收稿日期：2021-11-30

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFE0208400）

通信作者：李 薇（1974—），女，博士、教授，主要從事氣候變化和可再生能源高效利用方面的研究。925657837@qq.com

DOI：10.19912/j.0254-0096.tynxb.2021-1469 文章編號(hào)：0254-0096（2023）05-0274-06

摘 要：基于WRF-Solar模式輸出的逐時(shí)氣象因子，針對(duì)不同天氣類型，結(jié)合逐步聚類分析方法（SCA）對(duì)逐時(shí)輻照度進(jìn)行模擬和預(yù)報(bào)。結(jié)果顯示，結(jié)合SCA訂正方法大幅減少WRF-Solar的誤差，在晴天和晴轉(zhuǎn)多云（多云轉(zhuǎn)晴）天氣類型下模擬結(jié)果較好。在陰雨天氣類型下改進(jìn)明顯，相對(duì)誤差和均方根誤差從64.03%和78.02%降至24.71%和38.02%。結(jié)果表明，結(jié)合SCA訂正方法能夠降低WRF-Solar由于天氣的隨機(jī)性及突變性引起的誤差，能很好地模擬出逐時(shí)輻照度的變化趨勢(shì)。

關(guān)鍵詞：氣象預(yù)報(bào)；逐步聚類分析方法；輻照度；WRF-Solar；氣象因子

中圖分類號(hào)：TM615 文獻(xiàn)標(biāo)志碼：A

0 引 言

碳達(dá)峰、碳中和目標(biāo)提出后，中國(guó)將大力推動(dòng)光伏發(fā)電產(chǎn)業(yè)的發(fā)展，減少火電的使用率，減少碳排放。光伏發(fā)電具備大規(guī)模應(yīng)用的條件［1］，預(yù)計(jì)在未來(lái)將會(huì)激增。為了滿足光伏發(fā)電的需求，太陽(yáng)能產(chǎn)業(yè)的供應(yīng)鏈需相應(yīng)地?cái)U(kuò)大規(guī)模，穩(wěn)定精準(zhǔn)的輻照度預(yù)報(bào)能保證光伏上網(wǎng)電量的穩(wěn)定，有利于電力系統(tǒng)部門的調(diào)度以及規(guī)劃。

在太陽(yáng)輻照度預(yù)報(bào)的研究中，目前主要采用衛(wèi)星映像、統(tǒng)計(jì)模型以及物理模型［2］，其中WRF（weather research and forecasting）模型是常用的動(dòng)力降尺度物理模型之一。一般地，天氣模式的輸出結(jié)果需使用一定的方法進(jìn)行訂正，消除誤差后才能進(jìn)一步預(yù)報(bào)。國(guó)內(nèi)外學(xué)者多采用數(shù)據(jù)同化方法、卡爾曼濾波方法、神經(jīng)網(wǎng)絡(luò)方法以及模型輸出統(tǒng)計(jì)（model output statistics，MOS）方法對(duì)WRF模式輻照度預(yù)報(bào)值進(jìn)行訂正［3］。Gentile等［4］研究意大利的輻照度時(shí)將第二代（MSG）地球同步衛(wèi)星上的紅外成像儀（SEVIRI）的輻射數(shù)據(jù)同化到WRF-Solar中，使得結(jié)果的偏差從41.62 W/m2減小到20.29 W/m2。Verbois等［5］研究新加坡逐時(shí)太陽(yáng)輻照度時(shí)，在WRF-Solar基礎(chǔ)上建立一種結(jié)合主成分分析和逐步變量選擇的多變量統(tǒng)計(jì)學(xué)習(xí)后處理方法，結(jié)果得到明顯的優(yōu)化。Diagne等［6］在研究留尼汪島逐時(shí)太陽(yáng)輻照度時(shí)采用卡爾曼濾波方法對(duì)WRF模式預(yù)報(bào)結(jié)果進(jìn)行修訂，相對(duì)均方根誤差降低了15%。Lauret等［7］以人工神經(jīng)網(wǎng)絡(luò)作為后處理技術(shù)對(duì)WRF-Solar的輸出值進(jìn)行校正，偏差得到明顯的改善。孫銀川等［8］利用模型輸出統(tǒng)計(jì)（MOS）訂正方法對(duì)WRF模擬的寧夏地區(qū)太陽(yáng)輻照度進(jìn)行訂正，訂正前后平均百分比誤差得到明顯改善。黃鶴等［9］利用TJ-WRF模型在初始場(chǎng)中同化衛(wèi)星和雷達(dá)資料研究天津地區(qū)逐時(shí)太陽(yáng)輻射，采用MOS訂正方法修訂預(yù)報(bào)結(jié)果，誤差控制在約20%。葉林［10］在研究中設(shè)定模式分辨率為9 km，采用MOS方法分天氣類型進(jìn)行訂正，晴朗天氣訂正誤差在約15%，陰雨天氣偏差較大。白永清等［11］利用WRF模式逐時(shí)預(yù)報(bào)武漢地區(qū)太陽(yáng)輻照度，采用MOS訂正方法進(jìn)行訂正，平均絕對(duì)百分比誤差保持在20%～30%。何曉鳳等［12］利用WRF模式對(duì)北京地區(qū)進(jìn)行4個(gè)月逐時(shí)太陽(yáng)輻照度預(yù)報(bào)，并比對(duì)了MOS訂正方法和雙偏訂正方法的誤差大小，發(fā)現(xiàn)雙偏訂正方法的效果略明顯。

