沙尘天气对太行山东麓地面太阳辐射影响及预报订正研究

Impact of Sand-dust Weather on Surface Solar Radiation at the Eastern Foothill of Taihang Mountains and Forecast Revision

摘要

利用太行山东麓涞源、曲阳、平山、涉县4个光伏电站2021年1月—2023年12月太阳辐照度实况和辐照度、总云量预报数据，逐小时总云量综合实况判别数据和环境监测站PM₁₀小时平均浓度实测数据，分析沙尘天气过程期间太阳辐照度时间和频次特征，基于辐射比与PM₁₀小时平均浓度的晴天订正模型，进行订正效果检验。结果表明：（1）2021—2022年沙尘天气过程较多，单次沙尘天气过程最长影响时间超过63 h，当PM₁₀小时浓度均超过1 588 μg/m³时，太阳辐照度降低到晴天的26.3%；（2）太阳总辐射辐照度日、月变化特征明显，以12—13时BT为中心呈正态分布，以6月为峰值中心呈单峰形分布，3、7、11月受沙尘、降水和大雾等影响，太阳总辐射辐照度总体偏低；（3）沙尘天气辐照度模型对太阳辐照度预报订正有正效果，MAE、RMSE分别降低34.3、31.0 W/m²。订正效果与PM₁₀小时平均浓度预报质量密切相关，PM₁₀预报效果较好时，订正效果较明显，否则订正效果较差。

Abstract

Utilizing solar irradiation and irradiance, total cloud forecast data, hourly total cloud comprehensive data, and environmental monitoring station PM₁₀ hourly average concentration measured data from four photovoltaic power stations in Laiyuan, Quyang, Pingshan and Shexian at the eastern foothill of Taihang Mountains from January 2021 to December 2023,this paper analyzed the time and frequency characteristics of solar radiation intensity, studied the clear sky correction model based on radiation ratio and hourly average concentration of PM₁₀, and tested its correction effect. The results indicate that: (1) There were numerous sand-dust weather processes from 2021 to 2022 with a maximum impact time exceeding 63 hours. When PM₁₀ hour concentrations exceeded 1 588 μg/m³, solar irradiance decreased to 26.3% of sunny days. (2) Daily and monthly variations of total solar radiation were evident with a normal distribution centered around 12-13 o'clock BT and a single peak distribution centered around June. In March, July, and November, the solar radiation intensity was lower than the overall trends due to sand-dust, precipitation, and heavy fog. (3) The sand-dust weather irradiance model positively impacted the overall revision of solar irradiance forecast with MAE decreasing by 34.3 W/m² and RMSE decreasing by 31.0 W/m². The correction effect is closely related to the forecast quality of PM₁₀ hour average concentration. When the PM₁₀ forecast effect is good, the correction effect is obvious; otherwise it is poor.

Graphical abstract

关键词

沙尘天气 / 太阳辐射 / 光伏电站 / 辐射比 / 预报订正

Key words

sand-dust weather / solar radiation / photovoltaic power station / radiation ratio / forecast revision

在全球变暖、双碳目标及新型电力系统建设大背景下，太阳能已成为可再生能源发展、能源绿色转型的关键力量^[1]。随着光伏大规模装机和并网，光伏发电的间歇性、波动性，给电网计划和电力调度增加了难度，光伏装机占比日益增加，对电网运行影响显著^[2-3]。因此，准确的功率预测显得尤为重要，有助于减少光伏限电、提高新能源消纳和合理安排检修计划，提高企业盈利，保障能源安全稳定。

