湖北省气象服务中心 湖北省气象能源技术开发中心 ■ 王林 陈正洪 成驰

0 引言

2014年11月，IPCC公布的第五次评估报告(AR5)中指出，1880～2012年，全球地表平均气温约上升了0.85 ℃[1]。而正是由于化石燃料的燃烧排放，使得大气中CO2浓度比工业革命前的水平上升了40%[2]。因此，随着世界各国环保意识的不断增强，以及对能源需求的不断增长，可再生能源的推广和应用已不可避免。

我国面临着越来越大的温室气体减排压力，合理开发利用太阳能，促进低碳技术和低碳经济发展，实现节能减排是保护环境的一项重要措施。加强我国太阳能资源监测网建设，开展资源监测、评估技术、工程应用技术，推进光伏电站气象预警服务，以及各种技术规范的研究开发和标准规范制定势在必行。

太阳能是一种环保、安全、无污染的可再生能源，其开发利用受到许多国家的高度重视，是未来能源发展的重点。太阳能又属于气候资源，其时空变化与气象因素密切相关，开发利用的全过程离不开健全的气象保障服务，如太阳能资源的监测与评估、光伏发电功率预报、光伏电站选址规划、光伏电站气象灾害评估等[3]。因此，近年来部分先进国家结合气象高科技产品，采用较为先进的服务手段，促使太阳能开发利用的气象保障服务迅速发展。

1 国外太阳能资源气象服务现状

太阳能资源开发利用，依靠的就是气象要素之一的太阳辐射，因此对气象服务的需求是多方面的，基本贯穿整个光伏生命周期过程，包括太阳能资源监测及评估、气象风险评估、太阳能发电功率预报、气象灾害预警、光伏电站性能评估(后评估)等[4,5]。

1.1 太阳能资源监测网及数据库建设

世界辐射数据中心(WRDC)具有全球约1280个辐射观测站点，其中有近900个站点的观测时间超过10年[3]。美国的太阳能监测站网有1454个辐射站，可为卫星数据的校正、资源评价等提供高质量的观测数据[5,6]。美国可再生能源实验室(NREL)研发了太阳辐射气候模式，结合云盖、水汽和气溶胶在其推出的System Advisor Model软件中，给出了更为准确的光资源数据。该软件为中国提供了分辨率为5 km的太阳能辐射数据[7,8]。其他如瑞士MeteoTest公司开发的Meteonorm软件、法国美迪公司的Meteo Dyn Solar工具，也可提供逐小时不同纬度斜面总辐射和法向直接辐射的估计值。

欧洲GeoModel Solar开发的SolarGIS是太阳能资源评估数据库软件，SolarGIS使用的辐射数据是基于Meteosat和GOES卫星遥感数据，另外结合Meteosat和GOES的云指数和降雪指数、GFS数据库的水汽数据、MACC数据库的大气光学厚度数据、GFS和CSFR的积雪厚度数据及SRTM-3的数字地形数据，最终计算出包括太阳辐射、温度在内，覆盖四大洲，空间分辨率达到250 m的一系列气象要素值[9]。

芬兰的3TIER基于覆盖地球表面的9颗高清晰卫星建立了分辨率为3 km的太阳能资源地图和数据集[10]，能够提供全球范围内任意一点最长的历史辐射数据，包括GHI(水平总辐射)、DNI(法向直接辐射)和DIF(水平散射辐射)，可全方位评估近10年平均太阳能辐射值，也可进行更精确的点对点的辐射值比较[11]。

日本有64个辐射观测站，台站密度约0.6万km21个站，其中14个有直接辐射观测[5]。日本的Solar-Mesh软件提供分辨率为5 km的太阳能辐射数据，计算指定地点同一时刻各个朝向的斜面辐射量[12]。

1.2 太阳能光伏发电功率预报

太阳能光伏发电预报技术是通过数值天气预报模式对未来太阳辐射量进行预报，结合光伏电站基本参数和历史发电量数据，得到未来光伏发电量(功率)。光伏发电量预报技术避免了并网光伏发电系统输出功率固有的间歇性和不可控等缺点对电网的冲击，可配合电力系统调度、常规能源发电规划等。

