基于SMARTS模式的太阳能资源计算——以四川省为例

利用SMARTS模式计算晴天总辐射,充分考虑海拔高度和大气对太阳辐射的削弱作用,建立基于日照百分率的太阳能资源计算方程。以四川省为例的计算结果表明,该方法不仅物理意义更明确,并且计算误差明显降低;与实测值相比,7个辐射台站年总辐射曝辐量的相对误差低于7%,月总辐射曝辐量中有约67%的相对误差介于[-5%,5%]之间;与初始值采用天文辐射的方法相比,无论是相对误差的量值还是离散程度,均降低一半以上,有效降低了类似峨眉山站的"孤点"的相对误差。     

基于光伏组件的太阳能资源观测

鉴于太阳能资源的测量和评价是太阳能开发利用的重要基础,按照光伏电池两种主要安装方式(倾斜固定和太阳跟踪),利用单晶、多晶和非晶三种典型的光伏组件设计进行了太阳能光伏资源观测试验,获得了各季节典型晴天条件下各类型光伏组件辐照度的日变化特征和倾斜面光伏组件一年中月均每日可发电量的极大值、极小值及其月份。通过对比各类型光伏组件在太阳跟踪器上和纬度倾斜面上光伏辐照度变化,得出跟踪光伏组件日均光伏曝辐量与倾斜光伏组件日均光伏曝辐量的相比较优势。根据光伏组件的观测结果推算出各类型光伏组件的光伏反演辐照度,与气象辐射观测用总辐射表的总辐射辐照度趋势非常一致,在太阳能光伏主要利用时段相对误差基本在10%以内。     

手动跟踪方阵面上辐照度及曝辐量计算公式的推导

推导出了方位角手动跟踪和极轴时角手动跟踪方阵面上曝辐量及辐照度的计算公式。根据二连浩特实测的日射资料。计算了不同手动跟踪方阵面上各月的曝辐量，比较了不同跟踪方式下太阳电池方阵各月接受的曝辐量。     

华南区域太阳总辐射的时空变化特征

利用1961～2008年华南区域5个辐射观测站逐月太阳总辐射资料和110个气象观测站逐月日照百分率资料,计算华南区域各地逐月、逐年太阳总辐射量,分析了太阳总辐射的时空变化特征。结果表明:华南区域年太阳总辐射的地域分布特点是南部多于北部,河谷、平原多于山区。1961～2008年华南区域太阳总辐射总体呈现显著减少趋势,太阳总辐射阶段性变化特征较明显,在20世纪60年代至90年代中期呈波动式下降,90年代后期以来又有所回升。     

内蒙古57年太阳能资源变化规律及影响因子

利用1961—2017年全区119个气象站的辐射量和气象要素,按气象行业标准《太阳能资源评估方法》(QX/T 89—2018)将全区分为3个分区,分别为:太阳能资源丰富区、太阳能资源丰富区、太阳能资源丰富区;选取分区代表站,分别统计分析各分区太阳辐射的时间和空间变化以及影响因子。结果表明:太阳辐射分布是自西向东,自南向北递减的,全区太阳辐射量变化趋势是先减少然后再缓慢增加,在1980—1990年之间辐射量达到最低;辐射量受季节影响,夏季波动较大,春季其次,秋季冬季基本平稳;影响辐射量变化的气象因子主要是云量,云层的遮挡直接影响太阳辐射,能见度对于太阳辐射的影响主要取决于气溶胶粒子的浓度,浓度增加会导致太阳辐射发生散射、折射,到达地面的太阳辐射减少。     

基于广义回归神经网络的日总辐射曝辐量预估

采用广义回归神经网络(generalized regression neural network,GRNN)模型对山东烟台市福山气象站2000～2003年日总辐射曝辐量进行预估。模型通过交叉验证方法确定其关键参数(光滑因子),以日照时数、平均气压、平均气温、日最高气温、相对湿度、气溶胶光学厚度6个变量作为输入量。结果显示:GRNN15.9%,均方根误差为2.32 MJ/m2,拟合优度为0.892,且模型的预估精度和拟合优度均明显优于LM-BP网络。气溶胶光学厚度对GRNN是预估当地日总辐射曝辐量的一种有效方法。     

基于灰色关联与量子粒子群寻优的光伏短期预测

摘要： 光伏发电系统的功率受天气因素影响很大,结合温度、湿度及辐照强度3个气象因素,对短期光伏功率进行预测。首先阐明3种气象因素与光伏出力的相关关系,进而提出相似日理论,利用灰色关联度分析提取出与预测日气候条件相似的历史日。再将筛选出的历史日数据作为训练数据,利用支持向量机模型对预测日光伏出力进行预测。针对支持向量机中的惩罚系数、不敏感损失系数及核函数核宽度系数的选择,提出改进的量子粒子群算法进行寻优。最后,依据青海某光伏发电站的气候数据及光伏出力数据进行计算,并与带收缩因子的粒子群算法与带惯性权重的粒子群算法进行比较,从误差范围及计算时间等角度,证明了所提方法具有更高的准确性。     

