葵花-8 衛星輻射數據的精度評估及其在光伏電站的應用研究

肖 博， 朱 海， 張素君， 張 幼， 赫衛國， 莫紹凡

（1.上海工程技術大學， 上海 201620； 2.績元（上海）數據科技有限公司， 上海 201107； 3.中國電力科學研究院有限公司， 江蘇 南京 210003； 4.旻投電力發展有限公司， 江蘇 南京 211100）

0 引言

在可再生能源光伏領域， 太陽輻射數據是光伏項目的設計、 工程收益評估及后期運維的重要基礎數據[1]，[2]。 我國地緣遼闊，地面太陽輻射觀測站點稀少且分布不均， 目前中國氣象局（China Meteorological Administration，CMA） 僅有110 多個氣象站點觀測太陽輻射參數， 站點數量遠不能滿足高精度太陽能利用的需求[3]。 大部分光伏電站通常安裝地面輻射計來輔助電站的運維管理，但輻射計的等級不高，且缺乏定時的校驗及維護。對分布式或戶用光伏， 由于電站數量巨大和成本限制，往往不會安裝輻射計，這給后期的運維帶來了困難。 通過衛星反演技術可獲取全球范圍內高時空分辨率的地表太陽輻射數據， 可以解決地面觀測資料稀缺的問題， 還可以用于預測光伏電站的功率、太陽輻照強度，改進預測的精度[4]，[5]。

可以用來反演地面太陽輻射的衛星數據有CERES （Clouds and the Earth's Radiant Energy System）， ISCCP （International Satellite Cloud Climatology Project），葵花-8、風云-2，4 系列等[6]。美國國家航空航天局的CERES 的輻射反演產品是基于美國環境衛星Terra 和Aqua 反演得到。ISCCP 主要研究全球云層分布及其日、 季節和年變化特性， 云層對輻射能量交換及全球水循環的影響。 日本的葵花-8 衛星搭載了16 個波段的可見光/紅外輻射計，包含5 km 和1 km 兩種空間分辨率[7]，[8]。 中國的風云-4 衛星的輻射成像通道有14 個，可見光空間分辨率0.5 km，具有更高的時空和光譜分辨率[9]。 除了衛星反演的輻射數據之外， 還有基于大氣同化模型和歷史觀測資料建立的再分析輻射數據， 如NCEP-DOE（National Centers for Environmental Prediction-DOE），ERAInterim（European Centre for Medium-Range Weather Forecasts Re-Analysis-Interim）和ERA5[10]，[11]。

國內外學者利用衛星遙感資料， 評估了不同天氣條件下衛星輻射數據的質量，Yan[12]研究了無云、有云、白天和夜晚不同條件下Terra/Aqua 衛星短波輻射的數據質量；Kratz[13]研究了太陽高度角和云的變化對CERES 反演輻射精度的影響。針對中國區域，Jia[14]利用地面觀測輻射數據，評估了風云-2C，CERES 以及再分析資料NCEP-DOE 和ERA-Interim 的數據精度，結果表明，風云-2C 和CERES 與觀測誤差較小，但是風云-2C 與觀測的相關系數較低，與ERA-Interim 相當。也有學者對葵花-8 衛星輻射產品在東亞地區的精度進行了研究[7]，[8]，結果表明，在該區域葵花-8 衛星輻射產品的結果優于其他輻射數據產品， 可在一定程度上彌補輻射氣象站稀疏帶來的問題。

目前，尚無在中國區域內對葵花-8 衛星輻射數據質量的評估，本文基于葵花-8 衛星的太陽輻射反演產品、 中國氣象局的地面輻射站點觀測資料作為評估數據， 評估了9 個中國氣象站點上空的葵花-8 號衛星反演產品的精度。將衛星和氣象站觀測數據按照相應的天氣類型，分為晴天、多云和陰雨天3 類數據，分別計算不同天氣條件下，衛星和氣象站觀測數據的誤差分布特性。 基于葵花-8 衛星輻射數據產品與氣象局地面觀測數據的高相關性及低偏差特性， 嘗試將衛星輻射產品用來檢驗光伏電站地面輻射計觀測數據是否存在異常，對電站地面輻射計的數據質量進行評估，研究衛星輻射數據應用于光伏智能運維的適用性。

