Lập chương trình tính toán số liệu bức xạ mặt trời theo giờ từ số liệu trung bình tháng

TÓM TẮT LUẬN VĂN Nội dung của Luận văn này trình bày sự cần thiết về nhu cầu số liệu bức xạ theo giờ trong việc tính toán thiết kế hay đánh giá sơ bộ hiệu quả của các thiết bị sử dụng nă

Đại Học Quốc Gia Tp Hồ Chí Minh

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-Ơ -

LÊ CHUNG PHÚC

LẬP CHƯƠNG TRÌNH TÍNH TOÁN SỐ LIỆU

BỨC XẠ MẶT TRỜI THEO GIỜ TỪ SỐ LIỆU TRUNG BÌNH THÁNG

CHUYÊN NGÀNH : CÔNG NGHỆ NHIỆT

MÃ SỐ : 60.52.80

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, THÁNG 10 NĂM 2006

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: TS NGUYỄN THẾ BẢO

Cán bộ chấm nhận xét 1:

Cán bộ chấm nhận xét 2:

Luận văn thạc sĩ được bảo vệ tại:

HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA TP.HCM, ngày ………… tháng ………… năm 2006

Đại Học Quốc Gia Tp Hồ Chí Minh

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc Lập – Tự Do – Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên học viên: LÊ CHUNG PHÚC Phái: Nam

Ngày, tháng, năm sinh: 04 - 04 - 1972 Nơi sinh: Hà Nội

Chuyên ngành: Công nghệ Nhiệt Mã số: 60.52.80

I TÊN ĐỀ TÀI:

LẬP CHƯƠNG TRÌNH TÍNH TOÁN SỐ LIỆU BỨC XẠ MẶT TRỜI THEO GIỜ

TỪ SỐ LIỆU TRUNG BÌNH THÁNG

II NHIỆM VỤ VÀ NỘI DUNG:

1 Tổng quan về nhu cầu số liệu bức xạ theo giờ và thực trạng việc đo số

liệu hiện nay

2 Cơ sở lý thuyết xây dựng chương trình tính toán mô phỏng số liệu bức xạ giờ từ số liệu trung bình tháng

3 Xây dựng chương trình

4 Kiểm chứng kết quả tính toán của chương trình

5 Kết luận

III NGÀY GIAO NHIỆM VỤ: 09 - 02 - 2006

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 06 - 10 - 2006

V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS NGUYỄN THẾ BẢO

VI HỌ VÀ TÊN CÁN BỘ CHẤM NHẬN XÉT 1:

VII HỌ VÀ TÊN CÁN BỘ CHẤM NHẬN XÉT 2:

CÁN BỘ HƯỚNG DẪN

TS NGUYỄN THẾ BẢO

CHỦ NHIỆM NGÀNH PGS.TS LÊ CHÍ HIỆP

BỘ MÔN QUẢN LÝ NGÀNH

PGS TS LÊ CHÍ HIỆP Nội dung và đề cương luận văn thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua

PHÒNG ĐÀO TẠO SĐH

Ngày tháng năm 2006 KHOA QUẢN LÝ NGÀNH

LỜI CẢM ƠN

Tác giả xin bày tỏ lòng biết ơn sâu sắc và chân thành nhất đến

TS Nguyễn Thế Bảo, người đã tận tình truyền đạt kiến thức, trực tiếp hướng

dẫn thực hiện luận văn và có nhiều góp ý quan trọng quý giá cho nội dung

luận văn

Tác giả xin chân thành cảm ơn các thầy cô của bộ môn Công Nghệ

Nhiệt cũng như các thầy cô của Đại Học Bách Khoa Tp HCM đã giảng dạy

và đã có nhiều ý kiến đóng góp cho việc hoàn thành luận văn

Tác giả xin gửi lời cảm ơn đến các bạn học viên Cao học ngành Công

Nghệ Nhiệt K15, Chị Thu công tác tại phòng dự báo 1 Đài Khí Tượng Thủy

Văn Khu Vực Nam Bộ, ban lãnh đạo, đồng nghiệp tại Trung Tâm Kiểm Định

Kỹ Thuật An Toàn Khu Vực 2, đặc biệt là anh Trần Hồng Hà đã hết lòng giúp

đỡ, tạo mọi điều kiện thuận lợi để tác giả hoàn thành chương trình Cao học và

luận văn tốt nghiệp

Cuối cùng, sự động viên giúp đỡ của gia đình và người thân là động lực

không thể thiếu giúp tác giả hoàn thành luận văn này

Người thực hiện

LÊ CHUNG PHÚC

TÓM TẮT LUẬN VĂN

Nội dung của Luận văn này trình bày sự cần thiết về nhu cầu số liệu bức xạ theo giờ trong việc tính toán thiết kế hay đánh giá sơ bộ hiệu quả của các thiết bị sử dụng năng lượng mặt trời, các khó khăn thực tế của việc đo đạc số liệu để từ đó nêu bật ra được sự cần thiết của việc nghiên cứu tính toán mô phỏng số liệu bức xạ theo giờ từ một thông số dễ đo hơn là số liệu bức xạ trung bình tháng áp dụng cho điều kiện thực tế ở Việt Nam

Qua việc khảo sát các công trình nghiên cứu trên thế giới, luận văn xác định được các mô hình tính toán phù hợp Đi sâu vào việc phân tích, đánh giá cũng như có những cải tiến kết hợp giữa các mô hình, luận văn đã xác định được mô hình tính toán phù hợp nhất cho điều kiện khí hậu thực tế của Việt Nam

Từ lý thuyết tính toán, kết hợp với việc sử dụng ngôn ngữ lập trình Matlab, vốn là một ngôn ngữ hỗ trợ rất tốt việc tính toán trong kỹ thuật cũng như trong kỹ thuật mô phỏng, thống kê…, tác giả đã xây dựng được một chương trình tính toán mô phỏng bức xạ theo giờ từ số liệu bức xạ trung bình tháng

Qua việc kiểm chứng, so sánh kết quả tính toán với số liệu đo thực tế ở khu vực Nam Bộ, khu vực Đà Nẵng và khu vực Hà Nội, chương trình cho thấy có khả năng áp dụng một cách tin cậy cho khu vực này, với các khu vực khác cần có thêm số liệu để kiểm chứng lại chương trình

Các kết quả của chương trình tính toán có thể sử dụng làm số liệu đầu vào trong tính toán thiết kế sơ bộ các hệ thống sử dụng năng lượng mặt trời cũng như đánh giá tiền khả thi hiệu quả sử dụng của các hệ thống năng lượng mặt trời tại các địa phương cụ thể

MỤC LỤC

Chương 1: MỞ ĐẦU Trang 1

I Tổng quan về tình hình sử dụng năng lượng mặt trời Trang 2

II Nhu cầu về số liệu bức xa mặt trời theo giờ và thực trạng việc đo số liệu bức xạ tại việt nam hiện nay Trang 6 III Mục tiêu của đề tài Trang 9

IV Nội dung nghiên cứu Trang 9

V Phương pháp nghiên cứu Trang 10

VI Giới hạn đề tài Trang 10 VII Định nghĩa các thuật ngữ cơ bản Trang 10 VIII Tham khảo tài liệu Trang 11

