考虑晴空和有云条件下模拟太阳辐射数据的订正方法与流程

本发明涉及气象领域，具体是涉及一种模拟太阳辐射数据的订正方法。

背景技术：

1、目前，中国气象局风能太阳能气象预报系统(以下简称“cma-wsp”)升级为cma-wsp2.0版并正式发布。该系统显著降低辐射、风速等预报误差，预报时效由126小时延长至336小时，新增风光发电气象条件专业预报产品，可满足风能太阳能行业预报服务需求。

2、但cma-wsp2.0模式输出的模拟太阳辐射数据与实际观测辐射数据之间也仍然存在误差，这种误差一部分是系统误差，一部分是复杂的大气环境导致的。因此需要对模拟太阳辐射数据进行校对订正。常见的订正方法是基于线性回归和机器学习方法，这类方法在国内外都有大量的研究，在实际应用中也取得了良好的效果。

3、不过由于大气状况瞬息万变，当时、当地的大气对遥感数据影响程度和重要性不同，再加上各卫星的传感器波段设置不同，特性不同，研究目的和要求也不同，即使相同地区，大气状况也是复杂多变的，每景图像成像时的大气状况也存在明显差异，很难有一种算法是普遍适用的。因此需要提供更多不同的辐射订正方法，从而适用不同的场景，或用作多数据的对比，获得更为精准的预报结果。

技术实现思路

1、发明目的：本发明目的在于针对现有技术的不足，基于太阳辐射的季节变化、日变化和云影响，提供一种考虑晴空和有云条件下模拟太阳辐射数据的订正方法。

2、技术方案：本发明所述考虑晴空和有云条件下模拟太阳辐射数据的订正方法，包括如下步骤：

3、s1、获取模拟太阳辐射数据以及对应的观测辐射数据；

4、s2、筛选出在晴空条件下，一段时间内模拟太阳辐射数据以及对应的观测辐射数据，分别计算两数据的月平均值后作差，差值为对应时刻的晴空模拟偏差值，通过该差值计算出太阳辐射穿过晴空大气后的辐射值，记为rclear；

5、s3、根据云量和云类，将云层分为低云层、中云层和高云层；

6、筛选出中云层和高云层为0，即仅存在低云层的模拟太阳辐射数据以及对应的观测辐射数据，将两数据和低云层云量输入计算机学习模型，输出低云层影响下辐射数据o1；

7、筛选出低云层和高云层为0，即仅存在中云层的模拟太阳辐射数据以及对应的观测辐射数据，将两数据和中云层云量输入计算机学习模型，输出中云层影响下观测辐射数据o2；

8、筛选出低云层和中云层为0，即仅存在高云层的模拟太阳辐射数据以及对应的观测辐射数据，将两数据和高云层云量输入计算机学习模型，输出高云层影响下观测辐射数据o3；

9、s4、各云层影响下辐射数据与太阳辐射穿过低、中、高云后的辐射值以及穿过晴空大气后的辐射值相关，各云层影响下辐射数据表示为：

10、o1＝l+rclear；

11、o2＝m+rclear；

12、o3＝h+rclear；

13、其中l，m和h分别代表太阳辐射穿过低、中、高云衰减后的剩余辐射值；

14、s5、将模拟太阳辐射数据订正为最终到达地表的太阳辐射：

15、o＝l+m+h＝o1+o2+o3-3×rclear。

16、本发明进一步优选地技术方案为，步骤s3中低云层影响下辐射数据o1通过tcn-lstm机器学习模型获得，提取cma-wsp2.0中的模拟辐射数据，记为b，以及低云云量，记为l，联合观测辐射数据o输入tcn-lstm机器学习模型，得到o1的关系式：

17、

18、作为优选地，步骤s3中中云层影响下辐射数据o2通过tcn-lstm机器学习模型获得，提取cma-wsp2.0中的模拟辐射数据，记为b，以及中云云量，记为m，联合观测辐射数据o输入tcn-lstm机器学习模型，得到o2的关系式：

19、

20、作为优选地，步骤s3中高云层影响下辐射数据o3通过tcn-lstm机器学习模型获得，提取cma-wsp2.0中的模拟辐射数据，记为b，以及高云云量，记为h，联合观测辐射数据o输入tcn-lstm机器学习模型，得到o3的关系式：

