云尺度相关自回归平流的光伏资源日内概率预测
摘要：太阳能供应通常波动较大，这限制了其在电网中的整合。准确的概率性白天预测太阳能资源对于增加光伏能源在电网中的份额和实现成本效益的平衡供需至关重要。太阳能光伏发电主要依赖下行地表太阳辐射（SSR）。通过利用静止卫星估计SSR，我们可以覆盖大范围并以高时空分辨率跟踪云的运动。目前利用卫星图像的太阳能资源概率预测仅考虑云的对流运动，而未考虑云随时间的演变、生长和消散，尽管这些是预测不确定性的主要源头。为了解决云随时间的不确定性，我们提出了SolarSTEPS，这是第一个能够模拟云随时间变化的光流概率模型。我们证明了相对于最先进的基于对流的概率预测，预测具有自相关的尺度依赖云变化能够在连续排名概率得分（CRPS）上提升9\%的性能。这相当于在恒定的CRPS下，将预测引导时间延长约45分钟。我们的研究基于云的尺度依赖预测能力，我们证明云随时间的变异性在较小的空间尺度上比较大。具体而言，云的时间自相关性与其空间尺度之间存在一个有理函数关系。我们还证明，在预测中将云细分为多个空间尺度进一步提高了预测技巧，将CRPS降低了10\%，RMSE降低了9\%。
作者：Alberto Carpentieri, Seppo Pulkkinen, Daniele Nerini, Doris Folini, Martin Wild and Angela Meyer
论文ID：2305.07293
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-05-15