太阳能资源预报与评估2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

太阳能资源预报与评估PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 术语和定义1

1.1 简介1

1.2 太阳能发电方式概述2

1.2.1 光伏2

1.2.2 聚光太阳能发电6

1.3 太阳能与太阳辐照度8

1.4 太阳直射、散射和总辐射及仪器测量8

1.5 影响太阳辐照度的大气特性10

参考文献15

第2章 半经验卫星反演模型18

2.1 卫星和光谱18

2.2 基本原理20

2.3 晴空辐照度21

2.4 云消光：云指数25

2.5 总辐照度的计算28

2.5.1 校正非均匀地形上的动态范围29

2.5.2 积雪29

2.6 太阳直接辐照度的计算32

2.7 利用高分辨率地形信息对太阳辐照度进行降尺度32

2.8 不确定性来源33

2.9 检验与准确性35

2.10 利用地面测量值校准卫星偏差37

2.11 未来发展37

参考文献38

第3章 卫星物理反演法43

3.1 简介44

3.2 卫星观测系统46

3.3 云层、气溶胶的探测和属性特征49

3.3.1 云层49

3.3.2 气溶胶52

3.4 建立属性与地表辐射参数的相关性52

3.4.1 一步法53

3.4.2 两步法54

3.5 操作和数据集实例55

3.5.1 国际卫星云气候计划55

3.5.2 NASA全球地表辐射收支55

3.5.3 Heliosat计划56

3.5.4 NOAA项目56

3.6 未来的卫星性能58

3.7 研究的关键需求60

3.7.1 短期预测的三维效应61

3.7.2 卫星反演云产品在NWP分析中的改进使用62

3.7.3 模拟与观测的融合63

3.8 结论63

参考文献64

第4章 太阳能项目融资中的资源风险评估70

4.1 简介70

4.2 项目融资中的资源风险研究71

4.3 数据源、质量及不确定性72

4.3.1 地面测量、地面建模及卫星数据源73

4.3.2 记录年限和变化性74

4.3.3 对比和校准不同时空的太阳能数据集75

4.3.4 数据不确定性75

4.4 资源变化性的商业影响75

4.4.1 价格的波动76

4.4.2 交付要求和容量电价76

4.4.3 预测要求77

4.5 量化和管理资源风险的技术77

4.5.1 超越概率统计77

4.5.2 能源预测的变化因素79

4.5.3 敏感度和压力/不利情况80

4.5.4 债务规模和偿债能力比率80

4.6 结论80

参考文献81

第5章 可获利的太阳辐射数据集82

5.1 简介83

5.2 太阳辐射数据集：特征、优势与劣势84

5.2.1 SOLMET/ERSATZ数据库85

5.2.2 美国国家太阳能辐射数据库86

5.2.3 加拿大气象资源与工程数据集89

5.3 典型气象年（TMY）数据文件91

5.3.1 TMY2和TMY3文件的局限性92

5.4 卫星反演太阳辐射值94

5.4.1 源自卫星图像的辐照度94

5.4.2 静止卫星95

5.4.3 卫星建模辐照度模型准确性96

5.4.4 NASA/SSE数据库97

5.4.5 卫星数据准确性与状态的讨论97

5.5 辐照度测量值与不确定性99

5.5.1 高质量DNI、 GHI和DHI测量值99

5.5.2 旋转遮光带辐射计101

5.5.3 维护与校准的重要性101

5.5.4 卫星数据和地基数据融合值102

5.5.5 其他重要的气象测量值103

5.6 建立可获利的数据集103

5.6.1 可获利数据集的目标103

5.6.2 创建可获利数据集的步骤104

5.6.3 NASA/SSE数据与地基测量值105

5.7 P50、 P90和P99条件下的太阳辐射数据集统计分析105

5.7.1 P50、 P90和P95的用途106

5.7.2 年辐照度分布106

5.7.3 长期数据的要求107

5.8 现状与前景107

参考文献108

第6章 太阳能资源的多变性112

6.1 前言112

6.2 太阳能多变性的量化114

6.3 色散平滑效应114

6.4 任意分布的太阳能发电集群的一般情况120

6.5 多变性对配电和传输系统的影响121

6.6 平滑效应结语124

参考文献124

第7章 利用辐照度数据量化并模拟太阳能电站的多变性128

7.1 光伏发电多变性的原因与影响128

7.2 多变性度量130

7.2.1 缓变率130

7.2.2 晴空指数130

7.2.3 小波分解132

7.2.4 变率减少133

7.3 基于小波变换的变异模型135

7.3.1 WVM模型流程136

7.3.2 观测点之间的相关性137

7.3.3 WVM模型应用138

7.4 WVM模型及其在波多黎各的应用138

7.4.1 验证：铜山48MW电站138

7.4.2 波多黎各电力局（PERPA） 10%缓变率技术要求140

7.4.3 圣地亚哥、瓦胡岛和波多黎各之间的多变性对比144

7.5 小结146

参考文献146

第8章 太阳能预测方法与准确性评估标准概述148

8.1 太阳能预测方法分类148

8.2 确定性和随机性预测方法152

8.2.1 物理预测方法的关键性评价152

8.2.2 卫星预测153

8.2.3 全天空成像仪预报154

8.2.4 随机学习方法的数据输入154

8.2.5 小结156

8.3 太阳能预测模型准确性评价标准156

8.3.1 太阳能资源的变化性156

8.3.2 常见模型评价的标准157

8.3.3 固定时效（THI）的评价标准159

8.4 利用THI衡量标准评估持续性，以及非线性自回归预测模型161

8.4.1 NAR预测模型和NARX预测模型161

8.4.2 预测模型与持续性对比161

8.4.3 卫星云图运动预测模型对比164

8.5 总结164

参考文献165

第9章 基于全天空成像仪的短期预测168

