本发明属于可再生能源的资源评估领域，具体是一种生成全年逐日太阳辐射和风速数据的方法。
背景技术：
中国是世界上能源消耗的第二大国，近年来，有关能源消耗和环境保护的问题受到了越来越多的关注，太阳能发电和风能发电产业得到了迅速的发展，而太阳能和风能资源评估是可再生能源开发利用的重要基础工作。对太阳能和风能资源进行评估，主要针对的是丰富程度、利用价值和稳定度等方面，这些关键参数的评估结果是否具有代表性与代表气象年的辐射数据和风速数据有着重要联系。
多年来，国外学者多采用通过太阳辐射的实测数据，拟合出太阳辐射经验公式，再利用经验公式预测太阳辐射数据的方法。国内目前在这方面的研究还较少，一些学者针对部分地区拟合出了一些简单的太阳辐射经验公式，这些公式容易受到地域气候条件的限制，因而并不能得到广泛应用。对于风速数据的生成，也面临同样的问题。因此，需要提出一种对于不同地形和不同气候条件都适用的生成太阳辐射和风速数据的方法，为可再生能源资源的科学评估提供合理的参考依据。
技术实现要素：
发明目的：本发明针对国内现有发明中的不足，采用一种能够广泛适用于各种地形和气候条件下的生成全年逐日太阳辐射和风速数据的方法，生成的太阳辐射数据和风速数据具有代表性，可以为区域的可再生能源的资源评估提供客观的依据。
技术方案：本发明为一种生成全年逐日太阳辐射和风速数据的方法，其特征在于，包括：构建基础运算模块和构建综合选择模块，其中：
构建基础运算模块：依据从数据测量仪中获取的气象指标数据(包括风速的日最高值、日平均值，太阳辐射的日总辐射量，温度的日最高值、日最低值、日平均值和大气相对湿度的日最低值、日平均值)，基于danish法、festa-ratto法和典型性气象年方法对这些数据进行处理，分别生成地区各个月的典型气象月，并将典型气象月的气象指标数据用于构建综合选择模块。
构建综合选择模块：将构建的基础运算模块中得到的每个月的3个典型气象月(即3个候选月)做参数比较，选择最有代表性的候选月，然后组成代表气象年，从而生成区域全年逐日的太阳辐射和风速数据。
进一步的，所述的构建综合选择模块的过程包括如下步骤：
1)根据构建的基础运算模块中由danish法、festa-ratto法和典型性气象年方法分别得到的12个典型气象月(即对应于每个月都有3个候选月)，计算每个候选月的4种气象指标的均方根误差rmsd；
2)对于任意一种指标，统计1年的均方根误差和syrmsd；
3)对应于每个月，计算3个候选月的ermsd值；
4)对应于每个月，比较3个候选月的ermsd值，ermsd值最小的候选月所对应的典型气象月即为代表月；
5)将12个代表月组合起来，构成代表气象年；
6)根据构成的代表气象年，生成全年逐日的代表性太阳辐射数据和风速数据。
进一步的，所述步骤1)中，均方根误差rmsd的求解方法如下：
式中，
进一步的，所述步骤2)中，对于任意一种指标，统计1年的均方根误差和syrmsd的方法为：
式中，syrmsd(n)表示第(n)个指标一年的均方根误差和；m是指候选月，对应于每种方法，m从1取到12。
进一步的，所述步骤3)中，计算每个月的3个候选月的ermsd值的方法为：
式中，ermsdm是指某候选月的ermsd值，它是由各个气象指标在该候选月的均方根误差与对应的年均方根误差和之比累加而得；m是指候选月，对应于每种方法，m从1取到12。
有益效果：本发明与现有技术相比：
1)本发明生成的全年逐日的太阳辐射和风速数据具有代表性；
2)其能够广泛适用于各种地形和气候条件下；
3)可以为区域的可再生能源的资源评估提供合理、客观的依据；
4)为区域的可再生能源的潜力的深入研究做引导。
附图说明
图1为本发明生成全年逐日太阳辐射和风速数据的方法的结构框图；
图2为本发明涉及的构建综合选择模块过程中，确定代表气象年从而生成全年逐日太阳辐射和风速数据的处理流程图；
图3为具体实施方式中某城市的代表气象年的月平均太阳辐射量与太阳辐射量长期均值的比较图。
具体实施方式
下面结合具体实施例，详细说明本发明一种生成全年逐日太阳辐射和风速数据的方法的具体实施过程。本发明生成全年逐日太阳辐射和风速数据的方法的结构框图如图1所示。
本发明包括构建基础运算模块和构建综合选择模块两大步骤。其中，构建基础运算模块的过程，以中国某城市为例，选取该城市的8种气象指标数据为对象。这些气象指标数据由安装在这个城市的数据测量仪测得，包括了从1994-2015年(即12年)的8种气象指标数据(风速的日最高值、日平均值，太阳辐射的日总辐射值，温度的日最高值、日最低值、日平均值和大气相对湿度的日最低值、日平均值)。获取的历年气象指标数据如表1所示。
表1某城市历年气象指标数据
基于danish法、festa-ratto法和典型性气象年方法对这些数据进行处理，分别生成该城市各个月的典型气象月，结果如表2。
表2某城市各个月的典型气象月
本发明构建综合选择模块时，将所构建的基础运算模块中得到的每个月的3个典型气象月(即3个候选月)做参数比较，选择最有代表性的候选月，然后组成代表气象年，从而生成该城市全年逐日的太阳辐射和风速数据。在该步骤中，确定代表气象年，从而生成全年逐日太阳辐射和风速数据的处理流程如图2所示，具体过程如下：
1)根据构建的基础运算模块中由danish法、festa-ratto法和典型性气象年方法得到的每个月的3个候选月，计算每个候选月的4种气象指标(风速的日平均值、太阳辐射的日总辐射量、温度的日平均值和大气相对湿度的日平均值)的均方根误差rmsd。表3、表4、表5和表6分别给出了风速的日平均值、太阳辐射的日总辐射量、温度的日平均值和大气相对湿度的日平均值的均方根误差。
表3风速的日平均值的均方根误差
表4太阳辐射的日总辐射量的均方根误差
表5温度的日平均值的均方根误差
表6大气相对湿度的日平均值的均方根误差
2)对于任意一种指标，统计1年的均方根误差和syrmsd，各个指标的syrmsd值见表7。
表7各个指标的syrmsd值
3)对应于每个月，计算3个候选月的ermsd值，表8给出了对应的ermsd值。
表8各候选月的ermsd值
4)对应于每个月，比较3个候选月的ermsd值，表8已将ermsd值最小的候选月标记出来(加粗)，所对应的即为代表月。
5)将表8中12个代表月组合起来，构成该城市代表气象年，表9给出了该城市代表气象年的构成结果。
表9代表气象年的构成
6)根据表9所示的代表气象年，生成该城市全年逐日的代表性太阳辐射数据和风速数据，结果见表10和表11。在得到全年逐日太阳辐射数据的情况下，图3给出了该城市的代表气象年的月平均太阳辐射量与太阳辐射量长期均值的比较图，从图中可以看出两者之间吻合度较高，说明全年逐日的太阳辐射数据具有一定的代表性。
表10代表气象年的日总太阳辐射量
表11代表气象年的风速日均值