《Renewable Energy》:Development and classification of an all-sky radiation distribution model based on the CIE standard luminance model
编辑推荐:
•提出了一种基于辐射驱动的天空分类模型(CIE-SR)。•系统地开发了一种层级合并策略(3至12类)。•最优9类方案提高了准确性和物理一致性。•CIE-SR模型和分类系统提高了辐射预测精度。引言太阳辐射是建筑热调节[1]、太阳能系统设计和室内照明优化[2]的基础数据集。作为地
- •
提出了一种基于辐射驱动的天空分类模型(CIE-SR)。
- •
系统地开发了一种层级合并策略(3至12类)。
- •
最优9类方案提高了准确性和物理一致性。
- •
CIE-SR模型和分类系统提高了辐射预测精度。
引言
太阳辐射是建筑热调节[1]、太阳能系统设计和室内照明优化[2]的基础数据集。作为地表能量交换和大气环流的主要驱动因素[3],其准确表征对于太阳能利用、气象预报、农业和节能建筑设计[4]也具有重要意义。因此,准确描述全天空辐射分布至关重要。现有研究主要集中在天空类型分类、太阳辐射预测模型[5]和全天空辐射分布建模[1]、[6]。
在天空类型分类方面,大多数研究基于CIE标准天空模型。Suárez-García等人[7]利用气象指数开发了一套分类系统,Granados-Lopez等人[8]提出了一种用于识别合适CIE分类变量的特征选择程序。Suárez-García等人[9]进一步分析了15种CIE标准天空类型的长期发生频率及其区域辐射特征。这些研究促进了基于CIE分类的本地化应用,尽管其标准仍主要依赖于亮度特征或气象条件。
基于现有辐射模型,一些研究者对这些模型进行了评估[10],并开发了新的太阳辐射预测模型[11]。Ehsan Vazifeh等人[12]评估了Gendaylit和Gensky在不同天气条件下的性能。Chaiwiwatworakul等人[13]开发了一种简化的天空亮度模型,并将其与Perez[14]和ASRC-CIE模型进行了比较。Yaseen等人[15]提出了一种用于日太阳辐射预测的混合机器学习模型,而Musleh等人[16]纳入了晴天直射辐照度、臭氧和气溶胶光学厚度以提高光合有效辐射的估算。
为获取全天空辐射信息,近期研究将传统天空模型扩展至辐射度分布建模。Yao等人[17]提出了一种基于光热集成和CIE标准天空模型的修正全天空辐射度分布方法。Manni等人[18]开发了一种考虑纬度、时间分辨率和表面朝向的混合概率模型。Kanchanachat等人[5]利用卫星衍生云指数估算相对天空辐射度,并取得了优于几种传统天空模型的性能。Yu等人进一步将CIE天空分类与深度学习相结合,开发了CIE_VAE_LSTM[19]和VGAE_LSTM[20]模型用于全天空辐射分类和短期预测。这些研究表明,天空类型分类可以降低辐射分布建模的复杂性并提高预测性能。
然而,大多数现有分类框架,包括CIE[21]和Perez模型,主要基于亮度或照度而非辐射能量。亮度代表人类视觉在可见光谱中的响应,而太阳辐射包括可见光、近红外和短波红外能量,并直接决定热能和能量输入[22]。由于近红外辐射在太阳光谱中占据相当大的比例[23],基于亮度的分类可能会丢失重要的能量信息。此外,云和气溶胶等大气成分通过波长相关的吸收和散射改变辐射[24],例如,瑞利散射主要影响可见光谱,而水蒸气吸收则集中在红外区域[25],这意味着天空亮度和辐射并不简单地成正比。
