摘要：太陽能資源的高效開發(fā)和利用對人類減少化石燃料的消費(fèi)及溫室氣體的排放具有重要意義，為進(jìn)一步加強(qiáng)東北地區(qū)尤其是哈爾濱市區(qū)域太陽能資源的高效開發(fā)，精細(xì)化分布評估和長時(shí)預(yù)測必不可少。選取國際耦合模式比較計(jì)劃第六階段（CMIP6）的數(shù)據(jù)集，利用分位數(shù)映射法，對研究區(qū)域未來30年太陽輻射數(shù)據(jù)進(jìn)行降尺度處理，從而獲得高分辨率太陽輻射數(shù)據(jù)；根據(jù)預(yù)測數(shù)據(jù)分析太陽輻射強(qiáng)度時(shí)空分布規(guī)律，評估太陽能資源豐富度及穩(wěn)定性。結(jié)果表明：未來30年太陽總輻射呈緩慢的下降趨勢，2020—2029年太陽能資源最豐富；總輻射量和日照時(shí)數(shù)呈現(xiàn)西多東少的分布，尤其是西南區(qū)域太陽能資源最富裕，整個(gè)區(qū)域都達(dá)到太陽能資源很豐富的水平，太陽能資源穩(wěn)定性高，具有很大的開發(fā)潛力。

關(guān)鍵詞：太陽能； 太陽輻射預(yù)測； 分位數(shù)映射法； 哈爾濱地區(qū)

中圖分類號(hào)：TK 519"" 文獻(xiàn)標(biāo)志碼：A

引用格式：華科，王智超，姚遙，等.基于分位數(shù)映射法的太陽能精細(xì)化分布評估及長時(shí)預(yù)測［J］.中國石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，48（4）：198-205.

HUA Ke， WANG Zhichao， YAO Yao， et al. Refined distribution evaluation and long term prediction of solar energy based on" quantile mapping method［J］. Journal of China University of Petroleum （Edition of Natural Science），2024，48（4）：198-205.

Refined distribution evaluation and long term prediction of solar energy based on" quantile mapping method

HUA Ke1， WANG Zhichao1， YAO Yao1， JIANG Guodong2， HAN Lei2， WAN Jie2， TIAN Di3， YANG Dazhi3

（1.State Grid Heilongjiang Electric Power Company Limited Electric Power Research Institute， Harbin 150030， China;

2.School of Energy Science and Technology， Harbin Institute of Technology， Harbin 150006， China;

3.School of Electrical Engineering and Automation， Harbin Institute of Technology， Harbin 150006， China）

Abstract： The efficient development and utilization of solar energy are of great significance for reducing the consumption of fossil fuels and greenhouse gas emissions. In order to further develop the solar energy in Northeast of China， especially in the area of Harbin， it is necessary to make refined distribution assessment and long term prediction. In the present work， the database of the CMIP6 was selected and downloaded， and the quantile mapping method was used to downscale and obtain high-resolution solar radiation data in the focusing area in the next 30 years. Based on the prediction data， the temporal and spatial distributions of global horizontal irradiance were studied， and the stability of solar energy resources was evaluated. The results show that the total solar radiation will decline slowly in the next 30 years， and the solar energy resources will be the most abundant in 2020-2029. The GHI and sunshine hours appear more in the western than in the eastern part， especially in the southwest， where the solar energy resources are the richest. The entire region is rich in solar energy resources and the solar energy resources are stable and have great development potential.

Keywords： solar energy； solar radiation prediction； quantile mapping method；"" Harbin area