IX Các giả thiết nghiên cứu Trang 15 Chương 2: CƠ SỞ LÝ THUYẾT Trang 16

I Cơ sở lý thuyết về bức xạ mặt trời Trang 17

II Cơ sở lý thuyết về thống kê Trang 19 Chương 3: PHÂN TÍCH, CHỌN LỰA MÔ HÌNH VÀ XÂY DỰNG CHƯƠNG

TRÌNH TÍNH KT Trang 24

I Các phương pháp xây dựng mô hình tính KT Trang 25

II Phân tích, chọn lựa mô hình tính KT từ K T Trang 28 III Các ma trận MTM và cách sử dụng Trang 28

IV Xây dựng chương trình Trang 33

V Lưu đồ thuật toán Trang 34 Chương 4: PHÂN TÍCH, CHỌN LỰA MÔ HÌNH VÀ XÂY DỰNG CHƯƠNG

TRÌNH TÍNH kT Trang 37

I Các phương pháp xây dựng mô hình tính kT Trang 38

II Phân tích, chọn lựa, cải tiến mô hình tính kT từ KT Trang 40 III Xây dựng chương trình Trang 43

IV Lưu đồ thuật toán Trang 44 Chương 5: CHƯƠNG TRÌNH MÔ PHỎNG SOLRAD Trang 47

I Lưu đồ chung của chương trình Trang 48

II Chương trình mô phỏng Solrad Trang 49 III Các chương trình (hàm) con phục vụ chương trình mô phỏng Trang 53 Chương 6: ĐÁNH GIÁ ĐỘ TIN CẬY CỦA CHƯƠNG TRÌNH Trang 55

I Số liệu sử dụng để đánh giá chương trình Trang 56

II Phương pháp đánh giá Trang 56 III Kết quả đánh giá cho khu vực Tp HCM Trang 57

IV Kết quả đánh giá cho khu vực Đà Nẵng Trang 60

V Kết quả đánh giá cho khu vực Hà Nội Trang 65

VI Kết quả đánh giá chung, nhận định về khả năng ứng dụng và

các hạn chế của chương trình Trang 69 Chương 7: KẾT LUẬN Trang 71

I Kết quả thực hiện đề tài Trang 72

II Kiến nghị hướng thực hiện tiếp theo của đề tài Trang 73 Danh mục các công trình đã công bố Trang 74Tài liệu tham khảo: Trang 75 Phụ lục

- Phụ lục 1: Nội dung các chương trình (hàm) con

- Phụ lục 2: Toàn văn bài báo về kết quả nghiên cứu đã được Tạp chí Phát Triển KH&CN Đại Học Quốc Gia Tp HCM chấp thuận cho công bố

- Phụ lục 3: Toàn văn bài phản biện của Tạp chí Phát Triển KH&CN Đại Học Quốc Gia Tp HCM về kết quả nghiên cứu

Chương 1 MỞ ĐẦU

I TỔNG QUAN VỀ TÌNH HÌNH SỬ DỤNG NĂNG LƯỢNG MẶT TRỜI

Việc nhu cầu tiêu thụ năng lượng ngày càng tăng theo tỉ lệ tăng trưởng kinh tế của các nước trong khi các nguồn lượng truyền thống ngày càng cạn kiệt đã đẩy các nước trên thế giới chay đua với nhau trên con đường nghiên cứu ứng dụng các dạng năng lượng mới, đặc biệt là năng lượng tái tạo Các dự báo của những nhà kinh tế năng lượng trên thế giới cho thấy khả năng hành tinh của chúng ta có thể lâm vào khủng hoảng năng lượng ở thời điểm 2050 - 2060, nếu chúng ta không tiết kiệm và sử dụng hiệu quả các nguồn năng lượng truyền thống hiện có và không phát triển sử dụng các dạng năng lượng sạch tái tạo Chính vì lẽ đó mà gần đây, các nước phát triển đang trong xu thế giảm dần tỷ lệ sử dụng nhiên liệu hóa thạch và phấn đấu tăng tỷ lệ sử dụng các dạng năng lượng khác như là một phần của chiến lược an ninh năng lượng Các nước đi đầu trong lĩnh vực ứng dụng năng lượng tái tạo có thể kể đến Đức, Tây Ban Nha, Mỹ … Đặc biệt là nước Đức, quốc gia châu Âu này nhiều năm dẫn đầu thế giới về công suất năng lượng gió Năm 2000, CHLB Đức còn có cả một đạo luật về năng lượng tái tạo Chính phủ Đức còn chấp nhận cho vay không lãi hoặc lãi suất rất thấp nhằm khuyến khích người dân đầu tư vào các hệ thống phát điện bằng năng lượng mặt trời

Theo số liệu thống kê đến hết năm 2004, năng lượng tái tạo đóng góp 16,7% năng lượng tiêu thụ trên thế giới Trong đó các dạng năng lượng tái tạo truyền thống như các thuỷ điện lớn, năng lượng sinh khối truyền thống như gỗ chiếm đa số (14,7%) nhưng tỷ lệ của các dạng năng lượng tái tạo này gần như không tăng vì không còn khả năng tìm thêm địa điểm

hại đối với môi trường khi sử dụng các dạng năng lượng này Trong khi đó tuy chỉ chiếm 2% nhưng các dạng năng lượng tái tạo “mới” như thuỷ điện nhỏ, năng lượng gió, năng lượng mặt trời, địa nhiệt … phát triển rất nhanh do có tiềm năng phát triển rất lớn vì đây là những nguồn năng lượng gần như vô tận và hầu như từ trước đến nay chúng ta chưa hề quan tâm khai thác các dạng năng lượng này một cách đáng kể

Thủy điện lớn, 5.70%

Năng lượng tái tạo mới, 2% Năng lượng

sinh khối truyền thống, 9.00%

Hình 1.1: Tỉ lệ đóng góp của các dạng năng lượng tái tạo

Trong các dạng năng lượng tái tạo, năng lượng mặt trời hiện nay tuy không phải là năng lượng chiếm tỷ lệ lớn do giá thành sản xuất còn cao, nhưng lại là dạng năng lượng có tiềm năng phát triển rất lớn, tốc độ phát triển trung bình từ năm 2000 đến 2004 của các nhà máy điện mặt trời tăng 60% mỗi năm và đến năm 2004 tổng công suất năng lượng mặt trời được lắp đặt đã đạt 4000MW Nguyên nhân là do năng lượng mặt trời là dạng năng lượng hầu như vô tận và có khả năng khai thác ở rất nhiều nơi trên thế giới, đặc biệt năng lượng mặt trời có tính ổn định theo vùng và

do đó, nếu được đầu tư nghiên cứu kỹ thì việc thiết kế chế tạo các thiết

bị năng lượng sử dụng năng lượng mặt trời sẽ đạt được hiệu suất cao và giá thành thấp sẽ khắc phục được nhược điểm lớn nhất của các thiết bị này là giá thành cao

Tốc độ tăng trưởng trung bình từ năm 2000-2004

Điện mặt trời (cục bộ) Nhiên liệu sinh học Năng lượng gió Điện mặt trời (nối mạng)