光伏发电量大小受到达地面的太阳辐射、环境温度等因素影响，其中太阳辐射是影响光伏功率主要因素，相关性超过0.8^[4-5]。更准确的光伏数值预报能够提升10%左右光伏发电功率预测准确度^[2]。丹麦、美国、西班牙和日本等已开展利用气象要素进行光伏发电研究和应用^[6-7]，国内太阳辐照度预报方法主要有数值预报模式、机器学习和统计外推，统计外推主要用于超短期预报，短期预报需要依赖WRF、CMA_MESO等相关中尺度气象模式^[8]以及PANGU+Diffusion 等深度学习技术。早期的太阳辐射度预报主要是基于气象实测数据的简单线性统计预测模型、改进后的自回归滑动平均模型法、马尔可夫链等^[9]，受预测时效、精细化和准确率的制约，难以适应光伏发电预测服务发展需求。近年来，随着人工智能技术的快速发展，包括人工神经网络（ANN）^[10-11]、小波神经网络（WNN）^[12]、支持向量机（SVM）^[13]、卡尔曼滤波^[14]、随机森林（RF）^[15]等机器学习算法和卷积神经网络（CNN）、循环神经网络（RNN）等深度学习方法，以及遗传算法（GA）^[16]、混合方法^[17-18]等用于太阳辐照度预测，提高了常规天气下的预报准确率，但是对雾霾、沙尘等天气对太阳辐照度影响的定量分析及预报订正研究较少^[19-20]。

沙尘天气不仅影响光照强度、降低发电量，积聚在光伏组件表面灰尘还会直接影响发电效率^[21-22]。近年来，河北省以光伏发电为主的新能源发展迅猛，河北省新能源装机规模位列全国前列，截至2023年底，达85 GW，装机占比超过60%，其中光伏装机容量超过54.2 GW。太行山东麓是河北光伏发电产业集中地区，承担着能源绿色转型和能源安全保供的重要作用。2021、2023年春季中国北方遭遇严重的沙尘天气，受此影响，光伏功率较长时间预测偏大、出力偏低，给电力调度和能源保供带来困难。本文开展沙尘天气下太阳辐照度预报订正模型研究，有助于提高沙尘天气下太阳辐照度预报准确率，提升光伏气象服务水平。

1 资料和方法

1.1 研究区域概况

太行山纵跨京、晋、冀、豫4省，呈东北—西南走向，西接山西高原，东临华北平原，主脉全长约400 km，属于温带季风气候。本文研究区域为沿太行山东麓的光伏发电应用基地，作为河北省三大百万千瓦级光伏发电示范区之一，北起保定涞水，南至邯郸磁县，覆盖24个山区县(市)，地形主要包括低山、丘陵，呈喇叭口形状，是焚风、夏季暴雨多发区。太阳辐射观测站位于保定市涞源县和曲阳县、石家庄市平山县、邯郸市涉县4个光伏场站内，沿太行山东麓自北向南分布（图1），太阳能资源从Ⅱ级过渡到Ⅲ级，观测环境符合《地面基准辐射站建设指南》（GB/T 35220—2017）标准要求。太阳辐射观测站仪器规格型号为DZZ6，观测要素包括总辐射量、直射辐射量、散射辐射量、气温、相对湿度、风向、风速、气压和降水量等。

1.2 数据资料

实况数据为河北省气象大数据云平台的4个光伏电站2021年1月1日—2023年12月31日逐15 min水平总辐射辐照度观测数据，涞源、曲阳、平山、涉县4个国家气象观测站逐小时总云量综合实况判别数据及河北省环境部门的涞源、曲阳、平山、涉县4县2021年1月1日—2023年12月31日逐小时PM₁₀浓度实测数据。

预报数据为河北省气象服务中心面向4个光伏电站逐日提供的逐15 min总辐射辐照度、云量等数值预报数据及国家气象中心下发的城市站点未来168 h逐时PM₁₀预报数据。

2021年1月1日—2022年12月31日数据为建模数据集，2023年1月1日—2023年12月31日数据为检验数据集。参照文献[23-24]对水平总辐照度、PM₁₀的实测数据进行质量控制，数据有效率分别为100%、98.5%。

1.3 方法介绍

1.3.1 总体思路

沙尘天气地面太阳辐射预报订正包括晴天沙尘天气判断、订正模型建立和预报效果检验等（图2）。利用沙尘天气判别标准、总云量实现晴天沙尘天气过程及起止时间判别，筛选辐射比r与PM₁₀小时浓度ρ_o，建立沙尘天气太阳总辐射辐照度订正模型，基于辐照度、总云量和PM₁₀小时浓度预报数据，实现沙尘天气辐照度预报订正，并对预报效果进行检验。