隨著中國“碳達(dá)峰”“碳中和”目標(biāo)的提出，電力系統(tǒng)清潔低碳轉(zhuǎn)型的步伐將進(jìn)一步加快，太陽能作為一種可再生、清潔環(huán)保的優(yōu)質(zhì)能源，目前備受能源行業(yè)關(guān)注［1］。太陽能發(fā)電是可再生能源領(lǐng)域中技術(shù)成熟、具備規(guī)?；_發(fā)條件和商業(yè)化發(fā)展前景的發(fā)電方式［2-3］。受氣候和地形等條件的影響，高原高寒地區(qū)常規(guī)發(fā)電方式的成本較高，但太陽能資源豐富，因此太陽能資源的利用具有重要意義。哈爾濱市區(qū)域雖屬于高緯度地區(qū)，但仍具有豐富的太陽能資源。根據(jù)周傳瑞等［4］和劉赫男等［5］的計(jì)算，哈爾濱市區(qū)域1961—2010年50年間太陽穩(wěn)定指數(shù)K為1.95，太陽能資源穩(wěn)定程度屬于穩(wěn)定（Klt;2），平均太陽輻射量為4718.7 MJ/m2。根據(jù)最新發(fā)布的氣象行業(yè)標(biāo)準(zhǔn)《太陽能資源評估方法》（GB/T 37526—2019）［6］，哈爾濱在全國太陽能資源區(qū)劃分中屬于資源豐富帶，太陽能利用前景廣闊。為了進(jìn)一步對哈爾濱市太陽能進(jìn)行開發(fā)利用［7］，需要哈爾濱市太陽輻射強(qiáng)度的精確分布及未來輻射變化數(shù)據(jù)，進(jìn)而對太陽能提出合理的優(yōu)先開發(fā)意見。除此之外，對高寒地區(qū)氣候變化帶來的太陽能資源大規(guī)模開發(fā)利用，也具有十分重要意義。太陽能存在間歇性和分布不均勻性，王富強(qiáng)等［8-10］對太陽能的應(yīng)用過程進(jìn)行了研究。目前，宋先知等［11-12］針對預(yù)測方法對實(shí)際數(shù)據(jù)預(yù)測精度不高的問題，建立了新的模型，精度得到提升。為了使模擬的太陽輻射數(shù)據(jù)和地面觀測數(shù)據(jù)具有良好的同步性，F(xiàn)ernández-Peruchena等［13］開發(fā)了一個(gè)結(jié)合觀測數(shù)據(jù)提高太陽輻射模擬數(shù)據(jù)準(zhǔn)確性的程序，主要方法是通過格點(diǎn)適應(yīng)（site-adaptation），依靠回歸預(yù)處理，然后使用經(jīng)驗(yàn)分位數(shù)映射進(jìn)行矯正，該方法使模擬的太陽總輻射和直接輻射數(shù)據(jù)準(zhǔn)確性得到明顯改善。筆者通過CMIP6獲得的哈爾濱市主要區(qū)域2016—2050年共35年太陽輻射強(qiáng)度數(shù)據(jù)，結(jié)合高分辨率衛(wèi)星數(shù)據(jù)，利用分位數(shù)映射方法得到未來30年（2021—2050年）在該區(qū)域的高分辨率太陽輻射強(qiáng)度分布及變化數(shù)據(jù)，研究哈爾濱市未來的太陽能資源的時(shí)空分布特征。

1 數(shù)據(jù)和方法

1.1 研究區(qū)域基本概況

哈爾濱市位于黑龍江省南部，總面積為5.31×104 km2。哈爾濱市具有豐富的太陽能資源，是全省高質(zhì)量太陽能資源的區(qū)域之一。雖然冬季漫長且嚴(yán)寒，但日照充足，陰雨天少、日照時(shí)間長、大氣透明度高，雖然屬于高寒地區(qū)［14］，但具備很大的太陽能開發(fā)潛力。圖1 為哈爾濱市全域高程和哈爾濱市行政區(qū)域圖。哈爾濱市區(qū)位于哈爾濱西部，地處松嫩沖積平原，地勢較平坦［15］。本研究選取區(qū)域在圍繞哈爾濱市中心的1°×1°的范圍內(nèi)，見圖1（b）。該區(qū)域包括松北區(qū)、南崗區(qū)、道里區(qū)、香坊區(qū)、道外區(qū)和平房區(qū)，以及蘭西縣、雙城區(qū)等部分地區(qū)，是哈爾濱市人口主要聚集區(qū)域［16］。

1.2 歷史和預(yù)測數(shù)據(jù)來源

本研究數(shù)據(jù)主要包括兩部分：2016—2050年的低分辨率模擬數(shù)據(jù)和2016—2020年的歷史高分辨率歷史數(shù)據(jù)。