Tỉ lệ tăng trưởng

Hình 1.2: Tốc độ tăng trưởng của các dạng năng lượng tái tạo mới

Tổng công suất lắp đặt

Tổng

Phát lên mạng 0

500 1000 1500 2000 2500 3000 3500 4000

1990 1992 1994 1996 1998 2000 2002 2004

Hình1.3: Tổng công suất pin mặt trời được lắp đặt từ 1990 đến 2004 Trong tình hình Việt Nam, những năm qua chúng ta không ngừng tăng sản lượng khai thác các dạng năng lượng sơ cấp (than, dầu khí, thuỷ

điện ) với tốc độ trung bình 16,4%/năm nhưng vẫn không đủ đáp ứng sự tăng trưởng kinh tế Hơn nữa nếu có khai thác một cách kinh tế thì dầu khí cũng chỉ đủ dùng trong vòng 30 - 40 năm, than trong vòng hơn 60 năm, sau đó sẽ cạn dần, khai thác không kinh tế Nếu không có chính sách phát triển, sử dụng các dạng năng lượng sạch và năng lượng tái tạo thì Việt Nam sẽ phải phụ thuộc hoàn toàn nguồn năng lượng từ bên ngoài

Nước ta với vị trí địa lý gần xích đạo, có tổng số giờ năng và cường độ bức xạ nhiệt cao (trung bình xấp xỉ 5 kwh/m2/ngày), được đánh giá là khu vực có tiềm năng rất lớn về năng lượng mặt trời, đặc biệt là tại khu vực miền Trung và miền Nam Do đó việc nghiên cứu ứng dụng các thiết

bị sử dụng năng lượng mặt trời cụ thể như thiết bị sấy, thiết bị đun nước nóng, thiết bị chưng cất và dàn pin mặt trời là một hướng đi tất yếu Các thiết bị này đã được sử dụng ở nước ta từ khoảng 20 năm nay, nhìn chung chúng phù hợp với điều kiện khí hậu và đặc điểm địa lý nước ta Chúng ta đã lắp đặt nhiều thiết bị sấy, thiết bị đun nóng, các dàn pin và hàng loạt thiết bị chưng cất nước sử dụng năng lượng mặt trời tại nhiều khu vực, đặc biệt gần đây có sự bùng nổ trong việc lắp đặt các hệ thống cung cấp nước nóng cho khách sạn, nhà riêng sử dụng năng lượng mặt trời làm nguồn nhiệt, nhờ sự phát triển trong công nghệ thiết kế, chế tạo collector mặt trời nên các hệ thống này có ưu thế là giá thành rẻ, dễ lắp đặt và sử dụng nên rất được ưa chuộng Các thiết bị này hàng năm đã tạo

ra một lượng điện hay nhiệt năng đáng kể từ ánh sáng mặt trời cung cấp cho người dân, giúp tiết kiệm được hàng tỷ đồng Tuy nhiên, đây chưa phải là những con số đáng mừng vì có một thực tế là hoạt động ứng dụng

khoa học công nghệ vào việc khai thác nguồn năng lượng mặt trời ở nước ta vẫn còn rất manh mún và kém hiệu quả Nguyên nhân là do thiếu sự khuyến khích trực tiếp từ những chính sách cụ thể nên việc nghiên cứu chế tạo các thiết bị chính vẫn chưa thực hiện được mà vẫn phải nhập ngoại với giá thành cao Ngoài ra còn thiếu sự đầu tư đo đạc số liệu cụ thể nên việc nghiên cứu ứng dụng các hệ thống còn kém chính xác, hiệu quả không cao dẫn đến các hệ thống này ít được ứng dụng

II NHU CẦU VỀ SỐ LIỆU BỨC XA MẶT TRỜI THEO GIỜ VÀ THỰC TRẠNG VIỆC ĐO SỐ LIỆU BỨC XẠ TẠI VIỆT NAM HIỆN NAY

Để việc nghiên cứu sử dụng các thiết bị sử dụng năng lượng mặt trời có tính ứng dụng cao, chúng ta cần phải có thông số đầu vào cho các chương trình mô phỏng tính toán các thiết bị này, nó giúp người thiết kế đánh giá hiệu quả kinh tế của hệ thống, xác định kích thước hệ thống và do đó có thể thiết kế hệ thống sao cho giá thành thấp và hiệu quả tối ưu nhất Do đó, các thông số đầu vào này càng chính xác thì việc thiết kế càng chính xác và hiệu suất thiết bị càng cao

Chúng ta có thể sử dụng các thông số đo đạc thực tế để tính toán thiết bị, để thiết kế thì chúng ta cần số liệu bức xạ ít nhất trong 01 năm, số liệu trong thời gian càng dài thì việc tính toán càng chính xác Để thiết kế một hệ thống sử dụng năng lượng mặt trời cần số liệu đo đạc trong một thời gian khá dài Tuy vậy chỉ có rất ít nước phát triển mới đủ khả năng thực hiện việc đo đạc này Trong đó có thể kể đến nước Mỹ đã đo đạc số liệu tại 26 địa điểm trên khắp nước Mỹ trong thời gian dài Hơn nữa càng nhiều số liệu thì khối lượng tính toán càng lớn và đòi hỏi khả năng tính

Một biện pháp khác thay thế cho việc sử dụng số liệu trong nhiều năm là sử dụng số liệu của năm điển hình (Typical meteorological year - TMY) Khái niệm năm điển hình được nhóm Hall phát triển đầu tiên [13], chính là sự tổng hợp các số liệu đo đạc trong thời gian dài Các số liệu đo đạc được phân tích để xác định thông số thống kê của các chỉ số thời tiết như giá trị trung bình, sự phân bố và những mối liên quan thống kê trong cùng một tháng Sau đó các tiêu chuẩn sẽ được xác định để chọn ra 01 tháng từ số liệu đo đạc trong một thời gian dài làm điển hình cho tháng đó Việc tính toán được thực hiện cho từng địa điểm đo khác nhau Mỹ đã thực hiện xác định năm điển hình cho 26 vị trí đo với số liệu

đo đạc trong 23 năm Nhóm của Festa và Ratto [12] cũng thực hiện tương tự cho Châu Âu dưới tên gọi khác là số liệu năm tham khảo (Test Reference Year - TRY) Mặc dù biện pháp này làm giảm khối lượng số liệu đầu vào do đó giảm khối lượng tính toán nhưng vẫn đòi hỏi phải có sự đo đạc số liệu trong một thời gian đủ dài mà việc này vượt quá khả năng của hầu hết các nước trên thế giới, đặc biệt là các nước đang phát triển

Tại Việt Nam, đa phần các trạm quan trắc không đo chỉ số bức xạ mặt trời, nếu có thì chủ yếu đo mỗi 3 giờ vào 6h30, 9h30, 12h30, 15h30, 18h30 Các số liệu này chưa đủ lâu và tần suất 3 giờ/lần đo như trên là chưa đủ lớn để sử dụng làm số liệu đầu vào của các chương trình mô phỏng các hệ thống sử dụng năng lượng mặt trời Số trạm quan trắc đo bức xạ theo giờ là rất ít, mỗi vùng khí hậu đặc trưng chỉ có 1 trạm đo bức xạ giờ, ở khu vực Nam Bộ, chỉ có 02 trạm quan trắc có đo bức xạ theo giờ: trạm Cần Thơ đo bức xạ theo giờ từ năm 2002 nhưng đã ngừng đo

sau 1 năm do trục trặc kỹ thuật và ngay cả số liệu đo năm 2002 cũng không được đầy đủ, và trạm Nhà Bè đo bức xạ theo giờ từ năm 2005, Số liệu đo bức xạ theo giờ của trạm Nhà Bè trong năm 2005 có thể được xem là số liệu tốt nhất hiện nay cho khu vực Nam Bộ Ở khu vực miền Trung và miền Bắc có số liệu đo bức xạ theo giờ của trạm Đà Nẵng và trạm Láng - Hà Nội trong các năm 2004, 2005, các số liệu này đáng tin cậy tuy nhiên thời gian đo đạc chưa lâu nên cũng chưa thể sử dụng số liệu này xây dựng số liệu năm điển hình được Ở các khu vực khác thì việc đo số liệu bức xạ theo giờ cũng rất hạn chế Việc thiếu số liệu đo đạc cũng là hiện trạng chung của các nước đang phát triển

