基于多因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法
【專利摘要】本發(fā)明提出一種基于多因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法，所述方法在采集PM2.5濃度、PM10濃度、大氣氣溶膠光學(xué)厚度(AOD)的實際樣本的基礎(chǔ)上，進行濕度修正、標高修正，運用最小二乘法建立大氣氣溶膠光學(xué)厚度(AOD)的多因子擬合模型，并利用該模型進行大氣氣溶膠光學(xué)厚度(AOD)估計，從而解決大氣氣溶膠光學(xué)厚度(AOD)反演精度不高、難以實時獲取的問題。
【專利說明】
基于多因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于多因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法，屬于光伏 功率預(yù)測技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 光伏發(fā)電功率預(yù)測對于保證電力系統(tǒng)的穩(wěn)定運行具有重要意義，基于太陽輻射預(yù) 報的間接預(yù)測方法是常見的研究方法之一。大氣氣溶膠光學(xué)厚度(A0D)是進行太陽輻射傳 輸計算的重要參數(shù)，一般通過衛(wèi)星觀測與地基觀測獲取。衛(wèi)星觀測方式指基于遙感衛(wèi)星搭 載的中分辨率成像光譜儀(M0DIS)監(jiān)測數(shù)據(jù)反演A0D，其精度低于地基觀測，且受衛(wèi)星過境 時間與數(shù)據(jù)發(fā)布周期影響，反演的實時性較差。地基觀測方式指利用光度計的測量數(shù)據(jù)反 演A0D，精度較高，但是標定工作頗為復(fù)雜。
[0003] 2012年以來，我國出現(xiàn)了大范圍的霧霾天氣。同時，國家相關(guān)部門開始實時發(fā)布空 氣質(zhì)量指數(shù)(AQI)以及其中的PM2.5濃度、PM10濃度等6項基本監(jiān)測數(shù)據(jù)，至2015年1月2日， 已經(jīng)覆蓋367個城市。霧和霾分別指懸浮于大氣中的細微水滴和灰塵顆粒，是大氣氣溶膠的 重要組成部分。霧霾通過直接削弱太陽輻射強度，對光伏發(fā)電功率具有顯著影響。依據(jù)中國 氣象局風能太陽能資源中心的最新觀測實驗，輕度霧霾可造成20%_30%的日發(fā)電量損失， 重度霧霾可造成近70%的日發(fā)電量損失。
[0004] 近年來，出于地面大氣質(zhì)量分析和預(yù)測目的，有不少學(xué)者開始研究衛(wèi)星反演的A0D 與PM2.5濃度或者PM10濃度之間的關(guān)系，結(jié)果表明它們之間有較高的相關(guān)性。受這一結(jié)論啟 發(fā)，鑒于大氣氣溶膠光學(xué)厚度(A0D)反演精度不高、難以實時獲取，而地面空氣質(zhì)量監(jiān)測站 可實時發(fā)布PM2.5濃度、PM10濃度等數(shù)據(jù)，且站點數(shù)量將不斷增加，本發(fā)明提出一種基于多 因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法，以更好的進行光伏發(fā)電功率的預(yù)測。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明涉及一種基于多因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法，所述方法 在采集大量PM2.5濃度-PM10濃度-相對濕度-A0D-氣溶膠標高的實際樣本的基礎(chǔ)上，建立 A0D的多因子擬合模型，并利用該模型進行A0D估計。該方法包括以下步驟：
[0006] a.收集數(shù)據(jù)構(gòu)成A0D樣本集：