国外已有许多研究机构建立了基于数值天气预报进行光伏发电功率预测的系统[13]。3TIER的太阳能预测系统基于数值天气预报模式技术，充分考虑云雾、复杂地形、海岸效应等局地效应针对项目区发电量进行预测，同时采用统计方法整合实测数据到预测模型中进行实时订正[14]。

德国奥登堡大学的Lorenz E基于欧洲数值预报中心设计了大范围并网集成的太阳能光伏发电功率预报方法，并针对高纬度积雪对光伏发电的影响提出了简易的经验预报法[15]。

1.3 太阳能光伏电站性能评估

太阳能光伏电站性能评估可为电站可行性研究编制和优化设计、系统集成商/业主/投资者收益评估、系统维护人员运行管理及电力部门制定光伏发电规划、调度等提供指导。

欧洲的Geo Model Solar公司面向光伏发电厂推出了新一代性能评估工具SolarGIS pvSpot[16]，它借助于卫星太阳能建模和电力模拟的最新进展，用于监测欧洲和南非任何一家光伏电站出现的性能不佳情况。其开发的SolarGIS通过输入装机容量、组件类型、折减系数、安装方式、方位角、倾角等，将某一地点的光伏项目产能进行模拟预估，使太阳能项目的规划更为精准并更具成本效益，降低决策的风险性[11]。

RETScreen清洁能源项目分析软件是由联合国环境规划署和加拿大自然资源部开发，可评估3个基本光伏应用(并网、离网和排水)的光伏项目模型，包括能源产量、太阳能资源和系统负荷计算，以及成本分析、温室气体排放降低分析、财务概要和敏感性与风险分析[17]。构建的光伏能量模型还可评估中枢电网和独立电网的光伏系统。

由瑞士人André Mermoud博士研发的PVSYST仿真光伏系统，可依据不同的太阳能系统(独立运转型、并联市电型等)及太阳能电池(单晶硅、多晶硅、薄膜)，分别设定环境参数(日辐射量、温度、经纬度及建筑物相对高度等)，计算出发电总量，并架构建筑物对应关系与遮蔽效应影响评估[18]。此外，日本的Solar-Mesh软件也可模拟计算发电量、投资计划、收益资金及安全对策[12]。

2 国内太阳能资源气象服务现状

随着国内太阳能光伏装机容量的迅速扩大以及大型并网光伏发电或分布式并网电站步入大规模发展阶段，我国气象部门正积极做好技术准备，在太阳能资源监测、光伏电站选址规划、光伏发电功率预测、光伏电站管理及后评估等方面的气象保障服务齐头并进，这对我国可再生清洁能源的充分利用具有重大现实意义。

2.1 我国太阳能辐射监测网

目前我国国家级的业务地面辐射观测站点共有98个，平均每10万km21个辐射观测站[19]，其中一级站17个，二级站33个，三级站48个。一级站观测项目为总辐射、直接辐射、散射辐射、反射辐射和净辐射；二级站观测项目为总辐射和净辐射；三级站只观测总辐射。

由于目前的辐射观测网密度无法满足需要，因此有计划将辐射观测站点增加至337个，其中一级站22个，二级站127个，三级站188个。观测项目也增加了很多，除了观测光热和光电性的直接、散射和反射辐射外，还增加了纬度倾斜面辐射、单双轴跟踪面辐射、垂直面辐射及气溶胶光学厚度等其他辐射项目。

2.2 我国太阳能资源评估

我国在太阳能资源评估中一般使用3种方法：气候学统计方法、基于卫星遥感的物理反演方法，以及复杂地形下的计算方法。远期将开展太阳能资源减排潜力评估和太阳能资源变化趋势预估。

中国气象局采用最常用的气候学方法日照百分率模型计算了我国总辐射分布，并结合卫星遥感的云量、云光学厚度、气溶胶等，得到了直射和散射分离模型[20]。湖北、宁夏、甘肃、山东、江西、西昌、贵阳、杭州等多个省市采用气候学算法基于各地太阳辐射及日照百分率资料进行太阳能资源丰富度评估[21]。其中，湖北建立了基于日照百分率的斜面总辐射推算模型及风光互补型资源禀赋定量评价的指标[22]，福建省基于GIS绘制了全省太阳能总辐射时空分布图[23]。南京信息工程大学基于DEM数据的起伏地形，利用卫星遥感等资料建立了太阳直接辐射、散射辐射和地形反射辐射分布式模型[24]。

