南極昆侖站光照資源評估

王燾 單碩 金鑫淼 姚旭 方仕雄 張侃健

(1中國極地研究中心, 上海 200136;2東南大學自動化學院, 江蘇 南京 210096)

0 引言

極地一直是人類研究自然的熱點之一。由于南極地理位置與氣候條件特殊, 對研究地球有著重要的價值[1-2], 截至2020年初, 共有30個國家在南極建立了80個科學考察站, 其中昆侖站是中國在南極建立的科考站之一。科考站的能源則依賴于運輸攜帶的柴油及當?shù)氐娘L力資源和光照資源等清潔能源, 以保障站內人員的生活及科研工作的開展[3]。昆侖站位于80°25′01″S, 77°06′58″E,高程4087 m, 地理位置特殊, 靠近冰穹A。冰穹A是南極內陸冰蓋海拔最高的地區(qū), 也是距海岸線最遙遠的一個冰穹, 氣候條件極端惡劣, 被稱為“不可接近之極”[4-5]。昆侖站位于冰穹A的背風面, 風力資源有限, 且柴油的運輸和儲存成本高昂[6-7]。此外南極生態(tài)環(huán)境極其脆弱, 在南極地區(qū)建立科考站應盡可能的使用清潔能源, 所以太陽能資源可能成為昆侖站地區(qū)最理想的可再生能源。

已有相當多的工作對南極光照資源進行了統(tǒng)計, 包括對整個南極區(qū)域的輻射量進行直接統(tǒng)計,及在某些區(qū)域對所設計的光伏發(fā)電模塊的輸出功率進行統(tǒng)計[8-10], 這些研究表明南極地區(qū)整體的太陽能資源極其豐富, 具有建立一定規(guī)模光伏電站的可能性。但目前的研究仍然缺乏對局部地區(qū)太陽能資源的波動情況、局部地區(qū)氣候與輻照度關聯(lián)以及局部地區(qū)太陽能資源長期趨勢的研究。局部地區(qū)的氣候因素與光照資源的評估以及它們之間的關系對光伏電廠的建立有著極其重要的指導意義, 輻照度的總量以及變化趨勢決定了光伏電站的建站規(guī)模以及其預計發(fā)電量[11-13]。氣候因素被證明與輻照度之間存在一定的耦合關系, 通過對氣候因素的采集可以預測未來時間段內的輻照度信息[14-15]。

目前有很多的統(tǒng)計方法可以對光照資源總量、變化量進行評估及預測, 例如, 通過氣候因素等進行建模[16]。由于傳統(tǒng)方法的局限性, 現(xiàn)在越來越多的研究會選擇使用神經(jīng)網(wǎng)絡、核方法等方式進行建模[17-19], 建立多輸入單輸出的模型能夠較好地反映氣候因素與輻照度之間的非線性關系。氣候反饋通常被用來理解氣候因素與輻照度之間的關系[20]。但研究氣候反饋時, 大多數(shù)會應用線性回歸或者核方法以保留原始的氣候因素與輻照度之間的關系。核方法是一種常用的非線性建模方法, 但對里面的變量關系可能并不是很清楚, 類似于黑箱。后續(xù)研究表明, 利用神經(jīng)網(wǎng)絡方法研究全球的氣候反饋比一般的核方法效果更好[20]。

針對目前研究的不足本研究使用了NASA CERES產(chǎn)品數(shù)據(jù), 首先從整體上對光照資源進行統(tǒng)計分析, 從不同的時間跨度觀察輻照度的變化情況。而后根據(jù)基于深度學習的改進模型并利用昆侖站局部地區(qū)小規(guī)模氣象數(shù)據(jù)對輸入因素回歸,對昆侖站地區(qū)的大氣和輻照度進行機理建模, 并推廣到其他地區(qū)。利用一些易觀察的氣候因素的氣候反饋參數(shù)以及本文提出的基于神經(jīng)網(wǎng)絡模型的趨勢分析方法來研究氣候因素變化趨勢與輻照度變化趨勢之間的關系, 可以從氣候變化的趨勢來觀察輻照度的變化趨勢。結果表明, 昆侖站地區(qū)光照資源豐富, 有建立一定規(guī)模光伏電站的條件。同時從多個角度驗證了昆侖站地區(qū)輻照度具有連年上升的趨勢, 未來預期較好, 一定程度上也驗證了神經(jīng)網(wǎng)絡模型在局部氣候建模的可行性。

