高被引論文選編

編輯：侯美亭 張萌

“新能源”主題被引頻次最高的前10篇論文

來(lái)源數(shù)據(jù)庫(kù)：SCI-E和CAJD（氣象與大氣科學(xué)領(lǐng)域），檢索時(shí)段：2017—2019年

通過天氣類型進(jìn)行空間配置，平衡歐洲風(fēng)力發(fā)電量——Balancing Europe's wind-power output through spatial deployment informed by weather regimes. Nature Climate Change, 2017, Vol. 7, No. 8.

由于風(fēng)能和太陽(yáng)能在歐洲電力中所占的份額越來(lái)越大，理解和適應(yīng)它們?cè)诙鄠€(gè)時(shí)間尺度上的變化仍然是一個(gè)關(guān)鍵問題。在每周的時(shí)間尺度上，風(fēng)能的變化與長(zhǎng)期的天氣狀況（即天氣類型）有關(guān)，這可能導(dǎo)致鄰國(guó)風(fēng)力發(fā)電的中斷。蘇黎世聯(lián)邦理工學(xué)院的Grams等展示了天氣類型為歐洲風(fēng)力發(fā)電的多日波動(dòng)提供了一種氣象解釋，并可以幫助指導(dǎo)新的部署路徑，將這種變化最小化。目前不同天氣類型下的平均發(fā)電量從22 GW到44 GW不等，按照目前的規(guī)劃策略，預(yù)計(jì)到2030年將增長(zhǎng)兩倍。然而，平衡各地區(qū)未來(lái)的風(fēng)力發(fā)電能力，并對(duì)比各國(guó)政府間的行為——特別是在巴爾干半島而不是北海部署——將幾乎消除這些產(chǎn)量差異，維持平均發(fā)電量。太陽(yáng)能光伏發(fā)電可以平衡局地的風(fēng)力條件不足狀況，但只能通過將目前的容量擴(kuò)大十倍的手段。基于對(duì)大陸尺度風(fēng)力狀況的理解和泛歐洲合作的新部署戰(zhàn)略，可以在最大程度上減少風(fēng)力發(fā)電量變化的負(fù)面影響。

1.5 ℃目標(biāo)的替代途徑減少了對(duì)負(fù)排放技術(shù)的需求——Alternative pathways to the 1.5 degrees C target reduce the need for negative emission technologies. Nature Climate Change,2018, Vol. 8, No. 5.

實(shí)現(xiàn)《巴黎協(xié)定》所列宏偉目標(biāo)的減緩?fù)ǔＲ蕾囉跍厥覛怏w減排和大氣凈二氧化碳去除（CDR），主要通過大規(guī)模應(yīng)用生物能源、碳捕獲和儲(chǔ)存以及植樹造林來(lái)實(shí)現(xiàn)。然而，CDR戰(zhàn)略面臨著一些困難，例如依賴地下二氧化碳儲(chǔ)存、和耕地以及用于生物多樣性保護(hù)的土地存在競(jìng)爭(zhēng)。因此，一個(gè)關(guān)鍵問題是是否存在替代的深層緩解途徑。為此，荷蘭環(huán)境評(píng)估署（PBL）的van Vuuren等使用一個(gè)綜合評(píng)估模型，探討了其他途徑的影響，包括生活方式的改變、額外減少非二氧化碳溫室氣體，以及基于可再生能源的能源需求更快地電氣化。雖然這些替代方案也面臨特定的困難，但它們可以顯著減少對(duì)CDR的需要，盡管不能完全消除CDR。替代方案為實(shí)現(xiàn)《巴黎協(xié)定》的目標(biāo)提供了多樣化的過渡途徑，同時(shí)也有利于其他可持續(xù)發(fā)展目標(biāo)。

2014年4月4日撒哈拉沙塵暴發(fā)對(duì)德國(guó)光伏發(fā)電的影響——Impact of the 4 April 2014 Saharan dust outbreak on the photovoltaic power generation in Germany. Atmospheric Chemistry and Physics, 2017, Vol. 17, No. 21.