[0007] 記錄某一時刻k下的PM2.5濃度C〇、PM10濃度G、相對濕度h、大氣氣溶膠光學(xué)厚度 A0D以及該地區(qū)的大氣氣溶膠標高H，得到一個樣本(CQ(k)，&(!〇，h(k)，A0D(k)，H(k));通過 收集多個不同AOD下的樣本，形成樣本集{((^(?Ο,?^?Ο,Μ?Ο,ΑΟΟα)，!^))};
[0008] b.建立A0D多因子擬合模型：
[0009] 利用樣本集{((：〇〇〇，&(!〇，h(k)，A0D(k)，H(k))}建立多因子擬合模型，具體步驟 為：
[0010] ①對樣本集中的PM2.5濃度C〇、PM10濃度&進行濕度修正，即
[0011] c〇* = C〇*f(h)
[0012] Ci* = Ci*f(h)
[0013] 其中，Co*為修正后的PM2.5濃度，CZ為修正后的PM10濃度值，f(h)為濕度修正因 子：
[0015]②對樣本集中的氣溶膠光學(xué)厚度A0D進行標高修正，即
[0017]其中，礦為氣溶膠光學(xué)厚度A0D的標高修正值。
[0018]③以修正后的PM2.5濃度Co'PMlO濃度C，作為輸入變量，以礦作為輸出變量，建立 如下擬合模型：
[0019 ] β* = f (Co*, Cl*) = ao+aiCo*+a2Ci*
[0020] 其中80，&1，&2為模型參數(shù)。
[0021 ]④米用最小二乘法，確定模型參數(shù)ao，ai，a2:
[0022] 基于修正后的樣本集{(〇)*(1〇，(^(1〇，礦〇〇)}，選擇參數(shù)&()， &1，&2，使得汽0)*，(^) zaQ+mCV+as&WKGAkhCAk))}上的函數(shù)值與{礦⑴}的偏差的平方和最小，即
[0023]
[0024] 為最小，其中m為樣本集中的樣本個數(shù)。通過求解下述方程，得出模型參^)，&1，&2。
[0026] c.利用建立的多因子擬合模型進行大氣氣溶膠濃度A0D的估計，即收集某一時刻i 下的PM2.5濃度CQ(i)、PM10濃度(M i)、相對濕度h(i)以及該地區(qū)的大氣氣溶膠標高H(i)，首 先對PM2.5濃度CQ( i)、PM10濃度&(i)進行濕度修正，即
[0027] c〇*(i)=C〇(i)*f(h(i))
[0028] Ci*(i)=Ci(i)*f(h(i))
[0029] 然后將(^(υ、(^(?)作為多因子擬合模型輸入，模型輸出為標高修正后的氣溶膠 光學(xué)厚度r(i)
[0030] β* (i) = a〇+ai*C〇* (i) +a2*Ci* (i)
[0031 ]進一步計算出該時刻的氣溶膠光學(xué)厚度A0D的估計值A(chǔ)0D0為
[0033]本發(fā)明的有益效果在于：
[0034] (1)由多因子擬合修正模型對A0D進行直接估計，與現(xiàn)有的衛(wèi)星觀測法與地基觀測 法相比，省去了其中的復(fù)雜反演過程，并且能保證估計的實時性。
[0035] (2)擬合過程中進行了濕度修正和標高修正，并采用最小二乘法優(yōu)化模型參數(shù)，能 夠有效的提高模型的估計精度。
【附圖說明】
[0036]下面結(jié)合附圖對本發(fā)明作進一步詳述。
[0037]圖1為利用多因子擬合模型進行A0D估計的示意圖；
[0038]圖2為多因子擬合修正模型在檢驗樣本上的估計精度。
[0039]下面結(jié)合附圖，對優(yōu)選實施例作詳細步驟說明。應(yīng)該強調(diào)的是下述說明僅僅是示 例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。
【具體實施方式】
[0040]本發(fā)明涉及一種基于多因子擬合模型的大氣氣溶膠光學(xué)厚度估計方法，所述方法 在采集大量PM2.5濃度-PM10濃度-濕度-A0D-氣溶膠標高的實際樣本的基礎(chǔ)上，建立A0D的 多因子擬合模型，并利用該模型進行A0D估計。該方法包括以下步驟：
[0041 ] a.收集數(shù)據(jù)構(gòu)成A0D樣本集：