第一部分是來自第六次國際耦合模式比較計(jì)劃［17］CMIP6的2016—2050年35年的太陽輻射強(qiáng)度預(yù)測模擬數(shù)據(jù)，數(shù)據(jù)的時(shí)間分辨率為3 h，空間分辨率為1.25°×0.95°。CMIP對于世界氣候科學(xué)的研究起著重要作用，它直接支撐了國際科學(xué)界關(guān)于氣候變率和可預(yù)報(bào)性、氣候預(yù)估、區(qū)域氣候變化及其過程、氣候變化檢測歸因等前沿科學(xué)問題的探索［18］。目前共有9家來自中國的機(jī)構(gòu)參與了CMIP6計(jì)劃，因此其數(shù)據(jù)具有較強(qiáng)的權(quán)威性和實(shí)踐指導(dǎo)意義。CMIP6數(shù)據(jù)模式名為CMCC-EMS2，來自意大利歐洲地中海氣候中心（Fondazione Centro Euro-Mediterraneo sui Cambiamenti Climatici，CMCC），選擇中等輻射強(qiáng)度SSP2-4.5（2100年強(qiáng)迫輻射穩(wěn)定在4.5 W/m2），該場景為更新后的RCP4.5情景。由于SSP2的土地利用和氣溶膠路徑不如其他SSP極端，故SSP2是檢測歸因模式比較計(jì)劃（DAMIP）和年代際氣候預(yù)測計(jì)劃（DCPP）研究的重點(diǎn)，代表了中等社會(huì)脆弱性與中等輻射強(qiáng)迫的組合。因此相比于低等社會(huì)脆弱性和低等輻射強(qiáng)迫的組合 （SSP1-2.6）或高等社會(huì)脆弱性和高等輻射強(qiáng)迫的組合（SSP3-7.0），SSP2-4.5更加適合［18］。

第二部分是通過國家太陽輻射數(shù)據(jù)庫（National Solar Radiation Data Base，NSRDB）下載的2016—2020年5年的太陽輻射強(qiáng)度歷史衛(wèi)星數(shù)據(jù)，數(shù)據(jù)的時(shí)間分辨率為1 h，空間分辨率為0.02°×0.02°（2 km）。隨著近些年衛(wèi)星遙感技術(shù)的快速發(fā)展，現(xiàn)在的衛(wèi)星遙感數(shù)據(jù)的準(zhǔn)確性比以往有了巨大提升，其中NSRDB數(shù)據(jù)集中水平面總輻照度（GHI）和法向直接輻照度（DNI）的平均百分比偏差分別可以控制在5%和10%以內(nèi)，與觀測數(shù)據(jù)較為接近［19］。除此之外，衛(wèi)星遙感數(shù)據(jù)本身具有覆蓋范圍廣和便于獲取的優(yōu)點(diǎn)，這就使得在某些無法使用觀測數(shù)據(jù)的區(qū)域可以用準(zhǔn)確性較高的衛(wèi)星遙感數(shù)據(jù)進(jìn)行近似替代。

利用2016—2020年5年的模擬數(shù)據(jù)和歷史NSRDB數(shù)據(jù)通過分位數(shù)映射法得到插值參數(shù)，再結(jié)合相關(guān)參數(shù)對未來預(yù)測數(shù)據(jù)（2021—2050年）進(jìn)行插值從而進(jìn)行尺度的降維，得到研究區(qū)域內(nèi)未來30年太陽輻射強(qiáng)度的高空間分辨率精度數(shù)據(jù)（分辨率為0.02°×0.02°）。

1.3 分位數(shù)映射方法

本文中采用分位數(shù)映射（quantile mapping， QM）的方法對數(shù)據(jù)進(jìn)行空間降尺度處理。分位數(shù)映射是一種在氣象領(lǐng)域應(yīng)用十分廣泛的數(shù)據(jù)誤差修正方法［20］，其主要思想是將模擬數(shù)據(jù)與觀測數(shù)據(jù)擬合為某種概率分布，如圖2（a）所示。進(jìn)一步擬合出兩種數(shù)據(jù)的累積分布函數(shù)（cumulative distribution function， CDF），找出CDF相等時(shí)模擬值x和觀測值y，如圖2（b）所示。通過逆變換獲得模擬數(shù)據(jù)與觀測數(shù)據(jù)之間的傳遞函數(shù)y=f（x）（圖2（c）），使得模擬數(shù)據(jù)的CDF與觀測數(shù)據(jù)的CDF相匹配。再根據(jù)映射圖，將模擬值映射到觀測值的分布上，從而改善模擬數(shù)據(jù)的分布，達(dá)到數(shù)據(jù)誤差修正的目的。最后通過對模擬值的隨機(jī)數(shù)據(jù)（圖2（d），綠線）進(jìn)行矯正擬合，發(fā)現(xiàn)模擬值校正后可以很好地分布在理論觀測值附近（黑線）。

