技术摘要：
本发明公开了一种基于天气类型有效识别的斜面辐射预测方法。本发明的方法采用的步骤如下：S1：获取气象和辐射的历史数据；S2：计算直射比和修正清晰度指数，计算天气类型指数SCF和太阳高度角；S3：判断太阳高度角是否大于10度，如太阳高度角大于10度进入下一步，否则返 全部
背景技术：
温室气体的主要来源是传统的化石燃料，而可再生能源的开发应用为减少温室气 体排放提供了可行的方案。其中，太阳能资源具有极大的开发潜力，因而受到越来越多的重 视。目前，太阳能资源开发技术中又以光伏发电技术最为成熟。根据欧洲光伏产业协会发布 的2019-2023光伏回顾与展望报告预测，2020年光伏新增装机将实现26％的增长，达到20- 21GW；2021年光伏新增装机将达到21.9GW，接近年度光伏装机容量的历史最高值。根据国家 能源局的统计数据，截至2019年底，全国光伏发电总装机容量约为1.9亿千瓦时，2019年前 三季度全国光伏发电量1715亿千瓦时，同比增长28％。 入射总辐射直接决定了光伏阵列的输出功率。而入射总辐射主要由三部分组成， 分别为直接辐射、散射辐射和反射辐射。为了最大化接收的能量，北半球的光伏阵列通常选 择朝南倾斜放置(最佳倾角)。而气象站中测得的辐射数据一般是水平面上的，这就需要模 型将辐射数据从水平面转化为倾斜面。 文献：S Armstrong ,W G Hurley .A new methodology to optimise solar energy extraction under cloudy conditions[J] .Renewable Energy ,2010,35:780- 787。其针对阴天条件下散射辐射占比较多这一特点引入了日照百分率(即日照时数与可照 时数之比)和总云量这两个参数，通过对历史数据的计算，得到不同天气类型的平均占比， 从而计算辐射量，但是计算值较实际值偏低。 文献：Demain C ,Journée M ,Bertrand C ,et al .Evaluation of different models to estimate the global solar radiation on inclined surfaces[J] .Renewable Energy,2013,50:710-721。其引入了修正清晰度指数这一概念，降低了太阳高 度角对清晰度指数的影响。通过将修正清晰度指数分段划分天气，挑选出该分段内精度最 高的斜面辐射模型，并进行组合预测，结果表明该组合模型精度较单一模型有明显提高。 文献：李芬,胡超,马年骏等人.不同天气类型下计及PM2.5的直散分离模型研究 [J].太阳能学报,2017,38(12):3339-3347。其将PM2.5，清晰度指数和日照百分率这三个参 数组合，建立了预测北京地区直散分离的BP神经网络模型，并测试了不同天气情况下的最 优参数组合。 文献：Li F ,Li C ,Shi J ,et al .An evaluation index system for photovoltaic systems statistical characteristics under hazy weather conditions in central China[J] .IET Renewable Power Generation ,2017 ,11(14): 1794-1803.其比较了五种斜面辐射模型，发现Liu&Jordan模型最适合武汉地区。 我国气象行业标准、地面气象观测规范及业务运行气象预报中，通常使用单一指 标，如总云量或是日照时数等划分天气。而总云量的观测主要依赖于人工观察，存在人为误 4 CN 111596384 A 说 明 书 2/5 页 差，且采用单一指标，天气类型划分的准确性有所欠缺。 目前已有的太阳辐射模型主要是外国人提出的，其建立模型的数据主要来源于美 国和欧洲地区，这些模型在我国直接使用可能会有较大的误差。 不同的斜面辐射模型适用的天气类型不同，有的模型在多云条件下精度较高，有 的相反。如果单一的使用模型必然会带来精度的降低。
技术实现要素：