Để khắc phục việc không có số liệu đo đạc đáng tin cậy sử dụng trong quá trình tính toán, người ta thường sử dụng 2 phương pháp sau:

1 Sử dụng số liệu đo đạc của những vùng lân cận hay có điều kiện khí hậu gần giống với địa phương cần nghiên cứu hay còn gọi là phương pháp ngoại suy): Thực tế phương pháp này khó áp dụng vì dù sao vẫn tồn tại sai số do sự khác biệt vị trí (theo Suckling [31]) , hơn nữa phương pháp này đòi hỏi số liệu nguồn cũng phải đáng tin cậy, có nghĩa là được đo trong một thời gian đủ lớn, và việc đáp ứng cả hai yêu cầu về độ tin cậy và tính tương đồng khí hậu cũng là một khó khăn

2 Tính toán bức xạ từ một số thông số có thể đo được dễ hơn hay ít tốn kém hơn (số giờ nắng, giá trị bức xạ trung bình) hay còn gọi là phương pháp tính toán nhân tạo: Phương pháp này có độ chính xác cao nếu xác định được mô hình tính toán phù hợp với khu vực khảo sát và được kiểm chứng tin cậy

Do các đặc điểm trên nên trên thế giới có rất nhiều mô hình được nghiên cứu phát triển theo phương pháp thứ 2

Nước ta là một nước nông nghiệp, việc canh tác phụ thuộc rất nhiều vào thời tiết, do đó việc tính toán số liệu bức xạ mặt trời tin cậy cũng giúp việc dự báo thời tiết được chính xác, hỗ trợ rất lớn cho nền nông nghiệp nước nhà, ngoài ra việc dự báo thời tiết còn giúp phòng tránh các thiên

tai

III MỤC TIÊU NGHIÊN CỨU

Xuất phát từ nhu cầu nói trên, mục tiêu của đề tài là xây dựng được một chương trình có khả năng mô phỏng số liệu bức xạ theo giờ từ số liệu bức xạ trung bình tháng tại các vùng khí hậu Việt Nam

IV NỘI DUNG NGHIÊN CỨU

Đề tài xem xét các phương pháp tính toán mô phỏng số liệu bức xạ theo giờ từ số liệu trung bình tháng thông qua các biến số trung gian là KT và

kT, từ đó chọn lựa và cải tiến các phương pháp tính toán này sao cho phù hợp nhất đối với điều kiện Việt Nam, trên cơ sở đó xây dựng chương trình tính toán mô phỏng bức xạ theo giờ từ số liệu trung bình tháng Độ tin cậy của chương trình được đánh giá thông qua 02 tiêu chí là sai số giữa tổng xạ của số liệu tính toán và số liệu đo thực tế và khả năng mô phỏng các đường cong xác suất của số liệu tính toán so với số liệu đo thực tế

V PHƯƠNG PHÁP NGHIÊN CỨU

Đề tài sử dụng phương pháp phân tích, so sánh giữa các mô hình tính toán để chọn lựa và cải tiến các mô hình và áp dụng phương pháp so sánh để đánh giá độ tin cậy cũng như khả năng áp dụng của chương

trình

VI GIỚI HẠN ĐỀ TÀI

Đề tài này nghiên cứu xây dựng một mô hình tính toán mô phỏng số liệu bức xạ theo giờ từ giá trị bức xạ trung bình tháng cho các khu vực Nam Bộ, Đà Nẵng và Hà Nội trên cơ sở sử dụng số liệu đo thực tế tại các trạm quan trắc tại các địa phương này để đánh giá độ tin cậy của kết quả tính toán và sẽ mở rộng cho cả Việt Nam khi có đủ số liệu để kiểm chứng kết quả tính toán Số liệu này phải đảm bảo độ tin cậy để sử dụng làm số liệu đầu vào của các bài toán kỹ thuật cũng như phục vụ việc đánh giá tiền khả thi việc thiết kế, hiệu quả sử dụng của các thiết bị sử dụng năng lượng mặt trời ở nước ta

VII ĐỊNH NGHĨA CÁC THUẬT NGỮ CƠ BẢN

- H tb: Lượng tổng xạ đến 1m2 bề mặt nằm ngang (mật độ bức xạ)

trên mặt đất trong 1 ngày, đây là giá trị trung bình tính trong 1 tháng, kJ/m2.ngày

- H0: Lượng bức xạ mặt trời đến 1m2 (mật độ bức xạ) bên ngoài

bầu khí quyển trong thời gian 1 ngày, đây cũng là giá trị trung bình tính trong 1 tháng, kJ/m2.ngày

- H: Lượng tổng xạ đến 1m2 bề mặt nằm ngang ứng với 1 ngày cụ

2

- Ho: Lượng bức xạ mặt trời đến 1m2 bên ngoài bầu khí quyển ứng

với 1 ngày cụ thể nào đó, kJ/m2.ngày

- I: Lượng tổng xạ xạ đến 1m2 bề mặt nằm ngang ứng với 1 giờ

cụ thể nào đó, kJ/m2.h

- Io: Lượng bức xạ mặt trời đến bên ngoài bầu khí quyển ứng với 1

giờ cụ thể nào đó, kJ/m2.h

k T = : Độ trong sáng trung bình của bầu trời trong một giờ

VIII THAM KHẢO TÀI LIỆU

Có rất nhiều các nhà khoa học đã nghiên cứu các mô hình tính toán chuỗi số liệu bức xạ mặt trời, theo sự nghiên cứu có thể phân thành 2 nhóm chính:

1 Nghiên cứu các mô hình tính toán bức xạ theo ngày: Gồm có các nhóm Klein [18], Brinkworth [8], Excell [11], Boileau [7], Luis Vergara - Dominguez [22], Amato [3], Brook and Finney [9], Graham [15], Aguiar [1], Nzali [26], Boland [6]

2 Nghiên cứu các mô hình tính toán bức xạ theo giờ : Gồm có các nhóm Degelman [10], Goh and Tan [14], Mustacchi [23], Hittle and Pedersen [17], Excell [11], Balouktsis and Tsalides [4], Graham and Hollands [16], Knight [19], Aguiar and Collares - Pereira [2]