黑龍江省的地面太陽輻射觀測站點(diǎn)分布比較稀疏，數(shù)據(jù)的覆蓋范圍有限，無法獲得可以滿足數(shù)據(jù)誤差修正條件的觀測數(shù)據(jù)。故采用2016—2020年NSRDB數(shù)據(jù)集的輻射相關(guān)數(shù)據(jù)替代觀測數(shù)據(jù)，以此作為修正數(shù)據(jù)集。模擬數(shù)據(jù)集作為被修正的部分，采用空間分辨率較低但時(shí)間跨度可以涵蓋2016—2050年的CMIP6數(shù)據(jù)。

在確定模擬數(shù)據(jù)集與修正數(shù)據(jù)集之后，就需要將這兩類數(shù)據(jù)分別轉(zhuǎn)換到概率域中，即擬合出各自對應(yīng)的CDF［13］。默認(rèn)這兩類數(shù)據(jù)都符合經(jīng)驗(yàn)分布，然后利用修正數(shù)據(jù)集的CDF進(jìn)行逆變換，得到校正后數(shù)據(jù)的公式，即兩類數(shù)據(jù)之間的傳遞函數(shù)為

χadapted=CDF-1meas（CDFmodel（χm））.（1）

式中，χadapted為適應(yīng)數(shù)據(jù)集的值；χm為模擬數(shù)據(jù)集的值；CDFmeas為修正數(shù)據(jù)集擬合的累積分布函數(shù)；CDFmodel為模擬數(shù)據(jù)集擬合的累積分布函數(shù)。

通過傳遞函數(shù)雖然可以直接計(jì)算獲得適應(yīng)后的數(shù)據(jù)集，但在程序處理過程中，由于原始數(shù)據(jù)中可能包含少量不符合實(shí)際情況的數(shù)值以及程序運(yùn)行中的失誤，可能會(huì)產(chǎn)生錯(cuò)誤的數(shù)據(jù)，如極端值和負(fù)值。對這些錯(cuò)誤的數(shù)據(jù)進(jìn)行篩選，并用原始的模擬數(shù)據(jù)進(jìn)行替代。

2 結(jié)果與分析

2.1 未來30年太陽能總輻射變化趨勢和特征

作為太陽能開發(fā)的前期數(shù)據(jù)指導(dǎo)，提取研究區(qū)域2021—2050年的每年平均太陽總輻射年際變化（圖3）和逐年日照時(shí)數(shù)（圖4），進(jìn)而研究哈爾濱市區(qū)域內(nèi)未來30年太陽輻射的長期變化特征。從圖2中可以看出，2021—2050年研究區(qū)年平均太陽總輻射量在1465.2～1493.3 （kW·h）/m2，平均太陽輻射量為1479 （kW·h）/m2，其最大值出現(xiàn)在2026年，最小值出現(xiàn)在2038年。年平均太陽輻射量呈振蕩型趨勢變化，兩年之間的最大振幅在2025—2026年，上升了約20 （kW·h）/m2；另外2023—2024年、2035—2038年變化幅度也較為明顯。通過總輻射均值趨勢線，可以發(fā)現(xiàn)年平均總輻射量有略微下降趨勢。2025—2032年屬于太陽輻射資源比較高的階段，高于平均水平；2043—2050年太陽能資源減少，屬于相對較低的階段，但變化穩(wěn)定性有所提高；其余階段整體較為均勻，處在中等水平。根據(jù)中國氣象局發(fā)布的太陽能資源豐富成都等級(jí)評估標(biāo)準(zhǔn)，所選區(qū)域未來30年平均輻射量為1479 （kW·h）/m2gt; 1400（kW·h）/m2，達(dá)到了資源很豐富的評估標(biāo)準(zhǔn)（1400～1740（kW·h）/m2），因此哈爾濱市區(qū)域內(nèi)具備豐富的太陽能資源和良好的開發(fā)前景。