2.3 太阳能辐射数据库建设

我国有辐射观测的气象站较少，一般根据气象站记录的日照时数或日照百分率及天文总辐射量监测数据进行推算，即气候学方法推算法。目前常用的太阳能辐射数据根据来源和不同算法分为3个：太阳辐射实测数据库(CMA)、气候学方法推算数据库(CWERA)和卫星数据库(CWERA)。

部分省高校也开展了太阳能辐射数据库建设研究。上海电力学院创建了不同倾斜面上太阳辐射数据库，包括适合于太阳能应用的遍布全国的太阳能辐射资料，以及不同方位角和倾角的倾斜面上太阳辐照量的计算程序[25]。河南省科学院能源所整理了国家气象中心193个气象观测站40年的日照辐射量，覆盖了全国14个省，30个主要城市[26]。云南师大太阳能研究所和云南省气候中心开发了云南省太阳能资源数据库，可详细提供云南省17个地州、133个气象台站30年的太阳能资料，包含辐射量、日照、湿度等16种数据[27]。成都电子科技大学将观测的太阳能数据与地理信息数据有效融合，对每个太阳能观测站点数据进行分类存储，建立了基于GIS的太阳能信息数据库[28]。

2.4 太阳能光伏发电预报系统

华北电力大学设计开发了并网型光伏电站发电功率预测系统并投入应用。该系统进行超短期预测和短期分类预测，可实现缺失天气类型信息历史数据的类型辨识和辐照度预测值修正。预测结果经导出模块传输至综合数据层进行存储和发布[29]。

吉林在光伏发电量预测模型建立系统中，提出了一种依据天空图像识别技术对太阳能光伏发电量进行预测的新方法[30]。武汉暴雨研究所基于WRF模式逐时输出结果，对模式模拟的到达地表短波辐射进行误差订正，进一步提高辐射预报的准确率[31]。

湖北开发的《光伏发电预测预报系统V2.5》采用“原理法”和“动力统计法”实现未来3天短期，以及未来4 h超短期逐15 min光伏发电量预报和太阳辐射量预报。目前该系统已应用于全国9个省市，20余家光伏电站。

东润环能根据数值天气预报和电场运行信息针对1 MW以下分布式光伏电站开发了分布式光伏发电功率预测系统，实现增强分布式发电稳定性的目的[32]。国网电力科学研究院清洁能源发电研究所研发的光伏电站功率预测采用精细化数值天气预报技术，并结合实时气象数据，为大规模光伏电站的并网接入、调度决策提供预测分析[33]。

我国近期的太阳能光伏发电预报是以近期实现辐射直散分离为目的，远期将以发展卫星云资料应用、滚动订正技术为目标，实现太阳能光伏电站发电量预报从科研到业务的转化。

2.5 太阳能光伏电站微观选址及性能评估

中国气象局公服中心对金沙江光伏电站选址工程采用了MODIS卫星反演技术，参考常规气象数据进行气象风险分析评价，结合GIS空间分析确定了优先开发区域[34]。华北电力大学对中国3个风能、太阳能均较为丰富地区进行综合评价，给出了风光互补电站选址的优劣排序，为我国风光互补型电站选址问题提供了理论基础[35]。

重庆大学电气工程学院建立白天、黑夜分时段出力模型，采用离散联合概率分布构造光伏出力与电网负荷相关特性的联合多状态模型，以及分时段可靠性评估指标，实现了白天和全年可靠性指标的独立计算[36]。湖北省确立了包含光伏阵列效率、逆变器效率、系统能效比和容量因子等一套武汉光伏电站综合效率评估指标，对示范电站最佳倾角、年均电站性能、年上网电量及满发时数进行了计算，对光伏发电规划有重要的工程指导意义[37,38]。

2.6 太阳能光伏电站管理及后评估

水电水利设计规划总院研究开发了光伏电站智能化信息管理系统[39]。华北电力大学采用熵权法和模糊综合评价模型对廊坊一座10.192 kW的太阳能光伏电站发电系统完成项目进行综合评估[40]，提出适应未来发展的方向、管理及政策等。这对供电企业提高管理水平、科学统一规划有着重要意义。

