基于短期历史资料的河西地区太阳辐射预报订正研究

doi:10.11755/j.issn.1006-7639(2022)-01-0125

基于短期历史资料的河西地区太阳辐射预报订正研究

韩自奋^,¹, 颜鹏程^,², 李扬³, 吕清泉⁴, 张铁军⁵, 边宏伟³, 王永政³, 张莉²

1.国网甘肃省电力公司电力调度中心,甘肃兰州 730070

2.中国气象局兰州干旱气象研究所,甘肃省干旱气候变化与减灾重点实验室/中国气象局干旱气候变化与减灾重点实验室,甘肃兰州 730020

3.兰州大方电子有限责任公司,甘肃兰州 730050

4.国网甘肃省电力公司电力科学研究院,甘肃兰州 730070

5.甘肃省白银市气象局,甘肃白银 730900

Study on correction of solar radiation forecast in Hexi region of Gansu Province based on short-term historical data

HAN Zifen^,¹, YAN Pengcheng^,², LI Yang³, LÜ Qingquan⁴, ZHANG Tiejun⁵, BIAN Hongwei³, WANG Yongzheng³, ZHANG Li²

1. Power Dispatching Center of State Grid Gansu Electric Power Company, Lanzhou 730070, China

2. Key Laboratory of Arid Climatic Change and Reducing Disaster of Gansu Province / Key Laboratoryof Arid Climatic Change and Reducing Disaster of China Meteorological Administration,Institute of Arid Meteorology, China Meteorological Administration, Lanzhou 730020, China

3. Lanzhou Dafang Electronics Co., Ltd, Lanzhou 730050, China

4. Electric Power Research Institute of State Grid Gansu Electric Power Company, Lanzhou 730070, China

5. Baiyin Meteorological Bureau of Gansu Province, Baiyin 730900, Gansu, China

通讯作者: 颜鹏程(1987— ),男,江苏响水人,博士,副研究员,主要从事非线性方法、数值模式研究. E-mail:yanpc@iamcma.cn。

责任编辑: 王涓力;校对:黄小燕

收稿日期: 2020-11-30 修回日期: 2021-08-12

基金资助:

中国科学院西北生态环境资源研究院开放基金(LPCC2019002)
国家自然科学基金(42005056)
国家自然科学基金(42005058)
国家电网公司总部科技项目(SGHE000KXJS1700074)
甘肃省气象局“西北区域数值预报创新团队”共同资助(GSQXCXTD-2020-02)

Received: 2020-11-30 Revised: 2021-08-12

作者简介 About authors

韩自奋(1976—),男,甘肃民乐人,博士,正研级高级工程师,主要从事水电及新能源调度交易研究.E-mail:7638403@qq.com。

摘要

基于数值模式的太阳辐射预报往往存在一定的系统性偏差,AVT订正方法能够有效降低预报偏差,本文利用该方法对甘肃河西地区两个光伏电站的太阳辐射预报结果进行订正。结果表明:(1)订正前预报偏差呈现明显的“先增加、后减小”日变化特征,订正后日变化特征不明显,并且订正前预报偏差与观测值线性关系显著,订正后线性关系减弱(相关系数降低、拟合优度降低);(2)太阳辐射存在明显的年变化特征,其预报偏差春季最高,其次为夏季,冬季最小,订正后不同季节的预报偏差均降低,春季和夏季降低较为明显。

关键词： 河西地区; 新能源; 太阳辐射预报; 订正

Abstract

There are some systematic biases in prediction of solar radiation based on numerical models, the AVT method has been verified to reduce the prediction bias effectively. The AVT correction method was used to modify the forecasted solar radiation in two photovoltaic power plants in Hexi area of Gansu Province. The results state: (1) Before correction the forecast bias presented obviously diurnal variation with increase first and then decrease, while it wasn’t obvious after correction. There was a strong linear relationship between forecast deviation of solar radiation and observed values before correction, while it got weak after correction (the correlation coefficient and good fitting degree decreased). (2) There was obviously annual change characteristic of solar radiation with the highest forecast bias in spring, followed by summer, autumn and winter. After correction, its forecast bias was reduced in four seasons, especially in spring and summer.