本文研究了昆侖站地區(qū)光照資源情況, 給出了南極昆侖站光伏發(fā)電建站的可行性分析; 驗證了神經(jīng)網(wǎng)絡模型在局部氣候建模上的可行性; 提出了新的基于深度學習的針對局部天氣趨勢的研究方法; 提出了研究評估局部氣候指導建站的新模式, 可為未來在昆侖站建立光伏電廠提供參考。

1 數(shù)據(jù)與標準

1.1 輻照度豐富程度標準

本研究根據(jù)GB/T 37526—2019《太陽能資源評估方法》, 對光照資源進行評估(表1)。

表1 太陽能資源評估方法Table 1.Criteria for photovoltaic resource assessment

1.2 數(shù)據(jù)源

數(shù)據(jù)使用昆侖站、中山站和長城站2011—2017年的輻射數(shù)據(jù), 包括水平面總輻照量,直接輻射量以及其他的一些氣象數(shù)據(jù), 例如溫度、濕度、云量、氣溶膠等。數(shù)據(jù)源來自于NASA的云與地球的輻射能系統(tǒng)(The Clouds and the Earth’s Radiant Energy System)中的Synoptic TOA and surface fluxes and clouds衛(wèi)星數(shù)據(jù)產(chǎn)品。光照度通常使用勒克斯作為單位, 本文直接使用上述產(chǎn)品提供的估算輻照度值, 可以更有效地為建站和應用提供參考。同時直接輻射量和總輻照量之間在一定條件下可以互相轉化, 以550 nm左右的光為基準, 1 lm光通量等于1/683 W。

2 方法

2.1 多層感知機

多層感知機(Multi-Layer Perceptrons)是一種逼近非線性目標的方法。該方法啟發(fā)于大腦神經(jīng)元, 用于解決困難的計算任務, 如機器學習中的預測建模任務。圖1是神經(jīng)網(wǎng)絡模型, 多層感知機是其特例。1986年被提出的反向傳播算法, 使得人工神經(jīng)網(wǎng)絡得以廣泛應用。

圖1 人工神經(jīng)元結構及功能示意圖Fig.1.Schematic diagram of the structure and function of artificial neurons

2.2 氣候反饋分析

氣候反饋分析是指分析大氣系統(tǒng)中各個物理過程發(fā)生的相互作用關系, 以及這些關系的方向和強弱。基于物理建模的方法無法消除模型假設所引入的模型誤差, 所以近年來被基于數(shù)據(jù)驅動的方法逐步替代, 例如核方法或者深度神經(jīng)網(wǎng)絡。基于數(shù)據(jù)驅動的模型被用于擬合大氣系統(tǒng)中的相互作用, 并通過分析輸入輸出的變化來確定變量之間的影響方向和強弱。

圖2是本研究的算法流程, 即通過氣象因子作為神經(jīng)網(wǎng)絡輸入, 輻射量作為神經(jīng)網(wǎng)絡輸出,用歷史數(shù)據(jù)訓練模型。得到模型之后, 測試輸入輸出關系。當我們將某個輸入隨機增加一定噪聲,觀察輻射量的變化; 而后我們再將這個輸入隨機減少一定噪聲, 觀察輻射量變化, 如果變化方向相同, 則正相關, 反之則負相關。

圖2 氣候反饋算法流程圖Fig.2.The flow chart of climate feedback algorithm

3 實驗與結果

3.1 南極昆侖站光照資源豐富程度

3.1.1 總量與均值

表1表明, 衡量一個地區(qū)輻照度豐富程度可以從年總輻照評估, 同時本文增加不同的評估方法例如月平均輻照、天平均輻照以及日照時長以給出更全面的分析。下面我們利用統(tǒng)計指標和線性回歸對數(shù)據(jù)進行初步處理, 并利用這些指標進行初步的評估。