1 數據與方法

1.1 數據

本研究使用的是葵花-8 衛星的SWDR 短波輻射產品，數據更新頻率為10 min，空間分辨率為5 km，短波輻射參數化方法參考文獻[15]。 地面輻射觀測來自中國輻射資料定時值數據集的日累計輻射數據， 本文選取了9 個東部觀測站點的逐時和日總輻射數據作為驗證數據， 時間為2019 年1-11 月。 此外，還選取了4 個光伏電站的輻射計數據，經過數據篩選剔除異常數據后，與葵花-8衛星輻射數據進行對比分析。

1.2 方法

本文對葵花-8 衛星數據的評估流程包括以下步驟：①將葵花-8 輻射數據雙線性插值到氣象站輻射計位置；②對比葵花-8 的總輻射數據與氣象站輻射計的總輻射數據之間的差異， 評估指標包括：平均偏差（MBE），均方根誤差（RMSE）和相關系數 （r）； ③引入晴空因子 （Clear Sky Index，CSI）作為天氣類型劃分依據，研究葵花-8 輻射數據在不同天氣狀態的數據精度。 最后需要將衛星的水平輻射轉換到一定傾角上傾斜輻射， 再對比葵花-8 數據與光伏電站輻射計數據的差異，檢驗光伏電站輻射計的可靠性。

CSI 是指水平日總輻射量與天文日總輻射量之比， 它可以用來描述大氣對太陽短波輻射遮擋的影響程度。 CSI 越大，表示地面太陽輻射受大氣的影響越小。通過對歷史數據的大量分析，本研究將CSI＞0.8 的天氣定義為晴空天氣，CSI 為0.4～0.8 定義為多云天氣，CSI＜0.4 則為陰雨天氣。 當CSI＜0.4 時，地面輻射受云層的遮擋嚴重，衛星輻射的精度也較低。

衛星反演得到的太陽輻射是水平總輻射，而光伏電站上安裝的輻射計給出的是傾斜輻射。 在將衛星的輻射和電站上的觀測數據進行對比時，需要將衛星的水平輻射轉換為傾斜輻射。 本文利用PVLIB 軟件，將衛星水平總輻射轉換為與電站輻射計相同傾角的輻射數據， 再進一步分析衛星和輻射計數據的一致性。

水平輻射到傾斜輻射的轉換， 需要考慮光伏組件的跟蹤模式的不同， 地面反照率及天空散射和地面反射輻射的計算模型。 POA （Plane of Array）輻射（IPOA）的計算式如下：

式中：Ib為光束輻射；Ig為地面反射輻射；Id為天空散射輻射，一般由半經驗模型給出；DNI 為直接輻射；AOI 為太陽入射角；GHI 為水平總輻射；a 為地面反照率；θT，suf為光伏組件或輻射計的傾角。

本文進行誤差的統計分析的指標有平均偏差和均方根誤差，其計算式分別為

式中：Is為衛星輻射數據；m 為參與對比的樣本個數。

2 結果分析與討論

2.1 葵花-8 衛星輻射與地面輻射計數據的對比分析

2.1.1 逐時太陽輻照度和日總太陽輻射量分析

首先， 對9 個站點的逐時太陽輻照度數據與相應的衛星輻射數據分別進行線性擬合， 結果如圖1 所示。 從圖1 可以看出，9 個站點的逐時太陽輻照度和葵花-8 衛星數據一致性非常高，線性相關系數在0.95 以上，但在不同地區的數據離散度有一定的差異。 當太陽輻照度低于400 W/m2時，數據分布較為集中。

圖1 葵花-8 衛星輻射和地面輻射計的逐時太陽輻照度的相關性分析Fig.1 Correlation analysis of daily radiation observed by Himawari-8 and CMA stations

將地面輻射計和衛星逐時太陽輻照度分別累加為日總太陽輻射量，對日總太陽輻射量數據也同樣進行線性擬合，結果如圖2 所示。 圖中N 為擬合樣本數。對比圖1 可以看出，日總太陽輻射量數據的擬合效果明顯優于逐時數據， 數據離散度相對較低，相關性更高。這是因為將逐時輻射數據累加到日總太陽輻射量的過程， 有一定的數據平滑作用。 9 個站點的逐時太陽輻照度和日總太陽輻射量的相關系數、 平均偏差和均方根誤差統計結果如表1 所示。