3 思考和建议

3.1 与国外太阳能气象服务的差距

太阳能资源监测网密度较低，平均约为10万km21个站，其空间分辨率难以满足对太阳能开发利用的评估服务需求。太阳能辐射观测项目也比较单一，仅为基本观测项目，未开展对倾斜面和跟踪面的总辐射、分光谱辐射等详细的观测项目。太阳能资源评估受到空间分辨率和时间分辨率的限制，难以给出精细化的太阳能数据；同时评估方法陈旧，仍以五六十年代气候学方法为主，使得结论存在较大误差，其相对意义大于实际意义，很难作为太阳能资源开发利用的准确参考。

太阳能光伏发电预报技术虽已引起气象部门的重视，但基于模式的预报方法还有待提高和跟进，目前不能完全满足电力调度部门和太阳能电站的需求。光伏电站缺乏维护和管理意识，没有完整的后评估体系，气象服务与气象保障与电站的正常运行仍有脱节。

3.2 建议

1)强化太阳能资源数据库建设，开展气候可行性论证工作。加快太阳能监测网建设，建立较为完善的太阳能资源监测网。推动太阳能资源的普查工作，发展卫星遥感、地理信息系统结合辐射传输原理计算和方法，对重点地区进行区域高分辨率精细化详查，建立监测资料均一化分析和质量控制平台，形成完整的太阳能资源数据库。开展对大型太阳能电站建设项目进行气候可行性论证，避免和减少重要设施、建设项目遭受极端天气气候事件的影响。

2)完善太阳能光伏电站风险评估和后评估。不同气象灾害所产生的风险性质和大小也不同。气象灾害风险对于太阳能光伏电站具有一定的必然性，气象灾害的孕灾环境和承灾体的性质是客观存在的，致灾因子的出现只是时间问题，气象灾害突发性和随机性之后隐含着一定的必然性[41]。因此，需建立健全的新能源气象服务体系，及时为新能源企业、光伏电站提供暴雨、冰雹、大风、沙尘暴等灾害性天气的预报预警信息，及时进行气象灾害风险评估，为太阳能电站发电安全稳定运行提供有力的气象科技支撑和优质的气象保障服务。

[1] IPCC. Working group I contribution to the IPCC fifth assessment report climate change 2013: The physical science basis[EB/OL]. http://www.ipcc.ch/home_languages_main_chinese.shtml, 2013-09.

[2]沈永平,王国亚. IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J]. 冰川冻土, 2013, 35(5)：1068－1076.

[3] 李芬, 陈正洪, 段善旭, 等.太阳能资源开发利用及气象服务研究进展[J].太阳能, 2014, (3): 20－25.

[4] 钱渝.我国太阳能发电管理策略研究[D]. 成都: 电子科技大学, 2012.

[5] 陈晓燕.光伏产业国际竞争力研究[D].天津: 南开大学, 2010.

[6] Krystal. NREL推出更新版美国太阳能辐射数据库[EB/OL].http://www.solarzoom.com/article-21402-1. html, 2012-11.

[7] Myers D R. Solar radiation modeling and measurements for renewable energy applications: Data and model quality[J]. Energy,2005, 30(9): 1517－1531.

[8] Gilman P, Dobos A. System advisor model, SAM 2011.12. 2:General description[R]. NREL, 2012.

[9] Geo Model Solar.关于SolarGIS[EB/OL]. http://www.geomodelsolar.eu/cn/, 2015.

[10]华人风电. 全球风能和太阳能资源地图和数据集[EB/OL].http://www.wp-forum.cn/ArticleShow.asp?nid=E76B5D06-E5E9-4BF6-986B-B06471161388.

[11] 3TIER.全方位太阳能评估[EB/OL]. http://www.3tier.com/cn/solar/solar-fullview/.

[12] OREL. 太阳辐射量数据库[EB/OL]. http://www.orel.co.jp/c/irradiation.html.

[13]代倩,段善旭,蔡涛, 等. 基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究[J].中国电机工程学报,2011, 31(34)：28－35.

[14] 3TIER. 太阳能发电功率预测[EB/OL].http://www.3tier.com/cn/solar/solar-forecasting/.

