期刊文章：结合太阳辐照度数据和预测的附加值：概率基准测试

IEA PVPS 任务 16 的研究旨在评估结合太阳辐照度数据和预报的价值，通过概率基准测试比较了多种太阳概率预报方法。研究选取了 8 个欧洲地点，使用地面测量、卫星和数值天气预报（NWP）数据，测试了 15 种概率预报方法，包括混合点预报、CMV 方法、量化回归和类比集成等。

研究发现，结合地面测量、卫星和 NWP 数据的混合点预报与统计技术结合，能够生成高质量的太阳辐照度概率预报。具体而言，使用混合点预报作为输入的统计方法（如 GARCH、LQR 和 QRF）在概率预报质量上显著优于不使用混合点预报的方法。例如，混合点预报结合 GARCH 模型的技能分数在小时预报场景中范围为 42% 到 46%，在日内预报场景中范围为 27% 到 32%；而不使用混合点预报的方法在小时预报场景中的技能分数范围为 33% 到 43%，在日内预报场景中范围为 8% 到 16%。

研究结论表明，使用混合点预报和统计技术生成概率太阳辐照度预报是一种有效且一致的方法，能够显著提高预报质量。未来研究将继续分析和比较概率预报方法，并利用深度学习技术进一步提升预报精度。