《Sustainable Energy Technologies and Assessments》：A decision-support system for solar energy resource planning in arid desert regions
编辑推荐：
沙漠地区太阳能资源评估与预测系统开发基于13站分钟级数据，揭示GHI空间均质性强而DNI局部差异显著，验证CSV插值方法最优，提出监测网络优化和不确定性量化方案，为干旱区光伏/聚光电站规划提供决策依据。
D. Bachour|D. Perez-Astudillo|A. Ziaullah
卡塔尔环境与能源研究所，哈马德·本·哈利法大学，多哈，卡塔尔
摘要
本研究提出了一种用于沙漠环境中太阳能资源评估和预测的定量决策支持系统，该系统利用了来自13个监测站的分钟级分辨率数据，这些监测站位于一个平坦、气溶胶丰富、云量较低的区域内。通过评估全球水平辐照度（GHI）和直射法向辐照度（DNI）的空间变异性及距离依赖性误差，研究发现GHI具有较高的空间均匀性，而DNI则存在显著的局部变异性。统计分析（包括皮尔逊相关性和变异性指标）表明，GHI的外推误差较小，而DNI的误差随距离增加而显著增大，这突显了在能源产量评估中选择战略性地布置监测站点及量化不确定性的重要性。除了使用CAMS的重分析数据外，本研究还评估了三种插值方法（IDW、基于重力的IEA和CSV），发现累积半变异图（CSV）方法在精度上表现最佳，尤其是在DNI方面，并且适用于监测站分布稀疏的情况。所获得的结果为优化监测站间距提供了可操作的指标，有助于制定具有成本效益的投资决策，从而支持全球干旱和半干旱地区的可扩展和具有韧性的太阳能基础设施规划。此外，这些方法和发现也为能源规划者和投资者提供了实际指导，以降低财务风险并提高太阳能项目开发的可靠性，不仅限于本研究区域。
引言
为了满足不断增长的全球能源需求同时减少对化石燃料的依赖，世界各地的可再生能源组合得到了迅速发展。大规模的光伏（PV）和聚光太阳能（CSP）设施已成为国家能源系统的重要组成部分，直接推动了从化石燃料的转型，并显著减少了碳排放。它们的成功部署和运行在很大程度上依赖于准确、特定于站点且时间分辨率为分钟的太阳能资源数据——尤其是全球水平辐照度（GHI）和直射法向辐照度（DNI），这两个指标分别衡量了水平表面接收到的总太阳辐射及其直接成分。可靠的太阳能资源特征描述对于资源评估、运营预测以及开发可行的太阳能项目至关重要。在太阳能资源评估中，一个核心挑战是在卫星衍生的辐照度数据集提供的广泛空间覆盖范围和长期历史记录与基于地面的高精度和特定于站点的细节之间找到平衡。卫星产品已成为制图、预可行性研究和区域规划的标准工具，但由于气溶胶、尘埃和高表面反射率的影响，其在干旱和沙漠地区的可靠性往往受到影响[1]、[2]、[3]、[4]、[5]、[6]。
尽管基于地面的测量通常分布稀疏且在具有挑战性的环境中缺乏长期的高分辨率覆盖，但它们对于站点验证、校准以及制定可行的能源产量评估仍然不可或缺[7]、[8]、[9]。当前的最佳实践是整合卫星和地面数据；卫星产品提供了更广泛的时空背景，而地面测量则确保了局部精度，并可作为卫星产品校正的基准，特别是在复杂或数据稀疏的环境中[10]。例如，在[11]中的研究通过将地面测量的GHI和DNI与SUNY卫星模型的估计值进行比较，评估了巴基斯坦的太阳能潜力。作者发现地面数据和卫星数据之间存在显著的月度变化，强调实时地面测量对于准确评估太阳能资源至关重要，因为仅依赖卫星数据可能会导致较大的误差。
尽管取得了这些进展，以往的研究主要使用卫星或地面数据来研究太阳能资源的变异性，涵盖了不同的地理尺度和时间分辨率[12]、[13]、[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]、[22]、[23]。虽然这些研究加深了对太阳能变异性的理解——尤其是在大面积或时间步长较粗的情况下——但系统地描述分钟级波动或解决地面站在均匀沙漠环境中的空间代表性及外推误差的研究相对较少。高频地面测量对于捕捉瞬变事件、量化短期变异性以及改进预测和监测网络设计特别有价值，然而这类数据仍然很少，尤其是在平坦的干旱地区多站点网络中。这一差距限制了严格评估卫星产品、优化监测站间距以及准确估计可行太阳能项目资源不确定性的能力。
为此，本研究利用了分布在均匀沙漠区域内的13个地面站点的分钟级分辨率GHI和DNI数据，旨在（i）量化长达140公里的距离范围内太阳辐射的空间变异性和代表性，（ii）评估在数据稀疏情况下不同插值方法用于资源估计的准确性，以及（iii）为沙漠环境中的太阳能应用提供误差评估的定量指导。分析聚焦于具有均匀反照率的平坦地形，分离了大气对太阳辐射变异性的影响，采用了变异性指标和相关性分析，评估了外推误差，并比较了不同的插值方法。这些发现对太阳能规划和运营预测具有直接意义，提高了在高质量地面数据有限的类似地区资源评估和预测的可靠性。
本文的其余部分结构如下：“数据和方法”部分详细介绍了研究区域、数据集和分析方法；“结果与讨论”部分展示了主要结果和讨论；“结论”部分总结了关键结论和对能源规划者及研究人员的潜在应用。
研究区域和数据来源
本研究利用了2022年收集的来自卡塔尔境内13个太阳能监测站（总面积11,600平方公里）的分钟级分辨率GHI和DNI数据，这些监测站分布在长度约为140公里、宽度约为90公里的区域内，用于评估局部太阳辐射的变异性[24]、[25]。图S1展示了这些监测站的位置。
该地区属于炎热沙漠气候，降雨量极少，经常出现严重的气溶胶负荷和沙尘暴。漫长的夏季（3月至9月）会导致高温。
高级统计分析
图1展示了整个监测网络中GHI和DNI的月平均值和标准差，提供了空间和时间模式的清晰视觉对比。颜色等级表示每个站点和月份的数值大小；白色区域表示数据不足的月份。垂直比较显示，DNI在平均值和标准差方面都表现出更大的变异性。
结论
本研究提出了一个全面的决策支持系统和误差建模框架，旨在改进干旱和类似沙漠地区的太阳能资源评估和规划。通过使用来自广泛网络的高分辨率GHI和DNI数据，该系统提供了评估空间变异性及相关不确定性的实用指标。结果表明，GHI适用于区域预测和利用邻近站点的数据，而DNI则表现出显著的空间变异性。
CRediT作者贡献声明
D. Bachour：撰写 – 审稿与编辑，撰写 – 原稿，资源管理，方法论，调查，正式分析，数据管理，概念化。D. Perez-Astudillo：撰写 – 审稿与编辑，方法论，正式分析，数据管理。A. Ziaullah：验证，正式分析，数据管理。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
