沙漠气候下水平与倾斜面太阳辐照度斜坡变异性评估的分类方法

《Energy Conversion and Management-X》：Method of classification to assess the variability of horizontal and tilted solar irradiance ramps in a desert climate

　　

太阳辐照度斜坡（Solar Irradiance Ramps）是指在秒级到数分钟短间隔内太阳辐照度的剧烈变化。对于光伏（Photovoltaic, PV）等非惯性发电系统，这些变化会导致同样快速的输出功率波动，对系统的平衡管理产生重要影响，因此斜坡事件的预测与分类至关重要。本研究以卡塔尔首都多哈为对象，分析该干旱沙漠地区一整年的分钟级太阳辐照度数据，将斜坡定义为相邻两分钟之间的辐照度变化。该地点全年云量普遍较低，但气溶胶负荷变化显著。研究分析了三种辐照度测量值：全球水平辐照度（Global Horizontal Irradiance, GHI），以及两个朝南倾斜角（25°和51°）的全球倾斜面辐照度。研究考察了斜坡的发生频率，并按斜坡类型（向上、向下、两者）和强度进行分类，强度分类采用两个标准：标准差得分（z-score）和"斜坡强度因子"（Ramp Intensity Factor, RIF）。结果显示，斜坡仅在约2-3%的时间出现，但有时幅度很大，可达约750 W/m2；在辐照度较高的月份，斜坡强度反而较低。z-score和RIF两种分类方法结果相似，但RIF能更好地反映细微差异。最后，研究展示了该方法在临近预报（nowcasting）数据集评估中的示例应用，为超越标准统计指标评估模型性能提供了额外工具。

## 研究背景与问题提出

太阳辐照度斜坡即太阳功率输出的快速显著变化，随着光伏发电（PV）在电网中渗透率的不断提高，该类事件的研究日益受到重视。辐照度斜坡主要由云量或极端天气等大气条件的突变引起，会影响电力系统的稳定性和可靠性。现有文献已从多角度探索了斜坡事件的检测、预测及影响消减方法，但针对沙漠气候条件下、同时考虑水平面与倾斜面辐照度特征的斜坡变异性研究仍显不足。卡塔尔位于全球太阳带（Sun Belt）区域，全年日照时数长，但沙漠环境导致大气条件动态变化，沙尘暴频发且气溶胶负荷高，这些特征使得该地区的太阳能资源稳定性评估具有特殊挑战性。现有研究多集中于全球水平辐照度（GHI），对倾斜面辐照度斜坡特性关注有限，而倾斜面辐照度对于实际光伏电站的平面布置（Plane-of-Array, POA）功率预测更为关键。

## 研究目的与方法概述

研究人员旨在建立一套系统的辐照度斜坡分类方法，应用于沙漠气候条件下水平面及不同倾斜角的太阳辐照度数据，分析斜坡的发生特征、类型分布及强度分类，并探索其季节性、太阳位置及大气条件下的变化规律。研究基于卡塔尔环境与能源研究所实验站点2023年全年1分钟分辨率的实测数据，选取GHI及朝南25°（Tilt25，近似当地纬度）和51°（Tilt51）两个倾斜角进行对比分析。方法上，研究采用100 W/m2作为斜坡阈值，定义相邻分钟辐照度差值超过该阈值即为斜坡事件；斜坡类型分为向上型（Upward, U）、向下型（Downward, D）及不分方向的综合型（UD）。强度分类采用两种方法：一是基于数据集统计特征的z-score标准差得分法，将斜坡分为低、中、高、严重四个等级；二是基于最大斜坡值归一化的斜坡强度因子（RIF）法，以0.1为区间进行更精细的概率密度分布分析。研究最后将该方法应用于基于长短期记忆网络（Long Short-Term Memory, LSTM）的GHI临近预报数据集评估。

## 研究结果

### 斜坡发生频率与最大值特征

全年三种辐照度下，斜坡发生频率均约为2-3%，但该数值不可忽略，因大规模应用时仍可能造成显著影响。向上斜坡略大于向下斜坡，且该差异随倾斜角减小而增大。最大斜坡值在GHI、Tilt25、Tilt51条件下分别达到约753.4 W/m2、637.7 W/m2和691.5 W/m2。典型强斜坡日的辐照度曲线显示，最大斜坡不一定出现在辐照度峰值时刻，凸显了高时间分辨率分析的必要性。

### 斜坡强度等级分布

z-score分类结果显示，低强度斜坡占比约63%，中等约22%，高强度约8.5-9.2%，严重等级约5.2-5.7%。向上与向下斜坡比例接近，差异不超过2%。尽管卡塔尔云量较低，但高等级（高强度和严重）斜坡仍占相当比例（约14-15%），表明沙漠地区的沙尘等大气事件同样会造成显著的辐照度快速波动。

### 季节性变化特征

斜坡在1月、3月、4月和11月更为频繁，4月出现GHI最大斜坡，而6月几乎无斜坡发生。高辐照度的夏季月份（6-9月）斜坡强度反而较低，这与冬季天气不稳定、云量和降水变化较大有关。季节性差异分析为模型中的时间代表性变量（如年内日期、月份或太阳位置参数）的引入提供了依据。

### 太阳位置与清晰度指数依赖性

太阳天顶角（Zenith Angle）分析显示，最大斜坡出现在辐照度较高的太阳位置，但最高频率的斜坡出现在天顶角约45-50度附近。太阳方位角（Azimuth）分析显示下午时段（方位角约220-230度，正南为180度）斜坡频率略高。清晰度指数（K_t=GHI/E_Th，E_Th为大气层顶水平辐照度）分析揭示了向上与向下斜坡的非对称特征：向上斜坡倾向于在低K_t值区发生，而向下斜坡倾向于在高K_t值区发生，这种不对称性有助于区分不同斜坡类型并支持模型评估。

### 斜坡强度因子精细分析

RIF分布揭示了z-score方法未能显现的细微差异：GHI条件下D型斜坡分布向较高RIF值偏移，表明大的辐照度下降可能比大的上升发生得更快。这一特征可能与沙尘或云团的快速侵袭和缓慢消散过程有关。

### 临近预报应用案例

将分类方法应用于基于LSTM的GHI一分钟超前预报数据集（GHIfc），发现预报结果较好地保持了斜坡发生频率，但显著平滑了辐照度波动，最大斜坡值降低。z-score累积频率分布与实测接近，但RIF分布因低强度斜坡数量减少而显示差异。这表明该分类方法可有效补充传统统计指标（偏置、均方根误差等），用于评估预报模型对快速波动事件的捕获能力。

## 讨论与结论总结

研究确认了高时间分辨率数据（1分钟间隔）对于可靠检测和分类辐照度斜坡的必要性。主要结论包括：向上辐照度斜坡略强于向下斜坡，且该效应在低倾斜角时更显著，可能归因于增强的散射贡献和云边效应（Cloud-Edge Effects）；这意味着公用规模光伏电站面临的突然输出增加风险高于减少风险。z-score和RIF两种强度分类方法总体结果相似，但RIF的精细分箱提供了更清晰的差异识别能力。研究结果为光伏运营商预测和管理快速输出波动、增强电网稳定性、优化削减策略和储能配置提供了支持；增强的斜坡分类有助于提升短期太阳预报模型的准确性，而不同倾斜角的斜坡行为知识可指导更平衡的系统设计。该分类方法在临近预报数据集上的应用展示了其评估预报模型再现实测特征能力的实用价值，为超越标准统计指标的性能评估提供了额外工具。研究发表于《Energy Conversion and Management-X》。