天氣具有隨機(jī)性及突變性等特點(diǎn)，在晴朗天氣條件下，采用各種訂正方法修訂后的預(yù)報(bào)結(jié)果能達(dá)到一定的準(zhǔn)確率，但針對(duì)多云、陰雨等天氣類型時(shí)仍存在較大偏差。逐步聚類分析方法（stepwise clustering analysis，SCA）具有處理連續(xù)變量和離散變量以及預(yù)測(cè)量和預(yù)測(cè)量之間的非線性關(guān)系的特點(diǎn)，能很好地彌補(bǔ)由天氣突變導(dǎo)致的預(yù)測(cè)數(shù)據(jù)偏差較大的問(wèn)題。本文在不同天氣類型下，以WRF-Solar模式輸出的高精度氣象因子作為輸入，構(gòu)建SCA訂正模型，并應(yīng)用在云南某光伏電站中。

1 數(shù)據(jù)資料

本文采用云南某光伏電站輻照度歷史數(shù)據(jù)、FNL再分析和GFS預(yù)報(bào)數(shù)據(jù)3種資料數(shù)據(jù)。在擬合期，以FNL再分析數(shù)據(jù)驅(qū)動(dòng)WRF-Solar模型得到歷史氣象輸出因子，結(jié)合中國(guó)氣象局歷史天氣數(shù)據(jù)以及光伏電站的歷史輻照度觀測(cè)數(shù)據(jù)構(gòu)建SCA聚類模型；在預(yù)報(bào)期，以GFS預(yù)報(bào)數(shù)據(jù)驅(qū)動(dòng)WRF-Solar模型得到未來(lái)氣象輸出因子，構(gòu)建不同天氣類型下SCA聚類模型。具體數(shù)據(jù)描述為：

1）電站輻照度數(shù)據(jù)：電站（25.75°N，100.38°E）輻照度自動(dòng)采集型號(hào)為SD123-QXZ01，使用2020年3—5月份、2021年3月份輻照度逐小時(shí)觀測(cè)數(shù)據(jù)（單位： W/m2）。以2020年3—5月份歷史數(shù)據(jù)作為模型擬合期，2021年3月份數(shù)據(jù)作為預(yù)報(bào)期，每天取13個(gè)時(shí)刻（07：00—19：00）作為輻照度有效時(shí)間段，共采集1599個(gè)樣本點(diǎn)，依據(jù)界限值、時(shí)間一致性檢查等原則進(jìn)行質(zhì)量控制，完成對(duì)其中197個(gè)缺失和異常樣本的補(bǔ)充和修正。

2） FNL再分析數(shù)據(jù)：由美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心提供，空間分辨率為1°×1°，逐6 h的全球再分析資料［13］。