1.3.2 沙尘天气判别

沙尘天气过程及起止时间判别采用环办监测[2016]120号规定^[25]，将PM₁₀小时质量浓度持续2 h超过600 μg/m³或持续1 h超过1 000 μg/m³，定义为1个沙尘天气过程；沙尘天气起始时间判定依据为PM₁₀小时质量浓度≥前6 h平均PM₁₀质量浓度的2倍且＞150 μg/m³；沙尘天气影响结束时间判定依据为PM₁₀小时质量浓度首次降至与沙尘天气过程发生前6 h平均 PM₁₀质量浓度的相对偏差≤10%。

1.3.3 检验方法

利用光伏电站辐射观测资料，通过对比订正前后太阳总辐射辐照度平均绝对误差（MAE）及均方根误差（RMSE），开展沙尘天气辐照度订正模型预报效果检验。计算方法如下：

M_{\mathrm{A}\mathrm{E}}=\frac{\mathrm{1}}{n}{\displaystyle \sum _{i=\mathrm{1}}^n}\left|E_{\mathrm{f}}^i-E_{\mathrm{o}}^i\right|，（1）

R_{\mathrm{M}\mathrm{S}\mathrm{E}}=\sqrt[]{\frac{\mathrm{1}}{n}{\left(E_{\mathrm{f}}^i-E_{\mathrm{o}}^i\right)}^{\mathrm{2}}}。（2）

式中：M_AE为平均绝对误差； R_MSE为均方根误差；E_f为预报总辐照度，单位：W/m²；E_o为实测总辐照度，单位：W/m²；n为统计时段内样本总量；i为统计时段内样本序号。

2 辐射特征

2.1 辐射日特征

由2021—2022年涞源、曲阳、平山、涉县4个光伏电站每个时刻平均太阳总辐射辐照曲线（图3）可知，太阳总辐射辐照度日变化特征与太阳高度角密切相关，呈现以12—13时为中心的正态分布，辐照度>0 W/m²均出现在05:30—19:30，辐照度>120 W/m²均出现在8—17时；平山、涉县、曲阳和涞源4个光伏电站每个时刻平均辐照度的最大值分别为526.6、536.6、546.6、619.4 W/m²，依次出现在12:15、12:15、12:30、12:30。曲阳、平山、涉县3个光伏电站的日变化曲线基本一致，涞源光伏电站从10:00开始平均太阳总辐射辐照比其他3个光伏电站高，12:30偏高最多，比其他3站分别偏高72.8、91.5、93.4 W/m²。

2.2 太阳总辐射月特征

由4个光伏电站2021—2022年月平均最大太阳总辐射辐照度（图4a）可知，年变化曲线总体呈单峰型，5、6月为峰值中心，与月最大太阳总辐射辐照度（图4b）的峰值中心基本保持一致，11月—翌年1月为谷值，3、7、11月波动明显，比总体趋势偏低。涞源光伏电站月平均最大太阳总辐射辐照度出现在5月，为977.5 W/m²；曲阳、平山、涉县3县光伏电站月平均最大太阳总辐射辐照度出现在6月，分别为924.7、925.6、876.4 W/m²，与华北区域5—6月多晴热天气有直接关系。涞源、曲阳、平山和涉县光伏电站月最大太阳总辐射辐照度分别出现在6月6日12:30、28日14:00、10日12:45和20日13:00，分别为1 327、1 205、1 209、1299 W/m²。2021年3月15—16日出现近10年来沙尘暴影响范围最大、强度最强的沙尘天气过程，3月28日出现了一次沙尘天气过程，其沙尘单日影响范围为有记录以来最广，2022年3月4日出现大范围沙尘天气过程，其单日沙尘影响范围为2007年以来3月上旬最广，导致2021—2022年3月月平均最大太阳总辐射辐照度偏低。7月华北地区进入主汛期，降水偏多，尤其是2021年河北夏季暴雨站次较常年同期偏多89.1%，主要集中在7月11—13、21—22和28—30日；2022年7月2—6、11—12、27—28日出现暴雨过程，造成2021－2022年7月的月平均最大太阳总辐射辐照度偏低。2021年11月6—9日河北全省出现极端性雨雪天气，部分地区日降雪量突破历史同期极值；2022年11月17—21日，受静稳天气影响，河北中南部出现当年影响范围最广的持续性大雾天气过程，使11月的月平均最大太阳总辐射辐照度偏低。

