本文提出了一种校正算法，用于提高从欧洲中期天气预报中心（ECMWF）的数值天气预报（NWP）模型获得的全球水平辐射（GHI）预报的准确性。首先，将GHI预测与位于葡萄牙南部（Évora和Sines）的两个地面站的实验值进行比较，并分析了太阳 - 地球几何和大气变量对预测和测量之间差异的影响，以便确定最相关的参数。这些差异主要与清晰度指数，太阳天顶角，平均气温，相对空气湿度和总水柱有关。由于ECMWF模型直接或间接地提供了所有这些变量，因此可以将预测GHI的偏差估计为预测数据的函数，作为参考测量值，这意味着基于这些参数的相关性的算法可用于在运营时间范围内正确预测。为此目的，在这项工作中开发了一种基于人工神经网络（ANN）的算法来改进GHI预测，包括作为参考晴天模型预测的全球太阳辐射的输入。优化了ANN的内部结构，并且还开发了空间和时间缩小程序以获得半小时的辐照值。该算法针对原始ECMWF预测和四个具有不同地形和气候以及各种天空条件（阴天，部分多云和晴空）的地点的持久性模型进行了测试，表明它成功地改进了模型预测。基于七个统计指标和预测分数（FS）的全局绩效指数（GPI）的较高值被发现用于算法模拟，例如，当考虑所有位置和云覆盖条件时，分别为1.066和0.348，而对于原始ECMWF预测，GPI为-1.874，FS为0.282。如果将该算法集成到太阳能系统的能量管理工具中，即低/中温太阳能热和光伏系统，则该算法是有用的。
——文章发布于2019年6月