3） GFS預(yù)報(bào)數(shù)據(jù)：由美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心提供，時(shí)效為384 h。本文采用空間分辨為0.25°×0.25°。

2 研究方法

首先以FNL再分析數(shù)據(jù)驅(qū)動(dòng)WRF-Solar模式得到歷史氣象因子，結(jié)合歷史天氣類型數(shù)據(jù)和輻照度歷史觀測(cè)數(shù)據(jù)構(gòu)建SCA模型，再利用GFS預(yù)報(bào)數(shù)據(jù)驅(qū)動(dòng)WRF-Solar模式得到未來(lái)的氣象因子，再驅(qū)動(dòng)構(gòu)建好的SCA訂正模型，得到不同天氣類型下的預(yù)報(bào)結(jié)果。整體研究路線如圖1所示。

2.1 WRF-Solar

WRF-Solar模式是美國(guó)國(guó)家大氣研究中心（NCAR）在WRF V3.6.版本基礎(chǔ)上開(kāi)發(fā)研究的太陽(yáng)輻射預(yù)報(bào)模塊，支持同化多種衛(wèi)星、地面輻射觀測(cè)數(shù)據(jù)。WRF-Solar模式與WRF模式相比，具有以下特點(diǎn)：1）WRF-Solar模式針對(duì)光伏發(fā)電增加了直接輻射、散射輻射、5 min的地表總輻射輸出；2）充分考慮了氣溶膠與輻射的反饋機(jī)制、云與輻射的反饋機(jī)制以及氣溶膠與云的反饋機(jī)制；3）考慮了云的反照率參數(shù)，優(yōu)化了云物理過(guò)程對(duì)短波輻射的反饋［14-15］。

2.2 SCA訂正方法

逐步聚類分析方法（SCA）是一種運(yùn)用自動(dòng)變量迭代的算法。根據(jù)Wilks準(zhǔn)則對(duì)給定的樣本進(jìn)行分割和合并，使所有的樣本進(jìn)入相應(yīng)的類中。SCA整個(gè)或部分訓(xùn)練集是一個(gè)集群（[α]），包括[αn]樣本、[m]個(gè)自變量（X）、一個(gè)因變量（Y）。集群[α]可分成兩個(gè)子集群β和γ（[nβ]，[nγ]）。根據(jù)Wilks準(zhǔn)則，只有當(dāng)Wilks的[Λ]值最小時(shí)，切割點(diǎn)才是最優(yōu)的。在Wilks準(zhǔn)則上，[Λ]值越小，[β]和[γ]的樣本均值差越大。

[Λ=EE+H] （1）

式中：[E]、[H]——組內(nèi)和組之間平方和和交叉乘積矩陣。由于Λ與F統(tǒng)計(jì)量直接相關(guān)，兩個(gè)子集群的樣本均值可通過(guò)F檢驗(yàn)進(jìn)行顯著差異的評(píng)估。因此，切割（或合并）簇的標(biāo)準(zhǔn)被轉(zhuǎn)化為進(jìn)行一組F檢驗(yàn)。

[Fd，nβ+nγ-d-1=1-ΛΛ×nβ+nγ-d-1d] （2）

從集群α衍生的所有子集群將進(jìn)入一組切割（或合并）過(guò)程的迭代運(yùn)行，直到所有進(jìn)一步切割（或合并）操作的假設(shè)被拒絕或每個(gè)簇中的最小樣本數(shù)被滿足。完成所有計(jì)算和測(cè)試之后，就可生成一個(gè)SCA樹(shù)，表明訓(xùn)練已經(jīng)結(jié)束。該方法能有效處理自變量和因變量之間復(fù)雜的非線性關(guān)系，并能處理連續(xù)及離散型隨機(jī)變量［16］。SCA訂正方法基于2020年3—5月份WRF-Solar模式輸出的歷史氣象因子、中國(guó)氣象局歷史天氣類型數(shù)據(jù)和同期云南某光伏電站歷史輻照度之間的統(tǒng)計(jì)關(guān)系，通過(guò)尺度轉(zhuǎn)換對(duì)模擬區(qū)域未來(lái)WRF-Solar輸出數(shù)據(jù)進(jìn)行訂正［17］。