Keywords： Hexi area of Gansu Province; renewable; solar radiation forecast; correction

PDF (5177KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

韩自奋, 颜鹏程, 李扬, 吕清泉, 张铁军, 边宏伟, 王永政, 张莉. 基于短期历史资料的河西地区太阳辐射预报订正研究[J]. 干旱气象, 2022, 40(1): 125-134 DOI:10.11755/j.issn.1006-7639(2022)-01-0125

HAN Zifen, YAN Pengcheng, LI Yang, LÜ Qingquan, ZHANG Tiejun, BIAN Hongwei, WANG Yongzheng, ZHANG Li. Study on correction of solar radiation forecast in Hexi region of Gansu Province based on short-term historical data[J]. Journal of Arid Meteorology, 2022, 40(1): 125-134 DOI:10.11755/j.issn.1006-7639(2022)-01-0125

引言

甘肃河西地区降水量少、云量少、空气干燥、光照资源丰富,年均日照时数为2600~3319 h,总太阳辐射为5400~6350 MJ·m²^[1],具有良好的气候资源优势,为大规模建造光伏电厂提供了良好条件。在“十二五”期间,甘肃省已经建成并投入使用8.51 GW水电、12.52 GW风电和6.10 GW光电项目,其中光电产业年平均增长率达到213.9%。根据《甘肃省“十三五”能源发展规划》(简称“《规划》”),截至2020年,光伏发电将增至9.90 GW,增幅超过风电增幅(1.48 GW)和水电增幅(0.99 GW)的总和。随着光伏电厂规模扩大,用电方式、电力调度等问题凸显,发电不能及时有效并网,导致弃电现象严重,国家能源局统计信息显示2017年上半年甘肃光伏发电弃电率达24.1%^[1]。对光伏电厂发电量的估计与实际发电量差异较大是造成弃电的主要原因之一^[2],因此提升光伏电厂太阳辐射的预报能力是关键。

目前,光伏电厂预报太阳辐射的主要手段包括数值模式和数理统计模式^[3,4]。其中,数值模式应用较为广泛的有WRF^[5]、MM5^[6,7]、ECMWF^[8]等中尺度模式,而统计方法包括模式输出统计(model output statistics, MOS)方法、回归方法^[9,10]、神经网络法^{[11,12,13,14,15,16,17]}及深度学习方法^[18]等。近年来,随着太阳能光伏发电规模的发展,太阳辐射预报的需求不断增加,数值预报的精度要求也越来越高,利用统计方法对数值模式的预报结果进行再订正,获得更低偏差的预报产品。如白永清等^[19]基于WRF模式模拟武汉的总太阳辐射,并对预报结果利用MOS方法进行订正,订正后的平均绝对偏差率降低至20%~30%;WRF模式对宁夏的太阳辐射预报经过EOF和MOS相结合的方法订正后绝对偏差率降低至15%^[20];吴焕波等^[21]利用WRF-SOLAR模式对内蒙古8个站点太阳辐射预报的偏差率达11.31%~73.20%,利用相位差对预报结果进行订正后偏差降低了36.19~91.00 W·m^-2。由此可见,数值模式在太阳辐射的预报中往往存在系统性偏差,并且预报偏差存在明显的空间差异^[21]和季节差异^[22,23],因此需要采用合适的后处理方法对数值模式的系统性偏差进行订正。

ZHANG等^[24,25]提出基于历史资料的快速循环订正方法,该方法将预报量的均值(average)、方差(variance)及趋势(trend)作为订正参数进行系统性偏差订正,简称“AVT”方法。由于采用动态循环获取订正参数,AVT方法在甘肃河西地区风速预报结果订正中有较好的订正效果,另外当预报量与观测量之间存在显著相关,但均值差异较大时,该方法订正效果更好^[24]。因此本文利用AVT方法对甘肃河西地区太阳辐射预报结果进行订正,以期获得更好的预报效果。

