码： A  文章编号：1002-1302（2020）11-0275-06

收稿日期：2020-02-27

基金项目：江苏省“333工程”高层次人才培养科研项目;江苏省气象局面上项目（编号：KM201905）。

作者简介：贾 红（1981—），女，江苏连云港人，硕士，工程师，主要从事气候资源开发和农业气象预报服务研究。E-mail：hjia698@163.com。

通信作者：张仁祖，硕士，高级工程师，主要从事气候资源开发和农业气象预报服务研究。Tel：（0516）80805768;E-mail：zhangrenzu.xz@163.com。  太阳能是一种可再生的绿色清洁能源，是地球最主要的能量来源[1]。中国社会科学院在2015年的世界能源发展报告中指出，随着经济发展方式和产业结构的转型，太阳能将成为人类一种非常重要的能源[2]。太阳辐射的强弱与太阳视位置、大气透明度等因素密切相关，而大气透明度受大气含水量、气溶胶颗粒直径及数量、云量和云状等因素影响[3-4]，由于上述因子的综合作用，到达地球表面的太阳辐射较大气上界有较大的衰减，衰减的程度也因时而异。准确的太阳辐射资料是区域气候资源评价、设施农业布局、农作物产量预报、光伏电厂规划与发电量预报等太阳能资源开发利用的基础。目前我国太阳辐射观测站点较少，资料时间序列不长，难以满足上述需求，因此开展逐时太阳辐照度气候学估计模型和预报模型研究有十分重要的实际意义。

近年来，国内外众多学者开展了太阳辐射预报模型研究，Lorenz等使用ECMWF资料制作未来0～72 h总辐射预报[5]。Collares-Pereira等利用模型研究了太阳辐射的分布特征及逐时预报[6];孙朋杰等使用WRF输出产品，在对模型输出统计预报（model output statistics，MOS）方法进行改进的基础上建立了预报模型[7]。王佳等使用地面温度、相对湿度和能见度资料，建立了不同季节地面逐时太阳辐射预报模型[8]。这些研究从不同角度建立了太阳辐射预报模型，使得太阳辐射预报成为可能，但大多数存在模型复杂、因子众多、因子计算复杂、业务应用困难等问题。徐州市位于黄淮海平原南部，在我国太阳能资源区划中属于Ⅱ类，年总辐射量为1 400～1 740 kW/（h·m2）[9]，属于太阳能资源较丰富地区[10]，太阳能资源具有较大的开发前景。近年来，徐州设施农业和光伏发电产业等生态产业发展迅速，设施农业已成为徐州农业的新名片[11]。到2020年光伏发电产业也将新增光伏装机 1.5 GW[12]，产业的快速发展对高精度、高时效的地面逐时太阳辐照度预测提出了迫切的需求。太阳辐射穿越地球大气层到达地球表面，对近地层大气的温度、湿度等物理量产生影响，同时这些物理量也反过来影响太阳辐射的传输，因此本研究从太阳辐射作用于地球近地层大气的效应着手，使用徐州市地面逐时太阳辐照度实测资料和常规的气温、湿度、日照等气象要素，建立地面逐时太阳辐照度气候学预报模型，并对模型进行检验，以期能为徐州地区的太阳能开发利用提供科学依据。

1 资料与方法

1.1 资料来源

本研究使用的辐照度和常规气象资料均来自于徐州国家地面基本站（34°17′N，117°09′E，海拔高度42 m）。该站于2015年1月份开始太阳辐照度观测，所用资料包括2015年1月至2019年12月逐小时的太阳辐照度、气温、日照时数、相对湿度以及日最高气温、日最低气温，均经过严格的质量控制。本研究使用2015年1月至2018年12月资料建立預报模型，2019年全年资料做预报检验分析。

1.2 逐时天文辐射的计算方法

逐时天文辐射Q0主要与太阳赤纬δ、时角ω和地球轨道偏心率订正因子dm有关，计算公式如下

式中：Q0为天文辐射，W/m2;I0为太阳常数，取 1 367 W/m2;dm为地球轨道偏心率订正因子;φ为观测点纬度，°;δ为太阳赤纬，°;η为时差，h;ω为时角，°;D为该日在一年当中的日序数;h为24 h制时刻数。

1.3 统计误差分析方法

采用统计方法对逐时太阳辐照度的实测值与拟合值之间的符合度进行比较分析，包括复相关系数R、平均绝对误差e[13]、平均绝对百分比误差Pe[14]和均方误差Se[13]，上述指标均为统计学上严格的误差指标，值越小表明拟合值和实测值之间的拟合效果越好。分别由式（7）、式（8）、式（9）计算获得。