2.3 實(shí)驗(yàn)設(shè)計(jì)

以云南某光伏電站為研究對(duì)象，采用雙層嵌套（如圖2），分辨率分別為3、1 km，格點(diǎn)數(shù)量約2500個(gè)，設(shè)定WRF-solar模式的主要參數(shù)見(jiàn)表1［18-19］。

在WRF-Solar模式中使用短波輻射通量（SWDOWN）作為光伏發(fā)電所需要的輻照度。由于輻照度受到氣溶膠、云量、環(huán)境溫濕度以及降雨降雪等因素的影響，WRF-Solar輸出因子中2 m比濕（Q2）、表面氣壓（PSFC）、地面2 m溫度（T2）和地表溫度（TSK）在一定程度上能反映當(dāng)時(shí)的空氣溫濕度狀況。而地面10 m風(fēng)場(chǎng)的經(jīng)向分量（V10）、緯向分量（U10）會(huì)影響當(dāng)時(shí)天氣的云團(tuán)分布，因此選定上述7個(gè)氣象要素作為輻照度的影響因子［20］。

2.4 驗(yàn)證方法

對(duì)試驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)，選定平均絕對(duì)百分比誤差（EMAP）、相對(duì)均方根誤差（ERMSE）進(jìn)行誤差分析。EMAP和ERMSE越小表示預(yù)報(bào)值和觀測(cè)值之間的差異越小，預(yù)測(cè)的準(zhǔn)確性越高。

[EMAP=1Ni=1NPif-Pio1Ni=1NPio×100%] （3）

[ERMSE=1Ni=1NPif-Pio21Ni=1NPio×100%] （4）

式中：N——時(shí)間序列長(zhǎng)度；i——第i時(shí)刻；[Pif]——第i小時(shí)預(yù)報(bào)值；[Pio]——第i小時(shí)觀測(cè)值。

3 結(jié)果分析

3.1 逐時(shí)太陽(yáng)輻照度預(yù)報(bào)結(jié)果分析

圖3為光伏電站逐時(shí)太陽(yáng)輻照度觀測(cè)序列及模擬序列，通過(guò)對(duì)圖分析可知擬合期及預(yù)報(bào)期的結(jié)果與實(shí)測(cè)值較吻合，預(yù)報(bào)期出現(xiàn)一定程度波動(dòng)。整個(gè)擬合期的EMAP約為9.39%，ERMSE約為19.72%（表2）。預(yù)報(bào)期中EMAP約為14.55%，ERMSE約為23.47%，能夠?yàn)楣夥娬咎峁┹^準(zhǔn)確的輻照度預(yù)報(bào)。

3.2 不同天氣類型下逐時(shí)太陽(yáng)輻照度預(yù)報(bào)結(jié)果分析

由表3可知，WRF-Solar模式直接輸出的預(yù)報(bào)輻照度和觀測(cè)輻照度存在較大偏差。采用SCA逐步聚類方法進(jìn)行訂正，EMAP訂正前后晴天為16.00%和11.91%，晴轉(zhuǎn)多云天氣為33.33%和14.13%，預(yù)測(cè)效果明顯提高。尤其陰雨天氣經(jīng)過(guò)訂正處理后，EMAP和ERMSE從64.03%和78.02%降至24.71%和38.02%。經(jīng)過(guò)SCA逐步聚類方法訂正過(guò)的結(jié)果，在晴轉(zhuǎn)多云（多云轉(zhuǎn)晴）和陰雨天氣下，其相對(duì)誤差和相對(duì)均方根誤差有明顯的降低。