[0042] 記錄某一時刻k下的PM2.5濃度Co、PM10濃度C!、相對濕度h、大氣氣溶膠光學(xué)厚度 A0D以及該地區(qū)的大氣氣溶膠標高H，得到樣本(C〇(k)，&(k)，h(k)，A0D(k)，H(k));通過收集 多個不同AOD下的樣本，形成樣本集{(C〇(k)，(Mk)，h(k)，A0D(k)，H(k))};優(yōu)選實例中，收集 武漢地區(qū)2008年至2009年的250組樣本，形成樣本集。
[0043] b.建立A0D多因子擬合模型
[0044]利用樣本集{(0)〇〇，(：1(1〇，11(1〇4〇0(1〇，!1(1〇)}建立多因子擬合模型，具體步驟 為：
[0045] ①對樣本集中的PM2.5濃度Co、PM10濃度&進行濕度修正。
[0046] 測定PM2.5、PM10濃度時，通常會有干燥處理過程，結(jié)果代表某一固定相對濕度環(huán) 境條件下的PM2.5、PM10濃度情況，而反演氣溶膠光學(xué)厚度是在某一相對濕度環(huán)境背景下進 行的，氣溶膠顆粒物的消光系數(shù)受相對濕度影響較大，在相對濕度較高的情況下，水溶性氣 溶膠顆粒吸濕膨脹，消光系數(shù)可增大數(shù)倍，所以需要對PM2.5、PM10進行濕度修正，這一濕度 修正因子與相對濕度的關(guān)系可以表示為：
[0047] Co* = Co*f(h)
[0048] Ci* = Ci*f(h)
[0049] 其中，Co*為修正后的PM2.5濃度，CZ為修正后的PM10濃度值，f(h)為濕度修正因 子：
[0051 ]②對樣本集中的氣溶膠光學(xué)厚度A0D進行標高修正。
[0052]考慮到地面消光系數(shù)與PM2.5濃度、PM10濃度具有較高的相關(guān)性，而A0D是消光系 數(shù)在大氣層垂直方向上的積分，所以要將A0D除以氣溶膠標高以獲得地面消光系數(shù)。通常情 況下，假定氣溶膠消光系數(shù)在垂直方向上，隨高度z遞增呈指數(shù)衰減：
[0054] 其中，Η為氣溶膠標高，因不同地區(qū)，不同季節(jié)而取不同數(shù)值。優(yōu)選實例中，武漢地 區(qū)按照春、夏、秋、冬分別取標高為1.97km，2.23km，1.34km，1.03km。
[0055] 因為氣溶膠光學(xué)厚度AOD是消光系數(shù)垂直方向上的積分，故可得：
[0059] 其中，礦為氣溶膠光學(xué)厚度A0D的標高修正值(即地面消光系數(shù)）。
[0060] ③以修正后的PM2.5濃度Co'PMlO濃度C，作為輸入變量，以礦作為輸出變量，建立 如下擬合模型：
[0061 ] β* = f (Co*，&*) = 其中 ao，ai，a2 為模型參數(shù)。
[0062]④米用最小二乘法，確定模型參數(shù)ao，ai，a2:
[0063] 基于修正后的樣本集{(〇)*(1〇，(^(1〇，礦〇〇)}，選擇參數(shù)&()，&1， &2，使得汽0)*，(^) zaQ+mCV+as&WKGAkhCAk))}上的函數(shù)值與{礦⑴}的偏差的平方和最小，即
[0065]為最小，其中m為樣本集中的樣本個數(shù)。優(yōu)選實施例中，m = 250。通過求解下述方 程，得出模型參數(shù) a〇 = 0 · 2949，ai = 0 · 0004624，a2 = -0 · 0003878。
[0066]
[0067] c.利用建立的多因子擬合模型進行大氣氣溶膠濃度A0D的估計，如圖1所示，即收 集某一時刻i下的PM2.5濃度CQ( i)、PM10濃度&(i)、相對濕度h( i)以及該地區(qū)的大氣氣溶膠 標高H( i)，首先對PM2.5濃度CQ( i)、PM10濃度&(i)進行濕度修正，即
[0068] C〇*(i)=C〇(i)*f(h(i))
[0069] Ci*(i)=Ci(i)*f(h(i))
[0070]然后將C，(i)、C，(i)作為多因子擬合模型輸入，模型輸出為標高修正后的氣溶膠 光學(xué)厚度if(i)