2 预报模型的建立

2.1 地面太阳辐照度与气象因子的相关性分析

太阳辐射的强弱与太阳视位置、大气透明度密切相关，而大气透明度与大气含水量、气溶胶大小及数量、云量和云状等因素关系密切，由于上述因子的作用，到达地球表面的太阳辐射较天文辐射有较大的衰减，进而影响近地面大气物理参数，如温度、湿度等因素。对不同月份的逐时地面太阳辐照度与天文辐射、气温、湿度、日照等因子之间的相关性进行分析，结果详见表1。

从表1可以看出，除个别月份的日最低气温和日最高气温之外，各月地面太阳辐照度与天文辐射、气温、湿度、日照时数等气象因子之间均为显著相关，通过0.01的显著性水平检验;其中与天文辐射和日照时数均为显著正相关，与湿度显著负相关。地面太阳辐照度与日最低气温的相关性各月表现不一致，其中4月、6月和8月未通过显著性检验，5月份只通过0.05的显著性水平检验，其他各月份均通过0.01的显著性水平检验。地面太阳辐照度与日最高气温的相关性在1月份和12月份未通过显著性检验，其他月份均通过0.01的显著性水平检验。从相关系数的分布来看，各月地面太阳辐照度与日照时数的相关系数在0.735以上，最大为0.822，出现在1月份。与天文辐射的相关系数在0.667以上，最大为0.785，出现在3月份。与相对湿度的相关系数在-0.415以下，最小为-0.528，出现在7月份。

2.2 地面逐时太阳辐照度预报模型

天文辐射作为一种能量穿越大气层到达地球表面，与近地层大气互相作用，一方面近地层大气对太阳辐射的传输产生削弱影响，另一方面近地层的大气也受太阳辐射的作用，在物理参数上发生相应的变化，在充分考虑气候条件的影响的基础上，建立逐时太阳辐照度气候学预报模型：

式中：Q为地面太阳辐照度，W/m2;a、b为统计系数;X、A、B为中间计算量;Q0为天文辐射，W/m2;T为气温，℃;Tmin为当日最低气温，℃。Tmax为当日最高气温，℃。Tmin为当日气候最低气温，℃;Tmax为当日气候最高气温，℃;Tmin、Tmax采用1981—2010年30年的统计值;RH为相对湿度，%;t为日照时数，h;Qmax为日最大天文辐射，W/m2;I0为太阳常数，取1 367 W/m2。

各月a、b值如表2所示。

3 结果与分析

3.1 徐州地区地面太阳辐照度变化特征

统计2015年1月至2018年12月（06：00到19：00）共计48个月的地面逐时太阳辐照度分布特征（剔除06：00后未日出和19：00前已日落的数据），从年均地面逐时太阳辐照度的分布来看（图1），分布特征基本一致，整体上全天地面逐时太阳辐照度在0～560 W/m2之间波动，其中2018年上午各时段地面辐照度略高于其他年份，下午各时段辐照度则是2017年略高。最高值出现在2017年的12：00，为553.9 W/m2。

按照气象学意义上的季节划分方法，将上述资料划分为春季（3—5月），夏季（6—8月），秋季（9—11月）和冬季（12月至次年2月）4个季节，进而统计各季节06：00—19：00地面逐时太阳辐照度分布特征（图2）。可以看出，地面逐时太阳辐照度呈明显的单峰型分布。日出后地面太阳辐照度急剧加大，在中午12：00前后达到最大值，14：00后快速减小，18：00以后趋于0。年地面辐照度均值为 299.4 W/m2，最大值出现在夏季12：00，为 613.5 W/m2，为春季的1.01倍，秋季的1.28倍，冬季的1.51倍。总体上看，春夏两季徐州地区太阳能资源丰富，秋季次之，冬季最低。

3.2 预报模型检验

使用2019年1—12月份的观测资料做预报模型检验，将模拟得到的各月逐时太阳辐照度与实测值做比较，结果如图3所示。

从图3可以看出，各月拟合值与实测值之间均呈现很好的相关性，拟合值和实测值相关性较好。其中，5—10月大部分数据点分布在1 ∶ 1线下部，其他各月各数据点围绕在1 ∶ 1线附近。1—12月均通过0.01的显著性检验。从各月复相关系数R（表3）也可以看出，11月拟合效果最好，复相关系数高达0.93，6月和7月拟合效果稍差，复相关系数为0.81。3月、5月、9月、10月、11月、12月这6个月复相关系数R均在0.90及以上，拟合效果好。

3.3 预报误差分析

为进一步检验该预报模型的拟合效果，对2019年各月实测值与模型拟合值的平均绝对误差e、平均绝对百分比误差Pe和均方误差Se进行统计分析，结果如图4所示。从误差分析可以看出，e在各月差异较大，最大值为164.37 W/m2（6月），最小值为59.54 W/m2（12月）。6—7月e大于150 W/m2，拟合值和实测值误差最大，年均值为106.81 W/m2。4—9月e在均值之上，其他月份e在均值之下。平均绝对百分比误差Pe各月差異较小，年均值为 38.82%，最大值为48.51%（2月），最小值为 32.82%（3月）。均方误差Se最大值为 208.26 W/m2（7月），最小值为78.44 W/m2（1月），全年均值为137.89 W/m2，4—9月共计7个月的Se大于年度均值。从上面的分析可以看出，本预报模型各月平均绝对百分比误差Pe的差异不大，说明模型适用性较好，但在6—8月，平均绝对误差e和均方误差Se稍大。