準(zhǔn)確預(yù)測(cè)太陽(yáng)輻射的重要性正在迅速增加，特別是對(duì)那些在光伏（PV）發(fā)電中所占份額越來(lái)越大的國(guó)家來(lái)說。太陽(yáng)輻射預(yù)測(cè)的可靠性主要取決于云和氣溶膠粒子對(duì)吸收和散射輻射的表征。特別是在極端氣溶膠條件下，數(shù)值天氣預(yù)報(bào)在太陽(yáng)輻射預(yù)報(bào)中存在系統(tǒng)偏差。這是由于數(shù)值天氣預(yù)報(bào)模式本身的設(shè)計(jì)造成的，該模式通常使用氣候?qū)W平均值來(lái)解釋氣溶膠粒子對(duì)輻射的直接影響，以及假設(shè)氣溶膠濃度在空間和時(shí)間上均為均勻的情況下對(duì)云層形成的影響。在極端氣溶膠條件下，這些模式的缺陷會(huì)導(dǎo)致重大的經(jīng)濟(jì)損失。對(duì)德國(guó)來(lái)說，撒哈拉沙塵每年暴發(fā)5～15次，每次持續(xù)數(shù)天，在這種情況下，數(shù)值天氣預(yù)報(bào)難以充分預(yù)測(cè)太陽(yáng)輻射。2014年4月4日，在撒哈拉沙塵暴發(fā)期間，德國(guó)卡爾斯魯厄理工學(xué)院的Rieger等利用ICON-ART研究了礦物粉塵對(duì)PV發(fā)電的影響。ICON-ART是目前德國(guó)的數(shù)值天氣預(yù)報(bào)模式，由包含微量物質(zhì)和相關(guān)反饋過程的模塊擴(kuò)展而成。研究發(fā)現(xiàn)，德國(guó)65%的輻射監(jiān)測(cè)站點(diǎn)的PV功率預(yù)測(cè)總體上有所改善。在預(yù)報(bào)與實(shí)測(cè)差異較大的9個(gè)臺(tái)站中，有8個(gè)臺(tái)站有改善。此外，還量化了礦物粉塵的直接輻射效應(yīng)和間接輻射效應(yīng)，直接效應(yīng)占64%，間接效應(yīng)占20%，協(xié)同效應(yīng)占16%，其中包括礦塵輻射效應(yīng)和忽略礦塵預(yù)測(cè)的差異。

水力與灌溉：全球格局分析——Hydropower versus irrigationan analysis of global patterns.Environmental Research Letters, 2017,Vol. 12, No. 3.

世界各地眾多的水庫(kù)提供多種流量調(diào)節(jié)功能，其中的關(guān)鍵是水力發(fā)電和灌溉用水。這些職能有助于國(guó)家、區(qū)域和全球各級(jí)的能源和糧食安全。雖然水力發(fā)電的水庫(kù)作業(yè)可能支持灌溉，但眾所周知，水力發(fā)電可能減少了用于灌溉糧食生產(chǎn)的水的供應(yīng)。美國(guó)伊利諾伊大學(xué)的Zeng等使用機(jī)器學(xué)習(xí)技術(shù)和多源數(shù)據(jù)集在全球范圍內(nèi)評(píng)估了這些關(guān)系，發(fā)現(xiàn)54%的全球水電裝機(jī)容量（約507萬(wàn) MW）與灌溉競(jìng)爭(zhēng)。存在這種競(jìng)爭(zhēng)的地區(qū)包括美國(guó)中部、北歐、印度、中亞和大洋洲。另一方面，全球8%的水電裝機(jī)容量（約79000 MW）是灌溉的補(bǔ)充，尤其是在中國(guó)的黃河和長(zhǎng)江流域、美國(guó)東海岸和西海岸以及東南亞、加拿大和俄羅斯的大多數(shù)流域。在世界其他地區(qū)沒有發(fā)現(xiàn)明顯的關(guān)系。進(jìn)一步分析氣候變量對(duì)水電與灌溉關(guān)系的影響，發(fā)現(xiàn)在降水增加的情況下，水庫(kù)的防洪功能似乎限制了美國(guó)、中國(guó)南方以及歐洲和大洋洲大多數(shù)流域的水力發(fā)電。另一方面，由于潛在蒸發(fā)量的提高，水庫(kù)蒸發(fā)損失的增加和灌溉需求的增加，可能導(dǎo)致灌溉和水力發(fā)電之間的權(quán)衡增加，因?yàn)樵跉夂蜉^暖的地區(qū)，如印度、華南和美國(guó)南部，水的可用性降低。如今，大多數(shù)水庫(kù)都是為多種目的而建，因此，政策制定者必須理解并計(jì)劃如何在關(guān)鍵功能之間進(jìn)行權(quán)衡。因?yàn)闇p緩氣候變化要求增加可再生能源，而氣候變化、人口和經(jīng)濟(jì)增長(zhǎng)以及相關(guān)飲食變化的農(nóng)業(yè)水文影響增加了世界許多地區(qū)糧食生產(chǎn)的灌溉需求。