由圖4可知，在晴天情況下，SCA的模擬值和實(shí)測(cè)值的吻合程度優(yōu)于WRF-Solar輻照度的直接輸出結(jié)果，雖然后者多數(shù)情況下能模擬出晴天輻照度的變化趨勢(shì)，但經(jīng)過(guò)SCA逐步聚類訂正后的數(shù)據(jù)能更準(zhǔn)確模擬出輻照度的波峰。SCA模擬值和實(shí)測(cè)值的偏差多數(shù)出現(xiàn)在中午時(shí)間段。在13～61樣本數(shù)之間共有4個(gè)輻照度主要波峰（中午），在13～40樣本數(shù)之間有4個(gè)小的波峰。在第13樣本點(diǎn)SCA的模擬值明顯優(yōu)于WRF-Solar的模擬值，在第33和47樣本數(shù)時(shí)WRF-Solar的模擬值比SCA的模擬值略好，在第61樣本點(diǎn)時(shí)兩個(gè)模擬峰值和實(shí)測(cè)值之間的偏差相近。在13～40樣本數(shù)之間4個(gè)小的波峰中WRF-Solar的模擬值未出現(xiàn)波動(dòng)，SCA的模擬值真實(shí)模擬出了輻照度的變化規(guī)律。從整體上看，在波峰模擬下，SCA的結(jié)果優(yōu)于WRF-Solar，兩種模型的平均誤差分別為129.803、134.075 W/m2。一些特殊時(shí)間段，如在第99樣本點(diǎn)，實(shí)測(cè)值曲線出現(xiàn)明顯的向下波動(dòng)，原因是該時(shí)刻的真實(shí)風(fēng)速出現(xiàn)大幅波動(dòng)，一定程度上影響了云、霧霾的運(yùn)動(dòng)軌跡［20］，遮蔽了太陽(yáng)的照射，而WRF-Solar和SCA均未較好模擬出這種復(fù)雜條件下的輻照度。

從圖5可知，在晴轉(zhuǎn)多云的天氣情況下，SCA方法也能較大改善WRF-Solar的直接輸出結(jié)果。經(jīng)過(guò)SCA訂正后的數(shù)據(jù)能很好地預(yù)報(bào)出輻照度的變化規(guī)律以及輻照度波峰出現(xiàn)情況，WRF-Solar結(jié)果在第18樣本點(diǎn)的輻照度預(yù)報(bào)結(jié)果和實(shí)測(cè)值之間出現(xiàn)很大偏差，通過(guò)分析光伏電站的歷史氣象數(shù)據(jù)可知，這兩天的相對(duì)濕度、風(fēng)速異常，可能造成了階段性的波動(dòng)。

從圖6可知，在陰雨天氣情況下，SCA模擬值明顯優(yōu)于WRF-Solar的直接輸出值，雖然也出現(xiàn)了較大波動(dòng)，但仍能模擬出輻照度峰值的出現(xiàn)規(guī)律以及突變情況。WRF-Solar模式的直接輸出值和實(shí)測(cè)值之間的偏差較大，無(wú)論是在輻照度變化周期還是峰值波動(dòng)方面均未能模擬出輻照度的變化規(guī)律。

4 結(jié)論與討論

利用WRF-Solar模式結(jié)合SCA逐步聚類訂正方法，建立云南某光伏電站逐時(shí)太陽(yáng)輻照度預(yù)報(bào)模型，分析該模型在不同天氣類型下預(yù)報(bào)的準(zhǔn)確性。結(jié)果表明模型能較好地模擬出該電站小時(shí)輻照度的變化趨勢(shì)，其中對(duì)晴天和晴轉(zhuǎn)多云（多云轉(zhuǎn)晴）天氣的模擬效果最好。模型也可在陰雨天氣下較好模擬出輻照度的變化趨勢(shì)，尤其通過(guò)SCA方法訂正后，誤差大幅減少。由于模式預(yù)報(bào)值是1 km2網(wǎng)格的平均值，實(shí)測(cè)值是觀測(cè)儀器所在點(diǎn)位的數(shù)值，在云量不均勻分布的情況下，兩者之間具有較大差異，這可能是造成非晴天條件下誤差較大的原因之一。此外，未來(lái)將研究在預(yù)報(bào)模型中加入氣溶膠和云相關(guān)的參數(shù)，這樣可能會(huì)更真實(shí)地模擬出實(shí)際天氣情況，從而進(jìn)一步提高非晴天輻照度的模擬效果。

［參考文獻(xiàn)］

［1］ 盧奇秀. 光伏產(chǎn)業(yè)發(fā)展持續(xù)承壓［N］. 中國(guó)能源報(bào)， 2021-09-20.

