摘要：
逐时气象参数是建筑物全年能耗计算机模拟的必要输入参数之一，其中的太阳辐射数据通常难以得到。本文提出了一种基于统计的逐时太阳辐射数据计算方法，在计算出大气层外水平面逐时太阳辐射数据的基础上，利用典型气象年逐时气象参数中的太阳辐射数据，拟合出水平面逐时太阳总辐射量与大气层外水平面逐时太阳总辐射量之间的关系，以及法线方向太阳直射辐射量与水平面太阳总辐射量之间的关系，再结合实际气象年的相关气象数据，从而可以计算得到实际气象年的逐时太阳辐射数据。
关键词：气象参数太阳辐射统计。
前言：
当前，采用计算机模拟的方法对建筑物的全年能耗进行分析越来越普遍，这种方法既可以在设计阶段，对新建建筑的能耗进行预测，从而指导建筑物能源系统的设计，使之符合国家相关的节能标准。同时，也可以用于已建建筑，对建筑物的能耗进行评价和预测，并为对其进行节能改造的可能性及其效果进行预估。目前，常用于建筑物全年能耗模拟的计算机软件有DOE—2（包括VisualDOE）、EnergyPlus、eQUEST和DeST等。由于空调系统在整个建筑物的全年能耗中占有相当大的比例，因此，在对建筑物的全年能耗进行计算机模拟的时候，不可避免地要计算空调系统的全年能耗，而空调系统的能耗，与当地的气象条件，特别是温度、湿度和太阳辐射强度紧密相关。
通常，在设计阶段进行建筑物能耗预测时，一般采用典型气象年数据；而在对已建建筑进行全年能耗分析的时候，由于已经可以取得建筑物运行的实际能耗数据，通常需要根据实际能耗数据和实际气象年逐时数据对计算机模型进行校准（calibration），以保证模型具有足够的精度，然后再采用标准气象年数据进行计算，并根据计算结果进行评价和比较。这种建模→模型校准→计算及结果评价的方法也是IPMVP20xx（International Performance and Measurement Verification Protocol）中所推荐的方法。
一、基本计算方法。
根据DOE—2程序的要求，计算空调负荷用的逐时气象参数有湿球温度、干球温度、大气压力、云量、雪、雨、风向、空气绝对含湿量、空气密度、空气焓值、水平面太阳总辐射量、法线方向太阳直射辐射量、云的类型与风速等14项。除了与太阳辐射有关的两项参数外，都可以由当地气象台站公布的逐时气象参数直接取得，或者通过一定的计算和量化取得。
与此不同的是，有关太阳辐射的两项参数的取得则比较困难。由于我国的气象台站均不公布逐时太阳辐射数据，因此有些学者采用半正弦模型进行插值，有些采用混合回归的方法，在一些要求不高的场合，则干脆直接采用典型气象年的数据。
笔者认为，由于大气层外水平面逐时太阳总辐射量只与当地的经度和纬度有关，而这可以通过天文学的有关公式精确计算得到，所以我们需要求取的，只是水平面逐时太阳总辐射量与大气层外水平面逐时太阳总辐射量之间的关系及其影响因子，以及法线方向太阳直射辐射量与水平面太阳总辐射量之间的关系及其影响因子。只要能够得到这些关系，我们就可以从大气层外水平面逐时太阳总辐射量，得到水平面逐时太阳辐射总量；然后再从水平面逐时太阳辐射总量，得到法线方向逐时太阳直射辐射量。而这些关系和及其影响因子，笔者认为，都可以从当地的典型气象年逐时数据中采用统计的方法取得。为了叙述方便，以下均以求取上海地区20xx年逐时太阳辐射数据为例。
二、数据分析、计算、拟合及应用。
首先考虑水平面逐时太阳总辐射量与大气层外水平面逐时太阳总辐射量（以下简称为总辐射/天文辐射）之间的关系。笔者首先假定，影响总辐射/天文辐射之间的关系的因子有三项：云量、太阳入射角和空气绝对含湿量。其中，云的多少直接对太阳辐射起了遮挡作用，因此云量多少对水平面太阳总辐射量的影响是不言而喻的；太阳入射角的大小将影响水平面太阳总辐射量，入射角越小，则太阳总辐射量越低；空气中的水蒸气将对太阳辐射起散射和吸收作用，水蒸气浓度越高（即绝对含湿量越高），则水平面太阳总辐射量就越低。当然，在考虑总辐射/天文辐射之间的关系时，还应当考虑大气污染对水平面太阳总辐射量的影响，可是由于笔者无法取得有关大气污染情况的数据，所以只能将这一因子忽略了。
基于这样的考虑，笔者利用“中国建筑用标准气象数据库”中上海典型气象年的逐时气象参数，以云量、太阳入射角和空气绝对含湿量作为影响因子，采用SPSS程序分析它们对总辐射/天文辐射之间关系的影响。结果发现，太阳入射角和空气绝对含湿量对总辐射/天文辐射的影响几乎为零，总辐射/天文辐射之间的关系仅与云量相关。
对于这个结果，笔者是这样认为的：云量作为主要影响因子是符合预期的；太阳入射角的影响几乎为零，只是说明这一因子的影响已经包含在大气层外水平面逐时太阳总辐射量的变动中了；而空气绝对含湿量的影响几乎为零，可能有两个原因，一是在上海地区，空气中水蒸气对太阳辐射的吸收和散射并不是很严重，二是空气绝对含湿量与云量之间多少有些关系，这个因子的部分影响已经包含在云量这个因子中了。