（以上由侯美亭選編）

基于相似時(shí)刻的光伏出力概率分布估計(jì)方法——《電網(wǎng)技術(shù)》2017年第2期

程澤等針對(duì)光伏發(fā)電可預(yù)測(cè)性低的問題，提出了一種綜合使用通徑分析（path analysis，PA）、k近鄰算法（k-Nearest Neighbor，KNN）、神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸（quantile regression neural network，QRNN）和核密度估計(jì)（kernel density estimator，KDE）的光伏出力概率分布估計(jì)方法，構(gòu)造出未來(lái)1 d任意時(shí)刻的光伏出力概率密度函數(shù)，可以得到比點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)更多的有用信息。首先由通徑分析對(duì)氣象因素進(jìn)行約減，在降低模型輸入維數(shù)的基礎(chǔ)上減小變量間的耦合作用。然后通過K-means算法按天氣類型對(duì)歷史樣本進(jìn)行聚類，進(jìn)一步提高相似樣本的篩選效果。最后利用神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸和核密度估計(jì)對(duì)光伏出力的概率分布進(jìn)行估計(jì)。實(shí)驗(yàn)結(jié)果表明，相比于核密度估計(jì)和傳統(tǒng)的正態(tài)分布估計(jì)方法，采用所提方法估計(jì)出的概率分布的可靠性和銳度更高。

基于相似日和CAPSO-SNN的光伏發(fā)電功率預(yù)測(cè)——《電力自動(dòng)化設(shè)備》2017年第3期

針對(duì)光伏發(fā)電功率預(yù)測(cè)精度不高的問題，陳通等提出了一種基于相似日和云自適應(yīng)粒子群優(yōu)化（CAPSO)算法優(yōu)化Spiking神經(jīng)網(wǎng)絡(luò)（SNN）的發(fā)電功率預(yù)測(cè)模型。考慮到季節(jié)類型、天氣類型和氣象等主要影響因素，提出以綜合相似度指標(biāo)進(jìn)行相似日選取；以SNN強(qiáng)大的計(jì)算能力和其善于處理時(shí)間序列問題的特點(diǎn)為基礎(chǔ)，結(jié)合CAPSO算法搜索的隨機(jī)性和穩(wěn)定性優(yōu)化SNN的多突觸連接權(quán)值，減少對(duì)權(quán)值的約束,提高算法的收斂精度。根據(jù)某光伏電站的實(shí)測(cè)功率數(shù)據(jù)對(duì)所提模型進(jìn)行測(cè)試和評(píng)估，結(jié)果表明，該模型比傳統(tǒng)預(yù)測(cè)模型具有更高的預(yù)測(cè)精度和更好的適用性。

基于多時(shí)段綜合相似日的光伏發(fā)電功率預(yù)測(cè)——《電源技術(shù)》2017年第1期

由于歷史數(shù)據(jù)和天氣因素對(duì)光伏出力預(yù)測(cè)的影響較大，盧舟鑫等提出了一種日特征相似度與形狀相似度相結(jié)合的方法，分時(shí)段地預(yù)測(cè)光伏發(fā)電功率。該方法首先采用歐式距離法對(duì)氣象類型進(jìn)行細(xì)分，然后在不同時(shí)間段中分別利用兩種相似日選取算法選取歷史相似日，再利用其對(duì)應(yīng)時(shí)段的歷史功率值及氣象數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)測(cè)日相應(yīng)時(shí)段的功率進(jìn)行預(yù)測(cè)，結(jié)果表明該方法的預(yù)測(cè)精度有明顯提高。