3 沙尘对太阳辐射影响

3.1 沙尘天气过程

利用沙尘天气过程及起止时间判别方法，基于平山、涉县、曲阳和涞源4县PM₁₀小时浓度统计可知，2021—2022年自北向南的涞源、曲阳（表1）、平山、涉县4县沙尘天气过程分别为10、10、9、7次，沙尘天气最长时间影响过程为2021年3月15—18日，皆超过63 h，PM₁₀小时浓度最大值分别为5 589 μg/m³（15日10:00）、3 561 μg/m³（15日14:00）、2 823 μg/m³（15日21:00）、2 461 μg/m³（16日01:00），对应时刻的太阳总辐射辐照度分别为151、225、0、0 W/m²。分析曲阳2021年3月15—18日PM₁₀与实测太阳总辐射辐照度逐小时变化趋势（图5）可知，受沙尘天气影响，3月15—18日太阳总辐射辐照度日最大值比2021—2022年3月晴天最大辐照度（883 W/m²）、平均最大辐照度（561.0 W/m²）都偏低。在总云量不超过2成时，15日13—17时的PM₁₀小时浓度均超过1 588 μg/m³，受强沙尘天气影响，曲阳光伏电站太阳总辐射辐照度最大值为232 W/m²，分别占3月晴天最大辐照度、平均最大辐照度的26.3%和41.4%；16日10—17时PM₁₀小时浓度维持在500 μg/m³左右，晴天太阳总辐射辐照度最大值上升至435 W/m²，分别占3月晴天最大辐照度、平均最大辐照度的49.3%和77.5%。17日受沙尘、阴天（云量为90%）双重影响，曲阳太阳总辐射辐照度最大值下降至266 W/m²。

3.2 沙尘天气辐照度订正模型

由太阳总辐射辐照度实况（E_o）和太阳总辐射辐照度预报（E_f）曲线（图5）可知，受沙尘天气影响，太阳总辐射辐照度预报值比实况值偏大。总云量≤2成时，曲阳光伏电站15日13—17时太阳总辐射辐照度实况值比预报值偏低164.3～335.5 W/m²；16日9—17时，太阳总辐射辐照度实况值比预报值偏低40.2～304.1 W/m²；17日9—17时，受沙尘及阴天（云量90%）影响，曲阳光伏电站太阳总辐射辐照度实况值比预报值偏低82.7～394.5 W/m²。为有效降低太阳总辐射辐照度与PM₁₀分析的偏差^[7]，采用辐照度实况E_o与辐照度预报E_f比值（简称“辐射比”）r进行分析（图6）。选取2021—2022年总云量C_o≤2成的沙尘天气过程，尽可能剔除阴雨、多云等天气与沙尘叠加对辐照度的影响，仅保留晴天环境下沙尘天气影响的实况数据。选取9—15时的辐射比，避免场站自然环境下光伏组件存在阴影的遮挡影响^[26]。利用统计回归建立沙尘天气辐射比r与PM₁₀小时浓度ρ的关系模型：

r=\mathrm{0.9746}{\mathrm{e}}^{-\mathrm{0.0002}\rho }。（3）

式中：ρ为PM₁₀小时平均浓度（单位:μg·m^-3），r为辐射比。

在太阳能气象服务中，基于实时光伏数值预报产品的辐照度、总云量，建立辐照度预报订正模型：

E=E_{\mathrm{f}}\times r。（4）

式中：E为订正后的总辐照度预报，单位：W/m²；E_f为订正前的总辐照度预报，单位：W/m²；C_f≤2。

3.3 预报检验

选取2023年1月1日—12月31日沙尘天气过程进行检验。基于PM₁₀小时浓度预报数据和沙尘天气过程判别标准统计，预测6次沙尘天气过程，其中3月22日、4月11、14日发生在白天且总云量C_f≤2成。选取对应日辐照度数值预报（E_f）和PM₁₀小时平均浓度预报数据（PM_10f）、PM₁₀小时平均浓度实测数据（PM_10o），分别代入沙尘天气辐照度订正模型得到订正后辐照度预报E_cf、E_co。4个光伏电站订正前后太阳总辐射辐照度对比（表2）可知，订正后的MAE和RMSE较订正前提升，E_f、E_cf、E_co的MAE分别为163.8、129.5、103.1 W/m²，订正后E_cf、E_co分别降低了34.3、60.7 W/m²；E_f、E_cf、E_co的RMSE分别为185.7、154.7、124.0 W/m²，订正后E_cf、E_co分别降低了31.0、61.7 W/m²。

