21、太阳能辐照度预测技术的对比与分析

太阳能辐照度预测技术的对比与分析

1. 不同模型的性能对比

在太阳能辐照度预测中，DA Spatial在平均绝对误差（MAE）和连续排名概率得分（CRPS）方面优于其他同类模型。这表明卷积层在编码空间信息方面至关重要，相比AnEn Spatial，它能更有效地将空间上下文引入天气相似度度量中。不过，虽然DA Spatial与AnEn的其他变体相比偏差最低（最差），但所有AnEn技术的偏差都约为 -25 W/m²，这说明没有一种变体能够有效地消除模型偏差。由于辐射方案和模型预测行为的显著变化，消除NAM模型的偏差可能是一项具有挑战性的任务。

从双变量散点图（图4）来看，GFS在极端情况下（右上角）存在约200 W/m²的低估。这种低估可能是网格级云覆盖预测的误报，更重要的是，可能是模型对参数化亚网格云（如积云）的解析导致的。AnEn和DA Spatial都能够纠正由于不精确参数化过程导致的误差，而DA Spatial在这方面略胜一筹。

另一方面，NAM的观测和预测太阳能辐照度之间的相关性较低。AnEn和DA Spatial都能使数据点更靠近对角线，其中DA Spatial的相关性更高。然而，AnEn在高太阳能辐照度情况下存在低估现象，这可能与2017年初模型的示意图变化有关，这些变化减少了模拟的入射太阳辐射。AnEn没有考虑模型存档的变化，而DA Spatial由于训练过程和使用RA（可能是某种训练方法），结果有所改善。如果搜索库中的预测模式发生变化，该模型能够考虑到这一点，并构建潜在特征，从而实现更相似的观测结果。

2. 搜索空间扩展（SSE）

SSE是AnEn的扩展，它允许将固定位置的目标预测与附近的预测进行比较。通过扩大搜索库，更有