1 资料与方法

1.1 资料来源

太阳辐射观测值为电建汇能(标记为A站,位于甘肃敦煌)和酒泉鸿坤(标记为B站,位于甘肃酒泉)2个光伏电站观测资料,该资料在业务中用于验证数值模式的预报结果。预报资料来自中国气象局兰州干旱气象研究所“甘肃新能源高分辨率数值预报系统”(Gansu renewable energy high-resolution numerical prediction system, GREHS,简称“绿海系统”)。该系统是基于WRF(V3.8)研发的针对干旱、半干旱地区的新能源(风能、太阳能)预报系统^[26,27],采用双重嵌套,其中第1重嵌套范围为西北地区,第2重嵌套包括甘肃河西大部地区,预报时效为168 h、预报间隔15 min,参数化方案如表1所示,目前该系统已经投入业务运行。研究时段为2019年1月1日至12月31日,分辨率均为15 min,其中预报资料使用的是24 h预报数据。由于对光伏电池产生伏特效应具有直接影响的是太阳总辐射^[28],因此主要研究太阳总辐射的预报偏差及偏差订正。

表1 甘肃新能源高分辨率数值预报系统参数化方案

Tab.1 Parameterization scheme of GREHS

积云对流参数化	陆面过程参数化	边界层参数化	云微物理过程参数化	辐射过程参数化
积云对流参数化	陆面过程参数化	边界层参数化	云微物理过程参数化	长波	短波
Kain-Fritsch	NOAH-LSM	ACM2	WSM 6	RRTM	Dudhia

新窗口打开| 下载CSV

1.2 研究方法

1.2.1 观测资料预处理

太阳辐射与太阳直射点在地表的位置有关,呈现明显的日变化特征[图1(a)、图1(b)]。受仪器性能、环境的影响,观测资料存在一定的缺测现象,其中A站缺测1108时次,占总样本(35 040时次)的3.16%,最长连续缺测时段为7月27日至8月2日,长达6 d;B站缺测21时次,占总样本的0.06%,最长缺测时段仅为6时次。图1(a)、图1(b)中空缺部分分别是A站第152日和B站第7日的缺测情况,缺测资料难以直接用于预报结果的订正,因此首先需要补齐缺测资料。利用气候态代替缺测时刻的数值是一个最为简单有效的办法,但是考虑到辐射资料存在显著的年循环特征,所以采用邻近时刻非缺测值的平均值代替缺测值。首先确定缺测时次,再利用缺测值前一天和后一天对应时次观测值的平均代表缺测值,若前一天或后一天对应时次也缺测,则继续向前或向后搜索,直到找到非缺测值。经过处理后得到完整无缺测的观测序列[图1(c)、图1(d)],处理后的数据可用于预报结果的订正研究。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 A站(a、c)与B站(b、d)太阳辐射观测资料(a、b)及处理后观测资料(c、d)随时间(日序)变化

(红色点线是补充的缺测值)

Fig.1 The variation of observed solar radiation before (a, b) and after data processing (c, d) at the station A (a, c) and the station B (b, d)

(The red dot lines are supplementary missing values)

1.2.2 基于历史资料的订正方法

使用ZHANG等^[24,25]方法,首先通过对比历史资料中的观测和预报结果,得到参数(组),认为在未来T时段内,参数(组)的取值不变,则利用该参数(组)对未来预报结果进行订正。

分别用x_o、x_p表示观测值和预报值,首先对两者进行去趋势处理:

(1)

\{\begin{array}{l} x_{o}^{'} = x_{o} - i \cdot h_{o} \\ x_{p}^{'} = x_{p} - i \cdot h_{p} \end{array}

式中:h_o、h_p分别代表观测值和预报值的趋势,i代表时间; $x_{o}^{'}$ 、 $x_{p}^{'}$ 分别表示去趋势后的观测和预报值。分别计算 $x_{o}^{'}$ 、 $x_{p}^{'}$ 的均值a和方差σ,然后进行预报结果的订正,则订正后的预报结果 $x_{p}^{″}$ 具有和观测值相同的均值和方差:

(2)

x_{p}^{″} = (x_{p}^{'} - a_{x_{p}^{'}} + a_{x_{o}^{'}}) \frac{σ_{x_{o}^{'}}}{σ_{x_{p}^{'}}} + i \cdot h_{o}