年總輻照量是評價一個地區(qū)光照資源是否豐富、能否建立光伏電站的重要指標。它與緯度、天氣、海拔等因素有著密切相關的聯(lián)系。圖3是昆侖站地區(qū)從2001—2017年全地表輻射的情況。從中我們可以看到, 所有年份的總量都超過了1750 kW·h·m-2, 這表明昆侖站地區(qū)處于全球輻照度最豐富帶。同時我們計算了這17年間的均值和線性回歸系數(shù), 發(fā)現(xiàn)年水平面總輻照度有小幅上升的趨勢, 約以每年20 kW·h·m-2的幅度上升。然而, 這些年水平面總輻照度(global horizontal irradiance, GHI)上升中伴隨著波動, 整體在1800～1900 kW·h·m-2之間徘徊。特別是2006年之后, 波動較為劇烈, 我們猜測與臭氧層空洞相關。而其中2010—2012年上升最為劇烈, 參照一些氣候因素的變化(圖8), 可以看到臭氧含量、降水量、溫度等都有著不小的波動, 我們猜測這之間存在著一些必然的聯(lián)系。

圖3 2001—2017年昆侖站平均年水平面總輻照度Fig.3.The average annual global horizontal irradiance (GHI)from 2001 to 2017 at Kunlun Station

更高時間分辨率的輻照度評估可以用于評價光伏電站能否平穩(wěn)發(fā)電。圖4計算了2017年月平均輻照度以及其累計分布。由于昆侖站位于南極內陸冰蓋最高點冰穹A區(qū)域, 極晝極夜現(xiàn)象明顯,在9月至次年3月的昆侖站極晝期間, 月輻照度從0增長到600 kW·h·m-2, 其中三條線表示換算出的月平均豐富程度的結果。結果表明, 全年月平均高于最豐富帶, 11月、12月、1月和2月輻照度處于最豐富級, 而10月屬于豐富級, 3月則輻照度總量較少, 1月和12月是輻照度最豐富的月份。從累計分布來看,11月到次年2月間的輻照度占全年輻照度的87%,而3月和10月僅占13%, 可見昆侖站地區(qū)光照資源不僅整體豐富而且十分集中, 相對穩(wěn)定。這一結論也在日平均輻照度的結果上得到了驗證, 如圖5所示全年大概有145天有日光輻射, 其中大約100天處于最豐富級。

圖4 全天候輻射月平均值。a)月GHI; b) 當月GHI累計占比Fig.4.The monthly average value of GHI.a) the monthly average value of GHI; b) the cumulative percentage of monthly GHI

圖5 全天候輻射日平均值Fig.5.The daily average value of GHI

3.1.2 日照時長

除了輻照總量與均值, 日照時長也是衡量輻照度豐富程度的重要指標, 更重要的是它能夠精準地度量獲得太陽光的穩(wěn)定程度和變化。由于昆侖站存在極晝極夜現(xiàn)象, 這個地區(qū)的日照時長與其他地區(qū)有所區(qū)別, 近乎是連續(xù)變化的。所以本研究以天為單位繪制日照時長的變化趨勢, 并對比豐富程度的標準(圖6)。一般認為日照達10 h是較為優(yōu)質的時長, 日照時長6 h以上則可以利用光照資源。一年中大概有50天的時間有近乎全天光照, 這是大多數(shù)地區(qū)所不具備的優(yōu)勢條件。昆侖站區(qū)域全年中有150天左右日照時長超過6 h,這其中有近100天時長是超過10 h。總體來講, 昆侖站光照條件非常充足, 極晝期間的有效輻照度很高, 適宜建立光伏電站并高效利用光照資源。

圖6 日平均日照時長。a) 月均日照時長; b) 當月占全年的百分比Fig.6.Average daily sunshine hours.a) the monthly average value of duration; b) the percentage of average sunshine hours by month

3.2 氣候因素和輻照度之間的關系

3.2.1 傳統(tǒng)的統(tǒng)計方法

氣候因素與輻照度有著高度相關性。我們參考選取了一些強烈相關的可獲得的氣候因素數(shù)據(jù)。對現(xiàn)有的數(shù)據(jù)進行皮爾遜相關系數(shù)分析, 篩選了一些變量, 可以看到氣溶膠、云遮擋量(云量)、溫度、降水與輻照度都具有強烈的線性相關性(圖7)。除此之外, 根據(jù)昆侖站地區(qū)特有的氣候特點和環(huán)境因素[21], 去除了一些干擾項。例如地表反照率在1°×1°的范圍內變化很小, 它在研究大范圍輻照度的情況下更有意義。最終選取了臭氧、降水、氣溶膠、地表溫度以及云量5個變量研究它們的趨勢用于進一步分析與輻照度的關系。

圖7 氣候因素和輻照度之間皮爾遜相關系數(shù)Fig.7.Pearson correlation coefficient between climatic factors and irradiance

