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(diào)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(zāi)重點實驗室/中國氣象局干旱氣候變化與減災(zāi)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(diào)度等問題凸顯，發(fā)電不能及時有效并網(wǎng)，導(dǎo)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(yù)報能力是關(guān)鍵。

目前，光伏電廠預(yù)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(yīng)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(luò)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(yù)報的需求不斷增加，數(shù)值預(yù)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(yù)報結(jié)果進行再訂正，獲得更低偏差的預(yù)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(yù)報結(jié)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(yù)報經(jīng)過EOF和MOS相結(jié)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(yù)報的偏差率達11.31%～73.20%，利用相位差對預(yù)報結(jié)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(yù)報中往往存在系統(tǒng)性偏差，并且預(yù)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(yù)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(yù)報結(jié)果訂正中有較好的訂正效果，另外當預(yù)報量與觀測量之間存在顯著相關(guān)，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(yù)報結(jié)果進行訂正，以期獲得更好的預(yù)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(wù)中用于驗證數(shù)值模式的預(yù)報結(jié)果。預(yù)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(yù)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(yù)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(yù)報時效為168 h、預(yù)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(wù)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(yù)報資料使用的是24 h預(yù)報數(shù)據(jù)。由于對光伏電池產(chǎn)生伏特效應(yīng)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(yù)報偏差及偏差訂正。

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

1.2 研究方法

1.2.1 觀測資料預(yù)處理

太陽輻射與太陽直射點在地表的位置有關(guān)，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(yù)報結(jié)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(yīng)時次觀測值的平均代表缺測值，若前一天或后一天對應(yīng)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(yù)報結(jié)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(yù)報結(jié)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(yù)報結(jié)果進行訂正。

分別用xo、xp表示觀測值和預(yù)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。可以看出，訂正后的預(yù)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(yù)報結(jié)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(yù)報效果：

(3)

式中：yo和yp分別是觀測量和預(yù)報量。

2 太陽輻射預(yù)報偏差分析與訂正方法應(yīng)用

AVT方法主要針對預(yù)報結(jié)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(yù)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(yù)報結(jié)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(yù)測的太陽輻射比觀測值略偏高，但不同時刻的太陽輻射預(yù)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(yù)報和觀測結(jié)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(yù)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(yù)報與觀測結(jié)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(yù)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(yù)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(yù)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?？紤]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(yù)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(yù)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(jié)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(yù)報結(jié)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(yù)報結(jié)果與觀測值的相關(guān)系數(shù)和訂正前后預(yù)報值與觀測值的平均偏差。從相關(guān)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(guān)系數(shù)均出現(xiàn)減??；從預(yù)報偏差[圖5(b)]來看，兩站訂正后的預(yù)報偏差均小于訂正前，隨著歷史資料選用時長的增加，預(yù)報偏差也相應(yīng)增加，但在歷史資料選擇超過10 d以后，預(yù)報偏差的增加幾乎停止。說明在太陽輻射預(yù)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(yù)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(yù)報結(jié)果與觀測值的相關(guān)系數(shù)(a)和訂正前后預(yù)報值的平均偏差(b)

3 結(jié)果分析

3.1 不同時刻太陽輻射預(yù)報訂正后偏差分析

對太陽輻射預(yù)報結(jié)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(yù)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(yù)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(yù)報值明顯低于觀測值，預(yù)報偏差隨時間先增加、后減小，其中09:00—13:00訂正前預(yù)報偏差由87 W·m-2逐漸增加至202 W·m-2，13:00—18:00預(yù)報偏差逐漸減小至71 W·m-2；訂正后的預(yù)報偏差明顯降低，預(yù)報偏差在85～121 W·m-2之間，表明該訂正方法對太陽輻射預(yù)報結(jié)果具有一定的改善作用。太陽輻射預(yù)報與觀測結(jié)果如圖7(a)所示，太陽輻射預(yù)報在訂正前后均與觀測結(jié)果存在顯著的線性關(guān)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(yù)報偏差與觀測值的關(guān)系，同樣呈現(xiàn)顯著的線性關(guān)系，其中訂正前預(yù)報偏差與觀測值的相關(guān)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(guān)系減弱了，相關(guān)系數(shù)和擬合優(yōu)度分別為0.83和0.92。表明訂正后的預(yù)報偏差消除了一部分與太陽輻射觀測結(jié)果強相關(guān)的預(yù)報偏差。從太陽輻射預(yù)報結(jié)果訂正前后的偏差率來看，09:00及18:00，訂正后的預(yù)報偏差與訂正前相比增加了，而10:00—17:00的太陽輻射預(yù)報訂正后的偏差率都低于訂正前，其中訂正前平均預(yù)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(yù)報值(a)及太陽輻射訂正前后的預(yù)報偏差(b)，太陽輻射訂正前后預(yù)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(yù)報值(a)及預(yù)報偏差(b)之間的關(guān)系

圖8是B站不同時刻太陽輻射預(yù)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(yù)報值明顯低于觀測值，而B站在15：00—18:00的預(yù)報結(jié)果與觀測更接近。不同時刻B站平均預(yù)報偏差高于A站，其中訂正前預(yù)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(yù)報與觀測值之間的線性關(guān)系(圖9)，訂正前兩者相關(guān)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(yù)報偏差與觀測值的相關(guān)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(yù)報與觀測值之間的相關(guān)性弱于A站，這可能與數(shù)值模式在這兩個站點的預(yù)報能力差異有關(guān)。從預(yù)報偏差率來看，09:00和18:00的訂正后結(jié)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(yù)報值(a)及太陽輻射訂正前后的預(yù)報偏差(b)，太陽輻射訂正前后預(yù)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(yù)報值(a)及預(yù)報偏差(b)之間的關(guān)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(yù)報偏差。A站和B站不同季節(jié)的太陽輻射預(yù)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(yù)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(yù)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(yù)報偏差降幅較小。B站與A站類似，春、夏季預(yù)報偏差訂正后分別降低60、47 W·m-2，訂正后的平均預(yù)報偏差均為147 W·m-2；秋、冬季訂正后預(yù)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(yù)報偏差

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

4 結(jié) 論

基于甘肅河西光伏電站觀測資料和“綠海系統(tǒng)”預(yù)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(yù)報結(jié)果進行循環(huán)訂正，分析不同時刻、不同季節(jié)的預(yù)報偏差分布情況，主要結(jié)論如下：

(1)不同時刻太陽輻射預(yù)報訂正后的偏差均降低，A站和B站09:00—18:00訂正前的預(yù)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(yù)報效果提升顯著。

(2)太陽輻射及其預(yù)報偏差都存在明顯的年變化特征，春季太陽輻射預(yù)報偏差最高、夏季其次、冬季最低；春、夏季的預(yù)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(yù)報與云量有關(guān)，春、夏季降水頻發(fā)，云量豐富，太陽輻射預(yù)報偏差較大；秋冬季多為晴天，云量較少，輻射預(yù)報偏差小。

AVT訂正方法能夠有效降低太陽輻射預(yù)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(wù)預(yù)報中具有實用價值。但研究中也發(fā)現(xiàn)，10:00—17:00預(yù)報偏差較大時訂正效果較好；而09:00、18:00預(yù)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(yù)報偏差。