Brinkwoth [8] áp dụng kỹ thuật ARMA cho các số liệu đo đạc của nước Anh để xây dựng một mô hình tính toán khí hậu cho các nước có nhiều sương mù, trong khi đó Goh và Tan [14] sử dụng phương pháp tương tự xây dựng mô hình tính toán cho Singapore Hittle và Pedersen [17] khử thành phần xác định theo ngày và theo mùa từ số liệu bức xạ theo giờ của 04 địa điểm ở Mỹ, sử dụng phân tích Fourier, sau đó áp dụng mô hình ARMA khác để nghiên cứu thành phần Brook và Finney [9] kết hợp kỹ thuật ARMA với các kỹ thuật phân tán để tính toán chuỗi số liệu bức xạ mặt trời theo ngày tại Bắc California, Mỹ

Việc áp dụng trực tiếp mô hình ARMA có một khuyết điểm là không có khả năng tái hiện lại các đặc tính xác suất cơ bản của bức xạ (Aguiar [1]) Để khắc phục nhược điểm này, người ta đề nghị sử dụng kỹ thuật chuẩn hóa Gaussian Bằng cách giới thiệu một phép chuyển đổi chuẩn hoá để hiệu chỉnh các đặc tính không ổn định và không Gaussian của chuỗi thời gian bức xạ, nhóm Amato [3] đã nghiên cứu phát triển 1 mô hình tính toán số liệu bức xạ cho Italia Balouktsis và Tsalidess [4] khử thành phần theo mùa từ số liệu bức xạ theo giờ ở Ai Cập, họ sử dụng phân tích Fourie, sau đó dùng kỹ thuật chuẩn hóa Gaussian để chuyển đổi dữ liệu thành phân bố chuẩn trước khi làm khớp thành phần ngẫu nhiên cố định của số liệu với một mô hình quang phổ Mô hình tương tự cũng được Boland [6] thực hiện để phân tích số liệu bức xạ cho nhiều vùng ở Úc

Một nhược điểm chung cho các mô hình vừa đề cập là chúng đều sử dụng chính thông số bức xạ mặt trời làm biến Do thông số bức xạ mặt

trời có tính phụ thuộc vào địa điểm khảo sát nên những mô hình nói trên đều chỉ có thể ứng dụng cho 1 địa phương cụ thể mà thôi

Một biện pháp khác là chúng ta có thể nghiên cứu bức xạ mặt trời qua một thông số trung gian là độ trong sáng theo ngày của bầu trời KT, được định nghĩa là tỷ số giữa lượng bức xạ đến bề mặt trái đất và lượng bức xạ đến bên ngoài bầu khí quyển trên mặt phẳng nằm ngang trong 1 ngày và trên cùng 1 đơn vị diện tích Do chúng ta có thể tính toán được giá trị bức xạ đến bên ngoài bầu khí quyên trên mặt phẳng nằm ngang nên với

KT chúng ta cũng sẽ xác định được giá trị bức xạ đến trên bề mặt trái đất

Nghiên cứu của Liu và Jordan [21] phát hiện ra một tính chất đặc biệt của KT là mặc dù bức xạ có những đặc tính phụ thuộc vào vị trí khảo sát nhưng KT lại không bị hạn chế này mà có đặc tính giống nhau tại mọi vị trí trên trái đất và chỉ phụ thuộc vào một thông số duy nhất đó là giá trị trung bình tháng K T Dựa trên phát hiện này, Klein [18] phát triển một mô hình tính toán bức xạ dựa trên biến số KT thay vì dựa trên biến số là giá trị bức xạ Degelman [10] cũng cố gắng xây dựng mô hình tính toán bức xạ theo giờ sử dụng chỉ số độ trong sáng bầu trời theo giờ kt, được định nghĩa là tỷ số giữa lượng bức xạ đến bề mặt trái đất và lượng bức xạ đến bên ngoài bầu khí quyển trên mặt phẳng nằm ngang trong 1 giờ và trên cùng 1 đơn vị diện tích, mô hình của Degelman không dựa trên những kỹ thuật đã được xây dựng nên chỉ mang tính địa phương

Ngoài ra còn có một số nhà nghiên cứu tìm cách xây dựng mô hình với các biến số khác như nhóm Excell [11] và nhóm Luis Vergara - Dominguez [22] nghiên cứu tỷ số giữa lượng bức xạ thực và lượng bức

xạ trong những ngày bầu trời trong sáng thay cho lượng bức xạ đến bên ngoài bầu khí quyển, tuy nhiên nghiên cứu của họ thất bại trong việc kết hợp phân bố xác suất các giá trị bức xạ trong ngày, vốn được xem là yêu cầu quan trọng nhất trong việc tính toán chuỗi số liệu bức xạ theo ngày (Graham [15]) Ở Việt Nam có công trình của KS Nguyễn Thị Bích [25] nghiên cứu tính toán tổng lượng bức xạ trong ngày theo số giờ nắng áp dụng mô hình Angstrom và từ biên độ nhiệt độ theo các mô hình DC (Donatelli - Campbell), mô hình DB (Donatelli - Bellocci) và mô hình DCBB, là mô hình kết hợp của 2 mô hình nói trên và mô hình BC (Bristow and Campbell), tuy nhiên kết quả cũng chỉ dừng lại ở việc tính toán tổng bức xạ theo ngày và so sánh giữa các mô hình mà thôi

Như đã đề cập ở trên, biến số KT và kT có thể sử dụng để xây dựng một mô hình không bị giới hạn bởi địa phương Một ưu điểm khác của việc sử dụng KT và kT là nó cho phép khử sự thay đổi theo mùa của bức xạ (Klein [18]) và thành phần xác định mang tính xu hướng (trend) trong bức xạ (Mustacchi [23]) Ngoài ra thì việc sử dụng mô hình phổ biến ARMA làm cho kết quả rất đáng tin cậy Tuy nhiên, vẫn còn vấn đề là sự phân bố Kt và kt có những đặc tính không chuẩn và chúng cần được khử trước khi áp dụng bất kỳ mô hình ARMA nào (Klein [18], Bendt [5])

Để khắc phục nhược điểm này, có thể sử dụng 2 cách tiếp cận:

1 Sử dụng các kỹ thuật chuẩn hóa Gaussian để biến đổi các biến số KT

và kT về dạng phân bố chuẩn trước khi áp dụng mô hình ARMA, các mô hình đã áp dụng biện pháp này là: nhóm Mustacchi [23], Sfier [30], nhóm Graham [15], nhóm Knight [19], nhóm Boland [6]

2 Sử dụng kỹ thuật ma trận chuyển đổi Markov (MTM): nhóm

Mustacchy [23], nhóm Aguiar [1], Palomo [27]

Trong số những nghiên cứu kể trên, ta xem xét cụ thể 2 phương pháp đã được nghiên cứu hoàn chỉnh và có ưu điểm là mang tính đại diện hơn so với các phương pháp khác do nguồn số liệu xây dựng các phương pháp này được thu thập từ nhiều vùng khí hậu khác nhau Các phương pháp này là:

1 Phương pháp của nhóm Graham nghiên cứu tính toán bức xạ theo ngày và giờ [15][16]

2 Phương pháp của nhóm Aguiar nghiên cứu tính toán bức xạ theo ngày và giờ [1][2]

Các phương pháp này sẽ được phân tích, chọn lựa và cải tiến để có được một mô hình phù hợp nhất với Việt Nam

IX CÁC GIẢ THIẾT NGHIÊN CỨU

ƒ Phân bố của các giá trị KT trong một tháng xác định không phụ thuộc vào địa điểm khảo sát mà chỉ phụ thuộc vào giá trị trung bình tháng