为进一步分析模型在各个时刻的表现，统计分析了08：00—17：00的e、Se和Pe（图5）。可以看出，e在各时刻差异较大，最大值为140.40 W/m2（11：00），最小值为62.40 W/m2（17：00），均值为106.94 W/m2，09：00—13：00的e在均值之上，其他时刻e在均值之下。平均绝对百分比误差Pe各时刻差异较小，均值为39.23%，最大值为59.71%（17：00），最小值为27.39%（13：00），其中10：00—15：00的Pe小于均值，说明中午前后的模拟效果优于其他时刻。均方误差Se最大值为175.04 W/m2（13：00），最小值为81.72 W/m2（17：00），均值为140.79 W/m2，09：00—13：00共计5个时刻的Se大于年度均值。从上面的分析可以看出，模型对中午前后，特别是10：00—15：00的模拟效果优于其他时刻。

4 结论与讨论

（1）徐州地区年均地面逐时太阳辐照度分布呈单峰型变化特征，全天地面逐时太阳辐照度在0～560 W/m2之间波动。年地面辐照度均值为 299.4 W/m2，最大值出现在夏季12：00，为 613.5 W/m2，为春季的1.01倍，春夏两季太阳能资源丰富。

（2）除日最低气温和日最高气温之外，各月地面太阳辐照度与天文、气温、湿度、日照时数等气象因子之间均为显著相关，通过0.01的显著性水平检验，其中与天文辐射和日照时数均为显著正相关，

（3）建立了地面逐时太阳辐照度预报模型。检验结果表明，各月拟合值与实测值之间均呈现很好的相关性，拟合效果较好，但在6—8月，平均绝对误

差e和均方误差Se稍大。模型对10：00—15：00的模拟效果较好，日出和日落前后拟合效果最差。

本研究利用统计学方法，建立了基于常规气象资料的地面逐时太阳辐照度气候学预报模型，取得了较好的预报效果。但由于大气对太阳辐射的作用是复杂的、非线性的，模型对不同月份、不同时刻的模拟效果存在差异。需要特别提出的是，本模型相关参数仅适用于徐州地区，在其他地区的应用效果还要开展适用性分析。

参考文献：

[1]盛裴轩，毛节泰，李建国，等. 大气物理学[M]. 北京：北京大学出版社，2003.

[2]中国社会科学院.能源蓝皮书——世界能源发展报告（2015）[R]. 北京：2015.

[3]刘晶淼，马金玉，李世奎，等. 华北平原北部太阳辐射及地表辐射平衡特征[J]. 太阳能学报，2009，30（5）：577-585.

[4]申彦波，赵宗慈，石广玉. 地面太阳辐射的变化、影响因子及其可能的气候效应最新研究进展[J]. 地球科学进展，2008，23（9）：915-923.

[5]Lorenz E，Hurka J，Heinemann D，et al. Irradiance forecasting for the power prediction of grid-connected photovoltaic systems[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2009，2（1）：2-10.

[6]Collares-Pereira M，Rabl A. The average distribution of solar radiation correlations between diffuse and hemispherical and between daily and hourly insulation values[J]. Solar Energy，1979，22（2）：155-164.

[7]孙朋杰，陈正洪，成 驰，等. 一种改进的太阳辐射MOS预报模型研究[J]. 太阳能学报，2015，36（12）：3048-3053.

[8]王 佳，刘寿东，刘爱霞，等. 天津地区地面逐时太阳辐射的模拟计算[J]. 科学技术与工程，2012，12（36）：9805-9809，9832.

[9]高绍凤. 应用气候学[M]. 北京：气象出版社，2001.

[10]翁笃鸣. 中国太阳直接辐射的气候计算及分布特征[J]. 太阳能學报，1986，7（2）：121-130.

[11]徐州市人民政府. 徐州市国民经济和社会发展第十三个五年规划纲要[R]. 2016.

[12]徐州市人民政府. 徐州市“十三五”新能源（可再生能源）发展专项规划[R]. 2016.

[13]黄嘉佑. 气象统计分析与预报方法[M]. 北京：气象出版社，2004.

[14]Ren L，Glasure Y. Applicability of the revised mean absolute percentage errors（MAPE）approach to some popular normal and non-normal Independent time series[J]. International Advances in Economic Research，2009，15（4）：409-420.徐庆贤，官雪芳，黄菊青，等. 规模化养猪场上流式沼气池发酵液养分变化分析[J]. 江苏农业科学，2020，48（11）：281-287.