基于互补相关原理的实际蒸散发模型估算能力评价

基于洵河流域1961~1986年的逐日气象资料和同期径流量资料,采用基于互补相关原理的实际蒸散发模型（AA模型、GG模型、CRAE模型）分别估算该流域的逐日实际蒸散发量。根据水量平衡法的实际蒸散发计算结果对三种模型的原始参数进行调整,并在不同的时间尺度上对三种模型进行了比较,评估了三种实际蒸散发模型的估算能力。结果表明,采用三种模型的原始参数计算出的实际蒸散发量误差较大;调整原始参数后,各模型对年实际蒸散发量的计算精度大为提高,逐月的估算效果也有不同程度改善;参数调整后的AA模型与GG模型的模拟结果相近,优于CRAE模型的模拟效果;年、月尺度的模型模拟效果综合分析表明GG模型在洵河流域的估算效果相对最佳。     

基于改进相似日和ABC-SVM的光伏电站功率预测

为提高光伏电站输出功率预测的精度,以满足电网调度的高精度要求,提出基于改进相似日和人工蜂群算法优化支持向量机的光伏电站功率预测方法。运用熵权法计算得到各气象因素对光伏出力的影响权重,通过计算历史日与待测日气象因数的加权欧氏距离和加权关联度确定相似日,选取相似日光伏输出功率历史数据、温度和湿度以及待测日温度、湿度作为支持向量机的输入变量,采用k-折交叉验证和人工蜂群算法相结合的方法优化核函数参数和惩罚因子,最终输出光伏电站各时段发电功率的预测值。实验结果表明该方法可有效提高光伏电站功率预测模型的泛化能力和学习能力,具有较高的预测精度。     

基于随机森林的中长期降水量预测模型研究

为解决降水预测中存在的非线性问题,避免传统人工智能方法的过拟合弊端,提高中长期降水预测精度,引入了随机森林算法,通过优选预报因子,分别构建了年、月降水预测模型,并应用南京市1951~2013年降水系列及水文气象因子系列,验证所建模型的适用性。结果表明,随机森林模型预测精度较高、稳定性好、泛化能力强,能有效预测年、月降水量;与BP神经网络模型和支持向量机模型相比,随机森林模型效率更高、性能更优,尤其适用于大样本的逐月降水量预测中。     

长江流域上游干旱特征分析

为分析长江流域上游干旱特征,利用1961年1月至2012年12月长江上游共69个气象站的气象数据资料,以帕尔默干旱指数(PDSI)为主要指标对长江上游流域的干旱强度、干旱持续时间、干旱频率等干旱特征进行比较分析。结果表明,长江上游区域PDSI的月际变化较大,旱涝期交替出现,同时年代干旱最强值呈现先减弱后增强的趋势,并在2006年达到干旱强度最强值;干旱持续时间较长的干旱事件主要发生在1960、1970年代,平均干旱持续月数为4.2个月;上游干旱频率主要以初始干旱为主,其中年际干旱集中在1960年代末期至1970年代初期和2000年代后期两个阶段,季节干旱主要发生在冬季。研究成果可为长江流域上游的干旱治理提供参考。     

汾河上游水文干旱与气象干旱的关系

为分析汾河上游水文干旱与气象干旱的关系,基于汾河上游4个气象站1956~2000年月降水量、月平均气温资料建立流域标准化降水指数(SPI)和标准化降水蒸散指数(SPEI),并根据4个水文站同期月径流资料建立各水文站标准化径流指数(SRI);对1、3、6、12个月4个时间尺度的指数进行趋势分析,然后分析各水文站4个时间尺度的SRI与流域SPI、SPEI的相关性,最后采用时移互相关分析、回归分析研究水文干旱对气象干旱的滞后性。结果表明,汾河上游呈干旱化趋势;各站水文干旱与气象干旱间的相关系数随时间尺度的增加而增加,都通过了显著性检验;相同时间尺度下,4个水文站水文干旱与气象干旱相关程度差异较弱;SRI与SPEI的相关程度较SRI与SPI更为紧密;12个月时间尺度下,汾河水库、寨上、兰村SRI表征的水文干旱滞后于以SPEI表征的气象干旱约1个月。     

Energetic characterization of near surface windfield in Hungary

The article, which is a segment of a complex wind energy examination, uses statistical methods to analyse the daily specific wind power of a month in the period between 1991 and 2000 measured on seven Hungarian meteorological stations. The properties of monthly average specific wind power can be examined by definite integral (area under the curve) of an approximation function fitted on the hourly average of the cubes of wind speed. We only discuss certain properties of the approximation function here that may offer implications about the daily course of wind energy. Thus we outline a statistical stochastic model, which could be utilized by energetic systems management in producing electricity from wind energy.     

