基于云图特征量的太阳辐射预报方法

蒲　肃，陈　娜，刘　抗，王有生，张文波（.甘肃省气象服务中心，甘肃兰州73000；.兰州工业学院，甘肃兰州730050）



基于云图特征量的太阳辐射预报方法

蒲肃1，陈娜2，刘抗1，王有生1，张文波1
（1.甘肃省气象服务中心，甘肃兰州730020；2.兰州工业学院，甘肃兰州730050）

摘要：利用2012年敦煌云图特征量资料和太阳总辐射逐小时观测资料，研究了敦煌太阳总辐射量与云量、红外亮温、大气可降水、可见光反射率等云图特征量的关系，发现敦煌地区太阳总辐射值的衰减值和总辐射理论值的日变化规律基本一致,敦煌站云图的云量、红外亮温、可见光反射率、大气可降水等特征量和太阳总辐射衰减率具有很好的相关性。进而将云图特征量作为预报因子，利用多元线性回归方程，建立太阳总辐射量统计预报模型。利用2012年敦煌云图特征量资料和太阳总辐射衰减率对方程进行预报效果检验。12个月太阳总辐射衰减率预测结果与实测值变化趋势基本一致,表明基于云图特征量的太阳辐射预报方法具有较好的应用前景。

关键词：云图；特征量；太阳总辐射；预报方法

地表太阳总辐射量的预测是一个十分复杂的问题。基于太阳能几何方程，可以利用确定性模型评估无云情况下的太阳辐射量[1]然而地表太阳辐射量不仅受地理因素和季节的影响，而且与大气透明度、水汽含量、气溶胶、云与太阳的相对位置等密切相关[2]，在预报的过程中，太阳辐射的衰减量与云层的关系最为密切[1，3]。目前，发达国家对太阳能预报方法的研究发展很快。一些研究通过卫星云图预测出地面太阳辐照强度，再根据预测模型预测光伏电站的发电情况[4，5]，我国对太阳能光伏发电预报技术的研究还处于起步阶段[6]，基于卫星云图资料的外推方法鲜见研究，现有的只考虑到云量的多少对太阳总辐射的影响，并没有系统的研究云图特征量和太阳总辐射变化之间的关系。

甘肃敦煌地区降水稀少、空气干燥、晴天多、日照充足，土地资源充足，是研究太阳辐射变化，并发展太阳能光伏发电研究的典型区域。根据政府相关规划，甘肃河西地区将建设多个大型光伏发电基地。本文拟通过敦煌云图特征量和太阳总辐射逐小时观测数据，分析云图特征量变化对地面太阳总辐射变化的影响，建立基于云图特征量因子的太阳总辐射衰减率预报方程。本研究有利于提高太阳总辐射预报水平，为节能减排和环境保护做出贡献。

1　资料及处理方法

1.1太阳总辐射理论值、实测值及衰减值

由于地球自转和公转，太阳相对于地平面的位置不断变化，使得到达地面的太阳辐射量也不断变化。如果不考虑大气层对太阳辐射造成的衰减，那么可以根据地球自转和公转的变化规律计算出敦煌地面逐时次的太阳总辐射值，这是太阳总辐射的理论值。计算公式如下：

式中：GSC为太阳常数；λ为日地距离订正系数；δ为赤纬角；φ为纬度；τt时角；n为一年中的日序号（如1月1日，n=1）。时角上午为负，下午为正，τt=15°z-7.5°，z为离正午的时间（h）。

太阳总辐射实测资料是敦煌国家基准气象站2012年逐小时太阳辐射的实况监测资料。

现实情况中，太阳辐射经过大气层会出现衰减，这种衰减既包括云对太阳辐射的衰减，还包括雾霾、灰尘造成的衰减。在本研究中只考虑云层对太阳辐射的衰减，既认，为太阳总辐射衰减值的这种不规律的变化都是由云的变化引起的。计算出敦煌站逐小时的太阳总辐射理论值之后，用它减去敦煌站逐小时太阳总辐射实际观测值，即可得到太阳辐射通过大气层时的衰减值。

为了更好地反映云对太阳总辐射衰减的影响，在这里引入一个概念——太阳总辐射衰减率K。太阳总辐射的衰减率反映了太阳辐射通过大气层时的衰减情况，K定义为某时次太阳总辐射衰减值与太阳总辐射理论值的比值。在不同的周期内，数值并不相同，在某个小时内，太阳总辐射衰减值It与太阳总辐射理论值I的比值，即可认为是该小时太阳总辐射的衰减率K，表达式为：

1.2云图特征量

云图资料为国家卫星气象中心2012年逐小时云图监测资料，选用风云二号气象卫星（简称FY2）卫星云图资料。将敦煌站经纬度（40.15°N,94.68°E）转换为等经纬度投影和标称图坐标，敦煌站在等经纬度投影图像中位置为（i=397,j=894），在标称图上位置为（i=697,j=1296）。分别从标称圆盘图和等经纬度投影云图数据文件中提取出该经纬度的云量，亮温，可见光反射率，大气可降水等数据。