本发明旨在克服上述现有技术存在的缺陷，其依据水平面及斜面辐射数据和气象 环境数据，结合修正清晰度指数、直射比以及总云量等气象环境因子，提出一种综合的天气 类型指数指标，并将天气类型有效地分为五大类，针对不同的天气类型分析对应的最优模 型，从而提出一种精度较高的基于天气类型有效识别的斜面辐射预测方法。 为此，本发明采用如下的技术方案：一种基于天气类型有效识别的斜面辐射预测 方法，其包括步骤： S1：获取气象和辐射的历史数据； S2：计算直射比和修正清晰度指数，计算天气类型指数SCF和太阳高度角； S3：判断太阳高度角是否大于10度，如太阳高度角大于10度进入下一步，否则返回 上一步； S4：分类天气，即对天气类型指数SCF使用K-means聚类算法分类； S5：获取实测的数据，计算天气类型指数SCF并判断所属的天气类型； S6：根据不同天气类型，选用不同的直散分离模型。 进一步地，步骤S1中，所述的辐射数据包括水平面总辐射、散射辐射、直接辐射、反 射辐射以及及正南朝向且倾角为北京纬度的斜面总辐射数据；所述的气象数据包括总云量 和能见度；总云量定义为云遮蔽天空视野的成数，表示天空中被云量遮蔽的范围占总天空 范围的百分比。 进一步地，步骤S2中，对数据进行筛选和质量控制，根据水平面辐射观测值和天文 因子(如纬度、太阳高度角等)计算清晰度指数及修正清晰度指数。 进一步地，步骤S2中，所述的清晰度指数为水平面上太阳总辐射I与大气层外水平 面上的太阳辐射Io之比，即有： 清晰度指数不仅与气象条件相关，而且与天空中太阳位置有关，为降低太阳高度 角对清晰度指数的影响，对其进行修正如下： 其中，k'T是修正后的清晰度指数，m是大气质量。 清晰度指数可以用来表征大气层对太阳辐射的衰减，是一个优先考虑的天气类型 分类指标。清晰度指数越大，表示大气透明度越高，大气层对太阳辐射衰减越少，到达地面 的太阳辐射越大。 5 CN 111596384 A 说 明 书 3/5 页 进一步地，步骤S2中，采用修正后的清晰度指数、直射比和总云量这三个数据，分 别进行归一化处理并加权，得到一个综合指标因子，将其命名为SCF(sky condition factor)，即天气类型指数，具体的计算公式如下： SCF＝w1Bd w2k'T w3(1-C)， 其中，权重w1，w2和w3的和为1，具体数值根据当地的地理位置及辐射数据计算得 到；C代表总云量；Bd代表直射比，即水平面直接辐射辐照量在总辐射辐照量中所占的比例。 进一步地，步骤S4中，天气类型指数SCF通过K-means聚类算法分成5类：I型，0.58 ≤SCF<1；II型，0.44≤SCF<0.58；III型，SCF值为0.3≤SCF<0.44；Ⅳ型，0.15≤SCF<0.3；Ⅴ 型，0
本发明公开了一种基于天气类型有效识别的斜面辐射预测方法。本发明的方法采用的步骤如下：S1：获取气象和辐射的历史数据；S2：计算直射比和修正清晰度指数，计算天气类型指数SCF和太阳高度角；S3：判断太阳高度角是否大于10度，如太阳高度角大于10度进入下一步，否则返 全部
背景技术：
温室气体的主要来源是传统的化石燃料，而可再生能源的开发应用为减少温室气 体排放提供了可行的方案。其中，太阳能资源具有极大的开发潜力，因而受到越来越多的重 视。目前，太阳能资源开发技术中又以光伏发电技术最为成熟。根据欧洲光伏产业协会发布 的2019-2023光伏回顾与展望报告预测，2020年光伏新增装机将实现26％的增长，达到20- 21GW；2021年光伏新增装机将达到21.9GW，接近年度光伏装机容量的历史最高值。根据国家 能源局的统计数据，截至2019年底，全国光伏发电总装机容量约为1.9亿千瓦时，2019年前 三季度全国光伏发电量1715亿千瓦时，同比增长28％。 入射总辐射直接决定了光伏阵列的输出功率。而入射总辐射主要由三部分组成， 分别为直接辐射、散射辐射和反射辐射。为了最大化接收的能量，北半球的光伏阵列通常选 择朝南倾斜放置(最佳倾角)。而气象站中测得的辐射数据一般是水平面上的，这就需要模 型将辐射数据从水平面转化为倾斜面。 文献：S Armstrong ,W G Hurley .A new methodology to optimise solar energy extraction under cloudy conditions[J] .Renewable Energy ,2010,35:780- 787。其针对阴天条件下散射辐射占比较多这一特点引入了日照百分率(即日照时数与可照 时数之比)和总云量这两个参数，通过对历史数据的计算，得到不同天气类型的平均占比， 从而计算辐射量，但是计算值较实际值偏低。 文献：Demain C ,Journée M ,Bertrand C ,et al .Evaluation of different models to estimate the global solar radiation on inclined surfaces[J] .Renewable Energy,2013,50:710-721。