LU Q X. The development of photovoltaic industry continues to be under pressure［N］. China Energy News， 2021-09-20.

［2］ RAZAGUI A， ABDELADIM K， BOUCHOUICHA K， et al. A new approach to forecast solar irradiances using WRF and" "libRadtran" "models，" "validated" "with" "MERRA-2 reanalysis" "data" "and" "pyranometer" "measures［J］." "Solar energy， 2021， 221： 148-161.

［3］ CHINTA" S，" BALAJI C." Calibration" of" WRF" model parameters using multiobjective adaptive surrogate model-based optimization to improve the prediction of the Indian summer monsoon［J］. Climate dynamics， 2020， 55（3-4）： 631-650.

［4］ GENTILE S， DI PAOLA F， CIMINI D， et al. 3D-VAR data assimilation of SEVIRI radiances for the prediction of solar irradiance in Italy using WRF solar mesoscale model： preliminary results［J］. Remote sensing， 2020， 12（6）： 920.

［5］ VERBOIS H， HUVA R， RUSYDI A， et al. Solar irradiance forecasting in the tropics using numerical weather" prediction" and" statistical" learning［J］." Solar energy， 2018， 162： 265-277.

［6］ DIAGNE M， DAVID M， BOLAND J， et al. Post-processing of solar irradiance forecasts from WRF model at Reunion Island［J］. Solar energy， 2014， 105： 99-108.

［7］ LAURET P， DIAGNE M， DAVID M. A neural network post-processing" "approach" "to" "improving" "NWP" "solar radiation forecasts［J］. Energy procedia， 2014， 57： 1044-1052.

［8］ 孫銀川， 白永清， 左河疆. 寧夏本地化WRF輻射預(yù)報(bào)訂正及光伏發(fā)電功率預(yù)測(cè)方法初探［J］. 中國(guó)沙漠， 2012， 32（6）： 1738-1742.

SUN Y C， BAI Y Q， ZUO H J. Correction of solar radiation forecast and photovoltaic power prediction in Ningxia by localization WRF model［J］. Journal of desert research， 2012， 32（6）： 1738-1742.

［9］ 黃鶴， 王佳， 劉愛(ài)霞， 等. TJ-WRF逐時(shí)地面太陽(yáng)輻射的預(yù)報(bào)訂正［J］. 高原氣象， 2015， 34（5）： 1445-1451.

HUANG H， WANG J， LIU A X， et al. Correction on forecasting of hourly surface solar radiation based on TJ-WRF model［J］. Plateau meteorology， 2015， 34（5）： 1445-1451.

［10］ 葉林. 基于WRF模式輸出的光伏發(fā)電量預(yù)測(cè)研究［D］. 銀川： 寧夏大學(xué)， 2018.

YE L. Power forecasting model for photocoltaic plants generation" based" "on" "the" "output" "of" "WRF" "mode［J］. Yinchuan： Ningxia University， 2018.

［11］ 白永清， 陳正洪， 王明歡， 等. 基于WRF模式輸出統(tǒng)計(jì)的逐時(shí)太陽(yáng)總輻射預(yù)報(bào)初探［J］. 大氣科學(xué)學(xué)報(bào)， 2011， 34（3）： 363-369.

BAI Y Q， CHEN Z H， WANG M H， et al. Preliminary research on prediction of hourly solar radiation based on WRF" " model" " output" " statistics［J］." " Transactions" " of atmospheric sciences， 2011， 34（3）： 363-369.

［12］ 何曉鳳， 周榮衛(wèi)， 申彥波， 等. 基于WRF模式的太陽(yáng)輻射預(yù)報(bào)初步試驗(yàn)研究［J］. 高原氣象， 2015， 34（2）： 463-469.

HE X F， ZHOU R W， SHEN Y B， et al. Preliminary study on solar radiation forecasting with WRF model［J］. Plateau meteorology， 2015， 34（2）： 463-469.

