韓自奮,顏鵬程,李 揚,呂清泉,張鐵軍,邊宏偉,王永政,張 莉

(1.國網(wǎng)甘肅省電力公司電力調度中心，甘肅 蘭州 730070；2.中國氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災重點實驗室/中國氣象局干旱氣候變化與減災重點實驗室，甘肅 蘭州 730020；3.蘭州大方電子有限責任公司，甘肅 蘭州 730050；4.國網(wǎng)甘肅省電力公司電力科學研究院，甘肅 蘭州 730070；5.甘肅省白銀市氣象局，甘肅 白銀 730900)

引 言

甘肅河西地區(qū)降水量少、云量少、空氣干燥、光照資源豐富，年均日照時數(shù)為2600～3319 h，總太陽輻射為5400～6350 MJ·m2[1]，具有良好的氣候資源優(yōu)勢，為大規(guī)模建造光伏電廠提供了良好條件。在“十二五”期間，甘肅省已經(jīng)建成并投入使用8.51 GW水電、12.52 GW風電和6.10 GW光電項目，其中光電產(chǎn)業(yè)年平均增長率達到213.9%。根據(jù)《甘肅省“十三五”能源發(fā)展規(guī)劃》(簡稱“《規(guī)劃》”)，截至2020年，光伏發(fā)電將增至9.90 GW，增幅超過風電增幅(1.48 GW)和水電增幅(0.99 GW)的總和。隨著光伏電廠規(guī)模擴大，用電方式、電力調度等問題凸顯，發(fā)電不能及時有效并網(wǎng)，導致棄電現(xiàn)象嚴重，國家能源局統(tǒng)計信息顯示2017年上半年甘肅光伏發(fā)電棄電率達24.1%[1]。對光伏電廠發(fā)電量的估計與實際發(fā)電量差異較大是造成棄電的主要原因之一[2]，因此提升光伏電廠太陽輻射的預報能力是關鍵。

目前，光伏電廠預報太陽輻射的主要手段包括數(shù)值模式和數(shù)理統(tǒng)計模式[3-4]。其中，數(shù)值模式應用較為廣泛的有WRF[5]、MM5[6-7]、ECMWF[8]等中尺度模式，而統(tǒng)計方法包括模式輸出統(tǒng)計(model output statistics, MOS)方法、回歸方法[9-10]、神經(jīng)網(wǎng)絡法[11-17]及深度學習方法[18]等。近年來，隨著太陽能光伏發(fā)電規(guī)模的發(fā)展，太陽輻射預報的需求不斷增加，數(shù)值預報的精度要求也越來越高，利用統(tǒng)計方法對數(shù)值模式的預報結果進行再訂正，獲得更低偏差的預報產(chǎn)品。如白永清等[19]基于WRF模式模擬武漢的總太陽輻射，并對預報結果利用MOS方法進行訂正，訂正后的平均絕對偏差率降低至20%～30%；WRF模式對寧夏的太陽輻射預報經(jīng)過EOF和MOS相結合的方法訂正后絕對偏差率降低至15%[20]；吳煥波等[21]利用WRF-SOLAR模式對內(nèi)蒙古8個站點太陽輻射預報的偏差率達11.31%～73.20%，利用相位差對預報結果進行訂正后偏差降低了36.19～91.00 W·m-2。由此可見，數(shù)值模式在太陽輻射的預報中往往存在系統(tǒng)性偏差，并且預報偏差存在明顯的空間差異[21]和季節(jié)差異[22-23]，因此需要采用合適的后處理方法對數(shù)值模式的系統(tǒng)性偏差進行訂正。

ZHANG等[24-25]提出基于歷史資料的快速循環(huán)訂正方法，該方法將預報量的均值(average)、方差(variance)及趨勢(trend)作為訂正參數(shù)進行系統(tǒng)性偏差訂正，簡稱“AVT”方法。由于采用動態(tài)循環(huán)獲取訂正參數(shù)，AVT方法在甘肅河西地區(qū)風速預報結果訂正中有較好的訂正效果，另外當預報量與觀測量之間存在顯著相關，但均值差異較大時，該方法訂正效果更好[24]。因此本文利用AVT方法對甘肅河西地區(qū)太陽輻射預報結果進行訂正，以期獲得更好的預報效果。