9.1 短期太阳能预测所面临的挑战169

9.2 应用程序169

9.2.1 公共事业规模的太阳能设施169

9.2.2 分布式光伏系统170

9.2.3 光伏与蓄电池联合170

9.3 天空成像系统硬件170

9.3.1 基于地面图像预测的组件170

9.3.2 天空数码摄影历史回顾172

9.3.3 加州大学圣地亚哥分校天空成像仪的光学系统与成像系统设计174

9.3.4 高动态范围成像177

9.4 天空成像分析技术178

9.4.1 云检测与不透明度分类的图像加工技术179

9.4.2 利用立体摄影确定云底高度181

9.4.3 云速估计186

9.5 案例分析：铜山186

9.5.1 实验装置186

9.5.2 预测方法188

9.5.3 利用天空成像预测发电量190

9.5.4 误差度量191

9.5.5 预测性能192

9.5.6 总结194

9.6 未来应用194

9.6.1 云光学性质反演195

9.6.2 多云层检测与追踪195

9.6.3 三维云场重建196

9.7 结束语196

参考文献196

第10章 SOLARANYWHERE预测202

10.1 太阳能资源和预测数据服务202

10.1.1 历史数据202

10.1.2 预测数据203

10.2 SOLARANYWHERE预测模型204

10.2.1 短期云层运动矢量预测204

10.2.2 数值天气预报预测205

10.3 模型评估：标准分辨率206

10.3.1 单点地面实况验证206

10.3.2 扩大区域的验证222

10.3.3 NWP太阳能预测模型的相互比较225

10.4 性能评估：1km 、 1min预测226

结束语228

参考文献228

第11章 德国能源市场的卫星辐照度和发电预测231

11.1 德国太阳能市场份额232

11.2 卫星预测过程综述234

11.3 源自卫星数据的辐照度234

11.3.1 Meteosa卫星234

11.3.2 Heliosat方法235

11.4 云层运动矢量236

11.4.1 云层运动的探测236

11.4.2 模型参数的测定238

11.4.3 运动外推法得出的预测239

11.4.4 后处理：平滑处理239

11.5 评估240

11.5.1 评估标准和周期240

11.5.2 参考预测：ECMWF和持续性预测241

11.6 CMV预测的评估242

11.6.1 单站点预测242

11.6.2 区域预测245

11.6.3 误差的特征248

11.7 光伏发电预测254

11.8 总结与展望255

参考文献256

第12章 数值天气预报模型的太阳辐照度预测259

12.1 简介259

12.2 生成NWP预测和网格分辨率所需的步骤260

12.2.1 确定大气初始状态和网格分辨率260

12.2.2 统计后处理261

12.3 4种应用模型（ECMWF、 NAM、 GFS、 RAP）的配置对比：空间和时间覆盖率、深厚积云和浅积云、湍流输送、云量、云垂直重叠、层状微物理学、气溶胶、短波辐射传输261

12.4 辐照度预测误差的原因268

12.4.1 非多云场景268

12.4.2 多云场景269

12.4.3 谨慎的必要269

12.5 当天太阳辐照度的预测精度269

12.6 结论272

参考文献272

第13章 数值天气预报中的资料同化技术及其示例应用278

13.1 简介279

13.2 DA方法及其应用280

13.2.1 综述280

13.2.2 主要的NWP DA中心281

13.2.3 数据循环283

13.2.4 数据的质量控制284

13.2.5 数据稀疏化285

13.2.6 性能标准285

13.3 DA的工作原理286

13.3.1 贝叶斯理论287

13.3.2 DA的成分：前向模型、数学伴随矩阵、算子和代价函数289

13.3.3 变分DA292

13.3.4 增量变分DA292

13.3.5 集合DA294

13.3.6 粒子滤波器295

13.4 太阳能DA的挑战295

13.4.1 非线性物理学296

13.4.2 非高斯物理学296

13.4.3 间断物理学298

13.4.4 多云DA的示例299

13.5 未来趋势300

13.6 结论302

首字母缩略词303

专业词汇304

参考文献304

第14章 GL-GarradHassan公司基于WRF模型的太阳能预测案例研究311

14.1 动机：辐照度、可变性和不确定性的预测311

14.1.1 确定利益相关者的需求313

14.1.2 独立系统运营商的角度314

14.1.3 能源交易商的角度316

14.2 GL GARRAD HASSAN公司的NWP太阳能预测318

14.2.1 公开的NWP模型318

14.2.2 GLGarrad Hassan公司的WRF模型319

14.2.3 模型输出统计、置信区间、爬坡概率322

14.3 满足利益相关者需求的案例研究325

14.3.1 ISO的角度325

14.3.2 能源交易商的角度328

14.4 总结和结论329

首字母缩略词、符号和变量331

致谢331

参考文献331

第15章 随机学习方法334

15.1 简介334

15.2 用于对比的基线方法336

15.2.1 持续性方法336

15.2.2 ARIMA模型337

15.2.3 kNN和ANN338

15.3 遗传算法340

15.3.1 GA/ANN：扫描解空间340

15.3.2 选择、交叉、变异和停止准则340

15.4 定性的性能评估341

15.5 无外生变量随机学习方法的性能342

15.5.1 晴空模型343

15.5.2 ARIMA、 kNN、 ANN、 GA/ANN的量化性能344

15.6 作为太阳能预测外生变量的天空成像数据348

15.6.1 图像处理348

15.6.2 确定的结果349

15.7 使用外生变量的随机学习：美国国家数字预测数据库350

15.8 结论351

参考文献352