光伏

WRF-Solar：面向光伏功率的太阳能专用数值预报

2023-08-29 · 南京运梦科技算法团队 · 评审算法负责人

做过光伏功率预测的工程师大概都遇到过这样的困境：拿到一份常规数值天气预报（NWP）的地面辐射场，套进功率模型，晴天还算凑合，一到积云翻涌、薄雾笼罩或者沙尘过境的日子，预测曲线和实测出力就开始大幅偏离。问题往往不在功率模型，而在更上游——那份辐射预报本身就没把太阳能最在意的物理过程算清楚。

传统气象模式诞生时，关心的是温度、降水、气压这类天气要素，太阳辐射只是能量平衡里的一个分量。辐射方案被调用得很稀疏，气溶胶常被当成一个固定的气候态背景，云对辐射的反馈也被大幅简化。这些取舍对预报暴雨、寒潮没什么影响，但对一座要按分钟级出力签结算合同的光伏电站来说，每一处简化都会变成功率曲线上的偏差。

WRF-Solar 正是为弥补这道鸿沟而生。它是第一个专门面向太阳能预测、在 WRF 模式基础上做针对性增强的数值预报配置，由美国 NCAR 等机构的团队提出。这篇文章基于 Jimenez 等人 2016 年发表在 BAMS 的奠基论文，讲清楚 WRF-Solar 到底改了什么、为什么对新能源有用，以及它与运梦气象 API 辐射预报数据之间是什么关系。

关键要点

WRF-Solar 是首个专门为太阳能预测而设计/增强的数值天气预报配置，构建在 WRF 模式之上，由 NCAR 等机构团队提出。
核心动机：常规 WRF 辐射方案调用频率偏低、对气溶胶和云-辐射反馈刻画不足，不利于太阳能这种对辐射高度敏感的应用。
四项主要增强：更频繁地调用辐射方案以捕捉云的快速变化、耦合气溶胶对辐射的直接与间接效应、改进云-辐射相互作用、直接诊断输出 GHI/DNI/DHI 三个辐射分量。
论文标题强调 "Clear-Sky Assessment"，即首先在晴空条件下系统评估模式表现，作为后续含云场景验证的基础。
与中尺度动力降尺度结合，可在复杂地形和多变云况下进一步提升辐射与功率预报精度。

这篇论文的完整标题是《WRF-Solar: Description and Clear-Sky Assessment of an Augmented NWP Model for Solar Power Prediction》，2016 年发表于美国气象学会会刊《Bulletin of the American Meteorological Society》（BAMS）第 97 卷第 7 期，作者团队来自 NCAR 等机构。BAMS 是气象领域面向广泛读者的旗舰刊物，把一项模式工作放在这里发表，本身就说明 WRF-Solar 的定位不只是某次个例实验，而是面向整个太阳能行业的基础工具。

为什么这项工作重要？随着光伏装机规模快速扩张，电网调度、电力交易和电站运营越来越依赖准确的辐射与功率预报。但当时主流的 NWP 模式都是为通用天气预报服务的，辐射只是众多输出之一。WRF-Solar 第一次把"为太阳能而生"写进了模式设计目标，针对太阳能应用最关心的物理链条——气溶胶、云、辐射三者的相互作用——做了系统性强化。

论文标题里的 "Clear-Sky Assessment"（晴空评估）也透露了方法论思路：作者先在晴空条件下评估增强后模式的辐射表现。晴空场景剔除了云这个最大的不确定来源，能够干净地检验气溶胶处理和辐射传输本身算得准不准；只有在晴空这一步打好基础，后续在有云、复杂气象条件下的验证才有可靠的参照。这是一种扎实的、从可控到复杂逐步推进的工程验证逻辑。

方法 / 它做了什么

WRF-Solar 的核心思路，是诊断常规 WRF 在太阳能应用上的几处薄弱环节，然后逐一对症增强，而不是推倒重建一套新模式。它继承了 WRF 成熟的动力框架和物理体系，只在与太阳辐射强相关的环节上做"外科手术式"的改造，这样既保留了 WRF 的可移植性和社区生态，又显著提升了辐射预报能力。