利用AVT方法进行太阳辐射订正的示意图见图2。可以看出,订正后的预报曲线比订正前更接近于观测资料。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 基于历史资料的太阳辐射预报结果订正方法示意图

Fig.2 Schematic diagram of correction method about forecast values of solar radiation based on historical data

1.2.3 绝对偏差和绝对偏差率的计算

用绝对偏差α(简称“偏差”)和绝对偏差率β(简称“偏差率”)定量说明预报效果:

(3)

\{\begin{array}{l} α = | y_{o} - y_{p} | \\ β = \frac{α}{y_{o}} \end{array}

式中:y_o和y_p分别是观测量和预报量。

2 太阳辐射预报偏差分析与订正方法应用

AVT方法主要针对预报结果与观测资料间存在显著偏差的情况。分析太阳辐射资料的观测[图3(a)]和预报[图3(b)]情况,可以看出,观测资料存在显著的年变化特征,预报结果与之变化一致,但幅度存在差别。图3(c)是第110~115日的情况,预测的太阳辐射比观测值略偏高,但不同时刻的太阳辐射预报差异较大。从不同量级的太阳辐射累计时长[图3(d)]来看,太阳辐射值低于100 W·m^-2的累计时长较长,100~1000 W·m^-2的太阳辐射累计时长随着辐射值增加呈现减少特征,并且预报和观测结果的累计时长曲线具有较高的一致性。因此总体上数值模式对太阳辐射的预报较为准确,但仍存在系统性偏差(图4)。A站和B站的太阳辐射起始于07:00(北京时,下同),此时预报与观测结果几乎一致,但都较小,随后太阳辐射逐渐增强;至13:00左右达最大值,观测的太阳辐射平均达700 W·m^-2左右,而预报值为600 W·m^-2左右;之后两站太阳辐射逐渐减小,至20:00前后接近0。从标准差的多年平均来看,从07:00开始,两站的太阳辐射标准差随时间演变逐渐增加;13:00左右达到峰值,其中A站太阳辐射标准差观测值低于250 W·m^-2,而B站则明显高于250 W·m^-2,两站预测峰值近乎一致;之后两站太阳辐射标准差均减小,20:00左右为0。由此可见,A站和B站的太阳辐射预报差异主要在于均值和标准差的差异,因此采用AVT方法进行订正。考虑到甘肃河西光伏电站的太阳辐射主要发生时段在07:00—20:00,而偏差较大的时段主要为09:00—18:00,因此主要针对这一时段的太阳辐射预报值开展订正研究。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 观测(a)和预报(b)的太阳辐射随时间变化及局部观测资料和预报结果对比(c),观测资料和预报结果累计时长(d)

Fig.3 The variation of observed (a) and predicted (b) solar radiation and their fragments (c), the cumulative duration of observed and predicted solar radiation (d)

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 不同时刻A站(a、c)与B站(b、d)观测和预报太阳辐射的年平均值(a、b)和年标准差(c、d)

Fig.4 The diurnal variation of annual mean (a, b) and annual standard deviation (c, d) of observed and predicted solar radiation at the station A (a, c) and the station B (b, d)

AVT订正方法需要考虑历史资料长度的选取对订正结果的影响,因此分别选用1~100 d作为历史资料,分析对未来24 h预报结果订正的影响。图5是不同历史资料长度情况下订正后的预报结果与观测值的相关系数和订正前后预报值与观测值的平均偏差。从相关系数[图5(a)]来看,随着历史资料使用长度增加(任一长度历史资料情况下均能通过α=0.01的显著性检验),两站的相关系数均出现减小;从预报偏差[图5(b)]来看,两站订正后的预报偏差均小于订正前,随着历史资料选用时长的增加,预报偏差也相应增加,但在历史资料选择超过10 d以后,预报偏差的增加几乎停止。说明在太阳辐射预报订正中,选用较短的历史资料来确定订正参数能够获得更好的订正效果,其主要原因在于太阳辐射资料存在显著的年变化特征,预报时段的辐射值往往与较近的(相同天气条件下)历史资料辐射值相似。因此,下文订正中,历史资料选用1 d。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 不同历史资料长度下订正后的预报结果与观测值的相关系数(a)和订正前后预报值的平均偏差(b)

