CN106156453A - 一种基于数值天气预报数据的太阳能资源评估方法 - Google Patents
一种基于数值天气预报数据的太阳能资源评估方法 Download PDFInfo
- Publication number
- CN106156453A CN106156453A CN201510131430.1A CN201510131430A CN106156453A CN 106156453 A CN106156453 A CN 106156453A CN 201510131430 A CN201510131430 A CN 201510131430A CN 106156453 A CN106156453 A CN 106156453A
- Authority
- CN
- China
- Prior art keywords
- solar energy
- solar
- data
- day
- energy resources
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提供了一种基于数值天气预报数据的太阳能资源评估方法,包括步骤1:获取待测区域的地形数据、海温数据、地表植被数据和全球再分析资料数据;步骤2:用WRF模式对待测区域进行太阳辐照模拟,得到太阳辐照度的长期数据;步骤3:依据太阳辐照度的长期数据评估待测区域的太阳能资源。与现有技术相比,本发明提供的一种基于数值天气预报数据的太阳能资源评估方法。基于数值天气预报数据对太阳能资源进行评估,不依赖观测数据,可以对没有观测数据的地方进行评估,具有很强的可操作性和推广应用价值。
Description
技术领域
本发明涉及一种太阳能资源评估方法,具体涉及一种基于数值天气预报数据的太阳能资源评估方法。
背景技术
在严峻的能源替代形势和全球气候变暖的压力下,世界各国都把开发利用可持续发展的清洁能源作为未来的能源发展战略,其中太阳能资源具有取之不尽、用之不竭;不污染环境、不破坏生态;周而复始、可以再生;分布广泛、方便使用;就地可取、不需运输等优点而成为人们关注的热点之一,各国纷纷制定宏伟的太阳能光伏发电发展目标,通过生物转换、光热转换、光电转换、光化学转化等方式利用太阳能。
太阳能资源评估可为太阳能开发规划和电网规划提供依据,通过数值模拟的手段得到更长时间和更高分辨率的太阳辐照度数据,评估区域的太阳能资源情况和分布特点,在此基础上,结合土地资源状况和当地电网条件,有助于尽早发现太阳能资源开发利用中的问题与瓶颈,以制定合理的开发利用规模与利用方案,从而确保太阳能资源开发利用的经济性与实际可操作性,确保太阳能光伏发电的健康协调发展。
发明内容
为了满足现有技术的需要,本发明提供了一种基于数值天气预报数据的太阳能资源评估方法,所述方法包括:
步骤1:获取待测区域的地形数据、海温数据、地表植被数据和全球再分析资料数据;
步骤2:用WRF模式对所述待测区域进行太阳辐照模拟,得到太阳辐照度的长期数据;
步骤3:依据所述太阳辐照度的长期数据评估待测区域的太阳能资源。
优选的,所述步骤2中太阳辐照度S的计算公式为:
其中,所述S0为大气层顶部接收到的太阳辐照度;
所述ΔSλ为波长为λ的光的辐照度Sλ在经过气柱ΔL后变化后的值;
所述λ1为太阳光的波长下限值,λ2为太阳光的波长上限值,L为光经过气柱的长度;
优选的,所述太阳辐照度S0的计算公式为:
其中,所述为太阳常数,
所述dm为日地距离订正因数;
优选的,所述辐照度ΔSλ的计算公式为:
其中,为太阳光的观测方向,θ为观测方向与垂直方向的夹角,为观测方位;
为太阳光的入射角方向,θ0为入射角方向与垂直方向的夹角,θ0为太阳光方位;
z为大气层高度,为z高度层一次反射或散射后光的观测方向,θ'为观测方向与垂直方向的夹角,为观测方位:
z'为反射光或散射光的大气层高度;
kex,λ为波长λ的光经过大气层的衰减系数;
ΔL为气柱长度变化,ΔL=Δz/cosθ,Δz为每层大气的厚度;
πFλ,0为大气外界单色太阳光的辐照度;
Bλ[T(z)]为普朗克函数;
优选的,所述步骤3中依据评估待测区域的太阳能资源,包括计算太阳总辐射量、评估太阳能丰富程度和评估太阳能资源稳定度;
所述太阳总辐射量的计算公式为:
其中,所述Si为第i时刻的太阳辐照度;
所述Δt为WRF模式输出数据的时间分辨率,单位为小时;
所述N为用WRF模式的进行太阳辐照模拟的时间长度,单位为年;
优选的,评估太阳能丰富程度包括:
若Q≥1750kW·h或者Q≥6300MJ,则太阳能丰富程度为资源最丰富;
若1400kW·h≤Q<1750kW·h或者5040MJ≤Q<6300MJ,则太阳能丰富程度为资源很丰富;
若1050kW·h≤Q<1400kW·h或者3780MJ≤Q<5040MJ,则太阳能丰富程度为资源丰富;
若Q<1050kW·h或者Q<3780MJ,则太阳能丰富程度为资源一般;
优选的,评估太阳能资源稳定度包括:
若太阳能资源稳定度指数k<2,则太阳能资源稳定度为稳定;
若2≤k≤4,则太阳能资源稳定度为较稳定;
若k>4,则太阳能资源稳定度为不稳定;
优选的,所述太阳能资源稳定度指数k的计算公式为:
其中,所述N为用WRF模式的进行太阳辐照模拟的时间长度,单位为年;
所述Day1,j,Day2,j,Day3,j,...,Day12,j分别为第j年中1~12月每个月中日照小时数H大于6小时的天数,单位为天;
所述日照小时数H的计算公式为:
H=m×Δt (7)
其中,所述m为一天的1~24小时内太阳辐照度S>120W/m2的频数;
所述Δt为WRF模式输出数据的时间分辨率,单位为小时。
与最接近的现有技术相比,本发明的优异效果是:
1、本发明提供的一种基于数值天气预报数据的太阳能资源评估方法,利用数值天气预报模式对再分析资料进行降尺度得到的太阳辐照度数据,与气象站的太阳辐照度观测数据相比,时间长度更长,分辨率更高,可以准确的反应地形对太阳能辐照度的影响,同时减少太阳辐照度年际变化对太阳能资源评估造成不确定性影响,从而可以客观、准确的评估太阳能的气候资源状况;
2、本发明提供的一种基于数值天气预报数据的太阳能资源评估方法,基于数值天气预报数据对太阳能资源进行评估,不依赖观测数据,可以对没有观测数据的地方进行评估,具有很强的可操作性和推广应用价值。
附图说明
下面结合附图对本发明进一步说明。
图1:本发明实施例中一种基于数值天气预报数据的太阳能资源评估方法流程图;
图2:本发明实施例中大气对太阳辐射的吸收谱;
图3:本发明实施例中大气分层示意图;
图4:本发明实施例中每层大气中的太阳辐射传输示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
如图1所示,本发明提供的一种基于数值天气预报数据的太阳能资源评估方法包括数据准备、数值模拟和数据分析三部分,其具体步骤为:
一、获取待测区域的地形数据、海温数据、地表植被数据和全球再分析资料数据。
本实施例中全球再分析资料数据用NCEP的1°×1°的FNL(Final)再分析资料,该资料由GFS(Global Forecast System)模式同化了来自世界气象组织WMO(World MeteorologicalOrganization)的全球电信系统GTS(Global Telecommunications System)的大量观测数据得到,所以准确度较高,可用来做气候分析。
二、用WRF(Weather Research and Forecast)模式对待测区域进行太阳辐照模拟,得到太阳辐照度的长期数据。
将上述地形数据、海温数据、地表植被数据和全球再分析资料数据输入WRF模式的前处理模块WPS(WRF Preprocessing System)进行插值预处理,再放入建立好的WRF模式中进行长期辐照度数据模拟,得到太阳辐照度的长期数据。
1、到达地面的太阳辐照度S的计算公式为:
其中,S0为大气层顶部接收到的太阳辐照度;ΔSλ为波长为λ的光的辐照度Sλ在经过气柱ΔL后变化后的值;λ1为太阳光的波长下限值,λ2为太阳光的波长上限值,L为光经过气柱的长度;
对dL积分是计算太阳辐射从大气层顶积分到地面的衰减,对dλ积分是计算各个单色辐照度衰减量的总和,波长从λ1到λ2是可用太阳能发电的短波波段。
2、大气层顶太阳辐照度S0的计算公式为:
其中,为太阳常数,dm为是平均日地距离与日地距离的比值,称为日地距离订正因数,也称地球轨道偏心率订正因子。
3、太阳辐射在大气中传输时,由于大气分子、气溶胶、云的吸收和散射,造成衰减,如图2所示大气分子对太阳辐射的吸收谱。WRF模式中根据地形追随坐标把实际大气分成若干层,如图3所示,通过逐层求解大气辐射传输方程得到计地面辐照度。在每一层大气中假定大气水平方向均匀分布。
其中,如图4所示,为太阳光的观测方向,θ为观测方向与垂直方向的夹角,为观测方位;为太阳光的入射角方向,θ0为入射角方向与垂直方向的夹角,θ0为太阳光方位,则辐照度ΔSλ的计算公式为:
其中,z为大气层高度,为z高度层一次反射或散射后光的观测方向,θ'观测方向与垂直方向的夹角,为观测方位:z'反射光或散射光的大气层高度;kex,λ为波长λ的光经过大气层的衰减系数,ΔL为气柱长度变化,ΔL=Δz/cosθ,Δz为每层大气的厚度;πFλ,0为大气外界单色太阳光的辐照度;Bλ[T(z)]为普朗克函数。
②:指的是太阳辐照度S经过气柱ΔL的衰减值。
指的是第一次散射的增量,为平面分层大气中太阳直射辐射从大气上界到达z'高度大气分层时的衰减,βλ为衰减函数。
③:指的是多次散射的增量,为各个方向到达气柱ΔL的单射光。
④:Bλ[T(z)]kex,λΔL指的是热辐射。
三、依据太阳辐照度的长期数据评估待测区域的太阳能资源。
对模式模拟数据进行统计分析,得到地区多年太阳能资源的平均状况对待测区域的太阳能资源进行评估,主要包含年太阳总辐射量、太阳能丰富程度评估、太阳能资源稳定度评估。
1、太阳总辐射量的计算公式为:
其中,Si为第i时刻的太阳辐照度;Δt为WRF模式输出数据的时间分辨率,单位为小时;N为用WRF模式的进行太阳辐照模拟的时间长度,单位为年。
2、评估太阳能丰富程度包括:
若Q≥1750kW·h或者Q≥6300MJ,则太阳能丰富程度为资源最丰富;若1400kW·h≤Q<1750kW·h或者5040MJ≤Q<6300MJ,则太阳能丰富程度为资源很丰富;若1050kW·h≤Q<1400kW·h或者3780MJ≤Q<5040MJ,则太阳能丰富程度为资源丰富;若Q<1050kW·h或者Q<3780MJ,则太阳能丰富程度为资源一般。