2　敦煌太阳总辐射变化分析

图1和图2分别为敦煌2012年冬季（1月1～5日）和夏季期间（7月1～5日）太阳总辐射理论值与实测值的对比。

图1　2012年1月1～5日太阳总辐射理论值与实测值对比

图2　2012年7月1～5日太阳总辐射理论值与实测值对比

从图中可以看出，无论是冬季还是夏季，敦煌太阳总辐射的实际观测值和理论值都有较大的差异。冬季太阳总辐射理论值明显低于夏季，冬季的最大值只有夏季的1/2，但每日的太阳总辐射理论值变化趋势基本一致。夜间为零，日出后随着时间推移逐渐增大，到中午达到最大值，然后随时间推移逐渐减小，到日落后减小为零。实测的辐射值在日际变化中大体上遵循相同的变化规律。

图3　2012年1月1～5日太阳总辐射理论值与衰减值对比

图4　2012年7月1～5日太阳总辐射理论值与衰减值对比

图3和图4分别为敦煌2012年冬季1月1～5日和夏季7月1～5日逐小时太阳总辐射衰减值和太阳总辐射理论值的对比。太阳总辐射衰减值在一天当中的变化规律和总辐射理论值的变化趋于一致，总辐射衰减值随理论值的增大而增大，随之减小而减小，在太阳总辐射理论值为零的时候也为零。冬季太阳总辐射的衰减明显小于夏季，而且冬季太阳总辐射衰减值的曲线更为光滑，即冬季太阳总辐射衰减值的变化更符合太阳总辐射理论值变化的规律。这主要是因为相比夏季，冬季天气情况较为稳定，云的变化相对较少，对太阳总辐射衰减的影响较为稳定，所以，太阳总辐射衰减值的变化更具规律性。

从图中可以看出，在短期内太阳总辐射理论值变化不大，1月1～5日每日太阳总辐射理论值的最大值在229到226kJ/cm2之间变化，7月1～5日每日太阳总辐射理论值的最大值在452到451kJ/cm2之间变化。相比较而言，辐射衰减值的变化却比较明显，1月1-5日每日太阳总辐射衰减值的最大值在121到78kJ/cm2之间变化，7月1～5日每日太阳总辐射衰减值的最大值在276到163kJ/cm2之间变化，其变化的幅度要明显大于太阳总辐射理论值的变化。

从逐小时的数据对比来看，太阳总辐射衰减值和太阳总辐射理论值的变化规律并不符合，有时理论值在增大，但太阳总辐射衰减值在减小，有时理论值在减小，但太阳总辐射衰减值却在增大。太阳总辐射衰减值的这种不规律变化正是影响太阳能光伏发电预报准确率的最主要原因。

3　云图特征量与太阳总辐射衰减率相关性分析

3.1云量与太阳总辐射衰减率相关性分析

本研究中用于分析的云量是总云量，总云量的定义是天空在观测时被所有的云遮蔽的总成数。从逐月分析云量与太阳总辐射衰减率之间的相关可看出，云量与太阳总辐射衰减率之间全年均为正相关，但12月份08、17两个时次相关显著性明显偏弱。其余月份均可通过α=0.05的显著性检验，特别是10月其相关显著性明显偏高，甚至可以超过α= 0.01的信度检验，这可能与西北地区10月多连阴雨天气有关。也就是说，全年绝大多数时次，云量偏多时，太阳总辐射衰减率增大。

3.2红外亮温与太阳总辐射衰减率相关性分析

亮温即亮度温度，云图亮温温度是指将卫星观测到的辐射看成普朗克黑体辐射，并据此算出的温度。目前采用的卫星扫描辐射计包括4个红外通道。下面分析各通道亮温与太阳总辐射衰减率的相关性。

通道1亮温、通道2亮温、通道3亮温与太阳总辐射衰减率都以负相关为主，只有个别月份存在正相关，且这些月份集中在冬、春季节。一年中一般情况下通道1、2、3亮温越大，太阳总辐射衰减率越小，但是冬、春季节会有通道1、2、3亮温越大，太阳总辐射衰减率也越大的现象出现。

通道4亮温与太阳总辐射衰减率以负相关为主，个别月份存在正相关，这些月份集中在春末夏初、秋末时段，且出现正相关的时次主要集中在一天中的15～18时，即15～18时通道4亮温越大，太阳总辐射衰减率从越大的现象出现的频率要远高于其他时次。

3.3大气可降水与太阳总辐射衰减率相关性分析

大气可降水指晴空条件下大气柱中水汽总含量。在有云情况下，卫星探测到的是云顶及其以上大气的辐射，基本探测不到云中及其以下大气的辐射，因此，只有晴空时才能利用红外分裂窗反演大气可降水。