T

K

ƒ Phân bố của các giá trị kT của từng giờ trong 1 ngày nhất định không phụ thuộc vào địa điểm khảo sát mà chỉ phụ thuộc vào giá trị KT của ngày hôm đó

Chương 2

CƠ SỞ LÝ THUYẾT

I CƠ SỞ LÝ THUYẾT VỀ BỨC XẠ MẶT TRỜI

Ta quan tâm đến 02 loại bức xạ mặt trời:

- Bức xạ mặt trời đến bên ngoài bầu khí quyển

- Bức xạ mặt trời đến trên bề mặt trái đất

1 Bức xạ mặt trời đến bên ngoài bầu khí quyển:

Mặc dù các khảo sát thực tế cho thấy bức xạ mặt trời có thay đổi nhẹ

do các hiện tượng diễn ra bên trong mặt trời và do khoảng cách giữa mặt trời và trái đất cũng thay đổi theo thời điểm, trong tính toán kỹ thuật có thể xem lượng bức xạ này là ổn định và được tính bằng: Đối với các bài toán kỹ thuật, ta có thể xem cường độ bức xạ phát ra từ mặt trời là ổn định:

=

365

.360

033,01 Cos n G

Trong đó:

- GSC: Hằng số mặt trời, thường được lấy bằng 1353 W/m2

• - n: Số thứ tự của ngày trong năm, với ngày 1 tháng 1 có n=1 Nếu xét bề mặt khảo sát nằm ngang, đặt bên ngoài bầu khí quyển:

365

.360

033,01

Với θz là góc thiên đỉnh của mặt trời, là góc tạo bởi tia trực xạ và đường thẳng góc với mặt phẳng nằm ngang tại vị trí khảo sát Ta có: Cosθz =Cosδ.Cosφ.Cosω+Sinδ.Sinφ (2.3)

Trong đó:

- = ⎢⎣⎡ 365 + ⎥⎦⎤

) 284 (

360

45 ,

- φ: Vĩ độ của vị trí khảo sát

Gọi Ho (J/m2) là lượng bức xạ trong 1 ngày, ta viết được:

(Cos Cos Cos Sin Sin )dt

n Cos

= δ φ ω δ φ

365

.360

033,01

Khi đặt dt = a.dω, ta có:

(CosδCosφCosω Sinδ Sinφ)dω

n Cos G

365

360

033 , 0 1

Trong đó:

• - t có đơn vị là giây

• - ω có đơn vị là độ và biến đổi trong khoảng từ –ωS cho đến +ωS

(tức là từ lúc mặt trời mọc cho đến lúc mặt trời lặn)

Sau khi lấy tích phân, ta được:

180 3600

=

365

360

033 , 0 1 Cos n G

B Sinδ SinφωS π Cosδ.Cosφ.SinωS

180

Ta cũng có thể sử dụng phương pháp tương tự để tính bức xạ theo giờ Io

2 Bức xạ mặt trời đến trên bề mặt trái đất:

Có nhiều phương pháp tính toán lượng bức xạ đến trên bề mặt trái đất, trong phạm vi đề tài, ta xem xét mối liên hệ giữa lượng bức xạ đến bề mặt trái đất và lượng bức xạ đến bên ngoài bầu khí quyển

thông qua các chỉ số độ trong sáng của bầu trời K T; KT; kT, đã được định nghĩa trong phần định nghĩa các thụât ngữ cơ bản ở chương 1 Từ các mối liên hệ nói trên, ta nhận thấy nếu xác định được đường cong phân bố của kT trong 1 tháng cụ thể nào đó ta sẽ tính toán được lượng bức xạ mặt trời đến bề mặt trong từng giờ của tháng đó

II CƠ SỞ LÝ THUYẾT VỀ THỐNG KÊ

1 Chuỗi thời gian (Time series):

Là chuỗi các số liệu quan sát được sắp xếp theo thứ tự thời gian Các chuỗi thời gian trong tự nhiên, kinh tế và kỹ thuật đa phần không

thuần túy là các chuỗi số ngẫu nhiên mà luôn bao hàm các thành

phần biến đổi có khuynh hướng và có chu kỳ Các giá trị của chuỗi thời gian có sự phụ thuộc lẫn nhau, giá trị hiện tại phụ thuộc vào giá trị trước đó

Chuỗi thời gian là có tính tất định nếu giá trị tương lai có thể xác định một cách chính xác từ các giá trị quá khứ Nếu không, người ta nói

chuỗi thời gian có tính thống kê Chuỗi số liệu bức xạ là chuỗi thời gian có tính thống kê

2 Chuỗi thời gian tuyến tính:

Chuỗi thời gian có tính thống kê Xt được gọi là tuyến tính khi có thể mô tả ở dạng: X t =∑φi X t−i +εt trong đó φi là các hệ số không đổi và

εt là một nhiễu trắng có trung bình bằng không và phương sai không đổi

3 Nhiễu trắng:

Là quá trình thống kê ngẫu nhiên thuần tuý, có phân bố chuẩn

(normal), các giá trị của quan sát được của quá trình không có liên hệ với nhau (ρk=0 với mọi k≠ 0)

4 Hàm phân bố xác suất (cumulative distribution function - cdf):

Hàm phân bố xác suất của biến ngẫu nhiên X là hàm số biểu diễn xác suất mà biến ngẫu nhiên X nhận giá trị nhỏ hơn hoặc bằng một số thực x bất kỳ

5 Hàm mật độ xác suất (probability density function – pdf):

Hàm mật độ xác suất của một biến ngẫu nhiên X, ký hiệu là f(x) là hàm số biểu diễn xác xuất mà biến X nhận giá trị x với x là số thực bất kỳ

u f x

X P x

F

p

)())

()

6 Phân bố chuẩn (normal):

Biến ngẫu nhiên X được coi là có phân bố chuẩn nếu hàm mật độ xác suất f(x) có dạng:

2 2

2

2

1)

( σ

µπσ

Trong đó µ và σ là trung bình và độ lệch chuẩn của biến ngẫu nhiên

X

7 Các thông số đặc trưng của chuỗi thời gian:

ƒ Giá trị trung bình (mean) = ∑n X t

Xt = α1Xt-1 + α2Xt-2 + + αpXt-p + εt (2.16)

Với αi là các hệ số không đổi, εt là nhiễu trắng có trung bình

bằng 0

ƒ Mô hình trung bình trượt Moving Average MA(q): giá trị của

chuỗi thời gian tại thời điểm hiện tại được xác định từ trung bình trượt (có trọng số) của xung nhiễu tại thời điểm hiện tại và q thời điểm trước đó:

Xt = εt + β1εt-1 + β2εt-2 + + βqεt-q (2.17) Với βi là các hệ số không đổi, εi là các nhiễu trắng có trung bình bằng 0

ƒ Mô hình kết hợp ARMA(p,q):

Xt = α1Xt-1 + α2Xt-2 + + αpXt-p + εt + β1εt-1 + β2εt-2 + + βqεt-q (2.12) Mô hình này là sự kết hợp của hai mô hình trên