上述太阳能丰富程度的评估标准如表1所示:
表1
3、评估太阳能资源稳定度包括:
若太阳能资源稳定度指数k<2,则太阳能资源稳定度为稳定;
若2≤k≤4,则太阳能资源稳定度为较稳定;
若k>4,则太阳能资源稳定度为不稳定。
其中,太阳能资源稳定度指数k的计算公式为:
N为用WRF模式的进行太阳辐照模拟的时间长度,单位为年;Day1,j,Day2,j,Day3,j,...,Day12,j分别为第j年中1~12月每个月中日照小时数H大于6小时的天数,单位为天;
日照小时数H的计算公式为:
H=m×Δt (7)
m为一天的1~24小时内太阳辐照度S>120W/m2的频数。
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (8)
1.一种基于数值天气预报数据的太阳能资源评估方法,其特征在于,所述方法包括:
步骤1:获取待测区域的地形数据、海温数据、地表植被数据和全球再分析资料数据;
步骤2:用WRF模式对所述待测区域进行太阳辐照模拟,得到太阳辐照度的长期数据;
步骤3:依据所述太阳辐照度的长期数据评估待测区域的太阳能资源。
2.如权利要求1所述的方法,其特征在于,所述步骤2中太阳辐照度S的计算公式为:
其中,所述S0为大气层顶部接收到的太阳辐照度;
所述ΔSλ为波长为λ的光的辐照度Sλ在经过气柱ΔL后变化后的值;
所述λ1为太阳光的波长下限值,λ2为太阳光的波长上限值,L为光经过气柱的长度。
3.如权利要求2所述的方法,其特征在于,所述太阳辐照度S0的计算公式为:
其中,所述为太阳常数,
所述dm为日地距离订正因数。
4.如权利要求2所述的方法,其特征在于,所述辐照度ΔSλ的计算公式为:
其中,为太阳光的观测方向,θ为观测方向与垂直方向的夹角,为观测方位;
为太阳光的入射角方向,θ0为入射角方向与垂直方向的夹角,θ0为太阳光方位;
z为大气层高度,为z高度层一次反射或散射后光的观测方向,θ'为观测方向与垂直方向的夹角,为观测方位:
z'为反射光或散射光的大气层高度;
kex,λ为波长λ的光经过大气层的衰减系数;
ΔL为气柱长度变化,ΔL=Δz/cosθ,Δz为每层大气的厚度;
πFλ,0为大气外界单色太阳光的辐照度;
Bλ[T(z)]为普朗克函数。
5.如权利要求1所述的方法,其特征在于,所述步骤3中依据评估待测区域的太阳能资源,包括计算太阳总辐射量、评估太阳能丰富程度和评估太阳能资源稳定度;
所述太阳总辐射量的计算公式为:
其中,所述Si为第i时刻的太阳辐照度;
所述Δt为WRF模式输出数据的时间分辨率,单位为小时;
所述N为用WRF模式的进行太阳辐照模拟的时间长度,单位为年。
6.如权利要求5所述的方法,其特征在于,评估太阳能丰富程度包括:
若Q≥1750kW·h或者Q≥6300MJ,则太阳能丰富程度为资源最丰富;
若1400kW·h≤Q<1750kW·h或者5040MJ≤Q<6300MJ,则太阳能丰富程度为资源很丰富;
若1050kW·h≤Q<1400kW·h或者3780MJ≤Q<5040MJ,则太阳能丰富程度为资源丰富;
若Q<1050kW·h或者Q<3780MJ,则太阳能丰富程度为资源一般。
7.如权利要求5所述的方法,其特征在于,评估太阳能资源稳定度包括:
若太阳能资源稳定度指数k<2,则太阳能资源稳定度为稳定;
若2≤k≤4,则太阳能资源稳定度为较稳定;
若k>4,则太阳能资源稳定度为不稳定。
8.如权利要求7所述的方法,其特征在于,所述太阳能资源稳定度指数k的计算公式为:
其中,所述N为用WRF模式的进行太阳辐照模拟的时间长度,单位为年;
所述Day1,j,Day2,j,Day3,j,...,Day12,j分别为第j年中1~12月每个月中日照小时数H大于6小时的天数,单位为天;
所述日照小时数H的计算公式为:
H=m×Δt (7)
其中,所述m为一天的1~24小时内太阳辐照度S>120W/m2的频数;
所述Δt为WRF模式输出数据的时间分辨率,单位为小时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510131430.1A CN106156453B (zh) | 2015-03-24 | 2015-03-24 | 一种基于数值天气预报数据的太阳能资源评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510131430.1A CN106156453B (zh) | 2015-03-24 | 2015-03-24 | 一种基于数值天气预报数据的太阳能资源评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106156453A true CN106156453A (zh) | 2016-11-23 |
CN106156453B CN106156453B (zh) | 2020-01-03 |
Family