我們先對這5個變量進行折現(xiàn)統(tǒng)計(圖8), 觀察到以下幾個初步的結論。近17年來, 降水和云量都有下降的趨勢, 可能與輻照度上升的趨勢有著直接關系。這是因為其氣候反饋系數(shù)在全球氣候的意義上是負的, 局部氣候的反饋系數(shù)在下面得到了驗證。而其他的一些變量則沒有明顯的變化。但局部極值點很有趣, 例如2010—2012年臭氧含量出現(xiàn)了急速的上升, 而降水、云遮擋和地表溫度出現(xiàn)了下降, 猜測這可能與一些重大氣候變化有關。由于氣溶膠變化較為隨機, 因此接下來, 我們對除氣溶膠外的變量進行兩兩分析, 使得他們的關系更加直觀。

圖8 氣候因素的變化Fig.8.Climate factors changes

由于極晝顯現(xiàn)比較明顯, 對極晝的研究更有意義。本文對極晝進行了進一步的劃分, 其中1月、12月被分類為強極晝現(xiàn)象時間, 在圖9中以紅色點表示, 是我們重點關注的對象。而藍色點是2月、3月、10月和11月, 這些時間會存在著一些波動, 但仍有研究意義。右上角是各個變量之間的散點圖關系, 可以看到云遮擋與輻照度的線性關系較為明顯, 而其他的關系則并不明顯。對角線是自相關系數(shù)直方圖, 也可以看成是方差的大小, 可以看到無論針對哪個氣候因素, 紅色區(qū)域的值方差都較小, 波動較小相對穩(wěn)定。左下角是密度圖, 可以看到他們之間數(shù)據(jù)中心的差異,這是散點圖的另一種表達形式, 說明與輻照度的關系并不直觀。對散點圖進行傳統(tǒng)的線性回歸求出氣候反饋的方法略顯粗略。因為氣候因素與輻照度之間存在著強烈的非線性關系, 所以僅僅是一些統(tǒng)計分析是不夠的, 有必要對更本質的一些關系進行探索[22]。

3.2.2 非參數(shù)模型

本文在3.2.1節(jié)選出的5個相關的氣候變量與輻照度之間建立神經(jīng)網(wǎng)絡模型并計算其氣候反饋從而找到他們長期趨勢的依賴關系。由于極晝現(xiàn)象明顯, 而極夜時間無光照, 對研究意義較小,因此本文只研究一年中的部分時間。我們把一年中日照時長超過10 h的天數(shù)篩選出來, 而不滿10 h的大概有200多天, 范圍為第66天到第289天。雖然日照時長不滿10 h的天數(shù)很多, 但是超過10 h的天數(shù)內得到的輻照度總量占到了全年的80%, 所以研究這部分是很有意義的。同時我們將數(shù)據(jù)分為訓練集和測試集, 2000年3月至2017年3月的數(shù)據(jù)用作訓練, 2017年4月至2018年3月的數(shù)據(jù)用來研究氣候的反饋影響。圖10c是昆侖站地區(qū)用神經(jīng)網(wǎng)絡模型得到的直接輻射量結果。這里并沒有對全輻射做預測, 但當太陽天頂角可知的情況下, 可以通過直接輻射量推算出全輻射, 進而能夠精準表示直接輻射量, 實際上就可以表征全輻射的動態(tài)。散點圖表示的是歸一化之后, 模擬值和真實值之間的關系, 可以看到基本滿足Y=X, 同時均方誤差在0.005左右, 可見神經(jīng)網(wǎng)絡模型可以較好地擬合氣候因素與輻照之間的非線性關系。

此外本文在其他兩個科考站(中山站和長城站)上也驗證了我們的局部模型。在沒有調整網(wǎng)絡參數(shù)的情況下重新訓練, 在中山站上(圖10b), 模型也能得到很好的結果; 而在長城站沿海地區(qū)(圖10a), 在輻照度較低的時段, 模型擬合的性能有所下降, 但基本上也能夠反映出他們之間的關系。總的來說,模型在昆侖站周邊地區(qū)具有很強的魯棒性, 可以較好地表示氣候因素和輻照度之間的關系。

圖10 不同地區(qū)神經(jīng)網(wǎng)絡模型日輻照度預測結果。a) 長城站; b) 中山站; c) 昆侖站的預測與散點統(tǒng)計Fig.10.The prediction of neural network model on DNI in different places (daily).a) Great Wall Station; b) Zhongshan Station;c) Kunlun Station