平山、曲阳2个光伏电站的E_cf订正效果更明显，尤其在4月11日PM₁₀小时平均浓度预报与实况接近时（图7e、h），曲阳E_cf的MAE、RMSE分别为91.8、119.1 W/m²，相对E_f分别降低了71.6、61.3 W/m²，比E_co的MAE、RMSE偏大14、17.7 W/m²；平山E_cf的MAE、RMSE分别为63.6、119.1 W/m²，相对E_f分别降低了75.8、51.2 W/m²，比E_co的MAE、RMSE偏大9.6、21.5 W/m²。

曲阳、平山和涉县3月22日订正效果较差（图7d、g、j），主要是因为PM₁₀小时平均浓度预报较差。其中曲阳、平山大部分时段PM₁₀小时平均浓度预报值比实况值偏低1 000 μg/m³，曲阳部分时段预报偏低2 000 μg/m³，使曲阳E_cf相比E_f的MAE、RMSE分别提高了71.6、61.3 W/m²，平山E_cf相比E_f的MAE、RMSE分别提高了65.5、57.4 W/m²，远低于E_co的订正效果；涉县除14时PM₁₀小时平均浓度预报与实况相近外，其他时次预报与实况变化趋势完全相反，且预报偏差较大，导致E_cf相比E_f的MAE、RMSE分别提高58.9、65.7 W/m²。

4 讨论

基于统计方法、机器学习方法开展太阳总辐射预报订正，在一定程度上能够有效降低模式预报误差，提高光伏数值预报产品可用性。目前研究主要集中在天气分型的太阳总辐射预报订正^[27-28]，以及开展沙尘、空气质量、气溶胶光学厚度(AOD)等对太阳辐射影响分析^[29]，沙尘天气订正研究很少。一方面影响太阳辐射因素多是复合型的，研究中很难定性区分主要影响是沙尘还是云量；另一方面沙尘天气过程较少，若是利用机器学习方法研究，样本数过小，大概率会出现过拟合现象，影响预报效果。本结论主要是基于太行山东麓地区PM₁₀小时浓度与辐射比（r）利用统计方法研究得到。未来需要对其他区域、沙尘影响判别标准以及利用不同技术方法进一步深入研究。

5 结论

以太行山东麓自北向南分布的4个光伏电站为研究对象，开展晴天、沙尘天气太阳总辐射辐照度订正方法研究，得出以下结论：

（1）4个光伏电站太阳总辐射辐照度日、年变化特征明显，日变化呈现以12—13时为中心的正态分布，平均辐照度最大值主要出现在12:15、12:30；月平均最大太阳总辐射辐照度年变化曲线总体呈单峰型，6月为峰值中心，与月最大太阳总辐射辐照度峰值中心一致，3、7、11月波动明显，受沙尘、降水和雨雪、大雾等影响，太阳总辐射辐照度总体偏低。

（2）涞源、曲阳、平山、涉县2021—2022年沙尘天气过程较多，分别为10、10、9、7次，单次沙尘天气过程最长时间皆超过63 h；PM₁₀小时浓度≥500 μg/m³时，3月晴天沙尘天气最大辐照度占晴天辐照度的26.3%～49.3%。

（3）沙尘天气辐照度模型对光伏电站总体订正有正效果，E_cf相比E_f订正后MAE、RMSE分别降低34.3、31.0 W/m²。沙尘天气辐照度订正效果很大程度上取决于PM₁₀的预报质量，4月11日平山、曲阳PM₁₀小时平均浓度预报效果较好时，E_cf相比E_f订正较明显，MAE分别降低71.6、75.8 W/m²，RMSE分别降低61.3、51.2 W/m²；PM₁₀小时平均浓度预报效果差时，E_cf订正效果较差。

研究中符合晴天条件下沙尘天气过程样本数不够多，对建模的辐射比r会产生一定影响，今后随着数据积累将持续优化。

参考文献

[1] 王青,江华,李嘉彤,等.中国及全球光伏产业发展形势分析[J].太阳能,2022(11):5-10.

