收稿日期：2021-12-29

基金項目：國家重點研發(fā)計劃（2018YFA0605703）

通信作者：李熙晨（1983—），男，博士、研究員，主要從事地球氣候系統(tǒng)模擬、海氣相互作用方面的研究。lixichen@mail.iap.ac.cn

DOI：10.19912/j.0254-0096.tynxb.2021-1604 文章編號：0254-0096（2023）05-0280-06

摘 要：利用中國40個地面臺站觀測資料對ERA5再分析資料太陽能資源要素進行誤差評估，結果表明：ERA5資料與臺站資料的地表月水平面總輻射回歸方程可決系數(shù)為0.999。ERA5資料與各臺站資料均方根誤差最大值為8.7 MJ/m2，平均值為4.9 MJ/m2；相對均方根誤差最大值為2.4%，平均值為1.0%。ERA5資料與各臺站資料年際變化誤差最大值為19 MJ/m2，平均值為3 MJ/m2；百分比年際變化誤差最大值為0.5%，平均值為0.1%。ERA5資料與臺站資料穩(wěn)定度誤差最大值為0.013，平均值為0.003；百分比誤差最大值為2.9%，平均值為0.8%。ERA5資料與臺站資料具有較好的一致性，應用于中國太陽能資源評估是可行的。

關鍵詞：太陽能；太陽輻射；太陽能資源；ERA5；年際變化；穩(wěn)定度

中圖分類號：TK81；TM614 " " " 文獻標志碼：A

0 引 言

太陽能是清潔、無污染的可再生能源，是應對能源短缺、氣候變化與節(jié)能減排的重要選擇之一［1］。中國的太陽能資源極其豐富，其總量約為4萬億kW［2］。近年來，中國太陽能產業(yè)快速發(fā)展，截止2021年底，中國并網(wǎng)太陽能發(fā)電裝機容量已達3.06億kW［3］。根據(jù)中國“2030碳達峰、2060碳中和”遠景目標，2030年風電、太陽能發(fā)電的總裝機容量將達到12億kW以上［4］，發(fā)展前景廣闊。

太陽能資源評估是太陽能電站選址、發(fā)電量測算以及工程經(jīng)濟性評價的重要內容和依據(jù)。由于受到天文因子（日地距離、太陽赤緯等）、地理因子（經(jīng)緯度、海拔高度等）、物理因子（大氣消光、含水量等）、氣象因子（天空云量、能見度等）等多種因素影響［5］，到達地面的太陽輻射特性是較復雜的。傳統(tǒng)的技術手段主要是依靠地面氣象臺站的長期觀測資料來開展太陽能資源評估［6］，而中國太陽輻射測站的數(shù)量較少，且地理分布不均勻，對于無測站的地區(qū)需要自行設立設備開展觀測。

近年來，國內外學者開始利用衛(wèi)星遙感資料、數(shù)值模擬資料等［7-8］來開展太陽能資源評估。上述資料具有地表覆蓋面積大、空間范圍廣等優(yōu)點，可有效彌補地面臺站資料的不足。歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）于2017年發(fā)布了目前為止時空分辨率最高的全球再分析資料ERA5［9］，目前，尚鮮見利用ERA5資料開展中國地區(qū)太陽能資源評估研究。本文將利用收集到的臺站觀測資料對ERA5再分析資料在中國地區(qū)的地表水平面總輻射要素進行誤差評估，期望科學利用高分辨率再分析資料提高太陽能資源評估的效率和精度，以期為中國的太陽能開發(fā)利用工作提供科技支撐。

1 資料及方法

1.1 ERA5資料簡介

ERA5是ECMWF開發(fā)的第5代再分析產品，其提供了全球尺度上的大量大氣、陸地和海洋數(shù)據(jù)。ERA5將更多的歷史觀測數(shù)據(jù)包括衛(wèi)星數(shù)據(jù)，利用到先進的數(shù)據(jù)同化和模式系統(tǒng)中，用以估計更準確的大氣狀況，且預報的精度高于其前身ERA-Interim。ERA5資料的空間分辨率為0.25°經(jīng)緯度（約9 km），時間分辨率為1 h，時間范圍是1979年至今。ERA5資料提供的要素數(shù)目非常多，其中包括地面2 m高度溫度和相對濕度、海平面氣壓、地面10 m高度風速等地面要素、地面輻射以及溫度、相對濕度、位勢高度、風場等高空要素。

