西藏羊八井地区太阳短波辐照度特征及其短期预测模型对比分析

作     者：吴凌霄 王一楠 旺堆 李铭 次仁尼玛 陈天禄 WU LingXiao;WANG YiNan;WANG Dui;LI Ming;Ciren Nima;CHEN TianLu

作者机构：宇宙线教育部重点实验室(西藏大学)拉萨850000 西藏大学生态环境学院拉萨850000 中国科学院大气物理研究所中层大气和全球环境探测重点实验室北京100029 

出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)

年 卷 期：2023年第66卷第8期

页      面：3144-3156页

核心收录：

学科分类：07[理学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 

基　　金：第二次青藏高原综合科学考察研究-任务六、人类活动与生存环境安全"大气成分垂直结构及其气候影响"(2019QZKK0604) 国家重点研发计划(2021YFC2203203) 国家自然科学基金(11947411) 西藏大学青年博士发展计划项目(zdbs202201) 西藏大学2020级博士研究生"高水平人才培养计划"项目(2020-GSP-B009)共同资助 

主　　题：太阳辐照度 短期预测 ARIMA 随机森林RF Prophet 羊八井 

摘      要：本研究利用西藏羊八井太阳短波辐照度观测数据分析了该地区2020—2021年的辐射时间序列分布特征,基于时间序列分析、随机森林(Random Forest,RF)和Prophet进行建模预测,通过对比研究探究三种模型在该地区的适用性以及提高模型预测精度的方法.结果表明:该地区短波太阳辐照度呈双峰倒U型分布的月变化和单峰倒U型分布的日变化特征.RF在选用模型中最优,其标准化均方根误差(Normalized Root Mean Square Error,NRMSE)、决定系数R2分别为17.54%和0.962.小波变换去噪能提高各模型预测精度,NRMSE降低4.82%~12.94%.组合模型能提高预测精度,误差倒数权重组合模型的NRMSE较差分自回归滑动平均模型(Autoregressive Integrated Moving Average,ARIMA)和Prophet分别下降35.22%、25.12%.预测时间步长差异也会影响预测效果,模型的预测误差随时间步长逐渐增大而减小.因此,可利用RF等机器学习模型在西藏地区进行太阳辐照度短期预测,通过小波变换、组合模型、预测时间步长等环节提高预测精度,以满足当地光伏发电对太阳辐照度的预测需求.