概率性数值天气预报太阳辐射统计后处理方法的比较
应用统计
2019-09-04 v2 机器学习
摘要
太阳能使用的增加使得太阳辐射预报变得更为重要。太阳能板发电主要受制于太阳辐射量，因此准确的太阳辐射预报十分重要。能够提供预报不确定性信息的准确预报，可帮助太阳能用户基于太阳辐射就电网稳定性做出更好的决策。为此，我们应用统计后处理技术，确定荷兰KNMI自动气象站网络观测到的全球辐射与数值天气预报(NWP)模式HARMONIE-AROME (HA)及大气成分模式CAMS的各种气象变量预报之间的关系。这些关系被用于生成全球辐射的概率性预报。我们比较了7种不同的统计后处理方法，包括两种参数方法和五种非参数方法。我们发现，根据均方根误差(中位数上)和潜在经济价值，所有方法都能生成较HA原始全球辐射预报有所改进的概率性预报。此外，我们展示了不同回归方法中预测因子的重要性。我们还使用各种概率性评分指标比较了这些回归方法，即连续排序概率技巧评分、Brier技巧评分和可靠性图。我们发现分位数回归和广义随机森林通常表现最佳。在(近)晴空条件下，非参数方法比参数方法具有更高的技巧。
引用
@article{arxiv.1904.07192,
title = {Comparison of statistical post-processing methods for probabilistic NWP forecasts of solar radiation},
author = {Kilian Bakker and Kirien Whan and Wouter Knap and Maurice Schmeits},
journal= {arXiv preprint arXiv:1904.07192},
year = {2019}
}
备注
https://doi.org/10.1016/j.solener.2019.08.044