近日，云南师范大学太阳能供热与制冷研究团队在Renewable Energy（影响因子9.0）上发表了题为“Predicting photovoltaic greenhouse irradiance at low-latitudes of plateau based on ultra-short-term time serie”的研究论文（全文https://doi.org/10.1016/j.renene.2024.122053）。该文以云南师范大学能源与环境科学学院为第一通讯单位，朱银龙博士研究生为第一作者，李国良高级实验师为通讯作者。
随着能源短缺和环境污染问题的日益严重，全球对清洁能源需求的不断增加，光伏发电因其环保、可再生等优势，逐渐成为未来能源供给的主要形式之一。光伏温室作为一种将农业和光伏发电结合的创新模式，不仅能够为农业生产提供能源支持，还可以改善温室内的环境调控，实现作物高质高产、节能减排及可持续发展目标。高原低纬地区丰富的日照资源为光伏发电提供了理想的自然环境，然而这一区域地形复杂、气候条件多变，辐照度受气候、天气和地形的影响波动较大，导致预测难度增加。天气的快速变化会对温室内的微气候和作物生长产生直接影响，给光伏温室的短期调控和能源管理带来挑战，加剧了电网管理的复杂性。因此，对太阳能辐照度准确可靠的预测是光伏发电稳定输出的关键，在优化高原地纬地区光伏温室系统设计、电力调度和环境保护等方面具有显著的意义。
为了改进高原低纬地区太阳能辐照度存在数据量不足且质量参差不齐、在季节之间存在高频波动和极端天气变化问题，论文研究提出了一种新的TTAO-CNN-BiGRU-Attention超短期辐照度预测集成混合模型。特别考虑高原地纬地区光伏温室辐照度数据的时间和空间分布规律，揭示了各月份及季节性的辐照度趋势规律。预测过程充分结合了样本量信息、季节信息、历史气象数据，利用所提模型的特点来处理上述数据之间的非线性映射关系，通过数据量大小及不同季节每10min TRI预测性能进行了验证，有效解决了现有预测模型难以捕捉高波动性及极端天气特征辐照度特征的问题。
