华为逆变器产品中心    

利用 pvlib-python 计算太阳辐照度需结合地理位置、时间、大气条件等参数，通过内置的辐照度模型（如晴空模型、分解模型等）实现。以下是具体步骤、核心代码及关键参数说明，帮助快速上手：

一、核心原理与前提

pvlib-python 计算太阳辐照度的核心是：

1. 先计算太阳位置参数（高度角、方位角等），确定太阳相对于观测点的几何位置；

2. 再基于辐照度模型（如晴空模型 ineichen、solis，或从总辐射分解为直射 / 散射的模型），结合大气条件（如海拔、气溶胶光学厚度）计算辐照度。

需提前准备的输入参数：

• 地理位置：纬度（°）、经度（°）、海拔高度（m）；

• 时间：需为 pandas.DatetimeIndex 格式（含时区，避免 UTC 与本地时间混淆）；

• 大气参数（可选，影响精度）：气溶胶光学厚度（AOD）、水汽含量、臭氧浓度等。

二、完整步骤与代码示例

以下以 “计算某地点某天的逐时太阳辐照度（直射、散射、总辐射）” 为例，分步骤说明：

步骤 1：安装与导入库

python

运行

# 安装pvlib（若未安装）# pip install pvlibimport pvlibimport pandas as pdimport matplotlib.pyplot as plt

步骤 2：设置地理位置与时间

python

运行

# 地理位置：以北京为例（纬度39.9°N，经度116.4°E，海拔50m）latitude = 39.9longitude = 116.4altitude = 50tz = 'Asia/Shanghai'  # 时区（关键，避免时间计算错误）# 时间范围：2023年6月21日（夏至），逐时数据start_time = '2023-06-21 00:00:00'end_time = '2023-06-22 00:00:00'times = pd.date_range(start=start_time, end=end_time, freq='H', tz=tz)

步骤 3：计算太阳位置参数

太阳高度角（apparent_elevation）、方位角（azimuth）是计算辐照度的基础，需先通过 solarposition.get_solarposition() 获得：

python

运行

# 计算太阳位置（高度角、方位角等）solar_position = pvlib.solarposition.get_solarposition(
    time=times,
    latitude=latitude,
    longitude=longitude,
    altitude=altitude,
    method='nrel_numpy'  # 推荐NREL模型，精度较高)# 查看结果（部分字段）print(solar_position[['apparent_elevation', 'azimuth']].head())

• apparent_elevation：视太阳高度角（°，>0 表示太阳在地平线上）；

• azimuth：太阳方位角（°，0° 为北，顺时针增加，90° 为东）。

步骤 4：获取大气参数（可选，提升精度）

大气参数（如气溶胶光学厚度、水汽含量）会影响太阳辐射的衰减，pvlib 可通过 atmosphere 模块估算或手动输入：

python

运行

# 方法1：估算大气参数（基于地理位置和时间）# 计算相对大气质量（airmass）：太阳光线穿过大气层的路径长度airmass = pvlib.atmosphere.get_relative_airmass(solar_position['apparent_elevation'])# 计算大气压力（基于海拔）pressure = pvlib.atmosphere.alt2pres(altitude)# 方法2：手动输入关键参数（如需更高精度，可从气象站或卫星数据获取）aod700 = 0.1  # 700nm处气溶胶光学厚度（干净大气约0.05-0.2）water_vapor = 1.5  # 水汽含量（cm，温带地区约1-2）ozone = 0.3  # 臭氧浓度（cm，约0.2-0.4）

步骤 5：选择辐照度模型计算辐照度

pvlib 提供多种模型，常用晴空模型（计算无云时的理论辐照度）和分解模型（从总辐射分解直射 / 散射）。以下以最常用的 ineichen 晴空模型为例：

python

运行

# 用Ineichen晴空模型计算辐照度（需太阳位置、大气参数）clear_sky = pvlib.irradiance.ineichen(
    apparent_zenith=90 - solar_position['apparent_elevation'],  # 视天顶角=90-高度角
    airmass=airmass,
    altitude=altitude,
    aod700=aod700,
    water_vapor=water_vapor,
    ozone=ozone,
    pressure=pressure)# 结果包含：# dni：直射法向辐照度（W/m²，垂直于太阳光线的平面）# ghi：总水平辐照度（W/m²，水平面上的总辐射，=直射+散射）# dhi：散射水平辐照度（W/m²，天空散射到水平面的辐射）print(clear_sky[['ghi', 'dni', 'dhi']].head())

步骤 6：可视化结果

python

运行

# 逐时辐照度曲线plt.figure(figsize=(12, 6))clear_sky[['ghi', 'dni', 'dhi']].plot()plt.title('2023-06-21 北京太阳辐照度（Ineichen模型）')plt.ylabel('辐照度 (W/m²)')plt.xlabel('时间')plt.grid(True)plt.show()

三、关键模型与参数说明

1. 太阳位置模型：

• 推荐 method='nrel_numpy'（NREL 模型），精度高于默认的 pyephem，尤其适用于高纬度地区。

2. 辐照度模型选择：

• 晴空模型：适用于无云条件，常用 ineichen（全球适用，精度高）、solis（热带地区更优）；

• 分解模型：若已有总辐射（GHI）数据，可通过 disc 或 erbs 模型分解为 DNI 和 DHI（如 pvlib.irradiance.disc(ghi, solar_zenith, times)）。

3. 大气参数影响：

• 气溶胶光学厚度（AOD）越大，辐射衰减越强（如雾霾天 AOD 可能＞1.0，导致 DNI 下降 30%+）；

• 水汽含量高（如雨季）会吸收更多红外辐射，降低总辐射。

四、注意事项

1. 时区问题：时间必须带时区（tz 参数），否则太阳位置计算会偏差（如北京时区为 Asia/Shanghai，UTC+8）。

2. 太阳高度角过滤：当太阳高度角＜0°（夜间）时，辐照度应为 0，可通过 clear_sky.where(solar_position['apparent_elevation'] > 0, 0) 过滤。

3. 模型验证：计算结果需结合当地气象站数据验证（如对比 NASA 或 PVGIS 的观测数据），必要时调整大气参数。

通过以上步骤，可快速利用 pvlib-python 计算任意地点、任意时间的太阳辐照度，为光伏电站选址、发电量预估提供核心数据。