一种适用于中低纬度地区、地形复杂的基于光伏发电量的太阳能分布绘图框架

《Renewable Energy》：A framework for PV yield-based solar energy mapping in mid-low latitude regions with complex topography

本研究通过整合 lapse rate 调整的 ERA5-Land 再分析数据与卫星太阳辐照数据，构建了 2 km分辨率的亚热带复杂地形 GTMY 数据集，验证其温度（+25.5%）和露点（+16.7%）精度提升，并成功生成光伏发电量分布图，支持能源系统规划。

　　太阳能资源的准确评估对于有效规划能源系统至关重要，尤其是在地形复杂且微气候多样的地区。本研究提出了一种创新框架，将经过海拔梯度修正的ERA5-Land再分析数据与卫星观测的太阳辐照度相结合，构建了一个地区校准的网格化典型气象年（GTMY）数据集，分辨率达到2公里。与仅使用地面数据或粗粒度再分析的方法不同，该方法通过地形梯度修正来提高温度和露点精度，分别提升了25.5%和16.7%，同时评估了风速偏差。GTMY数据集在地理上紧凑但地形多样的亚热带岛屿地区进行了验证，该地区包括沿海平原和山地地形，为许多中低纬度地区的代表性测试提供了坚实的基础。

研究结果表明，GTMY数据集与长期观测数据在空间和时间上表现出高度的一致性，年度平均全球水平辐照度（GHI）的差异为+14 kWh/m2。基于GTMY数据的光伏（PV）性能建模产生了空间上合理的太阳能发电潜力地图。该框架在异质条件下的鲁棒性得到了验证，凸显了其在具有复杂地球物理特征的其他地区的广泛应用潜力。这项研究为准确的太阳能资源评估提供了可扩展和可迁移的解决方案，并支持在当前和未来气候条件下进行适应性基础设施规划。

随着全球向可再生能源转型，对准确太阳能资源评估工具的需求不断上升。太阳能作为可持续电力系统中的关键组成部分，其潜力的准确评估对于推动绿色能源发展具有重要意义。近年来，光伏技术的进步和安装成本的下降加速了太阳能在各种地理环境中的部署。然而，准确绘制太阳能潜力地图仍然面临挑战，特别是在中低纬度地区，这些地区地形复杂，微气候多样。传统的地面观测方法通常依赖于典型的气象年（TMY）数据集，但由于观测站覆盖稀疏、校准问题以及无法捕捉中尺度变化，其应用受到限制。地面观测数据往往缺乏足够的空间代表性，特别是在维护太阳能辐射监测网络的高昂运营成本下，许多地区只能在广阔的领土范围内设置少量的自动太阳辐射观测站。

特别是在地形复杂的地区，空间稀疏的观测站无法捕捉周围地形的太阳能辐射变化。此外，地面数据在时间上的缺失和不规律性会平滑重要的短期变化，从而降低月平均太阳能值的可靠性，这对能源规划至关重要。在山区和沿海地区，太阳辐照度受到地形遮挡、大气动态和局部气候模式的影响，这些因素引入了显著的空间和时间异质性，使得通用的评估方法不足以支持局部尺度的能源规划。准确描述这些变化需要能够整合高分辨率地形和气象数据的精细建模框架。

尽管TMY数据集在代表平均气候条件方面具有一定的价值，但它们往往无法捕捉年际变化和极端事件，这些是评估长期太阳能性能和财务风险的关键因素。TMY数据集的空间分辨率受到气象站分布的限制，特别是在偏远或山区地区，太阳辐射的梯度通常较为明显。点对网格的代表性不匹配会导致显著的验证偏差，特别是在地形复杂的区域，风场和辐射场在小于典型观测站间距的距离内表现出空间梯度。在这些区域中，基于点测量的插值方法会引入大量不确定性。此外，数据质量问题，如校准不一致和操作性缺失，进一步削弱了其在高分辨率太阳能地图中的可靠性。

为了克服这些限制，本研究提出了一种创新框架，将经过地形修正的ERA5-Land再分析数据与卫星观测的太阳辐照度相结合，构建了一个地区校准的GTMY数据集。通过使用高分辨率数字高程模型（DEM），对温度和露点温度进行海拔梯度修正，从而减轻由海拔引起的偏差，提高近地表大气条件的代表性。随后，采用地区适应的Heliosat-2模型，将卫星观测的太阳辐照度纳入其中，最终生成一个适用于中低纬度地区复杂地形的2公里分辨率GTMY数据集。与传统研究仅依赖全球水平辐照度（GHI）不同，我们的框架强调光伏发电量作为太阳能潜力映射的主要指标。光伏发电量以千瓦时（kWh）为单位，同时考虑了动态性能因素，如温度、风的影响和系统损耗，从而提供了在真实运行条件下更准确的电力生成潜力估计。

本研究的目标是开发并验证一种适用于复杂地形地区的高分辨率太阳能潜力评估框架，使用地区校准的GTMY数据集。具体目标包括：

1. 通过整合经过海拔梯度修正的ERA5-Land再分析数据和卫星观测的太阳辐照度，构建一个2公里分辨率的GTMY数据集；
2. 通过应用地形信息的海拔梯度修正，提高温度和湿度的准确性；
3. 通过与地面观测站数据的对比，评估并修正ERA5-Land变量的偏差；
4. 利用全球水平辐照度（GHI）和光伏发电量指标，绘制太阳能潜力地图。