其引入了修正清晰度指数这一概念，降低了太阳高 度角对清晰度指数的影响。通过将修正清晰度指数分段划分天气，挑选出该分段内精度最 高的斜面辐射模型，并进行组合预测，结果表明该组合模型精度较单一模型有明显提高。 文献：李芬,胡超,马年骏等人.不同天气类型下计及PM2.5的直散分离模型研究 [J].太阳能学报,2017,38(12):3339-3347。其将PM2.5，清晰度指数和日照百分率这三个参 数组合，建立了预测北京地区直散分离的BP神经网络模型，并测试了不同天气情况下的最 优参数组合。 文献：Li F ,Li C ,Shi J ,et al .An evaluation index system for photovoltaic systems statistical characteristics under hazy weather conditions in central China[J] .IET Renewable Power Generation ,2017 ,11(14): 1794-1803.其比较了五种斜面辐射模型，发现Liu&Jordan模型最适合武汉地区。 我国气象行业标准、地面气象观测规范及业务运行气象预报中，通常使用单一指 标，如总云量或是日照时数等划分天气。而总云量的观测主要依赖于人工观察，存在人为误 4 CN 111596384 A 说 明 书 2/5 页 差，且采用单一指标，天气类型划分的准确性有所欠缺。 目前已有的太阳辐射模型主要是外国人提出的，其建立模型的数据主要来源于美 国和欧洲地区，这些模型在我国直接使用可能会有较大的误差。 不同的斜面辐射模型适用的天气类型不同，有的模型在多云条件下精度较高，有 的相反。如果单一的使用模型必然会带来精度的降低。
技术实现要素：
本发明旨在克服上述现有技术存在的缺陷，其依据水平面及斜面辐射数据和气象 环境数据，结合修正清晰度指数、直射比以及总云量等气象环境因子，提出一种综合的天气 类型指数指标，并将天气类型有效地分为五大类，针对不同的天气类型分析对应的最优模 型，从而提出一种精度较高的基于天气类型有效识别的斜面辐射预测方法。 为此，本发明采用如下的技术方案：一种基于天气类型有效识别的斜面辐射预测 方法，其包括步骤： S1：获取气象和辐射的历史数据； S2：计算直射比和修正清晰度指数，计算天气类型指数SCF和太阳高度角； S3：判断太阳高度角是否大于10度，如太阳高度角大于10度进入下一步，否则返回 上一步； S4：分类天气，即对天气类型指数SCF使用K-means聚类算法分类； S5：获取实测的数据，计算天气类型指数SCF并判断所属的天气类型； S6：根据不同天气类型，选用不同的直散分离模型。 进一步地，步骤S1中，所述的辐射数据包括水平面总辐射、散射辐射、直接辐射、反 射辐射以及及正南朝向且倾角为北京纬度的斜面总辐射数据；所述的气象数据包括总云量 和能见度；总云量定义为云遮蔽天空视野的成数，表示天空中被云量遮蔽的范围占总天空 范围的百分比。 进一步地，步骤S2中，对数据进行筛选和质量控制，根据水平面辐射观测值和天文 因子(如纬度、太阳高度角等)计算清晰度指数及修正清晰度指数。 进一步地，步骤S2中，所述的清晰度指数为水平面上太阳总辐射I与大气层外水平 面上的太阳辐射Io之比，即有： 清晰度指数不仅与气象条件相关，而且与天空中太阳位置有关，为降低太阳高度 角对清晰度指数的影响，对其进行修正如下： 其中，k'T是修正后的清晰度指数，m是大气质量。 清晰度指数可以用来表征大气层对太阳辐射的衰减，是一个优先考虑的天气类型 分类指标。清晰度指数越大，表示大气透明度越高，大气层对太阳辐射衰减越少，到达地面 的太阳辐射越大。 5 CN 111596384 A 说 明 书 3/5 页 进一步地，步骤S2中，采用修正后的清晰度指数、直射比和总云量这三个数据，分 别进行归一化处理并加权，得到一个综合指标因子，将其命名为SCF(sky condition factor)，即天气类型指数，具体的计算公式如下： SCF＝w1Bd w2k'T w3(1-C)， 其中，权重w1，w2和w3的和为1，具体数值根据当地的地理位置及辐射数据计算得 到；C代表总云量；Bd代表直射比，即水平面直接辐射辐照量在总辐射辐照量中所占的比例。 进一步地，步骤S4中，天气类型指数SCF通过K-means聚类算法分成5类：I型，0.58 ≤SCF<1；II型，0.44≤SCF<0.58；III型，SCF值为0.3≤SCF<0.44；Ⅳ型，0.15≤SCF<0.3；Ⅴ 型，0