ID=57339513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510131430.1A Active CN106156453B (zh) | 2015-03-24 | 2015-03-24 | 一种基于数值天气预报数据的太阳能资源评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156453B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111008448A (zh) * | 2018-10-08 | 2020-04-14 | 中国电力科学研究院有限公司 | 一种太阳能资源到功率的转化方法及装置 |
CN114004507A (zh) * | 2021-11-03 | 2022-02-01 | 中国电力工程顾问集团西北电力设计院有限公司 | 太阳能热发电的太阳能资源评价方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101451884A (zh) * | 2007-12-04 | 2009-06-10 | 北京卫星环境工程研究所 | 空间环境模拟用远紫外源辐照度的间接测量方法 |
CN103761578A (zh) * | 2013-12-25 | 2014-04-30 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
CN104156776A (zh) * | 2014-04-23 | 2014-11-19 | 国家电网公司 | 一种太阳能资源评估方法 |
-
2015
- 2015-03-24 CN CN201510131430.1A patent/CN106156453B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101451884A (zh) * | 2007-12-04 | 2009-06-10 | 北京卫星环境工程研究所 | 空间环境模拟用远紫外源辐照度的间接测量方法 |
CN103761578A (zh) * | 2013-12-25 | 2014-04-30 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
CN104156776A (zh) * | 2014-04-23 | 2014-11-19 | 国家电网公司 | 一种太阳能资源评估方法 |
Non-Patent Citations (5)
Title |
---|
DEQIANG XUE等: "Solar Energy Resource Characteristics of Photovoltaic Power Station in Shandong Province", 《AGRICULTURAL SCIENCE & TECHNOLOGY》 * |
中国气象局政策法规司: "《气象标准汇编2008》", 30 June 2011, 气象出版社 * |
关桂霞 等: "单次散射条件下大气偏振中性点的特性研究", 《哈尔滨工程大学学报》 * |
北京大学大气物理学编写组: "《大气物理学》", 31 December 1987, 北京市昌平环球科技印刷厂 * |
郭学良: "《大气物理与人工影响天气》", 31 December 2009, 气象出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111008448A (zh) * | 2018-10-08 | 2020-04-14 | 中国电力科学研究院有限公司 | 一种太阳能资源到功率的转化方法及装置 |
CN114004507A (zh) * | 2021-11-03 | 2022-02-01 | 中国电力工程顾问集团西北电力设计院有限公司 | 太阳能热发电的太阳能资源评价方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106156453B (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Azizkhani et al. | Potential survey of photovoltaic power plants using Analytical Hierarchy Process (AHP) method in Iran | |
Millstein et al. | Regional climate consequences of large-scale cool roof and photovoltaic array deployment | |
El-Sebaii et al. | Global, direct and diffuse solar radiation on horizontal and tilted surfaces in Jeddah, Saudi Arabia | |
Loridan et al. | Characterization of energy flux partitioning in urban environments: Links with surface seasonal properties | |