未來30年的年平均日照時(shí)數(shù)預(yù)測數(shù)據(jù)（2515 h）較歷史真實(shí)數(shù)據(jù)（2246.4 h）［15］相比有所增加。從圖4可以看出，未來30年日照時(shí)數(shù)的平均值為2515 h，最大值出現(xiàn)在2028年，為

2524.2 h，最小值出現(xiàn)在2046年，為2507.3 h。從整體上看，研究區(qū)內(nèi)日照時(shí)數(shù)總體呈現(xiàn)先升后降趨勢，2021—2028年為第一階段，呈現(xiàn)上升趨勢；之后22年的太陽日照時(shí)數(shù)雖略有下降，但仍較為均勻地分布在均值附近，呈現(xiàn)4～6 a的周期性振蕩。

圖5為平均月總輻射和平均月日照時(shí)數(shù)。由圖5可知，研究區(qū)地處北半球高緯度區(qū)域，可以看出各月太陽能資源分布呈現(xiàn)典型的單峰值特點(diǎn)，

年初相對較小，隨著時(shí)間推移逐漸增大，在5～7月出現(xiàn)最大值，之后就逐漸減小，多數(shù)時(shí)間（3～9月）處在高值區(qū)。月總輻射量在47.52～192.08（kW·h）/m2，最大值出現(xiàn)在6月，5月和7月的輻射量分別為187.75和190.24（kW·h）/m2，與6月十分接近，因此5、6、7月是一年中太陽能資源最豐富的3個(gè)月；最小值出現(xiàn)在12月，僅有47.52（kW·h）/m2，11月和1月的總輻射量也不足60（kW·h）/m2。從季節(jié)分布來看，冬夏差距較大，夏季輻射量充沛，3個(gè)月的總輻射量為550（kW·h）/m2，超出年總輻射量的三分之一；而處在冬季12、1和2月總輻射量較小，3個(gè)月總輻射量為180（kW·h）/m2；春季總輻射量高于秋季。日照時(shí)數(shù)的月季分布和總輻射量分布基本一致，月日照時(shí)數(shù)最大值出現(xiàn)在6月，達(dá)到了298.2 h，而5和7月日照時(shí)數(shù)分別是290.0和291.2 h，與6月接近；12月的月日照時(shí)數(shù)最小，只有113.9 h，平均每天不足4 h，1月日照時(shí)數(shù)也相對較短，為130.28 h。從季節(jié)分布上看，依然是夏季日照時(shí)長最長，平均每天超過12 h，而冬季日照時(shí)長較短，每日日照時(shí)長僅有4～6 h。通過未來30年太陽輻射月季分布，可以進(jìn)一步從時(shí)間分布角度提供太陽能開發(fā)建議。