近50年中国气象干旱危险性的时空格局探讨

以降水量距平百分率作为气象干旱指标,通过对1961~2010年中国585个气象站逐月降水资料进行干旱过程识别,得到由干旱频次、干旱历时和干旱烈度构成的用于衡量气象干旱危险性的综合指数,并以此分析了中国近50年气象干旱危险性的时空格局特征。结果表明,近50年来,中国气象干旱危险性整体呈现南北分异的格局,北部地区远高于南部地区;1961~1970、1961~2000、2001~2010年三个时段所呈现的南北分异、北高南低的总体格局基本保持不变,但2001~2010年较其他两个时段的危险性高值区域变化显著,主要向华北中部、东北西部、内蒙古东部扩展,而向西北西部收缩,为全国干旱区划以及旱灾风险管理提供了科学依据。     

澜沧江流域干旱气候变化特征及影响因素分析

基于澜沧江流域10个气象站1961～2010年逐日气象资料,利用Penman-Monteith模型计算了年、月湿润指数,并对其进行了标准化,统计了极端干旱事件发生的频率,进而采用Mann-Kendall趋势检验方法分析了澜沧江流域干旱气候变化特征及其影响因素。结果表明,从上游向中下游多年平均湿润指数逐渐增加,上游和中游的湿润指数呈增加趋势、下游呈下降趋势;自20世纪60年代至今,澜沧江流域经历了相对冷干-冷湿-冷干-暖湿-暖干五个阶段,暖干化趋势较为明显,其中冬季和春季为暖干化趋势最明显的季节;年降水量、湿润指数均在波动中呈下降趋势,气温和潜在蒸发量呈明显增加趋势,年降水量、湿润指数、气温和潜在蒸发量的变化倾向率分别为2.095mm/(10a)、0.006/(10a)、0.276℃/(10a)、6.231mm/(10a);澜沧江流域极端干旱事件频率在波动中呈减少趋势,下游呈上升趋势(上升速率为0.010 3次/a),20世纪60年代和21世纪初为澜沧江流域极端干旱事件频发的年代;降水量和日照时数为影响澜沧江流域极端干旱事件的主要气象要素。     

基于灰色关联与SVM的蒸发量季节性预测

为正确认识蒸发量与气象因子之间的关系,以山西太原气象站为例,应用灰色关联分析选择关联度较高的气象因子,利用Matlab软件构建以该站2010～2016年日气象数据作为训练样本、分5个时段建立26个气象因子组合下的130个蒸发量SVM预测模型,并以2017年日气象数据作为验证样本,对模型模拟结果进行验证。结果表明,季节性蒸发量预测模型模拟精度高于全年蒸发量预测模型,且气象因子组合对模型模拟效果具有重大影响,在太原地区最佳季节性模型春、夏、秋、冬四季所对应的因子组合及数量均不同,模型预测R2值分别为0.78、0.53、0.53、0.51,RMSE值分别为0.83、1.42、1.16、1.31,预测结果较好。     

考虑季节及地域的月降水量三层回归模型及应用

基于不同地域月降水量的特点,采用聚类方法选取两个具有代表性地域的气象数据。将交互结构数据转化为嵌套分组结构形式,从而将地域因素和季节因素作为层次效应纳入分层线性模型(HLM)。据此建立相应的三层线性模型(HLM3),按照模型理论方法进行模型计算、优化和分析以解释层次效应和检验残差。结果表明,各层解释变量(气象因素、季节效应、地域效应)能很好地解释月降水量的差异,定量指导不同地域不同季节月降水量的回归。     

利用神经网络估算太阳辐射

太阳辐射是一项对太阳能利用，建筑能耗分析和农业等十分重要的气象数据，本文建立了日总太阳辐射月均值的神经网络估算模型，在此基础上利用北京市1971年至1995年的气象数据资料对神经网络进行了训练，用1996至2000年的数据对神经网络的估算进行了检验，并与其它经验模型的估算结果进行了对比，结果表明神经网络的估算结果与实测值吻合的较好，并且精度高于其它经验模型。因此利用神经网络来估算太阳辐射具有很好的应用前景。