Trong đó mô hình hồi quy tự động bậc 1 AR(1) được sử dụng phổ

biến nhất để mô phỏng số liệu bức xạ theo giờ

Mô hình ARMA chỉ áp dụng được khi chuỗi thời gian có phân bố

chuẩn (normal) và không có các thành phần biến đổi theo quy luật

xác định (trend) và các thành phần biến đổi theo chu kỳ (seasonal

components)

9 Kỹ thuật ma trận chuyển đổi Markov:

Đây là một kỹ thuật thường sử dụng trong các bài toán về chuỗi thời gian, dựa trên số liệu đo, người ta xây dựng một ma trận xác suất

chuyển đổi giữa các trạng thái Từ ma trận này, nếu có một trạng thái

ban đầu và xác suất chuyển đổi, chúng ta sẽ xác định được trạng thái kế tiếp

Để tăng cường độ chính xác, người ta thường chia lớp các trạng thái, số lớp càng nhiều thì độ chính xác càng cao

10 Kỹ thuật chuẩn hóa Gaussian:

Do các mô hình ARMA chỉ áp dụng được với những chuỗi số liệu có phân bố chuẩn, do đó để áp dụng các mô hình ARMA lên các số liệu

đo nhằm tìm ra qui luật biến đổi của chuỗi thời gian, người ta cần phải biến đổi chuỗi số liệu này thành một chuỗi số liệu có phân bố chuẩn (standard normal) bằng kỹ thuật chuẩn hóa Gaussian

Kỹ thuật chuẩn hóa Gaussian dựa vào hàm phân bố xác suất CDF(Y) (Cummulative Distribution Function) của số liệu đo Y để xây dựng hàm số biến đổi CDF(Y) thành chuỗi số liệu X có phân bố chuẩn, sau đó các mô hình ARMA được áp dụng lên chuỗi số liệu X này để tìm

ra các qui luật thống kê

Chương 3 PHÂN TÍCH, CHỌN LỰA

MÔ HÌNH VÀ XÂY

DỰNG CHƯƠNG TRÌNH

I CÁC PHƯƠNG PHÁP XÂY DỰNG MÔ HÌNH TÍNH K T :

1 Phương pháp Graham:

Từ kết quả nghiên cứu của Liu và Jordan [21] cho thấy phân bố của KTchỉ phụ thuộc vào giá trị trung bình tháng K T và không phụ thuộc vào mùa khảo sát, do đó muốn xác định được KT cần xác định được biểu thức biểu diễu đường cong phân bố KT Nhóm Bendt [5] đã phân tích số liệu trong 20 năm tại 90 địa điểm trên nước Mỹ và đưa ra các kết quả sau:

- Hàm mật độ xác suất của giá trị KT:

) exp(

) , (K T K T C K T

Trong đó hằng số C được cho bởi:

)exp(

)exp( K T,max K T,min

C

γγ

) exp(

) exp(

1 )

exp(

1

max , min

,

max , max

, min

, min

,

T T

T T

T T

T

K K

K K

K K

K

γγ

γγ

γγ

) exp(

) exp(

) exp(

) (

max , min

,

min ,

T T

T T

T

K K

K K

K f

γγ

γγ

−

−

Biểu thức này được nhận thấy rất phù hợp với đường cong do Liu và Jordan xây dựng ngoại trừ ở vùng giá trị KT cao Tuy nhiên, nhóm

Saunier [29] trong nghiên cứu của mình đã phát hiện ra rằng cả đường cong Liu và Jordan lẫn biểu thức do nhóm Bendt xây dựng đều không phù hợp với đường cong phân bố KT ở những vùng khí hậu nhiệt đới và đã bổ sung một biểu thức mới cho vùng khí hậu nhiệt đới

Tuy đã có hàm xác suất tích lũy KT từ giá trị K T, nhưng do chuỗi thời gian KT là chuỗi thời gian không chuẩn, do đó để áp dụng mô hình

ARMA lên chuỗi số liệu KT cần phải biến đổi chuỗi KT thành chuỗi thời gian có đặc tính chuẩn Sử dụng kỹ thuật chuẩn hóa Gaussian, nhóm Graham [15] đã biến đổi biến số KT thành một biến có phân bố chuẩn χ

2 1

T j T

K F

t t

Trong đó: χt-1: là giá trị của biến ở t-1

Φ1: là hệ số hồi qui tự động

εt: là một giá trị ngẫu nhiên từ một phân bố chuẩn với giá trị trung bình là 0 và độ lệch chuẩn là σ = 1−Φ1

Hệ số Φ1 có xu hướng thay đổi nhẹ theo địa phương Nhưng giá trị trung bình Φ1 = 0.29 có thể được sử dụng để tính toán cho nhiều địa

Chúng ta cần lưu ý rằng lý thuyết tính toán KT theo phương pháp Graham được xây dựng trên cơ sở dữ liệu đo từ các địa điểm trên nước Mỹ và đã được nhận xét rằng không phù hợp ở những vùng

KT cao và các vùng khí hậu nhiệt đới

2 Phương pháp Aguiar

Thay vì sử dụng kỹ thuật chuẩn hóa Gaussian để biến đổi chuỗi số liệu đo đạc, nhóm Aguiar [1] đã sử dụng kỹ thuật ma trận chuyển đổi Markov (MTM), phân tích dữ liệu bức xạ ngày trong 300 tháng từ 9 trạm khí tượng ở những vùng khí hậu khác nhau và trên cơ sở đó xây dựng được 1 thư viện 10 ma trận MTM 10 × 10 các MTM này được phân lớp theo các giá trị K t:

1 Lớp đầu tiên có K T ≤ 0.30

2 Với K T từ 0.30 đến 0.70 được chia thành 08 tám lớp cách nhau 0.05

3 Lớp cuối cùng có K T > 0.70

Mô hình này được áp dụng tính toán cho nhiều địa phương và được nhận xét là cho kết quả tốt hơn mô hình của Graham [15] trong hầu hết các trường hợp khi xem xét các đặc tính thống kê (vd: giá trị trung bình, độ lệch và hàm mật độ xác suất) và các đặc tính liên quan giữa các số liệu trong chuỗi Một ưu điểm nữa của mô hình Anguiar là tính toán đơn giản

II PHÂN TÍCH, CHỌN LỰA MÔ HÌNH TÍNH K T TỪ K T:

Để tính toán các giá trị KT từ giá trị trung bình tháng K t, phương pháp Aguiar được chọn áp dụng vì các lý do sau:

4 Các biểu thức tính toán do Graham đưa ra có nền tảng từ kết quả nghiên cứu của nhóm Bendt [5] vốn được xây dựng từ số liệu của nước Mỹ, do đó chắc chắn không phù hợp với các vùng khí hậu nhiệt đới như Việt Nam, điều này được nhóm Saunier [29] nhận định như đã nói ở trên, và ngay cả ở những vùng KT cao thì các biểu thức trên cũng không phù hợp với đường cong do Liu và Jordan

5 Nhược điểm trên của phương pháp Graham có thể được khắc phục nếu bổ sung các biểu thức cho các vùng khí hậu nhiệt đới do nhóm Saunier [29] xây dựng, nhưng việc sử dụng biểu thức này chưa được các nhà khoa học kiểm chứng đầy đủ và sẽ tạo ra 1 mô hình tính toán phức tạp, phụ thuộc khí hậu