这样，在忽略大气污染对太阳辐射影响的前提下，求取总辐射/天文辐射之间的关系，就简化为求取在各个云量水平下，与不同云量相对应的总辐射/天文辐射比例系数。
由于20xx年上海地区太阳位于地平线以上的时间为4385小时，对应与每个云量的总辐射/天文辐射数据基本上都有上百个之多，个别的甚至超过了一千个，数据分布范围也很广（见图1，其中红色部分为50%置信区间）。
这些数据的分布范围比较广的原因，笔者认为，在气象学中，云量是指云遮蔽天空视野的成数（0~10），它并不反映太阳与云的相对位置。因此，由于太阳既可能被云遮挡，也可能不被云遮挡，所以同一云量所对应的水平面太阳辐射总量会有很大的差异，在云量较少的情况下尤为明显。
同时，如果笔者这个想法是正确的，那么，由于太阳与云的相对位置的随机性，在各个云量水平下，总辐射/天文辐射数据的分布应当服从正态分布。因此，在求取比例系数前，必须首先检查在各个云量水平下，总辐射/天文辐射的比例系数是否符合正态分布。
同样采用SPSS程序，笔者对每个云量水平所对应的总辐射/天文辐射数据进行了正态分布检验，结果发现，所有的总辐射/天文辐射数据分布均很好地满足正态分布，这为下一步求取比例系数提供了基础。
上述方法也可应用于分析法线方向太阳直射辐射量与水平面太阳总辐射量（以下简称直接辐射/总辐射）之间的关系。同样，笔者发现直接辐射/总辐射之间的关系也只有云量这一个影响因子，所以问题就同样简化为求取在各个云量水平下，若干个与不同云量对应的直接辐射/总辐射比例系数。尽管2004年上海有太阳直接照射的时间仅3845小时，但是，各云量水平所对应的`直接辐射/总辐射数据基本上也都有成百上千个，根据与前述相同的原因，同样需要进行正态分布检验。检验结果表明，在各个云量水平下，直接辐射/总辐射数据也都很好地服从正态分布。
尽管在各个云量水平下，总辐射/天文辐射和直接辐射/总辐射的比例系数分布都满足正态分布，但是由于数据分布范围较广，其中还存在一些极端值，因此笔者认为，如果直接采用它们的算术平均值或中位值可能会带来较大的误差。因此，笔者采用了Hampel''sredescendingM—estimator最大似然均值估计算法，这种算法在数据分布符合正态分布规律，但是分布范围较广，以及有少数极端值存在的情况下，可以得到比算术平均更加接近真值的平均值。表1中列出了根据典型气象年逐时数据，在各个云量水平下，采用Hampel''sredescendingM—estimator最大似然均值估计算法得到的总辐射/天文辐射比例系数和直接辐射/总辐射比例系数。
可以看出：
（1）最多只有不到30%的太阳天文辐射能量到达地面；
（2）当云量为2、3和4时，到达地面的太阳辐射能量最多；
（3）当云量为3和4时，在到达地面的太阳辐射能量中，直接辐射所占的比例最大，超过了80%。
三、结论。
1、根据影响因子分析的结果，在忽略大气污染影响的前提下，水平面太阳辐射总量与大气层外水平面太阳辐射总量之间的关系只与云量相关。同样，法线方向太阳直射辐射量与水平面太阳辐射总量的关系也只与云量相关。
2、尽管在各个不同的云量水平下，水平面太阳辐射总量与大气层外水平面太阳辐射总量的比例系数，以及法线方向太阳直射辐射量与水平面太阳辐射总量的比例系数，都分布在一个相当宽的范围内，但是这些数据都很好地服从正态分布。
3、上述两个与不同云量水平相对应的比例系数，可以采用Hampel''sredescendingM—estimator最大似然均值估计算法计算得到，这种算法能得到比算术平均更加接近真值的平均值。这两个比例系数的最大似然均值与云量的对应关系，可以很好地分别用一个二次三项式来拟合。
4、结合采用天文学公式计算得到的当地大气层外水平面逐时太阳辐射总量数据，以及从当地实际气象年的逐时天气状况中得到的云量数据，应用上述两个比例系数，就可以得到实际气象年的逐时太阳辐射数据。
5、由于本计算方法的基础是当地的典型气象年逐时太阳辐射数据和当地实际气象年的逐时云量数据，因此本方法可以适用于任何地点和任何年份的逐时太阳辐射数据计算。
参考文献：
1、郎四维。建筑能耗分析逐时气象资料的开发研究。暖通空调。2002年第4期。
2、张素宁田胜元。太阳辐射逐时模型的建立。太阳能学报。1997年第3期。
3、王炳忠。太阳辐射计算讲座第一讲太阳能中天文参数的计算。太阳能。1999年第2期。
4、北京市气象局气候资料室编著。北京城市气候。气象出版社。1992。
5、薛薇编著。SPSS统计分析方法及应用。电子工业出版社。2004。