圖2 葵花-8 衛星輻射和地面輻射計的日總太陽輻射量的相關性分析Fig.2 Correlation analysis of daily radiation observed by Himawari-8 and CMA stations，N represents number of samples

表1 葵花-8 衛星輻射和地面輻射計的逐時太陽輻照度和日總太陽輻射量的統計指標對比Table 1 Comparison of hourly irradiance and daily radiation of Himawari-8 and stations from CMA

不同站點的數據對比表明，莒縣、合肥和固始3 個站的逐時太陽輻照度和日總太陽輻射量的MBE 高于其他站， 逐時太陽輻照度的MBE 在30 W/m2以上， 日太陽輻射量MBE 在2.8 MJ/m2以上， 其中， 合肥站的逐時太陽輻照度MBE 高達44.71 W/m2，是9 個站點中偏差最大的站。 另外，9個站點的MBE 均為正偏差，說明衛星反演的逐時輻照數據和日總太陽輻射量基本都高于地面輻射計的數據。

RMSE 可以反映出觀測數據和模型值之間的離散程度。 從表1 中的逐時太陽輻照度和日總太陽輻射量RMSE 的對比結果可以看出，鄭州站的逐時太陽輻照度的誤差最小；呂泗、南京及淮安3個站的日總太陽輻射量RMSE 均低于2 MJ/m2，合肥站最高，高達4.3 MJ/m2。

對葵花-8 衛星和氣象局地面輻射計的逐時太陽輻照度和日總太陽輻射量的分析結果表明，衛星數據產品與地面觀測數據的整體趨勢一致，相關性較高，逐時數據的相關系數都高于0.94，日總輻射量相關系數高于0.97， 其中數據符合程度比較低的是莒縣、固始和合肥3 個站。衛星輻射和地面輻射計的誤差主要來自季節性氣溶膠光學厚度引起的反演結果偏差， 以及復雜地形導致的局地天氣變化。 劉軍建[6]利用2015 年的國家氣象局91 站 和CERES，ERA-Interim 及FY-2G 輻 射 產品進行對比，相關性最高的是CERES，相關系數為0.93，日均輻照量為32.14 W/m2。本文中9 個站點的日總太陽輻射量平均值為2.5 MJ/m2，轉換為日均輻照量為29.3 W/m2， 平均相關系數為0.98。這說明葵花-8 衛星反演的輻射數據的精度高于CERES。

2.1.2 典型月的日總太陽輻射量分析

為研究葵花-8 衛星數據的季節性特征，本文選取了1，4，7，10 月4 個典型月的日總太陽輻射量進行對比分析。 表2 統計了9 個站點的日總太陽輻射量的平均偏差MBE。

表2 典型月的日總太陽輻射量平均偏差Table 2 Mean deviation of daily radiation of typical months MJ/m2

從表2 可以看出， 所有觀測站的1 月相對偏差普遍偏高，濟南、固始、上海3 個站7 月偏差最小，莒縣、合肥、南京10 月偏差最小，其他站點除了1 月以外，其它月份偏差特征不明顯。除呂泗站10 月出現負偏差以外，其他站點所有月份均為正偏差， 說明衛星數據普遍高于地面輻射計站的數據。 站點的輻射計觀測值受地形及周圍環境的影響較大，受太陽高度角的影響，冬季地面接收來自太陽的輻射較小， 會出現衛星輻射低于輻射計的情況，且誤差相較于其他季節也偏大。

2.1.3 基于晴空因子分類的日總太陽輻射量分析

根據前文，求出所有站每日的晴空因子序列，并根據CSI 的分類標準，將數據分為晴天、多云和陰雨天3 類。圖3 為9 個站點2019 年的晴空因子的日變化曲線。 從圖中可以看出，9 個站點的天氣均存在較大變化。 進一步對各個站3 類天氣出現的天數及比例進行統計，結果如表3 所示。