第一项增强是提高辐射方案的调用频率。常规配置里，为了节省算力，辐射传输方案往往隔较长时间才更新一次。但云的生消和移动是分钟尺度的快变过程，更新太稀疏就会"看不见"云在间隔期内带来的辐射剧烈波动。WRF-Solar 让辐射方案被更频繁地调用，从而更细腻地跟随云对地面辐射的快速调制。

第二项增强是气溶胶与辐射的耦合。气溶胶（沙尘、霾、海盐等）会直接散射和吸收太阳辐射（直接效应），也会通过充当凝结核改变云的微物理特性，进而间接影响辐射（间接效应）。常规模式常把气溶胶当作固定背景，无法反映真实的时空变化。WRF-Solar 把气溶胶对辐射的直接与间接效应纳入耦合，让晴空和含云条件下的辐射估算都更贴近真实大气。

第三项是改进云-辐射相互作用的刻画。云是地面辐射最大的调制者，云的位置、厚度、相态、微物理特征都会显著改变 GHI、DNI、DHI 的分配。WRF-Solar 在这一环节做了增强，使模式输出的辐射对云状态的响应更合理。

第四项，也是对下游应用最直接有用的一项，是直接诊断输出 GHI、DNI、DHI 三个辐射分量。GHI（全球水平辐照度）、DNI（法向直接辐照度）、DHI（散射水平辐照度）是光伏与聚光太阳能系统建模的基本输入：固定式与跟踪式光伏对三分量的敏感度不同，聚光系统几乎只吃 DNI。模式直接给出三分量，省去了下游再做经验分解的环节，也减少了由此引入的误差。这些增强共同服务于一个目标——为光伏电站的日前与数小时辐射、功率预报提供更可靠的气象输入。

关键结论

WRF-Solar 是首个专门面向太阳能预测而设计与增强的 NWP 配置，论文系统地给出了它的设计描述。它把"为太阳能服务"作为模式的明确目标，而非通用预报的副产品。
论文的评估聚焦于晴空条件（Clear-Sky Assessment），用以检验气溶胶处理与辐射传输在剔除云不确定性后的基础表现，为含云场景的进一步验证奠定参照。
四项增强——更频繁的辐射方案调用、气溶胶直接/间接效应耦合、改进的云-辐射相互作用、GHI/DNI/DHI 三分量直接输出——共同提升了模式对太阳能相关辐射过程的刻画能力。
直接输出三辐射分量这一设计，契合光伏与聚光太阳能建模对 GHI/DNI/DHI 的差异化需求，使模式输出可直接对接下游功率预测流程。
在工程实践中，WRF-Solar 这类太阳能专用模式常与中尺度动力降尺度联用，以在复杂地形和多变云况下进一步提升精度（此为业界经验性做法，具体增益取决于场址与配置，非论文给出的定量结论）。

对新能源 / 运梦平台的意义

WRF-Solar 给行业最重要的启示，是"通用辐射场"和"为太阳能优化的辐射场"之间存在实质差距，而这道差距恰恰落在气溶胶、云、辐射的相互作用上。对任何做光伏功率预测的团队来说，这意味着：选数据源时不能只看是否有辐射字段，更要看这份辐射在物理上是否对太阳能友好——辐射更新够不够密、气溶胶有没有被认真处理、三分量是分开给还是要自己拆。

运梦气象 API 的设计正是沿着这个思路展开的。我们的预报数据源为德国气象局（dataSourceId=ger），直接对外提供 rsds（地面下行短波辐射，即 GHI）、dni 和 dhi 三个辐射分量，单位统一为 W/m²。也就是说，光伏建模最关心的三分量已经现成可用，无需用户自建并维护一套 WRF-Solar 运行环境，也省去了从单一 GHI 经验分解出 DNI/DHI 的不确定性。对大多数电站和聚合商而言，这是把 WRF-Solar 论文里"直接输出三分量"这一理念落地成开箱即用工程能力的方式。