[2] WANG Qing, JIANG Hua, LI Jiatong,et al.Analysis on the development situation of China and global PV industry[J].Solar Energy,2022(11):5-10.(in Chinese)

[3] 王博,李玲萍,夏权,等.河西走廊太阳辐射时空分布特征及太阳能资源评估研究[J].沙漠与绿洲气象,2023,17(6):147-153.

[4] WANG Bo, LI Lingping, XIA Quan,et al.Spatial and temporal distribution characteristics of solar radiation and assessment of solar energy resources in Hexi corridor[J].Desert and Oasis Meteorology,2023,17(6):147-153.(in Chinese)

[5] LIU L B, HE G, WU M X, et al.Climate change impacts on planned supply-demand match in global wind and solar energy systems[J].Nature Energy,2023,8(8):870-880.

[6] 武辉芹,时珉,赵增保,等.基于EC细网格数值预报产品的太阳辐照度订正技术[J].气象科技,2020,48(5):752-757.

[7] WU Huiqin, SHI Min, ZHAO Zengbao,et al.Stepwise revision of solar irradiance based on EC fine-grid numerical forecast products[J].Meteorological Science and Technology,2020,48(5):752-757.(in Chinese)

[8] 张东海,李忠燕,丁立国,等.影响光伏发电功率的气象因子分析及其预测检验[J].沙漠与绿洲气象,2023,17(3):157-164.

[9] ZHANG Donghai, LI Zhongyan, DING Liguo,et al.Diagnostic analysis of the impact of meteorological factors on photovoltaic power output and its prediction test[J].Desert and Oasis Meteorology,2023,17(3):157-164.(in Chinese)

[10] Das U K, Tey K S, Seyedmahmoudian M,et al.Forecasting of photovoltaic power generation and model optimization: A review[J].Renewable and Sustainable Energy Reviews, 2018, 81(pt.1):912-928.

[11] Mellit, Pavan M,Ogliari,et al.Advanced methods for photovoltaic output power forecasting:a review[J].Applied Sciences, 2020, 10(2):487.

[12] Ruiz-arias J A, Arbizu-Barrena C, Santos-Alamillos F J,et al.Assessing the surface solar radiation budget in the WRF model:a spatiotemporal analysis of the bias and its causes[J].Monthly Weather Review,2016,144(2):703-711.

[13] David M, Ramahatana F, Trombe P J,et al.Probabilistic forecasting of the solar irradiance with recursive ARMA and GARCH models[J].Solar Energy,2016,133:55-72.

[14] Sfetsos A, Coonick A H.Univariate and multivariate forecasting of hourly solar radiation with artificial intelligence techniques[J].Solar Energy,2000,68(2):169-178.

[15] Mellit A, Pavan A M.A 24-h forecast of solar irradiance using artificial neural network:application for performance prediction of a grid-connected PV plant at Trieste,Italy[J].Solar Energy,2010,84(5):807-821.

[16] Mellit A, Benghanem M, Kalogirou S A.An adaptive wavelet-network model for forecasting daily total solar-radiation[J].Applied Energy,2006,83(7):705-722.

[17] Belaid S, Mellit A.Prediction of daily and mean monthly global solar radiation using support vector machine in an arid climate[J].Energy Conversion and Management,2016,118:105-118.

[18] 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.

[19] Huva R, Verbois H, Walsh W.Comparisons of next-day solar forecasting for Singapore using 3DVAR and 4DVAR data assimilation approaches with the WRF model[J].Renewable Energy,2020,147:663-671.

[20] Pham B T, Bui KT T, Prakash I, et al. Novel hybrid computational intelligence approaches for predicting daily solar radiation[J].Acta Geophys,2024,72:1439-1453.

[21] Zemouri N, Bouzgou H, Gueymard C A.Multimodel ensemble approach for hourly global solar irradiation forecasting[J].The European Physical Journal Plus,2019,134(12):594.

[22] ZHU T T, WEI H K, ZHAO X,et al.Clear-sky model for wavelet forecast of direct normal irradiance[J].Renewable Energy,2017,104:1-8.

[23] YAO W X, ZHANG C X, WANG X,et al.The research of new daily diffuse solar radiation models modified by air quality index (AQI) in the region with heavy fog and haze[J].Energy Conversion and Management,2017,139:140-150.

