305 / 2026-03-12 16:54:13

基于太阳能数值模式的FY4B-AGRI全天空资料同化及光伏功率智能预测

资料同化,能源气象

主题1 天气、气候、全球变化、行星大气 > 专题1.20 灾害性天气的资料同化与发生发展机理

光伏产业作为可再生能源领域的核心组成部分，其功率输出受周期性与随机性气象因素共同影响，精准的超短期光伏功率预测对保障电力系统安全稳定运行至关重要。在碳中和的背景下，太阳能将成为未来的主要能源之一，而云是影响太阳能预报的重要因素，太阳能的准确预报需要进行合适的云初始化。静止卫星红外辐射观测提供了丰富的云和水汽信息，在太阳能预报中能发挥重要作用，因此对FY-4B AGRI红外辐射资料进行合理的同化拥有改善太阳能预报的极大潜力。为能在云初始化中更准确的考虑云对太阳能辐照度的影响，本研究研发了针对太阳能数值模式WRF-Solar的FY-4B AGRI红外辐射资料全天空同化方案：首先基于WRF-Solar和FY-4B AGRI差异计算的云统计特征，构建了适用于AGRI红外辐射率资料有效同化的全天空观测误差模型；然后，利用该观测误差模型开发了一种云依赖的质控方法，使得背景场和观测场的云辐射率更加匹配从而有利于同化过程中云信息的正确提取；最后，将对云更加敏感AGRI窗区通道亮温作为云订正因子加入自适应变分偏差订正模型中，从而更好地订正由云过程非高斯和非线性带来的系统性偏差。基于构建的太阳能云初始化模型开展了连续多天的FY-4B AGRI全天空红外辐射率同化和太阳能辐照度预报试验，并评估了其对辐照度预报的改进作用，试验结果表明：全天空同化有效的吸收了FY-4B AGRI云区观测中的云和水凝物信息，改善了分析场亮温模拟，有效降低了多云天气下GHI的预报误差，特别是在中午时段改善效果更为明显。进一步的，基于一种混合 CNN-Transformer 与 CNN-BiLSTM的深度学习模型，采用光伏场站历史和实发的气象观测和功率实测数据，融合了气象数值模式多变量预测数据和功率智能预测模型的背景场数据，提升了多场站的光伏发电功率预测精度。本研究对于充分利用国产气象卫星数据，改进我国太阳能预报、提升我国清洁能源利用率具有较好的参考的价值，为电力系统新能源调度优化与光伏电站高效运营提供了技术支撑。