Davy et al. | Interannual variability of solar energy generation in Australia | |
Villicaña-Ortiz et al. | Solar energy potential in the coastal zone of the Gulf of Mexico | |
D’Isidoro et al. | Estimation of solar and wind energy resources over Lesotho and their complementarity by means of WRF yearly simulation at high resolution | |
Ulgen et al. | Estimation of solar radiation parameters for Izmir, Turkey | |
Alsadi et al. | Correction of the ASHRAE clear-sky model parameters based on solar radiation measurements in the Arabic countries | |
CN106021934A (zh) | 一种区域可利用太阳能资源评估方法 | |
Marif et al. | A clear sky irradiation assessment using a modified Algerian solar atlas model in Adrar city | |
KR20160078920A (ko) | 목표 지점의 일사량 계산 방법 및 장치 | |
Myers et al. | Proposed reference spectral irradiance standards to improve concentrating photovoltaic system design and performance evaluation | |
CN106156453A (zh) | 一种基于数值天气预报数据的太阳能资源评估方法 | |
Belkilani et al. | Estimation and experimental evaluation of the shortfall of photovoltaic plants in Tunisia: case study of the use of titled surfaces | |
Ihaddadene et al. | New model to estimate monthly global solar radiation from air temperature in Algeria | |
Budiyanto | Study on the estimation of solar radiation: Case study: Jakarta, Indonesia | |
Hofierka et al. | Spatially distributed assessment of solar resources for energy applications in Slovakia | |
Graabak et al. | Developing a wind and solar power data model for Europe with high spatial-temporal resolution | |
Sarr et al. | Validation of Helioclim-3 irradiance with ground observations in Senegal using four typical climatic zones | |
Shakirov | Methodical approach to the estimation of possible energy production by wind and solar power plants using weather station data | |
Gilman et al. | Potential for Development of Solar and Wind Resource in Bhutan | |
Vişa et al. | QUANTITATIVE ESTIMATION OF THE SOLAR RADIATION LOSS IN BRAŞOV AREA. | |
CN106872346A (zh) | 列车表面防护涂层紫外光老化试验加速因子的计算方法 | |
El Alani et al. | Solar energy resource assessment using GHI and DNI Satellite Data for Moroccan Climate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |