日射量预测方法

摘要

本发明涉及日射量预测方法，上述日射量预测方法的特征在于，包括：气象数据确保步骤(步骤S100)，集成控制器通过互联网确保由气象厅以规定间隔预报的气象数据；每小时晴朗度指数计算步骤(步骤S200)，集成控制器通过从确保的上述气象数据计算每小时云量、每小时相对湿度或昼夜温差来对每小时晴朗度指数进行计算；以及日射量预测步骤(步骤S300)，利用在上述每小时晴朗度指数计算步骤(步骤S200)中计算出的上述每小时晴朗度指数来预测每小时日射量。本发明可通过如上所述的结构来更加准确地预测每小时日射量。

权利要求

1.一种日射量预测方法，其特征在于，

包括：

气象数据获得步骤S100，集成控制器通过互联网获得由气象厅以规定间隔预报的气象数据；

每小时晴朗度指数计算步骤S200，集成控制器通过从获得的上述气象数据计算每小时云量CA、每小时相对湿度RH或昼夜温差ΔT来对每小时晴朗度指数Kt进行计算；以及日射量预测步骤S300，利用在上述每小时晴朗度指数计算步骤S200中计算出的上述每小时晴朗度指数Kt来预测每小时日射量IT，利用上述每小时云量CA和上述昼夜温差ΔT来通过数学式4计算出上述每小时晴朗度指数计算步骤S200中的每小时晴朗度指数Kt数学式4

2 3 2 3

Kt＝C1+C2CA+C3CA+C4CA+C5ΔT+C6ΔT+C7ΔT其中，Kt为每小时晴朗度指数，CA为每小时云量，ΔT为昼夜温差。

2.根据权利要求1所述的日射量预测方法，其特征在于，上述日射量预测步骤S300中的上述每小时日射量IT通过数学式3来计算，数学式3

IT= KtIosin(h)

其中，IT为每小时日射量，Kt为每小时晴朗度指数，Io为大气层外日射量，h为太阳的高度。

3.根据权利要求1所述的日射量预测方法，其特征在于，通过以0～10的云量对由气象厅提供的天空状态进行换算来得出上述每小时云量CA。

4.根据权利要求1所述的日射量预测方法，其特征在于，利用有线无线通信网络来实时从上述气象厅获取气象数据。

说明书

日射量预测方法

技术领域

[0001] 本发明涉及日射量预测方法，更加详细地，涉及在由气象厅提供的气象数据中，利用云量和相对湿度或昼夜温差来计算每小时晴朗度指数，并利用计算出的晴朗度指数来可以更加准确地预测每小时日射量的日射量预测方法。

背景技术

[0002] 一般情况下，为了通过适当地调节建筑物内部的温度来营造舒适的生活环境，首先，在计算对建筑物进行制冷制热所需的负荷之后，通过以与上述计算出的制冷制热负荷相应地向建筑物内部适当供给适量的热能或去除热能，从而可使建筑物实现舒适的制冷制热，尤其，入射于建筑物内部的太阳的日射量成为夏季增加制冷负荷、冬季减少制热负荷的一个很大的因素，因此，为了实现有效且经济地控制制冷制热，需要对日射量进行准确的预测。

[0003] 以上述为由开发并提出多种日射量预测方法，作为其例，可举出由本发明人等提出的日射量预测方法(参照韩国授权专利公报第10﹣1141027号)，上述日射量预测方法包括：气象数据获取步骤，从气象厅获得历史气象数据；气象数据分析及提取步骤，通过对从气象数据获取步骤中获取的气象数据进行分析来提取室外温度、相对湿度及日射量数据；无量纲值计算步骤，分别对从气象数据分析及提取步骤中提取的室外温度、相对湿度及日射量数据进行无量纲化来计算无量纲值；相关式确定步骤，通过从无量纲值计算步骤中计算出的无量纲值来表示相关关系；以及次日每小时气象数据预测步骤，通过从相关式确定步骤中计算出的每小时无量纲值来预测次日每小时室外温度、相对湿度及日射量，在次日每小时气象数据预测步骤中所使用的最高、最低相对湿度及最大日射量通过模糊算法来推定，从无量纲值计算步骤中计算出的无量纲值包含无量纲室外温度、无量纲相对湿度及无量纲日射量。

[0004] 但是，在上述专利文献中所提出的每小时气象数据预测方法中，在从日出开始单调递增，之后在中午具有最大值，之后至日落单调递减，从而预测日射量始终具有规定的模式，因此在多云或者下雨或下雪的情况下，不仅预测值与实际值相差很大，而且日射量的变化模式按日发生变化，但是在上述专利文献中所提出的无量纲日射量函数以每月平均值来表示，因而存在难以适当地反映实际状况的问题。

[0005] 作为日射量测定方法的另一例，可举出在日本公开专利公报特开2006﹣033908号中所公开的“日射量预测方法、装置及程序”，在上述专利文献中，在累计装置内累计从数值预报模型接收的历史30日的预报数据，并累计同期内的整个天空的日射量观测值，预测太阳位置计算装置对预测对象地点的预报日期时间内的太阳位置进行计算，当晴朗时，整个天空日射量计算装置从历史预报值计算晴朗时的整个天空的日射量，晴朗指数计算装置将整个天空的日射量观测值除以晴朗时的整个天空的日射量来计算晴朗指数，预测系数计算装置在确定用于表示历史预报值与晴朗指数之间关系的预测式的预测系数之后，借助装置将从数值预报模型接收的预测对象日期时间的预报值适用于预测式，从而对预测对象日期时间的整个天空日射量进行预测，由此可准确地预测出第二天或第三天的日射量。

[0006] 但是，上述专利文献的日射量预测方法需要非常详细的数值预报模型数据，因而数值预报模型只有从事该工作的专家才能使用，并且根据使用何种方式的数值预报模型，其结果值发生差异。因此，为了将日射量预测使用于对制冷制热的控制，要求开发不依靠数值预报模型，而可使任何人轻松使用的日射量预测方法。

发明内容

[0007] 技术问题

[0008] 因此，本发明为了解决以往的日射量预测方法所具有的问题而提出，本发明的目的在于，提供如下的日射量预测方法，即，利用由气象厅以规定时间为单位进行预报的气象数据的云量、每小时相对湿度或每小时云量和昼夜温差来计算每小时晴朗度指数，并利用计算出的晴朗度指数来预测每小时水平面总日射量(以下称之为“每小时日射量”)，从而可根据天空状态来更加准确地预测出日射量的变化。

[0009] 解决问题的方案

[0010] 如上所述的本发明的目的可通过如下的日射量预测方法来实现，上述日射量预测方法包括：气象数据获得步骤，集成控制器通过互联网获得由气象厅以规定间隔预报的气象数据；每小时晴朗度指数计算步骤，集成控制器通过从获得的上述气象数据计算每小时云量、每小时相对湿度或昼夜温差来对每小时晴朗度指数进行计算；以及日射量预测步骤，利用在上述每小时晴朗度指数计算步骤中计算出的上述每小时晴朗度指数来预测每小时日射量。

[0011] 并且，本发明的特征在于，利用每小时云量和每小时相对湿度来通过数学式2计算出每小时晴朗度指数计算步骤中的每小时晴朗度指数。

[0012] 数学式2

[0013] Kt＝C1+C2CA+C3CA2+C4CA3+C5RH+C6RH2+C7RH3

[0014] 并且，本发明的再一特征在于，利用每小时云量和昼夜温差来通过数学式4计算出每小时晴朗度指数计算步骤中的每小时晴朗度指数。

[0015] 数学式4

[0016] Kt＝C1+C2CA+C3CA2+C4CA3+C5ΔT+C6ΔT2+C7ΔT3

[0017] 进而，本发明的另一特征在于，日射量预测步骤中的每小时日射量通过数学式3来计算。

[0018] 数学式3

[0019] IT＝KtIosin(h)

[0020] 并且，本发明的还有一特征在于，通过以0～10的云量对由气象厅提供的天空状态进行换算来得出上述每小时云量。

[0021] 并且，本发明的又一特征在于，利用有线无线通信网络来实时从上述气象厅获取气象数据。

[0022] 发明的效果

[0023] 本发明在预测每小时日射量时不使用数值预报模型，从而可更加简便地计算出日射量。

[0024] 并且，本发明在计算每小时日射量时，在对日射量产生影响的多个气象数据中，利用对日射量产生最大影响的每小时云量、每小时相对湿度或昼夜温差来预测每小时日射量，从而可更加准确地计算日射量。

附图说明

[0025] 图1为示出本发明的日射量预测方法的一例的结构图。

[0026] 图2为示出通过本发明的日射量预测方法来预测的晴天的每小时日射量的变化的图表。

[0027] 图3为示出通过本发明的日射量预测方法来预测的阴天的每小时日射量的变化的图表。

具体实施方式

[0028] 以下，通过示出本发明的优选实施例的附图来对本发明的结构和作用进行更加详细的说明。

[0029] 本发明涉及如下的日射量预测方法，即，利用由气象厅提供的云量和相对湿度来计算每小时晴朗度指数，并利用上述所计算出的晴朗度指数来预测每小时日射量，从而可根据天空的状态来更加准确地预测日射量的变化，如图1所示，上述本发明包括气象数据获得步骤(步骤S100)、每小时晴朗度指数计算步骤(步骤S200)及日射量预测步骤(步骤S300)，这种一系列步骤通过在内部具备微处理器和通信装置等，并借助通过通信电缆对设置于建筑物的全部制冷制热设备的运行和日程进行集成管理及控制的集成控制器(未图示)来执行，为此，集成控制器连接有线无线网络，以便可通过获取由气象厅提供的气象数据来进行处理。

[0030] (1)气象数据获得步骤(步骤S100)

[0031] 该步骤为为了计算后述的每小时晴朗度指数Kt而从气象厅获得具有可靠性的气象数据的步骤，在本发明中，使用由气象厅以3小时为单位进行预报的气象数据，此时，气象厅的气象数据包含当日的最低气温、最高气温、云量、相对湿度RH、昼夜温差ΔT等多种气象信息。

[0032] 并且，在本发明中，通过有线无线通信网络实时获取气象数据，并将气象数据输入于集成控制器，由此，可与实际的气象变化相应地保证迅速且准确的预测。

[0033] (2)每小时晴朗度指数计算步骤(步骤S200)

[0034] 该步骤为如下的步骤，即，在上述气象数据获得步骤(步骤S100)中实时向集成控制器输入气象数据之后，集成控制器通过从上述所获取的多个气象数据中计算每小时云量CA、每小时相对湿度RH或昼夜温差ΔT来计算每小时晴朗度指数。

[0035] 其中，晴朗度指数Kt表示大气层外的日射量以最大限度到达水平面时的日射量与实际到达水平面的日射量之比，可将这种晴朗度指数Kt定义为如下数学式1。

[0036] 数学式1

[0037]

[0038] 其中，IT为每小时日射量，Io为大气层外的日射量，h为太阳的高度。

[0039] 在上述数学式1中，可利用晴朗度指数Kt、大气层外的日射量Io及太阳的高度h来计算每小时日射量IT，其中，大气层外的日射量Io和太阳的高度h为已公知的值。

[0040] 本发明人为了在多种气象数据中确认何种气象数据与每小时晴朗度指数Kt最相关，因而利用历史5年(2009年～2013年)的韩国大田地方气象厅的实测数据来分析皮尔逊(Pearson)相关关系，其结果如下表1。

[0041] 表1

[0042]分类 与每小时晴朗度指数(Kt)的相关系数
每小时云量 ﹣0.800
平均云量 ﹣0.755
12点云量 ﹣0.732
每小时温度 0.02
最高温度 0.02
最低温度 ﹣0.179
昼夜温差 0.601
每小时湿度 ﹣0.699
最高湿度 ﹣0.334
最低湿度 ﹣0.627
湿度差 0.572

[0043] 通过皮尔逊相关关系，可以从上述表1确认到每小时晴朗度指数Kt在云量方面与每小时云量CA具有高相关关系，在湿度方面与每小时相对湿度RH具有高相关关系，在温度方面与昼夜温差ΔT具有高相关关系。

[0044] 因此，在本发明中，将对日射量产生最大影响的每小时云量CA和每小时相对湿度RH选定为独立变数，并使用如下数学式2的相关关系式计算出每小时晴朗度指数Kt。

[0045] 数学式2

[0046] Kt＝C1+C2CA+C3CA2+C4CA3+C5RH+C6RH2+C7RH3

[0047] 其中，Kt为晴朗度指数，CA为每小时云量，RH为每小时相对湿度。

[0048] 在上述数学式2中，相关关系式的系数可因地区而异，在本发明中，将韩国大田地区的历史5年的气象厅实测数据作为输入数据来使用，由此计算出相关关系式的系数，其结果如下表2，此时，气象厅以3小时的时间间隔来提供云量，因此，在本发明中，为了计算每小时云量而使用了插值法。

[0049] 表2

[0050]分类 系数
C1 0.8277
C2 ﹣0.1185e﹣1
C3 0.6370e﹣3
C4 ﹣0.3739e﹣3
C5 ﹣0.5191e﹣2
C6 0.9571e﹣4
C7 ﹣0.8066e﹣6

[0051] 通过如上所述的过程，若确定与反映出每小时日射量中的每小时云量和每小时相对湿度的晴朗度指数Kt有关的相关关系式，则向集成控制器输入由气象厅预报的每小时云量和相对湿度，从而通过上述相关关系式计算出每小时晴朗度指数Kt。

[0052] (3)每小时日射量预测步骤(步骤S300)

[0053] 上述步骤为如下的步骤，即，在通过上述每小时晴朗度指数计算步骤(步骤S200)计算出晴朗度指数之后，将每小时晴朗度指数Kt代入于以下数学式3来预测每小时日射量，若完成上述步骤，则得出每小时日射量IT。

[0054] 数学式3

[0055] IT＝KtIosin(h)

[0056] 其中，IT为每小时日射量，Kt为晴朗度指数，Io为大气层外的日射量，h为太阳的高度。

[0057] 其中，韩国气象厅以3小时的时间间隔来预报相对湿度，因此，在本发明中通过使用插值法来计算每小时相对湿度。

[0058] 并且，韩国气象厅不预报云量，而代替云量来以3小时的时间间隔预报天空状态(晴天、少云、多云、阴天)，从而通过以如下表3的方式以0～10的云量换算这些天空状态来使用，并使用插值法来将3小时间隔的云量转换为每小时云量。

[0059] 表3

[0060]天空状态 晴天 少云 多云 阴天
CA 1 4 7 9.5

[0061] 并且，在上述中，以由气象厅以3小时的时间间隔来预报的天空状态为基准计算每小时云量的情况为例进行了说明，但相反，由于作为气象信息机构的天气预报(Accuweather)预报并提供0～100％的云量，从而可将上述云量除以10来用作0～10的云量。

[0062] 如上所述，通过皮尔逊相关关系，每小时晴朗度指数Kt与每小时云量CA、每小时相对湿度RH及昼夜温差ΔT具有高相关关系，因此在上述说明中，以在具有上述3种高相关关系的变量中，将每小时云量CA和每小时相对湿度RH选定为独立变数来计算每小时晴朗度指数Kt的情况为例进行了说明(实施例1)。

[0063] 但是，如上所观察，1天中的昼夜温差ΔT也与这些每小时云量CA和每小时相对湿度RH同样对日射量产生大的影响，昼夜温差的预报准确度高于相对湿度的预报准确度。因此，作为另一实施例，当计算晴朗度指数Kt时，将每小时云量CA和昼夜温差选定为独立变数来计算每小时晴朗度指数Kt，此时，每小时晴朗度指数Kt可通过以下数学式4计算(实施例2)。

[0064] 数学式4

[0065] Kt＝C1+C2CA+C3CA2+C4CA3+C5ΔT+C6ΔT2+C7ΔT3

[0066] 其中，Kt为晴朗度指数，CA为每小时云量，ΔT为昼夜温差。

[0067] 在上述数学式4中，相关关系式的系数可因地区而异，在本发明中，如同上述，将韩国大田地区的历史5年的气象厅实测数据作为输入数据来使用，由此计算出相关关系式的系数，其结果如下表4，此时，气象厅以3小时的时间间隔来提供云量，因此，在本发明中，为了计算每小时云量而使用了插值法。

[0068] 表4

[0069]分类 系数
C1 0.8277
C2 ﹣0.1185e﹣1
C3 0.6370e﹣3
C4 ﹣0.3739e﹣3
C5 ﹣0.5191e﹣2
C6 0.9571e﹣4
C7 ﹣0.8066e﹣6

[0070] 本发明人为了对以如上所述的结构形成的本发明日射量预测方法的有效性进行确认而进行了实验，并将其结果表示在图2及图3中。

[0071] 图2为示出通过本发明的日射量预测方法来预测的晴天的每小时日射量的变化的图表，图3为示出通过本发明的日射量预测方法来预测的阴天的每小时日射量的变化的图表。在云量少的晴天的情况下，可从图2的图表中确认被实测的日射量与分别从现有技术及实施例1、2计算出的日射量之差并不大。

[0072] 但是，在云量多的阴天的情况下，可从图3的图表中确认，根据本发明预测的每小时日射量以原状追从被实测的日射量，相反，通过以往的方法计算出的每小时日射量与被实测的日射量之间存在相当大程度的差异，因此，本发明的日射量预测方法不仅可适用于晴天，还可适用于阴天。

[0073] 如上所述，在本发明中，利用由气象厅提供的每小时云量、每小时相对湿度或每小时云量和昼夜温差来计算每小时晴朗度指数，并利用上述计算出的晴朗度指数来可更加简单且准确地预测每小时日射量。