為了挖掘ERA5資料在中國太陽能資源評估中的價值，根據(jù)中國《太陽能資源評估方法》［10］要求，本文選取的資料要素應包括地表水平面總輻射，時間長度為最近10年以上，并至少應為逐月數(shù)據(jù)，據(jù)此，本文選取ERA5資料的2011—2020年共10 a的地表水平面總輻射逐月數(shù)據(jù)用于研究。圖1給出了ERA5資料2011—2020年地表平均水平面總輻射分布圖，可看到全球地表年水平面總輻射主要集中在2000～10000 MJ/m2之間，且總體上低緯度地區(qū)的輻射量大，而高緯度地區(qū)的輻射量小。

1.2 臺站資料簡介

為檢驗ERA5資料的可信度，本文收集了中國40個地面臺站的地表水平面總輻射觀測資料，來源為中國氣象局氣象數(shù)據(jù)中心（http：//data.cma.cn/）。所采用資料的時間段為2011—2020年，時間分辨率為逐月。圖2為臺站地理位置分布圖，基本覆蓋了中國各代表性區(qū)域。

1.3 方法介紹

利用收集到的臺站觀測資料對ERA5再分析資料的地表水平面總輻射開展誤差評估，采用一元一次回歸方程線性擬合的方法，并計算出可決系數(shù)[R2]（coefficient of determination），該指標反映自變量對因變量的可解釋比例，如式（1）和式（2）所示。

[G′=aG+b] （1）

[R2=1-i=1NGi-Gi′2i=1NGi-G2] （2）

式中：[G、][G′]——臺站資料和ERA5資料的地表水平面總輻射，MJ/m2；[a、][b]—— 一元一次回歸方程的斜率和截距，截距單位：MJ/m2，本文采用最小二乘法估計[a]和[b]；[N]——統(tǒng)計周期內記錄總數(shù)；[Gi、][Gi′]——第[i]個記錄的臺站資料和ERA5資料的地表水平面總輻射，MJ/m2；[G]——統(tǒng)計周期內臺站資料的地表水平面總輻射平均值，MJ/m2。

計算ERA5資料的地表水平面總輻射的均方根誤差（root mean square error， RMSE）和相對均方根誤差（relative root mean square error， RRMSE），分別用[S]和[Sr]表示，表達式見式（3）和式（4）。

[S=1Ni=1N（Gi′-Gi）2] （3）

[Sr=1Ni=1N（Gi′-Gi）2G×100%] （4）

根據(jù)文獻［10］的要求，不僅要對太陽能資源的總量進行評估，且需對太陽能資源的時間變化特征進行分析。本文分別采用標準差和相對標準差來衡量地表年水平面總輻射的年際變化（inter-annual variability， IV）和百分比年際變化（percentage inter-annual variability， PIV），具體如式（5）～式（8）所示。

[I=1Ni=1N（Gi-G）2] （5）

[Ir=1Ni=1N（Gi-G）2G×100%] （6）

[I′=1Ni=1N（Gi′-G′）2] （7）

[Ir′=1Ni=1N（Gi′-G′）2G′×100%] （8）

式中：[I、][Ir]——臺站資料的地表水平面總輻射年際變化以及百分比年際變化，MJ/m2；[I′、][Ir′]——ERA5資料的地表水平面總輻射年際變化和百分比年際變化，MJ/m2；[G′]——統(tǒng)計周期內ERA5資料的地表水平面總輻射平均值，MJ/m2。

進一步地，本文對太陽能資源的年內變化采用地表水平面總輻射的穩(wěn)定度（stability）指標，如式（9）和式（10）所示。

[Vs=min（Gi）max（Gi）] （9）

[Vs′=min（Gi′）max（Gi′）] （10）

式中：[Vs、][Vs′]——臺站資料和ERA5資料的地表水平面總輻射穩(wěn)定度；[min（Gi）、][max（Gi）]——臺站資料年內各月平均日地表水平面總輻射的最小值和最大值，MJ/m2；[min（Gi′）、][max（Gi′）]——ERA5資料年內各月平均日地表水平面總輻射的最小值和最大值，MJ/m2。

2 年水平面總輻射的誤差評估

首先將ERA5資料與中國40個地面臺站資料在2011—2020年的地表年水平面總輻射進行對比，見圖3。ERA5資料與地面臺站觀測資料兩者在全區(qū)間范圍均具有較高的一致性。線性擬合回歸方程的斜率[a]和截距[b]分別為1.005和[-6.063] MJ/m2，可決系數(shù)[R2]為0.999，自變量對因變量的可解釋比例較好。