2.2 未來30年太陽能總輻射精細(xì)分布特征

太陽總輻射（GHI）是地球表面某一觀測點(diǎn)水平面上接收太陽的直射輻射與太陽散射輻射的總和，直接決定了太陽能的豐富程度。通過數(shù)據(jù)的整理得出了幾乎涵蓋整個(gè)哈爾濱市2021—2050年30年年平均太陽能總輻射圖，見圖6（a）和 （b）。從圖6中可以看出，總輻射和日照時(shí)數(shù)在哈爾濱市分布基本一致，并且西部的總輻射和日照時(shí)數(shù)比東部要高。同時(shí)，為了精細(xì)化針對哈爾濱市區(qū)域內(nèi)的太陽能分布進(jìn)行評估，通過數(shù)據(jù)的整理得出了研究區(qū)域（圖6（a）和（b）黑色框線區(qū)域）內(nèi)2021—2050年30年年平均太陽能總輻射（圖6（c））和日照時(shí)長（圖6（d））在空間上的分布。由圖6（c）可知，太陽輻射量整體分布呈現(xiàn)從西南向東北逐漸下降的趨勢。西南區(qū)域，包括雙城區(qū)、道里區(qū)西部、肇東市等區(qū)域的年平均太陽總輻射量最高，普遍超過1480（kW·h）/m2。西北大部分區(qū)域地勢平坦，太陽輻射量相對較高，接近1480（kW·h）/m2。而東南區(qū)域太陽輻射量最低，結(jié)合圖1（a）可知，由于該區(qū)域海拔較高，地勢由西向東逐漸升高，因此該區(qū)域太陽輻射量較小，約為1431（kW·h）/m2。另外，道外區(qū)和賓縣與呼蘭區(qū)的分界線上有一段明顯的低太陽輻射量區(qū)域，該區(qū)域即是松花江兩岸，該段海拔與兩邊相比較低，相對差距接近百米。由圖6（d）可知，研究區(qū)的日照時(shí)長與太陽能總輻射分布基本一致，由西南向東北逐漸減小，西部整體大于東部。年平均日照時(shí)數(shù)為2447～2584 h，最大值分布于西南區(qū)域，最小值分布于東南區(qū)域，東北區(qū)域日照時(shí)數(shù)中等，約為2505 h。整體來說，研究區(qū)域太陽能資源分布特點(diǎn)是西南區(qū)域最豐富，其次是西北區(qū)域，東南區(qū)域最少，西部多于東部，整個(gè)區(qū)域都屬于太陽能資源很豐富區(qū)［22］。

2.3 未來30年太陽能總輻射穩(wěn)定程度

太陽能資源的穩(wěn)定程度是一年中各月日照時(shí)數(shù)大于6 h的日數(shù)的最大值與最小值的比值，可以反映當(dāng)?shù)靥柲苜Y源變化的劇烈程度和利用太陽能資源的方便程度［22-23］，一般用K表示。K越小說明太陽能資源全年變化越穩(wěn)定，越便于開發(fā)利用。

K=max（D1，D2，…，D12）

min（D1，D2，…，D12） .（2）

式中，D1，D2，…，D12，為一年中各月的日照時(shí)數(shù)大于6" h的天數(shù)，d； K為太陽能穩(wěn)定程度指標(biāo)，其中Klt;2，表示穩(wěn)定，2≤K≤4，較穩(wěn)定，Kgt;4，則屬于不穩(wěn)定。

在太陽能資源的評估中，穩(wěn)定程度是重要的指標(biāo)之一。利用太陽能穩(wěn)定程度判定公式（2），得到的研究區(qū)域未來30年的太陽能資源穩(wěn)定程度變化如圖7所示。研究區(qū)域內(nèi)最小K為1.71（2050年），最大K為2.18（2037年），K的平均值為1.87，故穩(wěn)定性較高?？v觀30年的變化趨勢，30年僅下降了0.03，K并無明顯的變化。根據(jù)《太陽能資源評估方法》中的判別標(biāo)準(zhǔn)，該區(qū)域?qū)儆诜€(wěn)定區(qū)域，這對太陽能資源的綜合開發(fā)利用是十分有利的。

3 結(jié) 論

（1）2021—2050年，哈爾濱市研究區(qū)域平均太陽總輻射量為1479（kW·h）/m2，呈略微下降趨勢，2025—2032年階段屬于太陽輻射資源比較高的階段，2043—2050年階段太陽能資源較低，但相對穩(wěn)定，其余階段整體較為均勻，處在中等水平；從月季分布來看，夏季太陽總輻射量最高，冬季最低，6月前后太陽輻射量最大，12月前后最小，數(shù)值相差較大。

（2）太陽能資源方面，研究區(qū)域未來30年太陽輻射總量和日照時(shí)數(shù)分布基本一致，呈現(xiàn)出西多東少的分布，西南區(qū)域太陽能資源最豐富，可結(jié)合該處人文自然條件考慮光伏電站的建設(shè)；而東南區(qū)域太陽能輻射分布較薄弱，但年總輻射量相差僅80（kW·h）/m2，根據(jù)《太陽能資源評估方法》未來30年整個(gè)區(qū)域都屬于太陽能資源很豐富區(qū)。

（3）太陽能穩(wěn)定性方面，太陽資源未來30年穩(wěn)定指數(shù)平均值為1.87，穩(wěn)定程度屬于穩(wěn)定，且變化非常穩(wěn)定，30年間只有兩年穩(wěn)定指數(shù)高于2，最大幅度僅有0.3，這對于哈爾濱市太陽能資源的綜合開發(fā)利用十分有利。

參考文獻(xiàn)：

［1］ 5年內(nèi)風(fēng)能和太陽能在全球電力中占比翻番［J］.中外能源， 2021，26（1）：100.

Wind and solar share of global electricity doubles in 5 years ［J］. Sino Energy， 2021，26（1）：100.

［2］ 陳麗華.“雙碳”目標(biāo)下太陽能發(fā)電發(fā)展規(guī)劃研究［J］.機(jī)電信息，2021（29）：64-66.

CHEN Lihua. Research on solar power development planning under the goal of “double carbon” ［J］. Electromechanical Information， 2021（29）：64-66.

［3］ 曹華，楊麗莉.太陽能與光伏發(fā)電產(chǎn)業(yè)的研究［J］.湖北農(nóng)業(yè)科學(xué)，2021，60（S2）：243-246.

CAO Hua， YANG Lili. Research on solar energy and photovoltaic power generation industry ［J］. Hubei Agricultural Science， 2021，60（S2）：243-246.

［4］ 周傳瑞，歐娜音，劉長成，等.哈爾濱市太陽能資源分析與評估［J］.黑龍江氣象，2013，30（4）：32-33.

ZHOU Chuanrui， OUNA Yin， LIU Changcheng， et al. Analysis and evaluation of solar energy resources in Harbin ［J］. Heilongjiang Meteorology， 2013，30（4）：32-33.

［5］ 劉赫男，張洪玲，朱紅蕊.1961—2010年黑龍江省太陽能資源特征分析與評估［J］.氣象與環(huán)境學(xué)報(bào)，2013，29（4）：89-93.

LIU Henan， ZHANG Hongling， ZHU Hongrui. Analysis and assessment of solar energy resource in Heilongjiang province from 1961 to 2010［J］. Journal of Meteorology and Environment， 2013，29（4）：89-93.

［6］ 中國國家標(biāo)準(zhǔn)化管理委員會(huì).太陽能資源評估方法：GB/T 37526-2019［S］.北京：國家市場監(jiān)督管理局，2019.

［7］ 藺阿琳.城市太陽能可利用空間評估與規(guī)劃研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2020.

LIN Alin. Urbansolar energy available space assessment and planning ［D］. Harbin ：Harbin Institute of Technology， 2020.

［8］ 王富強(qiáng)，帥永，談和平.腔式太陽能吸熱器的熱分析［J］.工程熱物理學(xué)報(bào)，2011，32（5）：843-846.

WANG Fuqiang， SHUAI Yong， TAN Heping. Thermal analysis of cavity type solar heat absorber［J］. Journal of Engineering Thermophysics， 2011，32（5）：843-846.

［9］ 毛前軍，謝鳴，帥永，等.太陽能腔式吸熱器光熱轉(zhuǎn)換特性及其在油田上的應(yīng)用［J］.東北石油大學(xué)學(xué)報(bào)，2013，37（2）：112-117，11-12.

MAO Qianjun， XIE Ming， SHUAI Yong， et al. Photothermal conversion characteristics of solar cavity heat absorber and its application on oil field［J］. Journal of Northeastern Petroleum University， 2013，37（2）：112-117，11-12.

［10］ LIANG Huaxu， WANG Fuqiang， ZHANG Dong， et al. Experimental investigation of cost-effective ZnO nanofluid based spectral splitting CPV/T system［J］. Energy， 2020，194：116913.

［11］ 宋先知，朱碩，李根生， 等.基于BP-LSTM雙輸入網(wǎng)絡(luò)的大鉤載荷與轉(zhuǎn)盤扭矩預(yù)測［J］.中國石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，46（2）：76-84.

SONG Xianzhi， ZHU Shuo， LI Gensheng， et al. Large hook load and turntable torque prediction based on BP-LSTM dual input network［J］. Journal of China University of Petroleum （Edition of Natural Science）， 2022，46（2）：76-84.

［12］ 鄭秋梅，商振浩，王風(fēng)華， 等.基于深度神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的海底管線水合物生成預(yù)測模型［J］.中國石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，44（5）：46-51.

