[发明专利]一种连续时间太阳辐射能预测方法

摘要

本发明提供一种连续时间太阳辐射能预测方法；采用统计理论为基础建立连续时间太阳辐射能预测模型，统计预测模型以晴朗无云天气情况下太阳辐射能经验理论值与实际太阳辐射能之差除以晴朗无云太阳辐射能经验理论值为随机变量，将统计样本在云层覆盖、时间和日期三个空间维度上进行分割，建立各样本子空间上的统计预测模型，预测过程中根据当地的天气类型(如晴天、晴到多云、多云和下雨等)或云层覆盖的大概信息，达到对对任何天气状况下连续时间太阳辐射能预测，预测精度可达到绝大部分应用要求。

主权项

1.一种连续时间太阳辐射能预测方法，其特征在于，包括以下步骤：步骤一、获取预测当地至少1年太阳辐射能历史数据，记录太阳辐射能的这些历史数据间的时间间隔小于或等于10分钟；采用方程(3)-(17)计算每一个历史数据相应时刻晴朗天气条件下的经验理论值I_g；然后采用方程(1)计算得到相应时刻的预测模型样本数据V；V=Ig-IIg---(1)]]>其中I_g为晴朗无云天气太阳辐射能，I为实际太阳辐射能；I_g＝I_dir+I_dif+I_ref                        (3)其中I_dir、I_dif、I_ref分别为太阳直接辐射能、大气散射辐射能、反射辐射能，I_dir、I_dif、I_ref的计算表达式为[3，22]：I_dir＝I₀τ_dircos(i)                       (4)I_dif＝I₀τ_difcos²(0.5β)sin α            (5)I_ref＝rI₀τ_refsin²(0.5β)sin α           (6)方程(4)-(6)中参数由下述方程(7)-(17)进行计算：cos i＝sinδ(sinL cosβ-cos L sinβcosγ)+cosδcosh_s(cos L cosβ+sin L sinβcosγ)+cosδsinβsinh_s                                          (8)τ_dir＝0.56(e^-0.65M+e^-0.095M)             (9)M＝[1229+(614sinα)²]^0.5-614sinα         (10)α＝sin^-1(sin L sinδ+cos L cos δcosh_s)  (11)hs=hsr-15(ts-tsr)ifts≤12hss+15(tss-ts)ifts>12---(13)]]>h_ss＝-h_sr                                 (15)τ_dif＝0.271-0.294τ_dir                   (16)τ_ref＝0.271+0.706τ_dir                   (17)其中：步骤二、对步骤一计算得到的样本数据V按照天气类型情况进行分割得到V子空间，然后再将分割后的V子空间在时间轴和日期轴进一步进行空间分割，最终得到N_oktas×N_time×N_date个样本子空间；N_oktas，N_time，N_date分别为云层覆盖轴、时间轴和日期轴上样本空间分割数量；步骤三、在步骤二获得的每个样本子空间上求解方程(18)-(21)得到每个样本子空间上样本的统计分布密度函数，然后求解方程(22)得到各子空间样本的统计累积函数，由方程(23)得到各子空间用于预测随机变量V的预测模型方程；f^(v)=1nΣi=1nφ(v,Vi)---(18)]]>φ(v,Vi)=12πbe-(v-Vi)22b---(19)]]>式中φ为高斯密度函数，为高斯密度函数带宽，n为样本个数；方程(18)通过求解下述方程：∂∂bf^(v)=12∂2∂v2f^(v)---(20)]]>求解方程(20)采用黎曼边界条件：∂∂vf^(v)|v=Vlower=∂∂vf^|v=Vupper=0---(21)]]>由求解后的预测密度函数可得累积分布函数CDF：F(v)=P(V≤v)=∫-∞vf^(x)dx≈∫Vminvf^(x)dx---(22)]]>由此得随机变量V的预测模型方程：其中为(0，1)之间随机变量；由方程(23)得到的随机变量V将符合由方程(18)估计确定的样本密度分布函数，将式(23)代人方程(2)即获得太阳辐射能的预测值；I＝I_g(1-V)                     (2)。