Fig.5 Correlation coefficient between predictions after correction and observations (a), average relative error of predictions before and after correction (b) based on historical data with different days

3 结果分析

3.1 不同时刻太阳辐射预报订正后偏差分析

对太阳辐射预报结果进行循环订正,订正后A站逐小时太阳辐射偏差及偏差率如图6所示。从太阳辐射观测值和预报值来看,太阳辐射呈现显著的日变化特征,年平均太阳辐射观测值和预报值都自09:00开始逐渐增加,到13:00达到最大值后再减小,于18:00达到最小值。太阳辐射预报值明显低于观测值,预报偏差随时间先增加、后减小,其中09:00—13:00订正前预报偏差由87 W·m^-2逐渐增加至202 W·m^-2,13:00—18:00预报偏差逐渐减小至71 W·m^-2;订正后的预报偏差明显降低,预报偏差在85~121 W·m^-2之间,表明该订正方法对太阳辐射预报结果具有一定的改善作用。太阳辐射预报与观测结果如图7(a)所示,太阳辐射预报在订正前后均与观测结果存在显著的线性关系(拟合优度超过0.99,通过α=0.01的显著性检验)。图7(b)是订正前后的预报偏差与观测值的关系,同样呈现显著的线性关系,其中订正前预报偏差与观测值的相关系数和拟合优度分别为0.98和0.99,而订正后这一线性关系减弱了,相关系数和拟合优度分别为0.83和0.92。表明订正后的预报偏差消除了一部分与太阳辐射观测结果强相关的预报偏差。从太阳辐射预报结果订正前后的偏差率来看,09:00及18:00,订正后的预报偏差与订正前相比增加了,而10:00—17:00的太阳辐射预报订正后的偏差率都低于订正前,其中订正前平均预报偏差率在41%左右,而订正后降至24%,平均偏差率降低了17%。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 09:00—18:00 A站太阳辐射观测值和其订正前后预报值(a)及太阳辐射订正前后的预报偏差(b),太阳辐射订正前后预报偏差率及其变化(c)

Fig.6 The observations and forecasted values before and after correction (a) and solar radiation forecast deviation before and after correction (b), solar radiation forecast deviation rate before and after correction and its variation (c) at the station A from 09:00 BST to 18:00 BST

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 A站太阳辐射观测值与订正前后预报值(a)及预报偏差(b)之间的关系

Fig.7 Linear relationships between observed solar radiation and forecasted values before and after correction (a) and solar radiation forecast deviation (b) at the station A

图8是B站不同时刻太阳辐射预报订正前后的情况。与A站类似,B站太阳辐射同样存在日变化特征;不同的是A站大部分时刻太阳辐射的预报值明显低于观测值,而B站在15:00—18:00的预报结果与观测更接近。不同时刻B站平均预报偏差高于A站,其中订正前预报偏差最高值B站为219 W·m^-2,而A站为202 W·m^-2;订正后的偏差,B站平均为122 W·m^-2,高于A站的104 W·m^-2。进一步考察B站太阳辐射预报与观测值之间的线性关系(图9),订正前两者相关系数和拟合优度均为0.99,而订正后均为0.98,低于A站。太阳辐射预报偏差与观测值的相关系数和拟合优度订正前分别为0.90和0.96,订正后分别为0.79和0.92。对比A站可以发现,B站预报与观测值之间的相关性弱于A站,这可能与数值模式在这两个站点的预报能力差异有关。从预报偏差率来看,09:00和18:00的订正后结果呈现负效果,而10:00—17:00订正后的偏差率均低于订正前,其中订正前后的偏差率随时间变化均呈先减小、后增加的特征,订正前平均偏差率为48%,订正后为33%,偏差率降低15%。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 09:00—18:00 B站太阳辐射观测值和其订正前后预报值(a)及太阳辐射订正前后的预报偏差(b),太阳辐射订正前后预报偏差率及其变化(c)