ZHENG Qiumei， SHANG Zhenhao， WANG Fenghua， et al. A predictive model for hydrate generation in submarine pipelines based on deep neural networks and support vector machines［J］. Journal of China University of Petroleum （Edition of Natural Science）， 2020，44（5）：46-51.

［13］ FERNANDEZ-PERUCHENA C M， POLO J， MARTIN L， et al. Site-adaptation of modeled solar radiation data： the site adapt procedure ［J］. Remote Sensing， 2020，12（13）：2127.

［14］ 吳玉影，王鳳玲，潘華盛.黑龍江氣候變暖的分析［J］.黑龍江氣象，2012，29（3）：14-15.

WU Yuying， WANG Fengling， PAN Huasheng. Analysis of climate warming in Heilongjiang ［J］. Heilongjiang Meteorology，2012，29（3）：14-15.

［15］ 周傳瑞. 哈爾濱地區(qū)太陽能資源評估及開發(fā)利用前景分析［D］. 蘭州：蘭州大學(xué)， 2012.

ZHOU Chuanrui. Analysis of solar energy resources assessment and development and utilization prospects in Harbin ［D］. Lanzhou ：Lanzhou University， 2012.

［16］ 劉湞璞，趙映慧.哈爾濱市自然村落地名與地理環(huán)境［J］.綠色科技，2021，23（12）：216-218，222.

LIU Zhenpu， ZHAO Yinghui. Geographical names and environment of natural villages in Harbin city［J］. Journal of Green Science and Technology， 2021，23（12）：216-218，222.

［17］ 周天軍，鄒立維，陳曉龍.第六次國際耦合模式比較計(jì)劃（CMIP6）評述［J］.氣候變化研究進(jìn)展， 2019，15（5）：445-456.

ZHOU Tianjun， ZOU Liwei， CHEN Xiaolong. Commentary on the coupled model intercomparison project phase 6 （CMIP6）［J］. Climate Change Research， 2019，15（5）：445-456.

［18］ EYRING V， BONY S， MEEHL A G， et al. Overview of the coupled model intercomparison project phase 6 （CMIP6） experimental design and organization ［J］. Geoscientific Model Development， 2016，9（5）：1937-1958.

［19］ 張麗霞，陳曉龍，辛?xí)愿?CMIP6情景模式比較計(jì)劃（ScenarioMIP）概況與評述［J］.氣候變化研究進(jìn)展，2019，15（5）：519-525.

ZHANG Lixia， CHEN Xiaolong， XIN Xiaoge. Short commentary on CMIP6 scenario model intercomparison project （ScenarioMIP）［J］. Climate Change Research， 2019，15（5）：519-525.

［20］ PIANI C， HAERTER J O， COPPOLA E. Statistical bias correction for daily precipitation in regional climate models over Europe［J］. Theoretical and Applied Climatology， 2010，99（1/2）：187-192.

［21］ SENGUPTA M， XIE Y， LOPEZ A， et al.The national solar radiation data base （NSRDB）［J］. Renewable and Sustainable Energy reviews， 2018，89：51-60.

［22］ 任洪國.大慶太陽能資源分布特點(diǎn)及開發(fā)利用研究［J］.建筑節(jié)能，2019，47（10）：122-125.

REN Hongguo. Distribution characteristics and development and utilization of solar energy resources in Daqing［J］. Building Energy Efficiency， 2019，47（10）：122-125.

［23］ 韓世昌，張成軍，賈國忠，等.固原市太陽能資源評估分析［J］.南方農(nóng)業(yè)，2018，12（14）：174-177.

HAN Shichang， ZHANG Chengjun， JIA Guozhong， et al. Evaluation and analysis of solar energy resources in Guyuan city ［J］. Southern Agriculture，2018，12（14）：174-177.

（編輯 沈玉英）

收稿日期：2023-08-22

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目（51877049）；國家電網(wǎng)公司科技項(xiàng)目（5224002000N2）

第一作者及通信作者：華科（1978-），男，高級(jí)工程師，博士，研究方向?yàn)轱L(fēng)能和太陽能等新能源。E-mail： 13933643457@163.com。

文章編號(hào)：1673-5005（2024）04-0198-08"" doi：10.3969/j.issn.1673-5005.2024.04.022