[15] 王鸿玺.光伏发电功率预测方法研究[D].秦皇岛: 燕山大学, 2013.

[16] 北极星太阳能光伏网. 印度决心推进太阳能资源地图集计划的实施[EB/OL]. http://guangfu.bjx.com.cn/news/20140819/538214.shtml.

[17] Retscreen. 什么是RETScreen? [EB/OL]. http://www.retscreen.net/.

[18] PVSYST. Terms and conditions of sale Software and training[EB/OL]. http://www.pvsyst.com/.

[19] 21SPV. 我国的太阳能辐射观测站分布情况[EB/OL]. http://www.21spv.com/news/show.php?itemid=6556.

[20] 任小丽,何洪林,张黎, 等. 1981-2010年中国散射光合有效辐射的估算及时空特征分析[J].地理学报, 2014, 69(3)：233－333.

[21]韩世涛,刘玉兰,刘娟.宁夏太阳能资源评估分析[J].干旱区资源与环境, 2010, 24(8): 131－135.

[22] 成驰,许扬,杨宏青. 并网风光互补资源评价与系统容量优化配置[J].水电能源科学, 2013, 32(6): 193－196.

[23] 高建芸,张容炎,文明章, 等.福建省太阳能资源评估[R].福建省气候中心, 2009.

[24] 尹静秋,邱新法,曾燕, 等.基于DEM的浙江省散射辐射分布式模拟[R].烟台, 2008.

[25] 杨金焕, 葛亮, 蒋秀丽, 等.中国不同倾斜面上太阳能辐射资料库的创建[A]. 第八届全国光伏会议暨中日光伏论坛论文集[C], 深圳& 香港, 2004.

[26] 李克煌.河南省的太阳能资源极其利用区划[J].河南大学学报(自然科学版), 1985, 3: 14－16.

[27] 林文贤,高文峰,蒲绍选,等.云南省太阳能辐射资源研究—直接辐射[J].云南师范大学学报, 1995, 15(3, 4): 65－83.

[28] 刘圆. 基于ArcGIS的太阳能信息管理系统设计与实现[D].成都:电子科技大学, 2010.

[29] 王飞.并网型光伏电站发电功率预测方法与系统[D].北京:华北电力大学, 2013.

[30] 投资吉林. 吉林市太阳能光伏发电量预测系统及装置产业化项目[EB/OL]. http://www.jl.gov.cn/tzjl/gdzjgxjs/201403/t20140328_1639486.html.

[31] 白永清,陈正洪,王明欢, 等.关于WRF模式模拟到达地表短波辐射的统计订正[J].华中师范大学学报(自然科学版),2013, 47(2): 292－296.

[32] 东润环能. 分布式光伏发电功率预测云服务[EB/OL].http://www.eeechina.cn/article-3378.aspx.

[33] 北极星太阳能光伏网. 国网电科院研制光伏电站功率预测系统投入实验运行[EB/OL]. http://guangfu.bjx.com.cn/news/20100707/251582. shtml, 2010.

[34] 肖建华,姚正毅,孙家欢. 并网太阳能光伏电站选址研究述评[J].中国沙漠, 2011, 31(6): 1598－1605.

[35] 乌云娜,杨益晟,冯天天, 等.风光互补电站宏观选址研究[J].电网技术, 2013, 37(2): 319－326.

[36] 高英. 计及相关性的光伏电站容量可信度评估[D].重庆:重庆大学, 2013.

[37] 李芬,陈正洪,蔡涛. 并网光伏系统性能精细化评估方法研究[J].太阳能学报, 2013, 34(6): 974－982.

[38] 李芬,陈正洪,成驰. 武汉并网光伏电站性能与气象因子关系研究[J].太阳能学报, 2013, 34(8):1386－1391.

[39] 北极星太阳能光伏网.光伏电站智能化信息管理系统正式发布[EB/OL]. http://guangfu.bjx.com.cn/news/20121219/408943.shtml, 2012.

[40] 孟忠.太阳能光伏发电项目的后评价及实证研究[D].北京:华北电力大学, 2012.

[41] 杨惜春,肖子牛,张钛仁.我国气象灾害风险评估立法环境与需求[J].气象科技进展, 2013, (5): 63－66.