Fig.8 The observations and forecasted values before and after correction (a) and solar radiation forecast deviation before and after correction (b), solar radiation forecast deviation rate before and after correction and its variation (c) at the station B from 09:00 BST to 18:00 BST

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 B站太阳辐射观测值与订正前后预报值(a)及预报偏差(b)之间的关系

Fig.9 Linear relationships between observed solar radiation and forecasted values before and after correction (a) and solar radiation forecast deviation (b) at the station B

3.2 不同季节太阳辐射订正偏差分析

太阳辐射存在年变化特征,图10是订正前后不同季节的太阳辐射预报偏差。A站和B站不同季节的太阳辐射预报偏差在订正前均存在明显的日变化特征,其中早、晚太阳辐射值低,中午(13:00)最高。A站春季和夏季的最高太阳辐射值分别达273、238 W·m^-2,秋季和冬季分别为159、136 W·m^-2;B站春、夏、秋、冬季的最高太阳辐射值分别为280、266、174、155 W·m^-2。订正后的预报偏差明显降低,其中春、夏季降幅最大,A站春、夏季订正前的平均预报偏差分别达208、189 W·m^-2,而订正后降低至131、116 W·m^-2;秋、冬季订正前后太阳辐射预报偏差降幅较小。B站与A站类似,春、夏季预报偏差订正后分别降低60、47 W·m^-2,订正后的平均预报偏差均为147 W·m^-2;秋、冬季订正后预报偏差分别降低21、6 W·m^-2。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 A站(a、c、e、g)与B站(b、d、f、h)春(a、b)、夏(c、d)、秋(e、f)、冬(g、h)季逐时太阳辐射预报偏差

Fig.10 Hourly solar radiation forecast deviation in spring (a, b), summer (c, d), autumn (e, f) and winter (g, h) at the station A (a, c, e, g) and the station B (b, d, f, h)

综合来看,A站和B站订正前预报偏差年变化特征明显,而订正后不明显,并且预报偏差较大的季节主要在春、夏季,因此春、夏季的预报偏差订正效果要明显优于秋、冬季。

4 结论

基于甘肃河西光伏电站观测资料和“绿海系统”预报的太阳辐射资料,利用AVT方法对2019年光伏电站的太阳辐射预报结果进行循环订正,分析不同时刻、不同季节的预报偏差分布情况,主要结论如下:

(1)不同时刻太阳辐射预报订正后的偏差均降低,A站和B站09:00—18:00订正前的预报偏差率分别为41%和48%,订正后降低至24%和33%,偏差率分别降低17%和15%,预报效果提升显著。

(2)太阳辐射及其预报偏差都存在明显的年变化特征,春季太阳辐射预报偏差最高、夏季其次、冬季最低;春、夏季的预报偏差订正效果明显优于秋、冬季。数值模式对太阳辐射预报与云量有关,春、夏季降水频发,云量丰富,太阳辐射预报偏差较大;秋冬季多为晴天,云量较少,辐射预报偏差小。

AVT订正方法能够有效降低太阳辐射预报偏差,A站和B站不同时刻订正后的偏差率平均降低17%和15%,并且仅用1 d的历史资料,在业务预报中具有实用价值。但研究中也发现,10:00—17:00预报偏差较大时订正效果较好;而09:00、18:00预报偏差较小时,订正后偏差大于订正前。这是因为AVT方法在订正时通过对序列进行平移和伸缩变换,主要考虑偏差较大时刻,而对于偏差较小时刻有时会出现负订正效果,并且偏差较小时刻太阳辐射值往往也较小,偏差率出现随机误差。在今后进一步研究中,可对订正后出现负偏差的个别时刻进行重新订正,以确保更低的预报偏差。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

赵玲霞, 盛海龙.

浅析甘肃河西走廊地区发展光伏农业的前景及思路

[J]. 甘肃农业, 2019(1):70-74.

[本文引用: 2]

[2]

王嘉媛, 尚可政, 王式功, 等.

甘肃河西太阳能光伏组件最佳倾角及太阳辐射量研究

[J]. 中国科技论文, 2015,(15):1757-1764.