［13］ 鄧偉， 陳海波， 馬振升， 等. NCEP FNL全球分析資料的解碼及其圖形顯示［J］. 氣象與環(huán)境科學(xué)， 2009， 32（3）： 78-82.

DENG W， CHEN H B， MA Z S， et al. Decoding and graphic display of the NCEP FNL global analysis data［J］. Meteorological and environmental sciences， 2009， 32（3）： 78-82.

［14］ 趙志遠(yuǎn)， 劉丹， 郭煒， 等. 氣溶膠光學(xué)厚度對(duì)輻照度預(yù)報(bào)的影響［J］. 太陽(yáng)能， 2018（11）： 52-59.

ZHAO Z Y， LIU D， GUO W， et al. Influence of aerosol optical" "thickness" "on" "irradiance" "prediction［J］." "Solar energy， 2018（11）： 52-59.

［15］ YANG J， KIM J H， JIMéNEZ P A， et al. An efficient method to identify uncertainties of WRF-Solar variables in forecasting solar irradiance using a tangent linear sensitivity analysis［J］. Solar energy， 2021， 220： 509-522.

［16］ 常淳， 馮平， 孫冬梅， 等. 基于逐步聚類分析的水庫(kù)浮游藻類生長(zhǎng)預(yù)測(cè)［J］. 中國(guó)環(huán)境科學(xué)， 2015， 35（9）： 2805-2812.

CHANG C， FENG P， SUN D M， et al. Prediction of the alga growth in a reservoir based on the stepwise cluster analysis［J］." China" environmental" science，" 2015，" 35（9）： 2805-2812.

［17］ 杜月文. 基于逐步聚類分析的山東省未來(lái)溫度變化預(yù)測(cè)［D］. 北京： 華北電力大學(xué)， 2018.

DU Y W. Prediction of future temperature changes in Shandong， China through a stepwise cluster analysis approach［D］." "Beijing：" "North" "China" "Electric" "Power University， 2018.

［18］ GUEYMARD C， JIMENEZ P A. Validation of real-time solar irradiance simulations over Kuwait using WRF-solar［C］//12th International Conference on Solar Energy for Buildings and Industry， EuroSun2018， Rapperswil， Switzerland， 2018.

［19］ 胡向軍， 陶健紅， 鄭飛， 等. WRF模式物理過(guò)程參數(shù)化方案簡(jiǎn)介［J］. 甘肅科技， 2008， 24（20）： 73-75.

HU X J， TAO J H， ZHENG F， et al. Introduction to parameterization scheme of WRF model physical process［J］. Gansu science and technology， 2008， 24（20）： 73-75.

［20］ 徐華. 中國(guó)太陽(yáng)輻射區(qū)域影響因子研究［D］. 青島： 中國(guó)海洋大學(xué)， 2013.

XU H. The study of impact factors of solar radiation in paticular" " "areas" " "of" " "China［D］." " Qingdao：" " "Ocean" University of China， 2013.

RESEARCH ON SHORT-TERM IRRADIANCE PREDICTION BASED ON WRF-SOLAR MODEL AND SCA CORRECTION

Shang Yongpeng1，Guo Junhong1，Song Yu1，Liu Wenjiao1，Ma Wenjing2，Li Wei1

（1. School of Environmental Science and Engineering， North China Electric Power University， Beijing 102200， China；

2. National Energy Group Technical and Economic Research Institute， Beijing 102200， China）

Abstract：In this paper， combined with coupled stepwise clustering analysis （SCA）， the real time irradiance of different weather types was simulated and predicted based on the hourly weather factor output from the WRF-Solar model. It is indicated that the combination of the SCA revised coupling model greatly reduces the error of WRF-Solar， and the simulation results are better on sunny days and sunny to cloudy days （cloudy to sunny days）. The improvement is particularly obvious in rainy weather， with the relative error reduced from 64.03% to 24.71% and the root mean square error reduced from 78.02% to 38.02%. It suggests that the coupled model combined with the SCA revision method can reduce the error of WRF-Solar caused by the randomness and mutation of weather， and can simulate the trend of hourly irradiance magnificently.

Keywords：weather forecast； stepwise cluster analysis； irradiance； WRF-Solar； meteorological factor