基于PCA-BPNN的并網(wǎng)光伏電站發(fā)電量預(yù)測(cè)模型研究——《可再生能源》2017年第5期

針對(duì)目前光伏電站發(fā)電量預(yù)測(cè)模型中輸入氣象維數(shù)較多、預(yù)測(cè)精度低等問題，李芬等提出基于主成分分析（PCA）和BP神經(jīng)網(wǎng)絡(luò)（BPNN）相結(jié)合的光伏電站發(fā)電量預(yù)測(cè)模型。利用PCA對(duì)水平面太陽(yáng)總輻射、日照時(shí)數(shù)、氣溫日較差等多個(gè)氣象變量進(jìn)行解耦降維處理，形成相互正交、相互獨(dú)立的公因子變量。將這些公因子變量作為BPNN模型的輸入變量，并進(jìn)行訓(xùn)練擬合建模，從而實(shí)現(xiàn)對(duì)光伏電站發(fā)電量進(jìn)行預(yù)測(cè)。文章利用我國(guó)華中地區(qū)某屋頂并網(wǎng)光伏電站的實(shí)測(cè)數(shù)據(jù)，對(duì)PCA-BPNN模型進(jìn)行檢驗(yàn)。通過研究結(jié)果可知，與常見的預(yù)測(cè)模型相比，PCA-BPNN模型大大降低了氣象變量的輸入維數(shù)，該模型預(yù)測(cè)結(jié)果的準(zhǔn)確性較高。

基于多維氣象數(shù)據(jù)和PCA-BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)——《電網(wǎng)與清潔能源》2017年第1期

太陽(yáng)能光伏發(fā)電受很多隨機(jī)因素的影響，這使得光伏系統(tǒng)輸出功率具有不確定性的特點(diǎn)。光伏系統(tǒng)輸出功率的精確預(yù)測(cè)對(duì)電力系統(tǒng)的未來(lái)規(guī)劃、調(diào)度管理和運(yùn)行控制有著重要意義。劉俊等通過多個(gè)渠道搜集多維數(shù)的歷史氣象數(shù)據(jù)，同時(shí)將天氣類型分為無(wú)云、有云、多云和雨天4類；然后基于反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)建立不同氣象條件下的光伏發(fā)電功率預(yù)測(cè)模型；最后利用主成分分析（principal component analysis，PCA）對(duì)原始?xì)庀筇卣鲾?shù)據(jù)進(jìn)行降維分析和處理，提高計(jì)算速度和精度。仿真算例結(jié)果驗(yàn)證了所建立的光伏發(fā)電功率預(yù)測(cè)模型的有效性，而且PCA降維能夠降低訓(xùn)練，減少預(yù)測(cè)的計(jì)算時(shí)間，并提高預(yù)測(cè)精度，這表明PCA能適用于未來(lái)海量氣象大數(shù)據(jù)下光伏電站短期、超短期的分鐘級(jí)實(shí)時(shí)功率預(yù)測(cè)。

基于密度峰值層次聚類的短期光伏功率預(yù)測(cè)模型——《高電壓技術(shù)》2017年第4期

程啟明等針對(duì)傳統(tǒng)聚類算法不易選取初始聚類中心、對(duì)噪聲值較敏感、收斂速度慢及易陷入局部最優(yōu)等問題，提出一種基于密度峰值的層次聚類算法對(duì)天氣類型進(jìn)行聚類。首先確定氣象數(shù)據(jù)的密度峰值參數(shù)，采用分層聚類算法將氣象數(shù)據(jù)劃分為不同類別，然后利用支持向量機(jī)（SVM）對(duì)未知天氣類型進(jìn)行識(shí)別，最終采用徑向基（RBF）神經(jīng)網(wǎng)絡(luò)建立光伏發(fā)電短期功率預(yù)測(cè)模型。仿真結(jié)果表明，該方法能有效提高氣象類型的分類精度、加快尋優(yōu)速度，提高離群樣本點(diǎn)分離的魯棒性，證明了其在小樣本的情況下具有較高的精度，且在天氣波動(dòng)較大時(shí)仍能較好地實(shí)現(xiàn)功率值的預(yù)測(cè)。