通过实现这些目标，本研究推动了复杂地形地区的太阳能资源评估方法，为能源系统规划提供了可扩展和可迁移的工具。使用光伏发电量可以更准确地反映实际的能源生成情况，从而支持选址决策、投资策略以及长期的气候适应性规划。

研究方法整合了卫星观测的太阳辐照度、基于再分析的气象数据以及光伏性能建模，以构建地区校准的GTMY数据集并评估太阳能潜力。图1展示了整体工作流程。研究方法分为三个主要部分：（1）基于卫星的太阳辐照度估计与分离，（2）通过再分析修正和GTMY数据集构建，（3）基于GTMY数据的太阳能潜力评估。首先，利用卫星数据估算和分离太阳辐照度，以获取更准确的太阳辐射信息。其次，将ERA5-Land再分析数据与地形修正相结合，构建出适用于复杂地形地区的GTMY数据集。最后，通过GTMY数据集评估太阳能潜力，生成空间上合理的发电潜力地图。

研究数据来源于台湾地区，因其多样化的地理和气候条件，从热带（南部）到温带（北部）气候，且被北回归线横贯。台湾地区的地形变化丰富，包括西部的平原和东部覆盖森林的山脉，其中超过200座山峰的高度超过3000米（最高为玉山，3952米），在一个36197平方公里的区域内，使其成为测试GTMY数据集性能的理想场所。使用20米分辨率的数字高程模型，可以更精确地捕捉地形特征，提高模型的准确性。同时，将卫星观测的太阳辐照度与地面观测数据进行比较，能够进一步验证和修正数据集的偏差，确保其在不同环境下的适用性。

研究结果分为三个部分进行评估：（1）再分析数据的验证，（2）卫星太阳辐照度和GTMY数据集的代表性，以及（3）太阳能潜力的评估。再分析数据的验证结果显示，ERA5-Land数据在温度上存在系统性偏差，与以往研究一致，即在低海拔地区温度被低估，在高海拔地区温度被高估。与传统方法不同，我们采用地形信息的海拔梯度修正显著降低了这种偏差，使数据集在不同海拔条件下的准确性得到提升。此外，通过比较卫星观测和地面数据，评估了风速偏差，并对相关变量进行了修正，以确保数据集的可靠性。

研究还发现，GTMY数据集在地理上紧凑但地形多样的亚热带岛屿地区表现出与长期观测数据的高度一致性，这一地区包括沿海平原、盆地和山地地形，为中低纬度地区的代表性测试提供了坚实的基础。该地区的复杂地形使得太阳能资源的分布具有显著的空间异质性，而GTMY数据集的构建和校准能够有效捕捉这些变化，提高评估的准确性。通过将高分辨率地形数据与再分析数据相结合，并引入卫星观测的太阳辐照度，该框架能够更精确地反映实际的太阳能资源状况，为能源规划提供科学依据。

此外，本研究还强调了光伏发电量作为主要评估指标的重要性。光伏发电量不仅考虑了太阳辐射的水平，还综合了温度、风的影响和系统损耗等因素，从而更准确地预测在真实运行条件下的电力生成潜力。这一方法能够更有效地支持能源系统规划，特别是在气候变化压力下，能源规划需要更加灵活和精确的工具。通过构建和验证GTMY数据集，本研究为复杂地形地区的太阳能资源评估提供了可扩展和可迁移的解决方案，有助于提高能源系统的可靠性和可持续性。

研究的最终目标是开发一种适用于复杂地形地区的高分辨率太阳能潜力评估框架，该框架能够整合高分辨率的地形和气象数据，提供更精确的太阳能资源评估。通过将ERA5-Land再分析数据与地形修正相结合，并引入卫星观测的太阳辐照度，构建出一个地区校准的GTMY数据集，该数据集在空间和时间上均表现出高度的准确性。这一方法不仅提高了太阳能资源评估的可靠性，还支持了更精准的能源规划，特别是在气候变化背景下，需要考虑长期和短期的气候条件变化。此外，该框架的可扩展性使得其能够应用于其他具有复杂地球物理特征的地区，为全球范围内的太阳能资源评估和能源系统规划提供支持。

本研究的创新点在于将高分辨率地形数据与再分析数据相结合，利用地形信息对太阳辐射进行修正，从而提高数据集的精度和代表性。这种方法能够有效解决传统方法在复杂地形地区中的局限性，特别是在地面观测数据稀疏或存在时间缺失的情况下，能够提供更可靠的数据支持。此外，通过引入卫星观测的太阳辐照度，该框架能够更全面地捕捉太阳辐射的变化，提高太阳能资源评估的准确性。这些改进不仅提高了数据集的可靠性，还支持了更精准的能源规划，为实现可持续发展目标提供了重要依据。

综上所述，本研究提出了一种创新的太阳能资源评估框架，该框架能够有效解决复杂地形地区中太阳能资源评估的挑战，提高数据集的精度和代表性。通过整合高分辨率地形数据和再分析数据，并引入卫星观测的太阳辐照度，该框架为全球范围内的太阳能资源评估提供了可扩展和可迁移的解决方案，支持了更精准的能源系统规划。研究结果表明，该框架在地理上紧凑但地形多样的亚热带岛屿地区表现出与长期观测数据的高度一致性，为中低纬度地区的代表性测试提供了坚实的基础。该方法不仅提高了太阳能资源评估的可靠性，还支持了更精准的能源规划，为实现可持续发展目标提供了重要依据。