1 資料與方法

1.1 資料來源

太陽輻射觀測值為電建匯能(標記為A站，位于甘肅敦煌)和酒泉鴻坤(標記為B站，位于甘肅酒泉)2個光伏電站觀測資料，該資料在業(yè)務中用于驗證數(shù)值模式的預報結果。預報資料來自中國氣象局蘭州干旱氣象研究所“甘肅新能源高分辨率數(shù)值預報系統(tǒng)”(Gansu renewable energy high-resolution numerical prediction system, GREHS，簡稱“綠海系統(tǒng)”)。該系統(tǒng)是基于WRF(V3.8)研發(fā)的針對干旱、半干旱地區(qū)的新能源(風能、太陽能)預報系統(tǒng)[26-27]，采用雙重嵌套，其中第1重嵌套范圍為西北地區(qū)，第2重嵌套包括甘肅河西大部地區(qū)，預報時效為168 h、預報間隔15 min，參數(shù)化方案如表1所示，目前該系統(tǒng)已經(jīng)投入業(yè)務運行。研究時段為2019年1月1日至12月31日，分辨率均為15 min，其中預報資料使用的是24 h預報數(shù)據(jù)。由于對光伏電池產(chǎn)生伏特效應具有直接影響的是太陽總輻射[28]，因此主要研究太陽總輻射的預報偏差及偏差訂正。

表1 甘肅新能源高分辨率數(shù)值預報系統(tǒng)參數(shù)化方案

1.2 研究方法

1.2.1 觀測資料預處理

太陽輻射與太陽直射點在地表的位置有關，呈現(xiàn)明顯的日變化特征[圖1(a)、圖1(b)]。受儀器性能、環(huán)境的影響，觀測資料存在一定的缺測現(xiàn)象，其中A站缺測1108時次，占總樣本(35 040時次)的3.16%，最長連續(xù)缺測時段為7月27日至8月2日，長達6 d；B站缺測21時次，占總樣本的0.06%，最長缺測時段僅為6時次。圖1(a)、圖1(b)中空缺部分分別是A站第152日和B站第7日的缺測情況，缺測資料難以直接用于預報結果的訂正，因此首先需要補齊缺測資料。利用氣候態(tài)代替缺測時刻的數(shù)值是一個最為簡單有效的辦法，但是考慮到輻射資料存在顯著的年循環(huán)特征，所以采用鄰近時刻非缺測值的平均值代替缺測值。首先確定缺測時次，再利用缺測值前一天和后一天對應時次觀測值的平均代表缺測值，若前一天或后一天對應時次也缺測，則繼續(xù)向前或向后搜索，直到找到非缺測值。經(jīng)過處理后得到完整無缺測的觀測序列[圖1(c)、圖1(d)]，處理后的數(shù)據(jù)可用于預報結果的訂正研究。

1.2.2 基于歷史資料的訂正方法

使用ZHANG等[24-25]方法，首先通過對比歷史資料中的觀測和預報結果，得到參數(shù)(組)，認為在未來T時段內(nèi)，參數(shù)(組)的取值不變，則利用該參數(shù)(組)對未來預報結果進行訂正。

分別用xo、xp表示觀測值和預報值，首先對兩者進行去趨勢處理：

(1)

(2)

利用AVT方法進行太陽輻射訂正的示意圖見圖2?？梢钥闯觯喺蟮念A報曲線比訂正前更接近于觀測資料。

圖2 基于歷史資料的太陽輻射預報結果訂正方法示意圖

1.2.3 絕對偏差和絕對偏差率的計算

用絕對偏差α(簡稱“偏差”)和絕對偏差率β

(簡稱“偏差率”)定量說明預報效果：

(3)

式中：yo和yp分別是觀測量和預報量。

2 太陽輻射預報偏差分析與訂正方法應用

AVT方法主要針對預報結果與觀測資料間存在顯著偏差的情況。分析太陽輻射資料的觀測[圖3(a)]和預報[圖3(b)]情況，可以看出，觀測資料存在顯著的年變化特征，預報結果與之變化一致，但幅度存在差別。圖3(c)是第110～115日的情況，預測的太陽輻射比觀測值略偏高，但不同時刻的太陽輻射預報差異較大。從不同量級的太陽輻射累計時長[圖3(d)]來看，太陽輻射值低于100 W·m-2的累計時長較長，100～1000 W·m-2的太陽輻射累計時長隨著輻射值增加呈現(xiàn)減少特征，并且預報和觀測結果的累計時長曲線具有較高的一致性。因此總體上數(shù)值模式對太陽輻射的預報較為準確，但仍存在系統(tǒng)性偏差(圖4)。A站和B站的太陽輻射起始于07:00(北京時，下同)，此時預報與觀測結果幾乎一致，但都較小，隨后太陽輻射逐漸增強；至13:00左右達最大值，觀測的太陽輻射平均達700 W·m-2左右，而預報值為600 W·m-2左右；之后兩站太陽輻射逐漸減小，至20:00前后接近0。從標準差的多年平均來看，從07:00開始，兩站的太陽輻射標準差隨時間演變逐漸增加；13:00左右達到峰值，其中A站太陽輻射標準差觀測值低于250 W·m-2，而B站則明顯高于250 W·m-2，兩站預測峰值近乎一致；之后兩站太陽輻射標準差均減小，20:00左右為0。由此可見，A站和B站的太陽輻射預報差異主要在于均值和標準差的差異，因此采用AVT方法進行訂正。考慮到甘肅河西光伏電站的太陽輻射主要發(fā)生時段在07:00—20:00，而偏差較大的時段主要為09:00—18:00，因此主要針對這一時段的太陽輻射預報值開展訂正研究。