3.2.3 反饋分析

傳統(tǒng)的反饋分析是通過對氣候因素之間的相對變化量的線性擬合得到的, 而神經(jīng)網(wǎng)絡方法能夠很好的代替核方法來計算氣候反饋。由于不同任務的需要, 我們并不需要得到準確的氣候反饋來觀察大氣活動, 而是通過氣象因素與輻照度之間的關系來幫助進行光伏電站建立的評估。本文提出了一個粗略的、基于神經(jīng)網(wǎng)絡模型的方法來衡量局部地區(qū)氣候與輻照度之間的正負相關性。我們通過對神經(jīng)網(wǎng)絡建立的機理模型輸入加入均值波動來觀察輸出的波動, 如果平均波動方向一致則認為正相關, 平均波動方向相反則認為負相關。由于神經(jīng)網(wǎng)絡模型訓練數(shù)據(jù)沒有時間特性, 所以這里測量出的氣候反饋系數(shù)具有時間上的平穩(wěn)性。如圖11所示, 正負關系較大的有溫度和云量。其中溫度是正相關, 云量是負相關。我們對正負關系相對較小的進行了放大, 其中臭氧和氣溶膠是正相關, 而降水是負相關。臭氧又與南極上空臭氧層空洞有著密切的聯(lián)系。臭氧層空洞越大, 輻射會越強, 但近地的臭氧含量與空洞之間的關系有待研究[23]。理論上氣溶膠會增加太陽光的漫反射而減少直接輻射量,但同時氣溶膠與溫度有著強烈的耦合性[24]。昆侖站地區(qū)輻射強的時候溫度高, 同時氣溶膠的量不足導致直接輻射量的下降, 所以呈現(xiàn)小的正相關。這與某些大陸地區(qū)的觀察是截然不同的, 體現(xiàn)了昆侖站地區(qū)的地域特殊性[25]。

圖11 氣候因素之間改變方向的關系Fig.11.Changing directions relationship between climate factors

4 討論

總體來看, 南極昆侖站地區(qū)太陽能資源極其豐富, 集中在極晝時段, 尤其是12月至次年1月。太陽能資源穩(wěn)定, 波動很小, 適合建立一定規(guī)模的光伏電站。與輻照度相關聯(lián)的氣候因素分析結果表明, 南極昆侖站地區(qū)光照資源在近17年間存在小幅度上升的趨勢。與之正相關的氣候因素有上升的趨勢, 而與之負相關的有下降的趨勢。而沒有明顯變化趨勢的氣候因素則在一些特殊的年份有著波動的結果。說明在未來的一段時間內,南極輻照度有良好的預期。神經(jīng)網(wǎng)絡模型和統(tǒng)計學方法可以有效地對傳統(tǒng)的機理方法進行補充,也可以在有限的數(shù)據(jù)下進行有效的分析。

現(xiàn)有的研究南極輻照度資源的文獻并不多,且多為20世紀的研究。其中有一部分是基于衛(wèi)星數(shù)據(jù)[26], 使用簡單的統(tǒng)計方法對輻射量、日照時長進行分析, 但這些方法沒有對輻照度進行建模, 僅僅通過相關性難以分析光照與其他變量之間的關系; 還有一部分研究是根據(jù)地面站點數(shù)據(jù)進行分析[27-28], 地面站點數(shù)據(jù)需要通過搭建相應的檢測設備, 獲得現(xiàn)場一手的真實數(shù)據(jù),但僅僅局限于觀測點, 需要整體分析一片區(qū)域難度較大。本研究通過對衛(wèi)星數(shù)據(jù)進行簡單的統(tǒng)計分析, 并利用深度學習的方法進行建模擬合, 從而分析出輻射的動態(tài)變化以及其與其他氣象數(shù)據(jù),例如降水, 氣溶膠等因子的關系。同時, 對不同位置的站點也進行了詳細的對比, 可以看到模型可拓展到其他地區(qū), 且能夠較為精準的構建輻射量模型。

當然, 還有一些工作需要繼續(xù)進行。首先, 全輻射、直接輻射量分析是能否建立光伏電站的先決條件, 而如何針對輻射量, 設計電廠規(guī)模以及太陽能板轉角等工程細節(jié)還需要進一步的研究;其次南極臭氧層空洞與輻射量之間有著一定的聯(lián)系, 但其中更內在的關系仍然有待考察。