圖3 9 個站點的CSI 日變化曲線Fig.3 Daily variation of CSI from CMA stations

表3 各類型天氣出現的天數Table 3 The number of days each type of weather occurs

由表3 可以看出，合肥的晴天天數偏少，多云天氣偏多；呂泗的晴天天數明顯多于其他站點。

基于CSI 的天氣分類標準， 分別對3 種天氣類型下的衛星和地面輻射的偏差情況進行統計，結果如表4 所示。 晴天的衛星反演結果與地面觀測值的相關系數最高，MBE 和RMSE 也最小。 多云和陰雨天的MBE 及RMSE 可以達到晴天水平的2～3 倍。 合肥、莒縣的多云及陰雨天氣偏多，分別為93%和84%，這也導致了反演精度遠低于平均水平。

表4 基于CSI 分類的不同天氣條件下的數據統計結果Table 4 Statistical results with different weather conditions

2.2 基于葵花-8 衛星輻射數據的電站輻射計質量評估

從前文分析可知，葵花-8 衛星輻射數據和氣象局地面輻射計數據的相關性非常高，9 個站點的日總輻射量相關性平均為0.98，MBE 平均為29.3 W/m2。 兩種數據較高的相關性和較低的偏差，說明了葵花-8 衛星輻射數據分析光伏電站上的輻射計數據的時空變化特性的可行性。

為進一步評估輻射計的數據質量， 本文選取了位于中國東部的4 個光伏電站的輻射計數據進行評估分析，利用PVLIB 轉換工具將衛星輻射轉換到相應的傾斜面上， 然后對比兩者傾斜輻射的相關性。 圖4 為輻射計觀測數據和衛星數據。

圖4 4 個光伏電站上的輻射計觀測數據和衛星數據的擬合結果Fig.4 Comparison of daily radiation observed by Himawari-8 and PV stations

從圖4 可以看出， 站點1～3 的相關系數較高，都達到了0.98。 站點4 的數據離散程度較高，尤其是在日總太陽輻射量低于15 MJ/m2的情況下，衛星數據明顯低于地面觀測數據。

由前文可知，晴天條件下，衛星反演的可靠性較高， 選取CSI＞0.8 的部分數據進行分析，4 個光伏電站的輻射計和衛星數據的統計分析結果見表5。 從表5 可以看出，4 個光伏電站上的輻射計數據和衛星數據的相關性都低于氣象局9 個輻射計站的統計結果，其中電站1 的相關系數只有0.85，低于其他站，MBE 也遠高于其他電站。 因此基本可以判斷電站1 的輻射計數據有系統偏差， 需要返廠檢修。

表5 4 個光伏電站的輻射計和衛星數據的統計分析結果Table 5 Statistics of daily radiation observed by Himawari-8 and PV staions at 4 locations

3 結論

本文通過將葵花-8 衛星數據與地面氣象站觀測數據進行對比， 分析了不同天氣條件下二者的誤差， 并評估了衛星輻射數據應用于光伏智能運維的適用性，得出以下結論。

①9 個氣象站點的逐時太陽輻照度、 日總太陽輻射量和葵花-8 衛星數據的一致性非常高，平均相關系數分別為0.96 和0.98。 日總太陽輻射量數據的離散度相對較低，數據相關性也更高，是因為對逐時輻照數據累加后，起到了數據平滑效果。

②衛星反演的逐時輻照數據和日總太陽輻射量都高于地面輻射計的相應數據，說明葵花-8 衛星輻射數據存在高估的情況。

③對典型月的數據分析表明，9 個氣象站的7月夏季的輻射偏差普遍較低，1 月冬季的輻射偏差普遍較高， 說明衛星輻射產品在冬季的誤差較大，夏季誤差較低。

④對4 個光伏電站上的輻射計數據和衛星數據進行對比分析， 發現個別電站的輻射計數據和衛星數據存在很大的系統偏差， 或存在不同時間段內數據偏差不一致的情況， 初步判斷這些站點的輻射計數據有質量問題，需要返廠檢修確認。

⑤葵花-8 衛星數據和氣象站觀測數據和氣象局地面輻射計數據具有高相關性及較低的平均偏差， 可以將衛星輻射數據近似代替地面觀測數據， 并應用到光伏電站的發電量分析和智能運維等多種場景中， 解決了分布式和戶用光伏的電站數量眾多，安裝輻射計成本高的問題。同時可以對光伏電站已有的輻射計進行質量評估和故障診斷， 通過數據分析的手段主動篩查可能存在問題的輻射計， 為光伏電站的智能運維等場景提供了數據參考。