圖4 不同時刻A站(a、c)與B站(b、d)觀測和預報太陽輻射的年平均值(a、b)和年標準差(c、d)

AVT訂正方法需要考慮歷史資料長度的選取對訂正結果的影響，因此分別選用1～100 d作為歷史資料，分析對未來24 h預報結果訂正的影響。圖5是不同歷史資料長度情況下訂正后的預報結果與觀測值的相關系數(shù)和訂正前后預報值與觀測值的平均偏差。從相關系數(shù)[圖5(a)]來看，隨著歷史資料使用長度增加(任一長度歷史資料情況下均能通過α=0.01的顯著性檢驗)，兩站的相關系數(shù)均出現(xiàn)減??；從預報偏差[圖5(b)]來看，兩站訂正后的預報偏差均小于訂正前，隨著歷史資料選用時長的增加，預報偏差也相應增加，但在歷史資料選擇超過10 d以后，預報偏差的增加幾乎停止。說明在太陽輻射預報訂正中，選用較短的歷史資料來確定訂正參數(shù)能夠獲得更好的訂正效果，其主要原因在于太陽輻射資料存在顯著的年變化特征，預報時段的輻射值往往與較近的(相同天氣條件下)歷史資料輻射值相似。因此，下文訂正中，歷史資料選用1 d。

圖5 不同歷史資料長度下訂正后的預報結果與觀測值的相關系數(shù)(a)和訂正前后預報值的平均偏差(b)

3 結果分析

3.1 不同時刻太陽輻射預報訂正后偏差分析

對太陽輻射預報結果進行循環(huán)訂正，訂正后A站逐小時太陽輻射偏差及偏差率如圖6所示。從太陽輻射觀測值和預報值來看，太陽輻射呈現(xiàn)顯著的日變化特征，年平均太陽輻射觀測值和預報值都自09:00開始逐漸增加，到13:00達到最大值后再減小，于18:00達到最小值。太陽輻射預報值明顯低于觀測值，預報偏差隨時間先增加、后減小，其中09:00—13:00訂正前預報偏差由87 W·m-2逐漸增加至202 W·m-2，13:00—18:00預報偏差逐漸減小至71 W·m-2；訂正后的預報偏差明顯降低，預報偏差在85～121 W·m-2之間，表明該訂正方法對太陽輻射預報結果具有一定的改善作用。太陽輻射預報與觀測結果如圖7(a)所示，太陽輻射預報在訂正前后均與觀測結果存在顯著的線性關系(擬合優(yōu)度超過0.99，通過α=0.01的顯著性檢驗)。圖7(b)是訂正前后的預報偏差與觀測值的關系，同樣呈現(xiàn)顯著的線性關系，其中訂正前預報偏差與觀測值的相關系數(shù)和擬合優(yōu)度分別為0.98和0.99，而訂正后這一線性關系減弱了，相關系數(shù)和擬合優(yōu)度分別為0.83和0.92。表明訂正后的預報偏差消除了一部分與太陽輻射觀測結果強相關的預報偏差。從太陽輻射預報結果訂正前后的偏差率來看，09:00及18:00，訂正后的預報偏差與訂正前相比增加了，而10:00—17:00的太陽輻射預報訂正后的偏差率都低于訂正前，其中訂正前平均預報偏差率在41%左右，而訂正后降至24%，平均偏差率降低了17%。

圖6 09：00—18：00 A站太陽輻射觀測值和其訂正前后預報值(a)及太陽輻射訂正前后的預報偏差(b)，太陽輻射訂正前后預報偏差率及其變化(c)