[0071 ] β* (i) = ao+ai*Co* (i) +a2*Ci* (i)
[0072 ]進一步計算出該時刻的氣溶膠光學(xué)厚度AOD的估計值A(chǔ)0D ω為
[0074] 優(yōu)選實施例中，為了驗證所提多因子擬合模型的估計精度，另外選取50組樣本作 為檢驗樣本集{(0)(!〇，&(!〇，h(k)，A0D(k)，H(k))}，測試所提多因子擬合模型在該檢驗樣 本集上的估計精度，結(jié)果如圖2所示，可知模型具有較高的估計精度。
[0075] 以上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可推想到的變化或替換，都 應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于多因子擬合模型的大氣氣溶膠光學(xué)厚度AOD估計方法，其特征是該方法包 括W下步驟： a. 收集數(shù)據(jù)構(gòu)成A0D樣本集： 記錄某一時刻k下的PM2.5濃度C〇、PM10濃度Cl、相對濕度h、大氣氣溶膠光學(xué)厚度A0DW 及該地區(qū)的大氣氣溶膠標高H，得到一個樣本(Co化），Ci化），h化），A0D化），H化））；通過收集 多個不同A0D下的樣本，形成樣本集{(Co化），Ci化），Kk)，A0D化），H化））}; b. 建立AOD多因子擬合模型： 利用樣本集{(Co化），Ci化），Mk)，A0D化），H化））}建立多因子擬合模型，具體步驟為： ① 對樣本集中的PM2.5濃度C〇、PM10濃度Cl進行濕度修正，即 Co*=Co*f 化） Ci*=Ci*f 化） 其中，Co*為修正后的PM2.5濃度，打*為修正后的PM10濃度值，f化)為濕度修正因子：② 對樣本集中的氣溶膠光學(xué)厚度A0D進行標高修正，即其中，護為氣溶膠光學(xué)厚度A0D的標高修正值； ③ W修正后的PM2.5濃度C〇*，PM10濃度Cl*作為輸入變量，W護作為輸出變量，建立如下 擬合模型：其中曰日，曰1，曰2為模型參數(shù)； ④ 義用最小二乘法，確定模型參數(shù)曰日，曰1，曰2 : 基于修正后的樣本集{(C日*(k)，CA k)，護化））}，選擇參數(shù)日日，ai，日2，使得f (C日*，Cl*) = ao+ aiCo*+a2Ci嘴{(Co*化），CAk))讓的函數(shù)值與{護化）}的偏差的平方和最小，即為最小，其中m為樣本集中的樣本個數(shù)。通過求解下述方程，得出模型參數(shù)曰日，曰1，曰2;C.利用建立的多因子擬合模型進行大氣氣溶膠濃度A0D的估計，即收集某一時刻i下的 PM2.5濃度Co(i)、PM10濃度Cl(i)、相對濕度h(i似及該地區(qū)的大氣氣溶膠標高H( i)，首先對 PM2.5濃度Cq( i)、PM10濃度Cl(i)進行濕度修正，即 Co*(i) = Co(i)*f (h(i)) Ci*(i) = Ci(i)*f(h(i)) 然后將Co^i)、Ci^i)作為多因子擬合模型輸入，模型輸出為標高修正后的氣溶膠光學(xué) 厚度護(i) 護（i) =ao+ai*Co*( i )+a2*Ci*( i) 進一步計算出該時刻的氣溶膠光學(xué)厚度AOD的估計值A(chǔ)0DW為〇
【文檔編號】G06F19/00GK106096247SQ201610389672
【公開日】2016年11月9日
【申請日】2016年6月6日 公開號201610389672.5, CN 106096247 A, CN 106096247A, CN 201610389672, CN-A-106096247, CN106096247 A, CN106096247A, CN201610389672, CN201610389672.5
【發(fā)明人】李靜, 熊峰, 林永君, 劉衛(wèi)亮, 劉長良, 陳文穎, 馬良玉, 李金拓
【申請人】華北電力大學(xué)（保定）