如果某些场址对分辨率有更高要求——比如位于复杂地形、微气候差异显著、或现有网格难以分辨局地云况的区域——可以在 ger 预报基础上做 WRF 动力降尺度，把更粗网格的预报作为驱动场，向下嵌套出更精细的局地辐射与气象场。这正好对应论文中"与中尺度动力降尺度结合可提升复杂条件下精度"的工程路径，而起点就是一份物理上对太阳能友好的辐射预报。

在历史数据侧，模型训练与回测我们采用 ERA5 再分析（dataSourceId=era5），它提供长时序、物理一致的辐射与气象历史，适合用来拟合功率模型、构建 TMY、做容量评估与历史复盘。预报用 ger、训练用 era5 的组合，既保证了未来时段输入的物理质量，又保证了历史样本的连续与一致——这套分工与 WRF-Solar 强调的"辐射物理要算对"是一脉相承的。

在运梦气象 API 上手

获取某座光伏电站的辐射与气象预报数据非常直接：通过 downloadSync 接口，指定预报数据源 ger（德国气象局）、电站经纬度、起止时间和需要的字段即可。下面的示例同时取了三个辐射分量（rsds=GHI、dni、dhi）以及近地面气温 tas（用于温度修正组件出力）和风速 ws（用于组件背板散热估算），时间窗为某日的日内时段，时区取东八区。

返回的 rsds/dni/dhi 单位为 W/m²，tas 已后处理为摄氏度（°C，无需自行从开尔文换算），ws 为 m/s，可直接喂入 POA 辐照度转换与功率模型。

{
  "dataSourceId": "ger",
  "lat": 31.23,
  "lon": 121.47,
  "stime": "2026-06-04 06:00",
  "etime": "2026-06-04 20:00",
  "fields": ["rsds", "dni", "dhi", "tas", "ws"],
  "timezone": "8"
}

常见问题

问：运梦 API 内部是不是跑了 WRF-Solar？ 答：不是。我们的预报辐射数据来自德国气象局（ger），它已经直接提供 rsds/dni/dhi 三个分量，因此你无需自建 WRF-Solar 环境就能拿到对太阳能友好的辐射预报。WRF-Solar 论文的价值在于它说明了"为什么三分量、气溶胶和云-辐射处理很关键"，而我们用现成的高质量数据源把这个理念落地。

问：我需要更高分辨率怎么办？ 答：可以在 ger 预报的基础上做 WRF 动力降尺度，用它作为驱动场向下嵌套到更精细的网格。这适合复杂地形或局地云况显著、粗网格难以分辨的场址，是论文所述"结合中尺度降尺度提升精度"思路的工程实现。

问：GHI、DNI、DHI 我该用哪个？ 答：取决于系统类型。固定式与跟踪式光伏需要把三分量转换到组件平面（POA）辐照度，因此三个都用得上；聚光太阳能则几乎只依赖 DNI。运梦 API 直接提供三分量（rsds 即 GHI），省去你自己做经验分解的步骤和误差。

问：历史训练数据和预报数据为什么用不同的源？ 答：预报侧用 ger 保证未来时段输入的辐射物理质量；历史侧用 ERA5（era5）再分析，它提供长时序、物理一致的辐射与气象历史，适合拟合功率模型、构建 TMY 与历史回测。两者分工互补。

问：辐射字段的单位和命名是什么？ 答：rsds、dni、dhi 均为 W/m²；rsds 对应 GHI（地面下行短波辐射）。气温 tas 为 °C，风速 ws 为 m/s，相对湿度 hurs 为 %，气压 sp 为 hPa。字段命名遵循站点统一约定，可直接对接下游建模流程。

引用与原文

Jimenez, P. A., Hacker, J. P., Dudhia, J., Haupt, S. E., Ruiz-Arias, J. A., Gueymard, C. A., Thompson, G., Eidhammer, T., & Deng, A. (2016). WRF-Solar: Description and Clear-Sky Assessment of an Augmented NWP Model for Solar Power Prediction. Bulletin of the American Meteorological Society, 97(7), 1249–1264. https://doi.org/10.1175/BAMS-D-14-00279.1

相关阅读