地表太阳辐照度毕业论文.doc

1 目 录 中文摘要 .1 英文摘要 .2 1 引言 .3 1.1 前言 .3 1.2 太阳辐射的简介 .3 1.2.1 太阳与地球的运动规律 3 1.2.2 太阳辐射与大气层的影响 4 1.2.3 到达地面的太阳辐射 4 1.3 课题研究的意义与重要性 .4 1.3.1 太阳辐射预测方法研究的理论意义 4 1.3.2 太阳辐射预测为太阳能利用工程提供重要资料 6 1.4 国内研究太阳辐射的现状 .7 2 常用的模型与预测方法 .8 2.1 常用的太阳辐射模型 .8 2.2 预测方法的分类 .9 2.3 常用的预测技术 .9 2.4 本文研究的内容和目标 .11 2.4.1 太阳辐射影响因素的研究 11 2.4.2 对太阳模型进行预处理与相关性分析 12 3 基于时间序列分析的短时间尺度太阳辐射模型研究 .13 3.1 时间序列概述 .13 3.2 时间序列分析的目的 .14 3.3 典型时间序列分析模型 .15 3.4 arma 模型 .16 3.4.1 平稳时间序列的定义 16 3.4.2 平稳时间序列的模型 17 4 地表太阳辐射时间序列模型与建模(arma 模型) .19 4.1 建模过程 .19 4.2 算 例分析 .29 结论 .32 谢辞 .33 参考文献 .34 附录 .36 1 地表太阳辐照度的模拟和预测 摘 要： 随着“能源危机 ”的临近，今天世界各国都在竭尽全力地进行着节省能 源和开发新能源的研究工作。太阳能被看成巨大而清洁的具有代表性的新 能源，随着太阳能利用技术的进步，需要的太阳辐射资料很多，精度要求 又很高，并且对未来时间的太阳辐射强度预测技术提出了更高的要求。太 阳辐射预测可弥补我国辐射资料的不足，并为太阳能工程、新能源的利用 提供重要参考工具；同时，一个合理的太阳辐射模型，是获得空调负荷精 确预测的关键性前提。本文拟就太阳辐射的预测从理论上和方法上进行深 入的探索与研究。 本文针对太阳实测数据是一个依时间顺序排列的序列，序列之间存在 着某种关联，这种关联不是因果关系，统计学中成为相关性基于时间序列 分析的arma模型能够准确模拟目标序列所包含的相关性，且模型形式简洁 实用，对太阳辐射的时间序列分析与模拟研究已成为近年来太阳能技术领 域的一个研究热点，并且也逐渐用于光伏发电系统设计与分析的研究中。 通过对arma模型的序列处理，相关分析，模型估计，参数估计，模型 的定阶与检验，然后实验模型预测，研究表明，该预测方法可以获得较好 的预测性能，且预测精度可以较好的满足研究要求。 关键词：太阳能，模型，预测，相关性，相关性分析 2 abstract：with the increasing problem of world“energy crisis”，today, every country all over the world are emphasizing on the research work of energy conservation and new energy development，teeth and nailsolar energy is a representative new energy which is abundant and cleanas the technology of utilization of solar energy develops，the need of solar data are increasing，the demand of precious are heightening，and the technique of forecast solar intensity in future are requiring further improvingsolar forecast can fill in the database and provide an important tool for solar energy application and new energy utilizationmeanwhile ，an appropriate solar model is a key precondition of accurate load forecast for air conditioning systemsthis paper aims to the deep research into the theories and methods of solar forecast in this paper, the measured solar data is arranged in a chronological sequence, there is some correlation between them, it is not causality, but called correlation in statistics. the arma model based on time series analysis can accurately simulate the target sequence contained in the relevant, and the form of the model is simple and practical, the time series analysis and simulation of the solar radiation has become a hot topic in the field of the solar technology, and gradually used for the study of power generation system design and analysis. to better understand the arma models, it should be done by the following steps, sequence processing, correlation analysis, model estimation, parameter estimation, model order determination and inspection, and then achieve the forecast. key words: solar energy, model, forecast, correlation, correlation analysis 3 1 引言 1.1 前言 能源是人类社会活动的物质基础。1973年发生的世界性的石油危机，敲响了燃 料资源有限的警钟，许多国家认识到能源的至关重要性。随着“能源危机”的临近， 今天世界各国都在竭尽全力地进行着节省能源和开发新能源的研究工作。人类所利 用的能源，大都是由太阳能直接或间接转换而来。太阳能被看成巨大而清洁的具有 代表性的新能源，所以，人们就它的直接和间接利用，积极地从事调查研究和推广 普及工作是不言而喻的。 由于热核反应，太阳能表面温度可以达到6000k，并且向宇宙释放巨大的辐射 能。地球大气中发生的全部现象都是直接或间接来源于这一能源。狭义地说，来自 太阳的太阳光照射到物体表面（特别是地球表面等）成为太阳辐射。近年来，作为 表述太阳能的关联内容，太阳辐射的意义越来越广。 太阳能利用工程主要包括：太阳能集热器、太阳能热水器、太阳热采暖、太阳 能电池、太阳能制冷与空调、太阳热发电、太阳炉等 1。太阳辐射强度是太阳能利 用工程各种设备必需的基本量，实际到达地面的太阳辐射强度受各种因素的影响存 在着很大的随机性。随着太阳能利用技术的进步，需要的太阳辐射资料很多，精度 要求又很高，并且对未来时间的太阳辐射强度预测技术提出了更高的要求。 1.2 太阳辐射的简介 1.2.1 太阳与地球的运动规律 太阳是一个主要由氢（80%）和氮（19%）组成的气态火球，直径 km，质量约为 t，它是太阳系中最大的行星，也是离地球最近的61039.2710. 恒星。太阳表面的有效温度为 5762k，而中心区得温度可达 k，压661048 力为 pa，它的热量主要来源与氢聚变成氦的聚合反应，每秒有3251 kg 氢聚合变成 kg 氦，连续产生 kw 能量。这些能量以电90657910621039 磁波的形式向空间辐射，其中有二十亿分之一到达地球表面，约 kw。12073 太阳的结构可以分为太阳内核、辐射输能区、核对流区、光球区（肉眼所能见 4 的太阳表面）、反色层、色球层和日冕。可见，太阳并不是一个一定温度的黑体， 而是许多不同波长放射、吸收的辐射体。不过，应用于太阳能系统时，通常将太阳 看成为温度为 6000k，波长为 的黑色辐射体。m3.0 地球是一个近似圆球的球体，地球上任何地点的位置都是用地理坐标的经度与 维度表示（对太阳能的利用中这类数据时必不可少的参数）。地球绕着地轴不断自 转，自转一周，即经度 ，形成一昼夜。地球除了自转以外还绕着太阳绕着偏心360 率很小的椭圆形轨道公转，周期为一年。地球的自转轴与公转运行的轨道面（黄道 面）的法线倾斜角成 夹角，而且在地球公转时自转轴的方向始终指向天球的27 北极。 1.2.2 太阳辐射与大气层的影响 由于地球公转轨道是一个椭圆，所以地球和太阳之间的距离在一年之内是变化 的。所谓的“平均日地距离”是指地球公转的长半径，等于 km。当地球610495. 和太阳处于平均日地距离时，在地球大气层外，垂直于太阳辐射的表面上，在单位 面积和单位时间内接收到的太阳辐射能，叫太阳常数，用 表示，其值约为0i 。大气层上界水平面的太阳辐射日总量 可以用下式表示计算：1291.4hmmj ge (1-1) cwdscwgei inos400 式中 为日地距离变化引起大气层上界太阳辐射能量的修正值，其表达式为：0 365/2cos04.1n (1-2) 1.2.3 到达地面的太阳辐射 太阳总辐射是指到达地表水平面的太阳直接辐射和散射辐射的总和，即 （1-hzge 3） 1.3 课题研究的意义与重要性 1.3.1 太阳辐射预测方法研究的理论意义 5 地球表层 998的能量来源于太阳，太阳辐射是指太阳向宇宙空间发射的电 磁波和粒子流。太阳辐射是影响气候变化的重要因素之一。 地球所接受到的太阳辐射能量仅为太阳向宇宙空间放射的总辐射能量的二十亿 分之一，但却是地球大气运动的主要能量源泉。大气和地面接收到的太阳辐射能对 大气的加热、 大气对流、 地面的热状况及生物的生长、 人类的各种活动，太阳 能的利用等都有巨大的影响，同时它也是水体初级生产者的主要能量来源，其大小、 变化将直接影响到湖泊水体生态系统的结构、功能和演变。随着生态学和地球科学 研究尺度的扩展，太阳辐射的空间分布特征也日趋重要。但太阳辐射的观测由于其 设备复杂， 成本费用高， 其观测密度远小于温度、 降水等气象要素的观测密度， 采用简单的空间内插或外推技术不可能合理的揭示太阳辐射的空间分布特征. 。但 太阳辐射的观测由于其设备复杂，成本费用高，其观测密度远小于温度、降水等气 象要素的观测密度，采用简单的空间内插或外推技术不可能合理的揭示太阳辐射的 空间分布特征。所以，对太阳辐射各影响因素尤其是随机性因素进行研究，建立相 应的动态预测模型，此研究方法在理论上具有相当重要的意义，其研究结果将丰富 有关的数据库，其预测方法也具有一定的通用性，可移植至空调负荷、电力负荷等 负荷预测领域，甚至可用来做河道浅滩演变、地震、股市、财务失败及农作物虫情 预报等等。 太阳能具有以下优点： 1） 普遍：太阳光普照大地，没有地域的限制无论陆地或海洋，无论高山或岛 屿，都处处皆有，可直接开发和利用，且无须开采和运输。 2） 无害：开发利用太阳能不会污染环境，它是最清洁能源之一，在环境污染 越来越严重的今天，这一点是极其宝贵的。 3） 巨大：每年到达地球表面上的太阳辐射能约相当于 130w 亿吨煤，其总量 属现今世界上可以开发的最大能源。 4） 长久：根据目前太阳产生的核能速率估算，氢的贮量足够维持上百亿年， 而地球的寿命也约为几十亿年，从这个意义上讲，可以说太阳的能量是用之不竭的。 综上所述，太阳能研究具有以下理论意义： 1） 弥补我国辐射资料的不足，丰富有关的数据库。 2） 为太阳能工程、新能源的利用提供重要的参考工具，是太阳能系统优化运 6 行的一个重要前提。 3） 对某些运用太阳能的项目提供更精确地参数，优化系统运行与控制，提高 节能效率。 4） 为其他领域的预测提供参考与模型 1.3.2 太阳辐射预测为太阳能利用工程提供重要资料 地球表面的太阳总辐射强度是太阳能等可再生能源、农业、气象、电力、环境 等领域的研究和生产活动的基本数据之一。利用太阳辐射作为能源时的基本问题之 一，是关于入射到地球表面的太阳辐射强度的绝对值及其变化量。太阳辐射强度就 是指太阳在垂直照射情况下在单位时间内，单位面积上所得到的辐射能量。人们肉 眼所见到的光耀夺目的太阳表面叫“光球”，“太阳能”的绝大部分是由此发射出 来的。光球以电磁波的形式向宇宙空间辐射能量，总称为太阳辐射。太阳辐射的总 功率为 w，而到达地面的太阳辐射总功率为 w，仅占太阳总能量26108.3 170. 的二十亿分之一。 某处所获得的太阳辐射的大小主要取决于如下影响因素： 1） 天文因素 日-地距离，太阳赤纬角，太阳时角。 2） 地理因素 太阳在某时刻对地球上某处的相对位置，当地的纬度与经度， 海拔高度。 3） 物理因素 太阳辐射进入大气层得衰减情况，接受太阳辐射表面的特性。 4） 几何因素 太阳辐射接受地面的方位和倾角 由于地球外表有一层厚约 30km 的大气层。虽然厚度不大，不及地球直径的四 百分之一，但对太阳辐射有较大的影响。太阳辐射穿过大气曾时，将受到大气中的 各类气体，如臭氧、二氧化碳以及水蒸气和灰尘等物的吸收、反射和散射，使得到 达地面的太阳辐射显著衰减，据估计，反射回宇宙的能量约占总量的 30%，被吸收 的约占 23%，其余 47%左右的能量才到达地球陆地和海洋，成为地球上能源的主要 能源。 地球表面上的太阳辐射由两部分组成： 1） 直接辐射 不改变方向的太阳辐射 7 2） 散射辐射 被大气层或云层反射和散射后改变了方向的太阳辐射 到达地球表面的太阳总辐射受太阳高度角、大气条件、日照时数及时间等各种 因素的影响，因而存在着很大的随机性。气象领域发展至今，有关太阳辐射的研究 已积累了大量传统的、具有明确物理意义的模型和方法。在缺乏太阳总辐射任何相 关气象资料时，确定性模型具有一定的实用价值和存在价值，然而它最大的缺点是 忽略了太阳辐射序列的随机性，而机械地按某一特定规律计算太阳辐射值，在很大 程度上不能反映气象的变化情况与辐射值之间的联系，所以不管其形式如何，都不 能反映太阳辐射序列很强的随机性。因此，本文提出了基于时间序列的arma模型， 该模型不仅可以对历史数据进行分析，还能对未来一段时间的太阳模型数据进行预 测，并且可以获得较高的精度，以此来弥补我们太阳能辐射数据库资源的不足，并 为太阳能工程，新能源的利用提供参考工具 1.4 国内研究太阳辐射的现状 1984 年由欧洲委员会（dommission of the european communities, directorate general science, research and development）负责组织，根据 1966 1975 期间欧洲 340 个气象台站的月平均总太阳辐射和日照时数，绘制了欧洲的太阳辐射地图 2. 我国的太阳辐射分区以前都是太阳辐射强度或者日照时数作为主要依据进行分 区。 左大康等在 1960 年前后研究了中国年、月总辐射的气候学计算方法，根据总 辐射在全国范围进行了太阳辐射的空间划分。但由于该项研究在 20 世纪 60 年代， 所用资料较少，现在很少被使用。文献3以 1961 2000 期间 40 年气候资料为基础， 加上通过模型计算出的年总辐射对青藏高原进行了太阳辐射空间划分。文献4利用 1961 1990 年有关气候资料，计算辽宁省各地的总辐射和光合有效辐射资源，据此 分析了辽宁的太阳辐射时空分布特征。该文献还指出，太阳总辐射的季节性变化很 大，因此导致太阳辐射的空间分布也随季节有很大变化。 分析上述对于太阳辐射空间分布的研究，发现：1）研究太阳辐射的空间分布 大都是以太阳总辐射为主要依据；2）国内研究所用气象数据大都是偏旧，而气候 影响的变化需要不断更新；3）所用气象台站数偏少，不能反映整体情况 8 2 常用的模型与预测方法 2.1 常用的太阳辐射模型 5 太阳辐射模型是关于计算地面所接收到的太阳辐射(总辐射、直接辐射和散射辐 射)的模型，其中直射辐射和水平面散射辐射是由水平面总辐射经直散分离后得到的。 根据应用对象的不同，太阳辐射模型可分为月值模型、日值模型和瞬时值模型(一般 为小时值) 。 太阳辐射的逐日或逐时观测数据构成了随即性很强的时间序列，但太阳辐射序 列的内部仍有某种确定性的规律，有其相对稳定的部分，故太阳辐射模型又有确定 性模型与随即模型之分。计算太阳辐射的确定性模型多种多样，又得来自理论推导， 又得属于经验公式，又得则是半经验半理论公式。如1970-1994年间，仅在日本建筑 学会上发表的有关日射模型研究的论文就达218篇,并提出了一些日射模型和直散射 分离模型，其中确定性模型主要有宇田川直散分离模型 、渡迈俊行模型；1978年， 美国供暖、空调与制冷工程师协会天太阳模型(建成ashtae模型)；1993年，宋爱 国hrae模型提出了北京地区的晴天太阳辐射模型（简称北京模型）；以及文献 6 提出的适合阿拉伯半岛的太阳辐射模型、文献7提出的hottel模型、文献8提出的 threlkeld,ma,;, 21212121 22） 极大似然估计充分应用了每一个观察值所提供的信息，因此他的估计精度高， 同时还具有估计的一致性、渐进正态性和渐进有效性等许多优良的统计性质，是一 种非常优良的参数估计方法。 在事件序列分析中，序列总体的分布通常是未知的。为了便于分析和计算，通 常假设序列服从多元正态分布。 考虑平稳可逆的 arma（p，q）模型 （4-qtttttt xx 11 23） 其中 是零均值，方差为 的白噪声。t 2 记 （4- 2112,xexxn qpn 24） 式中 25 （4- 0210102iiniiniii ggg 25） 的似然函数为x （4- 2212 12122exp2exp;,; xpln nnn 26） 对数似然函数为 （4- xnxl 21lnl2l; 1 27） 对数似然函数中的未知参数求偏导数，得到似然方程 （4- 21ln21;0;422 sxll 28） 式中 。s1 理论上，求解上述方程组即可得到未知参数的极大似然估计值。但是，由于 和 都不是 的显式表达式，因而上述似然方程组实际上是由 p+q+1 个超 ln 越方程构成，通常需要经过复杂的迭代算法才能求出未知参数的极大似然估计值。 幸运的是，目前计算机技术比较发达，有许多统计软件可以辅助分析，使得求 arma 模型的极大似然估计值称为一件容易实现的事情。 （3） arma 的最小二乘估计 29 最小二乘法是数理统计一种常用的方法，在工业技术和其他科学研究中有着广 泛的应用。 26 考虑线性模型 （4-niexxyiiniii 1,21 29） 其中 为观测数据，而自变量 已知， 是待n,21 inix,21 n,21 估计参数， ie 是不相关的零均值误差，上式可以写成如下矩阵形式 （4- nnnnnn eexxxxyy 32121212221121 30） 或记为 （4-eyx 31） 若使误差平方和 （4- ni niiniiin exxyq1 1222121, 32） 达到最小，则此时的 成为参数 的最小二乘（least tn,21 square）估计。 由于 （4- xyyxettttt q 33） 式中 （4-p t 27 34） 表示参数取 时的误差平方和。 由 （4- 0|q 35） 有 或 （4-yxtt 36） 时 达到最小。将 的最小二乘估计记做 ，则有qls (4-37)y t1ls 可以证明，只要矩阵 满秩，最小二乘解是唯一存在的。x 的数学期望为 (4-38) yxt11t1tels 上式表明 是 的无偏估计。其中利用了 ，且 与 无关的条件。ls0eex 若将 时的 记做 ，表示 ls 估计时的最小二乘误差平法和的估计，qls 则得 (4-39) yxxytttt lslssssls 由于 在求 时已经获得，故实际计算时常用上式的最后一个等式。 如果 e 服从正泰分布，并考虑到计算 时利用了 n 个线性关系式，则 是自lslsq 由度为（n-n）的 变量，于是，误差方程 的无偏估计为2 2 (4-40)nn qls2 以上讨论的模型（对于 ），也可以通过将 q 对 取偏导数，并令n21, 28 其为零而获得。 如果考虑一般情况，即 (4-41)nieyyf iii 1,;121 其中 为待定系数向量， 是关于 的非线性函数。根据观 tn, if 测值 使误差平方和ny,21 (4-42) i iii yfq1 2121,; 达到最小的解 称为 的最小二乘估计。 本文采用最小二乘法来进行参数估计。 4） 模型定阶与检验 模型定阶、检验与模型估计是交替进行的，定阶过程中逐步提高模型阶数，通 过假设检验方法比较各阶模型，找到使误差足够小而形式又最简洁的模型，从而达 到模型定阶的目的。常用模型检验方法主要有 f 检验、aic 准则和 bic 准则。 f 检验法是一种 “过拟合 ”的方法，即在建立了 arma(p，q)模型后，用 f 检 验准则来判定它与低阶模型之间是否存在显著性差异。若差异显著，则阶数可能还 要上升；若差异不显著，则低阶模型即为理想模型。f 检验的统计量 f 为： (4-43) ),(10qpnsfqpqs 式中：统计量 f 服从自由度 的 f 分布； 为待检验模型ns, 1q 的残差平方和； 为低阶模型 的残差平方和，),(arm0 ),(0qparm 其中 ；0qp s 为模型阶差， ；0qps 残差平方和 为q (4-44) nk12 为模型对第 k 个样本的拟合残差；n 为序列样本数。查 f 分布表可得到与置k 29 信水平 对应的临界值 ，当统计量 时，可认为高阶模型降低残差的效果更ff 明显，因此须继续提高模型阶数；反之，可认为高阶模型并未明显改善拟合效果， 同时由于低阶模型具有较简洁的形式，因此低阶模型是最佳模 aic 定义为 令 ，则 式中： 为相应于各种算pjjke1nllaic2l2 法的 的估计值； 为模型待估计参数个数。2el 这样，从低阶到高阶对 p，q 的不同取值分别建立模型，并进行参数估计，比 较各模型的 aic 值，使其达到极小的模型就确定为最佳模型。 本文采用 aic 准则来确定模型阶数。 建模与预测的基本步骤如下： 启 动 序列预处理：本文采用差分法 相关分析与模型识别：通过分析获得的相关函数与偏自相关 函数的拖尾性与 截尾性，判断 arma模型的分类（ p， q模型） 模型参数估计：采用最小二乘法对 arma 模型参数进行精估 计 模型的定阶与检验：采用 aic 准则 式中： 为nllaic2l2 相应于各种算法的 的估计值； 为模型待估计参数个数2e 预测 应用 30 4.2 算例分析 本文采用美国西北部的montana州，该州位于纬度：45.21度，经度：112.64度， 海拔高度为1590米，针对实测的2010年到2011年全年的每5分钟的测量数据。由于 该论文主要是对地表太阳总辐射度得研究，所以首先必须选择同一个观测地点的数 据，由于地表太阳总辐射为达地表水平面的太阳直接辐射和散射辐射的总和，所以 在进行建模之前首先得对实测数据进行预处理，以获得需要的数据。 图4.1 未经过预处理的地表太阳总辐射的趋势走向 由图4.1知，该序列为非平稳序列，故需对该序列进行查分处理，差分后的序列 为下图4.2 31 图4.2 查分处理后的地表太阳总辐射的序列 图4.3 差分序列的相关函数与偏相关函数 32 下图4.4为预测得知的差分序列 图4.4 预测的差分序列 根据原始差分序列与预测差分序列，可得到一组新的数列，即预测序列预原始 序列的差序列，如下图4.5 33 图4.5 预测差分序列与原始差分序列的差序列 对预测出来的差分序列，进行反差分序列预算，可得到地表太阳总辐射的预测 数据，如下图： 图4.6 预测数据与原始数据的比较图 34 取原始数据与预测数据对应的1001个数据，并作图示 图4.7 部分原始数据与预测数据的比较图 本文采用的置信水平0.05，则置信度为0.95，所谓的置信度是指置信水平的互 补率，所谓置信水平是指总体参数值落在样本统计值某一区间内的概率，当预测的 结果在置信水平0.05范围内，模型有效是，证明预测结果与实际相差不大，则预测 结果比较可信。 取原始数据与预测数据中对应的1001个有效数据，并求出预测数据与原始数据 的误差如下显示： 预测结果与实测数据的误差为3.26%，在允许范围内，故此模型用于对地表太 阳福照度的预测具有可行性，并可比较准确的对将来时刻的数据预测，以指导人们 对太阳辐射的有效利用 35 结论 本文主要介绍了太阳辐射的研究意义，国内研究主要现状，现在常用的预测太 阳能的技术与方法，通过介绍太阳能辐射的形成与特点，并采用时间序列分析法的 平稳序列模型的arma模型对地表太阳辐射的预测进行了主要研究。 1 列举了常用的太阳辐射模型，并对各种太阳辐射预测模型的优缺点进行了 分析 2 介绍了太阳和地球运转的基本规律，太阳辐射和地表太阳总辐射的基本概 念 3 分析了时间序列分析的运行环境及其时间序列的特点 4 分析了典型arma 模型的分类，包括ar(p)模型，ma(q)模型，arma(p,q) 模型，并分析了各自模型的截尾性与拖尾性 5 分析了arma参数估计过程中常用的三种方法：矩估计法，极大似然估计 法与最小二乘估计法 6 分析了运用arma模型对地表太阳辐射进行预测的基本步骤与方法 36 谢辞 转眼间已经在美丽的合肥工业大学度过了第四个年头，这四年是我人生中很重 要的四年，我不仅能够接触到传道授业解惑的良师，还能认识许在多方面比我优秀 的同学、朋友。他们不仅能够授我知识、学问，而且从更多方面指导我的人生，使 我更加完善自己。这里留下了我求学的足迹，这里见证了我成长的点滴。在毕业设 计完成之际，我衷心的感谢曾经给我帮助、支持、鼓励的所有老师、同学、朋友和 父母。 本次设计是在我的导师王敏老师的指导下完成的，从最初我对本次设计的不了 解到能够整体把握再到比较顺利的完成本次设计，这一步一步的走来，其中都包含 了王老师耐心的指引和教导。通过本次设计，我更加深刻的认识的能源的危机及认 识并利用新能源如太阳能的重要性。最初接触王老师是在大三上课的时候，王老师 的课程和别的老师不太一样，从教学方法上看，王老师是循序渐进，引人入胜。同 样在本次设计中老师始终践行着“授人以鱼，不如授之以渔” 的原则，他经常教导我 们遇到问题先自己解决，自己解决不了的小组讨论，讨论还得不到结论的再找老师 一起讨论。这种学习模式的大大提高了学习的自主能动性，发挥了团队合作精神。 在此，我向王老师表示我最诚挚的谢意。 此外还要感谢我们小组的其他四位成员，在设计的整个过程中，我们相互讨论， 也解决了一定的问题，从你们身上我看到了“认真”二字，在无形中也促使我更加 用心的完成本次设计。 感谢我的父母，对我二十多年来辛勤的养育，他们对我无条件的支持，让我可 以去追求自己的梦想，他们的爱是我前行的动力。 在设计的过程中，也得到了许多同学宝贵的建议，在此一并致以诚挚的谢意。 最后，衷心的感谢电气学院的每位老师，谢谢你们在学习上、生活中给予我的 关心与支持。 衷心祝愿合肥工业大学的明天更加美好！ 37 参考文献 1 (沙特阿拉伯 )a.a.m.赛义夫编 徐任学等译 太阳能工程m北京：北京科学 出版社，1984: 13 2 scharmer k.greif j the european solar radiation atlas 2000 3陈芳.马英芳 .李维强 青藏高原太阳辐射时空分布特征 j,气象科技,2005,33(3): 1- 4 4刘新安.范辽生 .王艳华. 辽宁省太阳辐射的计算方法及其分布特征 j资源科学 2002,24(1): 1-6 5林星春. 基于神经网络的太阳辐射复合预测技术研究d. 东华大学硕士学位论文， 2006:1-3,5, 7-11 6 john a duffle，william a beckmansolar engineering of thermal processesmjohn wiley clc u=load(d:sj.txt); v1=u(:,5); v2=u(:,11); y=v1+v2; ls=length(y); figure(1); %第一张图 plot(y); set(gca,xlim,0 ls); figure(2); %第二张图 subplot(2,1,1); set(gca,xlim,0 ls); autocorr(y); %原序列的自相关函数图 ma(q),观察系数是否在区间(-2t(1/2),-2t(1/2)内 subplot(2,1,2) parcorr(y); %原序列的偏相关函数图 ar(p)，观察系数是否在区间 (-2t(1/2),-2t(1/2)内 dx=y; %-差分，平稳化时间序列- h,pvalue,teststat,criticalvalue = dfardtest(y,0.05,t); savediffdata=; while h savediffdata=savediffdata;y(1);%保存去掉的数 dx=diff(y);%差分，平稳化时间序列 h,pvalue,teststat,criticalvalue = dfardtest(dx,0.05,t);%adf 检验，判断时间序 列是否平稳化 40 end figure(3); plot(dx);%进行差分之后的数列 set(gca,xlim,0 ls); figure(4); subplot(2,1,1) autocorr(dx); %差分序列 dx 自相关函数图 ma(q),观察系数是否在区间(- 2t(1/2)