圖4為ERA5資料與各臺站資料的地表年水平面總輻射的均方根誤差和相對均方根誤差?？梢奅RA5資料要素的誤差較小，ERA5資料與各臺站資料均方根誤差的最小值

為6 MJ/m2（臺站35，杭州），最大值為81 MJ/m2（臺站5，和田），平均值為33 MJ/m2；相對均方根誤差的最小值為0.1%（臺站35，杭州），最大值為1.5%（臺站31，貴陽），所有臺站相對均方根誤差的平均值為0.6%。

3 月水平面總輻射的誤差評估

將ERA5資料與臺站資料在2011—2020年的地表月水平面總輻射進行對比，見圖5。其中回歸方程的斜率[a]和截距[b]分別為0.999和2.209 MJ/m2，回歸方程的可決系數(shù)[R2]為0.999，自變量對因變量的可解釋比例較好?？傮w上，ERA5資料與地面臺站觀測資料在全區(qū)間范圍均具有較高的一致性。

圖6為ERA5資料與各臺站資料的地表月水平面總輻射的均方根誤差和相對均方根誤差。總體上，ERA5資料要素的誤差較小。ERA5資料與各臺站資料均方根誤差的最小值為2.3 MJ/m2（臺站1，海拉爾），最大值為8.7 MJ/m2（臺站38，廣州），平均值為4.9 MJ/m2；相對均方根誤差的最小值為0.5%（臺站1，海拉爾），最大值為2.4%（臺站31，貴陽），平均值為1.0%。

4 年際變化及穩(wěn)定度評估

進一步對太陽能資源時間變化特征進行分析，利用式（5）～式（8）分別計算出ERA5資料與中國40個地面臺站資料在2011—2020年地表水平面總輻射的年際變化和百分比年際變化，對比見圖7。可見，總體上，中國北方地區(qū)（臺站1～23）太陽能資源的年際變化水平相對較低，而中國南方地區(qū)（臺站24～40）的年際變化水平相對較高。且ERA5資料與臺站資料在全區(qū)間范圍的年際變化（55～284 MJ/m2）和百分比年際變化（0.9%～6.6%）的一致性較好。ERA5資料與各臺站資料的年際變化之間的誤差最大值為19 MJ/m2（臺站31，貴陽），平均值為3 MJ/m2。而百分比年際變化之間的誤差最大值為0.5%（臺站31，貴陽），平均值為0.1%。

根據(jù)文獻［10］，采用氣候平均法，首先對一年中每個月的地表水平面總輻射數(shù)值求平均值，將平均值作為代表年的時間序列；然后采用代表年的各月數(shù)據(jù)，將月地表水平面總輻射除以當月的日數(shù)，從而轉換為月平均日地表水平面總輻射；最后利用式（9）、式（10）分別計算出ERA5資料與中國40個地面臺站資料在2011—2020年地表水平面總輻射的穩(wěn)定度。

ERA5資料與臺站資料的地表水平面總輻射穩(wěn)定度對比見圖8。可見各臺站資料的穩(wěn)定度數(shù)值集中在0.21～0.58之間，且ERA5資料計算出的穩(wěn)定度數(shù)值與臺站資料計算出的穩(wěn)定度數(shù)值之間具有較好的一致性。ERA5資料與各臺站資料穩(wěn)定度的誤差最大值為0.013（臺站37，福州），平均值為0.003；百分比誤差最大值為2.9%（臺站37，福州），平均值為0.8%。ERA5資料的表現(xiàn)總體良好。

5 結 論

利用收集到的中國地區(qū)40個地面臺站的觀測資料對ERA5再分析資料的太陽能資源要素進行誤差評估，結果發(fā)現(xiàn)ERA5資料與臺站資料具有較好的一致性，具體結果如下：

1）ERA5資料與臺站資料的地表月水平面總輻射回歸方程可決系數(shù)為0.999，ERA5資料與各臺站資料均方根誤差最大值為8.7 MJ/m2，平均值為4.9 MJ/m2；相對均方根誤差最大值為2.4%，平均值為1.0%。

2）ERA5資料與各臺站資料年際變化誤差最大值為19 MJ/m2，平均值為3 MJ/m2；百分比年際變化誤差最大值為0.5%，平均值為0.1%。

3）ERA5資料與各臺站資料穩(wěn)定度誤差最大值為0.013，平均值為0.003；百分比誤差最大值為2.9%，平均值為0.8%。

評估結果表明，ERA5資料地表水平面總輻射資料應用于中國地區(qū)的太陽能資源評估是可行的。

［參考文獻］

［1］ 閆云飛， 張智恩， 張力， 等. 太陽能利用技術及其應用［J］. 太陽能學報， 2012， 33（增刊1）： 47-56.

