基于季节识别的双层太阳辐射聚类：比较分析

太阳辐射聚类可增强太阳电池容量规划，帮助改进预测模型，通过识别受季节和天气变化影响的相似辐射模式。在本研究中，我们采用一种高效的双层聚类方法自动识别使用第一层清晨天辐射的季节，然后在每个季节内识别日间云层水平（晴天、阴天和部分阴天）。在第二层聚类中，比较了三种方法，即日间辐射指数（DII 或 $\beta$）、欧几里得距离（ED）和动态时间错位（DTW）距离。DII 计算为测量辐射率时间积分与清晨天辐射率时间积分之比。所识别的聚类通过 established 聚类指标进行定量比较，并通过比较平均辐射率轮廓进行定性比较。结果明确证明 $\beta$-基于聚类方法作为领头羊，为太阳辐射聚类研究树立了新基准。此外，$\beta$-基于聚类即使针对年度数据也有效，而时间序列方法则因性能显著下降。有趣的是，与预期相反，ED 基于聚类优于计算更为密集的 DTW 距离基于聚类。该方法使用来自两个不同美国地点的数据进行了严格验证，表明其对更大数据集具有稳健的可扩展性，并具有适用于其他地点的潜在应用性。