这种差异在空间上也有所体现。太阳区域附近的辐射角分布可能与可见亮度不同[26],而地平线附近的亮度增强并不一定对应于等效的辐射增强[27]。因此,亮度分布无法完全代表辐射能量分布[28]。在多云或有雾的条件下,云分布和厚度的变化可以进一步产生强烈的局部辐射波动[29],而由于空间平均效应,亮度变化可能更为平滑[30]。因此,即使在相同的基于亮度的天空类型内,也可能出现不同的辐射能量结构[31]。
此外,尽管CIE 15类系统理论上覆盖了常见的自然天空条件,但其精细分类可能导致相邻类别之间由于相似的光谱特征而产生冗余[32]。过渡性天空条件也可能导致不稳定的分类边界[33]、[34],在增加分类复杂性的同时降低实际稳健性。物理相似类别之间观察到的结构混淆进一步表明,从辐射能量角度来看,区分能力不足[35]。因此,需要一种更紧凑的、直接基于全天空太阳辐射分布的分类框架。
总之,现有天空模型有三个主要局限性:(1)大多数基于亮度,不能直接代表与建筑热环境和太阳能利用相关的辐射能量;(2)辐射模型通常保留CIE 15类系统,而该系统并非源自辐射分布特征,因此可能存在物理不匹配;以及(3)15类方案存在相邻类型重叠、低频类型统计稳定性差和分类复杂度过高的问题。
为解决这些问题,本研究开发了一种基于CIE亮度标准的CIE-SR全天空辐射模型及相应的天空分类系统。首先,利用CIE亮度公式和观测数据建立了CIE-SR模型。其次,评估了原始15类系统,并基于物理可解释性和分类可靠性开发了四种层级合并方案。随后比较了各方案的辐射预测精度,最终导出了一个针对CIE-SR优化的、基于辐射分布特征的最优9类系统。该框架超越了基于亮度的分类,提高了区域天空辐射预测,同时在物理机制与统计优化之间取得平衡,为天空模型的开发提供了参考。
本文其余部分安排如下。第2节介绍用于开发模型的数据和方法。第3节讨论和分析结果。最后,第4节给出研究得出的结论。
章节摘要
研究方法
本研究建立了一个涵盖数据采集、CIE-SR建模、天空分类和性能评估的系统框架。全天空扫描仪测量的亮度和辐射度数据来自145个天空区域,以10分钟间隔采集,并经过质量控制和特征提取处理。基于CIE标准天空模型,CIE-SR通过整合太阳位置、天空几何和实测天顶辐射度而构建。随后,原始15种CIE类型被逐步
基于CIE亮度标准的全天空辐射模型开发
为获得准确的模型预测值,首先根据公式(1)对天空亮度数据集进行无量纲化处理。同时,先前研究中建立的覆盖15种天空类型的标准数据集[17]通过相同方程进行无量纲归一化处理。在此基础上,将处理后的实测数据与15种天空类型的标准化无量纲数据逐一比较。计算每组数据的均方根误差,并确定天空类型
结论
基于太阳辐射和天空亮度的实验测量、对测试结果的分析比较,以及对模型精度和性能的评估,本文得出以下结论:
开发了一种基于CIE的天空辐射分布模型,该模型在保留CIE标准天空模型几何结构和物理可解释性的同时,将其从亮度扩展至宽带辐射。
建立了基于辐射的天空分类系统,通过
作者贡献声明
徐普炎:写作–审阅与编辑,监督。王玉英:写作–原稿撰写,可视化,验证,数据整理。姚晚香:方法学,调查,资金获取,数据整理。刘春泽:写作–审阅与编辑。黄寅:写作–审阅与编辑,数据整理。张丽璐:写作–审阅与编辑。梁淑燕:写作–审阅与编辑。
利益冲突声明
作者声明他们不存在已知的竞争财务利益或个人关系,这些利益或关系可能影响本文所报告的工作。
致谢
作者衷心感谢国家自然科学基金(批准号 52478091)、山东省自然科学基金(批准号 ZR2025MS924 和 ZR2025QC562)、青岛市公园培育项目(批准号 26-1-1-gigg-101-qy)、河北省自然科学基金(批准号 E2026404007)以及山东省泰山学者青年专家(批准号 tsqn202306236)的支持。
徐普炎|王玉英|姚晚香|刘春泽|黄寅|张丽璐|梁淑燕