Оценка суммарной солнечной радиации с суточной детализацией на основе регрессионных моделей

Цель – на основе анализа опубликованных данных по разработке регрессионных моделей оценки потока суммарной солнечной радиации предложить новые регрессионные модели с использованием доступных метеорологических данных. Представлены основные этапы разработки регрессионных моделей и подходы к их реализации. Разработка и сравнение точности моделей выполнены на основе метеорологических данных (максимальная и минимальная температура, влажность воздуха, общая и нижняя облачность) г. Иркутск за период 2007– 2019 гг. При калибровке и валидации моделей использовались открытые базы данных наземных измерений метеостанций. В результате проведенного анализа литературных источников представлены основные этапы разработки регрессионных моделей и подходы к их реализации. Проведена калибровка и валидация 10 известных и 7 новых регрессионных моделей, в том числе 3 на основе метода опорных векторов. Показано, что наибольшую точность для оценки суммарной солнечной радиации с суточной детализацией показали новые модели, использующие данные о температуре и влажности воздуха, атмосферном давлении, общей и нижней облачности. Минимальная средняя абсолютная ошибка рассмотренных известных моделей при оценке суточных значений суммарной солнечной радиации за период 2016–2019 гг. составила 627,52 Вт·ч/м2·сут, новых предложенных регрессионных моделей – 504,7 Вт·ч/м2·сут, регрессионных моделей на основе метода опорных векторов – 463,2 Вт·ч/м2·сут. На основе анализа средней ошибки смещения определены модели, имеющие наибольшую точность для оценки  месячных и годовых сумм суммарной солнечной радиации: известная регрессионная модель, использующая данные о влажности воздуха, а также регрессионная модель на основе метода опорных векторов.

1. Кваша Н.В., Бондарь Е.Г. Распределенная и цифровая энергетика как инновационные элементы четвертого энергоперехода // π-Economy. 2021. Т. 14. Вып. 6. С. 133. https://doi.org/10.18721/JE.14605.

2. Кулапин А.И. Энергетический переход: Россия в глобальной повестке // Энергетическая политика. 2021. № 7. С. 10–15.

3. Jia Dongyu, Yang Liwei, Lv Tao, Liu Weiping, Gao Xiaoqing, Zhou Jiaxin. Evaluation of machine learning models for predicting daily global and diffuse solar radiation under different weather/pollution conditions // Renewable Energy. 2022. Vol. 187. Р. 896–906. https://doi.org/10.1016/j.renene.2022.02.002.

4. Zhang Jianyuan, Zhao Li, Deng Shuai, Xu Weicong, Zhang Ying. A critical review of the models used to estimate solar radiation // Renewable and Sustainable Energy Reviews. 2017. Vol. 70. Р. 314–329. https://doi.org/10.1016/j.rser.2016.11.124.

5. Hassan M.A., Khalil A., Kaseb S., Kassem M.A. Independent models for estimation of daily global solar radiation: a review and a case study // Renewable and Sustainable Energy Reviews. 2018. Vol. 82. Part 1. Р. 1565–1575. https://doi.org/10.1016/j.rser.2017.07.002.

6. Li Huashan, Ma Weibin, Lian Yongwang, Wang Xianlong, Zhao Liang. Global solar radiation estimation with sunshine duration in Tibet, China // Renewable Energy. 2011. Vol. 36. Iss. 11. Р. 3141–3145. https://doi.org/10.1016/j.renene.2011.03.019.

7. Yıldırım H.B., Teke A., Antonanzas-Torres F. Evaluation of classical parametric models for estimating solar radiation in the Eastern Mediterranean region of Turkey // Renewable and Sustainable Energy Reviews. 2018. Vol. 82. Part 3. P. 2053–2065. https://doi.org/10.1016/j.rser.2017.08.033.

8. Chukwujindu N.S. A comprehensive review of empirical models for estimating global solar radiation in Africa // Renewable and Sustainable Energy Reviews. 2017. Vol. 78. Р. 955–995. https://doi.org/10.1016/j.rser.2017.04.101.

9. Chen Ji-Long, He Lei, Yang Hong, Ma Maohua, Chen Qiao, Wu Sheng-Jun, et al. Empirical models for estimating monthly global solar radiation: a most comprehensive review and comparative case study in China // Renewable and Sustainable Energy Reviews. 2019. Vol. 108. Р. 91–111. https://doi.org/10.1016/j.rser.2019.03.033.

10. Li Mao-Fen, Guo Peng-Tao, Dai Shengpei, Luo Hongxia, Liu Enping, Li Yuping. Empirical estimation of daily global solar radiation with contrasting seasons of rain and drought characterize over tropical China // Journal of Cleaner Production. 2020. Vol. 266. Р. 121915. https://doi.org/10.1016/j.jclepro.2020.121915.

11. Oyewola O.M., Patchali T.E., Ajide O.O., Satyanand S., Matthew O.J. Global solar radiation predictions in Fiji Islands based on empirical models // Alexandria Engineering Journal. 2022. Vol. 61. Iss. 11. P. 8555–8571. https://doi.org/10.1016/j.aej.2022.01.065.

12. Quej V.H., Almorox J., Ibrakhimov M., Saito L. Empirical models for estimating daily global solar radiation in Yucatán Peninsula, Mexico // Energy Conversion and Management. 2016. Vol. 110. Р. 448–456. https://doi.org/10.1016/j.enconman.2015.12.050.

13. Nematchoua M.K., Orosa J.A., Afaifia M. Prediction of daily global solar radiation and air temperature using six machine learning algorithms; a case of 27 European countries // Ecological Informatics. 2022. Vol. 69. Р. 101643. https://doi.org/10.1016/j.ecoinf.2022.101643.

14. Naserpour S., Zolfaghari H., Firouzabadi P. Calibration and evaluation of sunshine-based empirical models for estimating daily solar radiation in Iran // Sustainable Energy Technologies and Assessments. 2020. Vol. 42. P. 100855. https://doi.org/10.1016/j.seta.2020.100855.

15. Besharat F., Dehghan A.A., Faghih A.R. Empirical models for estimating global solar radiation: a review and case study // Renewable and Sustainable Energy Reviews. 2013. Vol. 21. Р. 798–821. https://doi.org/10.1016/j.rser.2012.12.043.

16. Елагина Е.А., Маргун А.А. Исследование методов машинного обучения в задаче идентификации клеток крови // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21. № 6. С. 903–911. https://doi.org/10.17586/2226-1494-2021-21-6-903-911.

17. Винокуров М.А., Суходолов А.П. Экономика Иркутской области: в 4 т. Иркутск: БГУПЭ, 1998. Т. 1. 203 с.

18. Кузеванов В.Я., Сизых С.В. Ресурсы ботанического сада Иркутского государственного университета: образовательные, научные и социально-экологические аспекты. Иркутск: Иркутский государственный университет, 2005. С. 30–31.

19. Bounoua Z, Chahidi L.O., Mechaqrane A. Estimation of daily global solar radiation using empirical and machinelearning methods: a case study of five Moroccan locations // Sustainable Materials and Technologies. 2021. Vol. 28. Р. e00261. https://doi.org/10.1016/j.susmat.2021.e00261.

20. Ahamed M.S., Guo Huiqing, Tanino K. Cloud coverbased models for estimation of global solar radiation: a review and case study // International Journal of Green Energy. 2022. Vol. 19. Iss. 2. https://doi.org/10.1080/15435075.2021.1941043.