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DA 292
13.3.4 增量变分DA 292
13.3.5 集合DA 294
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ANN 338
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