[24] 马明,吕清泉,朱红路,等.雾霾天气下的光伏电站输出功率预测方法研究[J].太阳能,2022(8):37-42.

[25] MA Ming, Qingquan LYU, ZHU Honglu,et al.Study on output power prediction method of PV power station in haze weather[J].Solar Energy,2022(8):37-42.(in Chinese)

[26] 吴盈盈,刘旭阳,王振亭.巴丹吉林沙漠腹地沙尘事件对近地表气温和太阳总辐射的影响[J].沙漠与绿洲气象,2022,16(2):85-90.

[27] WU Yingying, LIU Xuyang, WANG Zhenting.Effects of Aeolian sand-dust events on near-surface temperature and global radiation in the hinterland of Badain Jaran desert[J].Desert and Oasis Meteorology,2022,16(2):85-90.(in Chinese)

[28] 刘晓艳,景亮.雾霾对光伏阵列表面污染物粘附特性影响研究[J].实验室研究与探索,2019,38(10):126-130.

[29] LIU Xiaoyan, JING Liang.Study on the influence of pollutants adhesion on PV array in haze environment[J].Research and Exploration in Laboratory,2019,38(10):126-130.(in Chinese)

[30] 全国气候与气候变化标准化技术委员会,风能太阳能气候资源分技术委员会. 太阳能资源评估方法:GB/T 37526-2019 [S].北京:中国标准出版社,2019:5-6.National Climate and Climate Change Standardization Technical Committee,Wind Energy Solar Energy Climate Resources Subcommittee.Assessment method for solar energy resource:GB/T 37526-2019 [S].Beijing:Standards Press of China,2019:5-6.(in Chinese)

[31] 环境保护部. 环境空气质量标准:GB 3095-2012 [S].北京:中国环境科学出版社,2016:3.Ministry of Environmental Protection.Ambient air quality standard:GB 3095-2012 [S].Beijing:China Environmental Press,2016:3.(in Chinese)

[32] 环境保护部办公厅.关于印发《受沙尘天气过程影响城市空气质量评价补充规定》的通知[R].北京:环境保护部办公厅,2016.Office of the Ministry of Environmental Protection.Notice on issuing the supplementary provisions on the evaluation of urban air quality affected by dust storm events[R].Beijing:Office of the Ministry of Environmental Protection,2016.(in Chinese)

[33] 中国电力企业联合会. 光伏发电站设计规范:GB 50797-2012 [S].北京:中国计划出版社,2012:29.China Electricity Council.Code for design of photovoltaic power station:GB 50797-2012 [S].Beijing:China Planning Press,2012:29.(in Chinese)

[34] 李芬,刘楚琦,于淏,等.基于天气分型的水平面总辐射及散射辐射建模分析[J].太阳能学报,2024,45(4):560-568.

[35] LI Fen, LIU Chuqi, YU Hao,et al.Modeling and analysis of horizontal plane global solar radiation and diffuse solar radiation based on weather type classification[J].Acta Energiae Solaris Sinica,2024,45(4):560-568.(in Chinese)

[36] 王飞,李娜,苏营,等.基于卫星遥感的辐照度时空关联映射与预测建模[J].太阳能学报,2024,45(3):1-9.

[37] WANG Fei, LI Na, SU Ying,et al.Spatiotemporal correlation mapping and prediction modeling of irradiance based on satellite remote sensing[J].Acta Energiae Solaris Sinica,2024,45(3):1-9.(in Chinese)

[38] 刘平平,刘鑫,刘琼,等.新疆地区气溶胶对地表太阳辐射的影响初探[J].环境科学学报,2020,40(9):3155-3164.

[39] LIU Pingping, LIU Xin, LIU Qiong,et al.Preliminary study on impact of aerosols on surface solar radiation in Xinjiang[J].Acta Scientiae Circumstantiae,2020,40(9):3155-3164.(in Chinese)

基金资助

中国气象局揭榜挂帅项目(CMAJBGS202209a)

中国气象局创新发展专项(CXFZ2024J038)

新疆“天池英才”引进计划(2024)

中国气象局公共气象服务中心创新基金项目(M2023013)

河北省重点研发计划(22375405D)