圖7 A站太陽輻射觀測值與訂正前后預報值(a)及預報偏差(b)之間的關系

圖8是B站不同時刻太陽輻射預報訂正前后的情況。與A站類似，B站太陽輻射同樣存在日變化特征；不同的是A站大部分時刻太陽輻射的預報值明顯低于觀測值，而B站在15：00—18:00的預報結果與觀測更接近。不同時刻B站平均預報偏差高于A站，其中訂正前預報偏差最高值B站為219 W·m-2，而A站為202 W·m-2；訂正后的偏差，B站平均為122 W·m-2，高于A站的104 W·m-2。進一步考察B站太陽輻射預報與觀測值之間的線性關系(圖9)，訂正前兩者相關系數(shù)和擬合優(yōu)度均為0.99，而訂正后均為0.98，低于A站。太陽輻射預報偏差與觀測值的相關系數(shù)和擬合優(yōu)度訂正前分別為0.90和0.96，訂正后分別為0.79和0.92。對比A站可以發(fā)現(xiàn)，B站預報與觀測值之間的相關性弱于A站，這可能與數(shù)值模式在這兩個站點的預報能力差異有關。從預報偏差率來看，09:00和18:00的訂正后結果呈現(xiàn)負效果，而10:00—17:00訂正后的偏差率均低于訂正前，其中訂正前后的偏差率隨時間變化均呈先減小、后增加的特征，訂正前平均偏差率為48%，訂正后為33%，偏差率降低15%。

圖8 09：00—18：00 B站太陽輻射觀測值和其訂正前后預報值(a)及太陽輻射訂正前后的預報偏差(b)，太陽輻射訂正前后預報偏差率及其變化(c)

圖9 B站太陽輻射觀測值與訂正前后預報值(a)及預報偏差(b)之間的關系

3.2 不同季節(jié)太陽輻射訂正偏差分析

太陽輻射存在年變化特征，圖10是訂正前后不同季節(jié)的太陽輻射預報偏差。A站和B站不同季節(jié)的太陽輻射預報偏差在訂正前均存在明顯的日變化特征，其中早、晚太陽輻射值低，中午(13:00)最高。A站春季和夏季的最高太陽輻射值分別達273、238 W·m-2，秋季和冬季分別為159、136 W·m-2；B站春、夏、秋、冬季的最高太陽輻射值分別為280、266、174、155 W·m-2。訂正后的預報偏差明顯降低，其中春、夏季降幅最大，A站春、夏季訂正前的平均預報偏差分別達208、189 W·m-2，而訂正后降低至131、116 W·m-2；秋、冬季訂正前后太陽輻射預報偏差降幅較小。B站與A站類似，春、夏季預報偏差訂正后分別降低60、47 W·m-2，訂正后的平均預報偏差均為147 W·m-2；秋、冬季訂正后預報偏差分別降低21、6 W·m-2。

圖10 A站(a、c、e、g)與B站(b、d、f、h)春(a、b)、夏(c、d)、秋(e、f)、冬(g、h)季逐時太陽輻射預報偏差

綜合來看，A站和B站訂正前預報偏差年變化特征明顯，而訂正后不明顯，并且預報偏差較大的季節(jié)主要在春、夏季，因此春、夏季的預報偏差訂正效果要明顯優(yōu)于秋、冬季。

4 結 論

基于甘肅河西光伏電站觀測資料和“綠海系統(tǒng)”預報的太陽輻射資料，利用AVT方法對2019年光伏電站的太陽輻射預報結果進行循環(huán)訂正，分析不同時刻、不同季節(jié)的預報偏差分布情況，主要結論如下：

(1)不同時刻太陽輻射預報訂正后的偏差均降低，A站和B站09:00—18:00訂正前的預報偏差率分別為41%和48%，訂正后降低至24%和33%，偏差率分別降低17%和15%，預報效果提升顯著。

(2)太陽輻射及其預報偏差都存在明顯的年變化特征，春季太陽輻射預報偏差最高、夏季其次、冬季最低；春、夏季的預報偏差訂正效果明顯優(yōu)于秋、冬季。數(shù)值模式對太陽輻射預報與云量有關，春、夏季降水頻發(fā)，云量豐富，太陽輻射預報偏差較大；秋冬季多為晴天，云量較少，輻射預報偏差小。

AVT訂正方法能夠有效降低太陽輻射預報偏差，A站和B站不同時刻訂正后的偏差率平均降低17%和15%，并且僅用1 d的歷史資料，在業(yè)務預報中具有實用價值。但研究中也發(fā)現(xiàn)，10:00—17:00預報偏差較大時訂正效果較好；而09:00、18:00預報偏差較小時，訂正后偏差大于訂正前。這是因為AVT方法在訂正時通過對序列進行平移和伸縮變換，主要考慮偏差較大時刻，而對于偏差較小時刻有時會出現(xiàn)負訂正效果，并且偏差較小時刻太陽輻射值往往也較小，偏差率出現(xiàn)隨機誤差。在今后進一步研究中，可對訂正后出現(xiàn)負偏差的個別時刻進行重新訂正，以確保更低的預報偏差。