YAN Y F， ZHANG Z E， ZHANG L， et al. Application and" " utilization" " technology" "of" "solar" "energy［J］." "Acta energiae solaris sinica， 2012， 33（S1）： 47-56.

［2］ 李柯， 何凡能. 中國陸地太陽能資源開發(fā)潛力區(qū)域分析［J］. 地理科學進展， 2010， 29（9）： 1049-1054.

LI K， HE F N. Analysis on mainland China’s solar energy distribution and potential to utilize solar energy as an alternative energy source［J］. Progress in geography， 2010，29（9）： 1049-1054.

［3］ 中國電力企業(yè)聯(lián)合會. 中國電力行業(yè)年度發(fā)展報告2022［M］. 北京： 中國建材工業(yè)出版社， 2022： 252-256.

China Electricity Council. Annual report on development of" "China" "power" "industry" "2022［M］." " Beijing：" "China Building Materials Press， 2022： 252-256.

［4］ 周亞敏. 以碳達峰與碳中和目標促我國產業(yè)鏈轉型升級［J］. 中國發(fā)展觀察， 2021（增刊1）： 56-58.

ZHOU Y M. Promoting the transformation and upgrading of China’s industrial chain with the goal of carbon peak and carbon neutralization［J］. China development observation， 2021（Z1）： 56-58.

［5］ 袁小康， 谷曉平， 王濟. 中國太陽能資源評估研究進展［J］. 貴州氣象， 2011， 35（5）： 1-4.

YUAN X K， GU X P， WANG J. Advances in study on solar energy resource assessment in China［J］. Journal of Guizhou meteorology， 2011， 35（5）： 1-4.

［6］ 馮蕾， 張金生， 廖海燕， 等. 基于現(xiàn)場實測的寧夏太陽山地區(qū)太陽能資源特征分析［J］. 太陽能學報， 2020， 41（12）： 146-153.

FENG L， ZHANG J S， LIAO H Y， et al. Characteristics analysis of solar energy resource in Taiyangshan region of Ningxia" "based" "on" "observation" "station" "data［J］." "Acta energiae solaris sinica， 2020， 41（12）： 146-153.

［7］ 申彥波. 近20年衛(wèi)星遙感資料在我國太陽能資源評估中的應用綜述［J］. 氣象， 2010， 36（9）： 111-115.

SHEN Y B. Review of applications of satellite remote sensing data to solar energy resources assessment in China in recent 20 years［J］. Meteorological monthly， 2010， 36（9）： 111-115.

［8］ YANG D Z， BRIGHT J M. Worldwide validation of 8 satellite-derived and reanalysis solar radiation products： a preliminary evaluation and overall metrics for hourly data over 27 years［J］. Solar energy， 2020， 210： 3-19.

［9］ HOFFMANN L， GUNTHER G， LI D， et al. From ERA-Interim to ERA5： the considerable impact of ECMWF’s next-generation" " reanalysis" " on" " Lagrangian" " transport simulations［J］." "Atmospheric" " chemistry" "and" " physics， 2019， 19（5）： 3097-3124.

［10］ GB/T 37526—2019， 太陽能資源評估方法［S］.

GB/T 37526—2019， Assessment method for solar energy resource［S］.

STUDY ON APPLICATION OF ERA5 DATA TO SOLAR ENERGY

RESOURCE ASSESSMENT OVER CHINA’S REGION

Zhang Shuangyi，Li Xichen

（International Center for Climate and Environment Sciences， Institute of Atmospheric Physics， Chinese Academy of Sciences， Beijing 100029， China）

Abstract：The error of solar energy resource parameters from ERA5 reanalysis data is evaluated based on parameters from data of 40 ground observation stations around China. The results show that the regression equations’ coefficient of determination （[R2]） of the monthly surface global horizontal irradiance from ERA5 data against that from stations is 0.999. The maximum and average root mean square error （RMSE） between data from ERA5 and stations are 8.7 MJ/m2 and 4.9 MJ/m2， and the maximum and average relative root mean square error （RRMSE） are 2.4% and 1.0%. The maximum and average error of inter-annual variability （IV） between data from ERA5 and stations are 19 MJ/m2 and 3 MJ/m2， and the maximum and average error of percentage inter-annual variability （PIV） are 0.5% and 0.1%. The maximum and average error of stability between data from ERA5 and stations are 0.013 and 0.003， and the maximum and average percentage errors are 2.9% and 0.8%. ERA5 data is validated in this study to be of good consistency with the observation stations data， and application of ERA5 data to solar energy resource assessment in China is feasible.

Keywords：solar energy； solar radiation； solar energy resource； ERA5； inter-annual variability； stability