大气可降水与太阳总辐射衰减率3～8月为正相关，其余月份负相关。特别是7、8月降水相对丰沛的月份中，其正相关显著性明显增高，而相对显著的负相关存在于10月。3～8月大气可降水量偏多则太阳总辐射衰减率大，其余月份大气可降水量偏多则太阳总辐射衰减率小。大气可降水对太阳总辐射衰减率的影响因为时间不同有所差异，中午10～14时大气可降水与太阳总辐射衰减率之间的相关性最为明显，其余时次的相关性相对较弱。

3.4可见光反射率与太阳总辐射衰减率相关性分析

可见光反射率又称反照率，在可见光云图上，物像的色调取决于反射太阳辐射的强度。而卫星接收到的反射太阳辐射的多少取决于两个因素：一是入射到目标物上的太阳辐射的多少；二是目标物反照率的大小。

可见光反射率与太阳总辐射衰减率以正相关为主，只有个别月份存在负相关，负相关主要是出现在冬季。反射率和太阳总辐射衰减率整体上呈现正相关分布，也就是可见光反射率大，太阳总辐射衰减率就大，但在冬季也会偶尔出现可见光反射率大而太阳总辐射衰减率小的现象。

4　基于云图特征量的太阳总辐射衰减率预报方程

通过各时次云图特征量和太阳总辐射衰减率的相关性分析，我们基本了解了云图特征量对太阳总辐射衰减率的影响规律，各云图特征量和太阳总辐射衰减率的相关系数如图5所示。

图5　2012年1～12月各因子太阳总辐射衰减率相关系数

利用2013年敦煌云图特征量资料和太阳总辐射衰减率对方程进行预报效果检验。12个月太阳总辐射衰减率预测结果与实测值变化趋势基本一致。对比12个月，9月实测值与预测值之间的差值最小，5月最大。1、3、4、5、6、7、9、11月预测方程得出的结果小于实测值，2、8、10、12月时预测方程得出的结果要大于实测值，但预报误差都比较小。如图6所示。

图6　2013年1～12月太阳总辐射衰减率预测与实际值对比

5　小结

无论是冬季还是夏季，敦煌太阳总辐射的实测值和理论值都有较大差异，太阳辐射经过大气层时会出明显的衰减。敦煌太阳总辐射衰减值和理论值的日变化规律趋于一致，总辐射衰减值随理论值的增大而增大，随之减小而减小。但从逐小时甚至更短时间段的数据分析，太阳总辐射衰减值和理论值的变化规律并不符合。

敦煌站云图的云量、红外亮温、可见光反射率、大气可降水等特征量和太阳总辐射衰减率具有很好的相关性。不同特征量相关系数不同，同一特征量在不同月份相关系数变化也比较明显，尤其在7、8月份降水相对丰沛的月份中，其相关显著性明显增高。由此可见，太阳总辐射的变化与云图特征量之间存在密切相关。

基于云图特征量和太阳总辐射衰减率的相关性建立预报方程，通过预报效果检验，证明有较高的预报准确率。这种预报方法对于改进现有光伏发电功率预报预测方法，提高光伏发电功率预报准确率具有重要的意义。

参考文献：

[1]Page, J. K. Prediction of Solar Radiation on Inclined Surfaces [J]. Solar Energy R&D in the European Community, Series F: Solar radiation Data, pp.1986，459.

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

[3]Hammer, A., Heinemann, D., Lorenz E. and Luckehe B., . Short-Term Forecasting of Solar Radiation based on Image Analysis of Meteosat Data,Proc.EUMETSATMeteorological Satellite Data Users Conference, pp:1999，331-337.

[4]orenz E, Hurka J, Heinemann D, et al. Irradiance fore casting for the power prediction of gridconnected photo voltaic systems [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2009, 2 (1): 2-10.

[5]YONA A，SENJYU T，FUNABASHI T.Application of recurrent neural network to short-term-ahead generating power forecasting for photovoltaic system［C］.IEEE Power Engineering Society General Meeting，2007.

[6]李芬，陈正洪，成驰，等.太阳能光伏发电量预报方法的发展[J].气候变化研究进展, 2011（2）：136-142.

[7]孟浩,陈颖健.我国太阳能利用技术现状及其对策[J].中国科技论坛, 2009（5）: 96-101.

[8]杨金焕,于化丛,葛亮.太阳能光伏发电应用技术[M].北京:电子工业出版社, 2009，13-14.

[9]朱飙,李春华,方锋.甘肃省太阳能资源评估[J].干旱气象，2010（2）：107-111.

[10]赵品,赵争鸣,周德佳.太阳能光伏发电技术现状及其发展[J].电气应用, 2007,26(10): 6-10.

[11]卢静，翟海清，冯双磊，等.光伏发电功率预测方法的探索[J].华东电力, 2013（2）：380-384.

[12]卢静,翟海青,刘纯,等.光伏发电功率预测统计方法研究[J].华东电力, 2010（4）：563-567.

[13]马金玉，罗勇，申彦波，等.太阳能预报方法及其应用和问题[J].资源科学, 2011（5）：829-837.

[14]江滢，申彦波，党军.两种太阳总辐射分钟级预报方法的比较[J].气象与环境学报，2013（3）：85-91.

中图分类号：P422.1