21、

22、作为优选地，步骤s2中分别对12个月的辐射数据进行统计，每天以15分钟为间隔，分别计算该时刻模拟太阳辐射数据以及对应的观测辐射数据的月平均值并作差。

23、另一方面，本发明提供一种考虑晴空和有云条件下模拟太阳辐射数据的订正系统，包括：

24、数据采集部分，用于获取模拟太阳辐射数据以及对应的观测辐射数据；

25、辐射数据计算部分，利用权利要求1中步骤s2-s4的方法分别计算晴空条件、低云层影响、中云层影响和高云层影响下的辐射数据；

26、辐射数据订正部分，用于订正模拟太阳辐射数据，并输出位最终到达地表的太阳辐射。

27、第三方面，本发明提供一种计算机可读存储介质，存储有一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。

28、第四方面本发明提供一种计算设备，包括：

29、一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。

30、有益效果：本发明基于太阳辐射的季节变化、日变化和云影响，提供一种考虑晴空和有云条件下模拟太阳辐射数据的订正方法。为辐射数据的订正提供更多的途径，从而适用更多应用场景，同时为多数据的对比提供依据，从而获得更为精准的预报结果。

技术特征：

1.一种考虑晴空和有云条件下模拟太阳辐射数据的订正方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的考虑晴空和有云条件下模拟太阳辐射数据的订正方法，其特征在于，步骤s3中低云层影响下辐射数据o1通过tcn-lstm机器学习模型获得，提取cma-wsp2.0中的模拟辐射数据，记为b，以及低云云量，记为l，联合观测辐射数据o输入tcn-lstm机器学习模型，得到o1的关系式：

3.根据权利要求2所述的考虑晴空和有云条件下模拟太阳辐射数据的订正方法，其特征在于，步骤s3中中云层影响下辐射数据o2通过tcn-lstm机器学习模型获得，提取cma-wsp2.0中的模拟辐射数据，记为b，以及中云云量，记为m，联合观测辐射数据o输入tcn-lstm机器学习模型，得到o2的关系式：

4.根据权利要求3所述的考虑晴空和有云条件下模拟太阳辐射数据的订正方法，其特征在于，步骤s3中高云层影响下辐射数据o3通过tcn-lstm机器学习模型获得，提取cma-wsp2.0中的模拟辐射数据，记为b，以及高云云量，记为h，联合观测辐射数据o输入tcn-lstm机器学习模型，得到o3的关系式：

5.根据权利要求1所述的考虑晴空和有云条件下模拟太阳辐射数据的订正方法，其特征在于，步骤s2中分别对12个月的辐射数据进行统计，每天以15分钟为间隔，分别计算该时刻模拟太阳辐射数据以及对应的观测辐射数据的月平均值并作差。

6.一种考虑晴空和有云条件下模拟太阳辐射数据的订正系统，其特征在于，包括：

7.一种计算机可读存储介质，其特征在于，存储有一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。

8.一种计算设备，其特征在于，包括：

技术总结
本发明公开一种考虑晴空和有云条件下模拟太阳辐射数据的订正方法，包括步骤：S1、获取模拟太阳辐射数据以及对应的观测辐射数据；S2、筛选出在晴空条件下模拟太阳辐射数据以及对应的观测辐射数据，通过差值计算出太阳辐射穿过晴空大气后的辐射值；S3、输出低云层影响下辐射数据O<subgt;1</subgt;，中云层影响下观测辐射数据O<subgt;2</subgt;，高云层影响下观测辐射数据O<subgt;3</subgt;；将模拟太阳辐射数据订正为最终到达地表的太阳辐射。本发明基于太阳辐射的季节变化、日变化和云影响，提供一种考虑晴空和有云条件下模拟太阳辐射数据的订正方法。为辐射数据的订正提供更多的途径，从而适用更多应用场景，同时为多数据的对比提供依据，从而获得更为精准的预报结果。

技术研发人员：夏新露,孙明,罗晓春,黄亮,张敏,王博妮,袁心仪,桑小卓,葛行成,黄芳,陈秋宇,史潇
受保护的技术使用者：江苏省气象服务中心
技术研发日：
技术公布日：2024/1/15