6 Các địa điểm mà nhóm Aguiar sử dụng số liệu đo để xây dựng các

ma trận MTM bao gồm nhiều vùng khí hậu đặc trưng, trong các địa điểm này có 1 địa điểm có khí hậu tương đồng với miền Bắc Việt Nam là Macao (loại Caw) và 1 địa điểm có khí hậu tương đồng với miền Nam Việt Nam là Polana, Mozambique (loại Aw) do đó việc sử dụng phương pháp này sẽ phù hợp với Việt Nam hơn

III CÁC MA TRẬN MTM VÀ CÁCH SỬ DỤNG:

Thư viện 10 ma trận MTM được phân lớp theo các giá trị KT và bảng

Bảng 3.1: Thư viện ma trận MTM và bảng giới hạn KTmax và KTmin

0.229 0.333 0.208 0.042 0.083 0.042 0.042 0.021 0.000 0.0000.167 0.319 0.194 0.139 0.097 0.028 0.042 0.000 0.014 0.0000.250 0.250 0.091 0.136 0.091 0.046 0.046 0.023 0.068 0.0000.158 0.237 0.158 0.263 0.026 0.053 0.079 0.026 0.000 0.0000.211 0.053 0.211 0.158 0.053 0.053 0.158 0.105 0.000 0.0000.125 0.125 0.250 0.188 0.063 0.125 0.000 0.125 0.000 0.0000.240 0.240 0.080 0.120 0.080 0.080 0.120 0.120 0.080 0.0400.000 0.250 0.000 0.125 0.000 0.125 0.125 0.250 0.063 0.0630.000 0.250 0.000 0.125 0.250 0.000 0.250 0.000 0.000 0.125

T

K ≤0.30

0.000 0.000 0.000 0.000 0.000 0.000 0.500 0.250 0.000 0.250

0.000 0.000 0.091 0.000 0.364 0.091 0.182 0.000 0.273 0.0000.118 0.118 0.176 0.118 0.059 0.118 0.176 0.059 0.059 0.0000.067 0.267 0.067 0.200 0.067 0.000 0.133 0.133 0.000 0.0670.118 0.235 0.000 0.235 0.059 0.176 0.118 0.000 0.059 0.0000.077 0.154 0.308 0.077 0.154 0.077 0.000 0.077 0.077 0.0000.083 0.000 0.167 0.250 0.083 0.167 0.000 0.083 0.167 0.0000.222 0.222 0.000 0.111 0.111 0.000 0.111 0.222 0.000 0.0000.091 0.182 0.273 0.000 0.091 0.273 0.000 0.091 0.000 0.0000.111 0.111 0.111 0.222 0.000 0.000 0.000 0.222 0.111 0.111

0.30<K T≤0.35

0.000 0.000 0.000 0.000 0.000 0.000 0.500 0.000 0.000 0.500

0.206 0.088 0.176 0.176 0.088 0.029 0.176 0.029 0.029 0.0000.120 0.100 0.140 0.160 0.120 0.220 0.100 0.000 0.020 0.0200.077 0.123 0.185 0.123 0.077 0.139 0.092 0.123 0.061 0.0000.048 0.111 0.095 0.206 0.206 0.190 0.095 0.048 0.000 0.0000.059 0.137 0.118 0.137 0.098 0.118 0.118 0.157 0.059 0.0000.014 0.097 0.139 0.153 0.125 0.139 0.208 0.056 0.042 0.0280.073 0.101 0.116 0.145 0.087 0.159 0.203 0.087 0.029 0.0000.019 0.037 0.111 0.056 0.074 0.111 0.185 0.296 0.074 0.0370.035 0.069 0.035 0.000 0.035 0.103 0.172 0.138 0.379 0.0350.35<K T≤0.40

0.000 0.167 0.167 0.000 0.167 0.000 0.000 0.333 0.000 0.167

0.167 0.167 0.167 0.000 0.083 0.125 0.000 0.167 0.125 0.0000.117 0.117 0.150 0.117 0.083 0.117 0.200 0.067 0.017 0.0170.049 0.085 0.134 0.158 0.098 0.110 0.134 0.134 0.061 0.0370.039 0.090 0.141 0.141 0.167 0.141 0.090 0.141 0.039 0.0130.009 0.139 0.074 0.093 0.194 0.139 0.167 0.093 0.074 0.0190.036 0.018 0.117 0.099 0.144 0.180 0.180 0.117 0.072 0.0360.000 0.046 0.061 0.061 0.136 0.159 0.273 0.167 0.098 0.0000.016 0.056 0.080 0.128 0.104 0.080 0.160 0.208 0.136 0.0320.011 0.053 0.021 0.043 0.128 0.096 0.074 0.223 0.277 0.074

0.40<K T≤0.45

0.000 0.074 0.037 0.000 0.074 0.074 0.074 0.074 0.333 0.259

0.120 0.200 0.160 0.120 0.120 0.120 0.080 0.000 0.040 0.0400.100 0.080 0.120 0.140 0.140 0.200 0.180 0.040 0.000 0.0000.046 0.114 0.068 0.171 0.125 0.171 0.080 0.159 0.057 0.0110.015 0.061 0.084 0.099 0.191 0.153 0.153 0.115 0.115 0.0150.024 0.030 0.098 0.098 0.165 0.195 0.195 0.140 0.043 0.0120.015 0.026 0.062 0.124 0.144 0.170 0.170 0.222 0.062 0.0050.000 0.013 0.045 0.108 0.112 0.175 0.188 0.224 0.117 0.0180.008 0.023 0.054 0.066 0.093 0.125 0.191 0.253 0.183 0.0040.006 0.022 0.061 0.033 0.067 0.083 0.139 0.222 0.322 0.044

0.45<K T≤0.50

0.000 0.046 0.091 0.091 0.046 0.046 0.136 0.091 0.273 0.182

0.250 0.179 0.107 0.107 0.143 0.071 0.107 0.036 0.000 0.0000.133 0.022 0.089 0.111 0.156 0.178 0.111 0.133 0.067 0.0000.064 0.048 0.143 0.048 0.175 0.143 0.206 0.095 0.079 0.0000.000 0.022 0.078 0.111 0.156 0.156 0.244 0.167 0.044 0.0220.016 0.027 0.037 0.069 0.160 0.219 0.230 0.160 0.075 0.0050.013 0.025 0.030 0.093 0.144 0.202 0.215 0.219 0.055 0.0040.006 0.041 0.035 0.064 0.090 0.180 0.337 0.192 0.049 0.0060.012 0.021 0.029 0.035 0.132 0.123 0.184 0.371 0.082 0.0120.008 0.016 0.016 0.024 0.071 0.103 0.159 0.270 0.309 0.0240.50<K T≤0.55

0.000 0.000 0.000 0.000 0.059 0.000 0.059 0.294 0.412 0.176

0.217 0.087 0.000 0.174 0.130 0.087 0.087 0.130 0.087 0.0000.026 0.079 0.132 0.079 0.026 0.158 0.158 0.132 0.158 0.0530.020 0.020 0.020 0.040 0.160 0.180 0.160 0.200 0.100 0.1000.025 0.013 0.038 0.076 0.076 0.139 0.139 0.266 0.215 0.0130.030 0.030 0.050 0.020 0.091 0.131 0.162 0.283 0.131 0.0710.006 0.006 0.013 0.057 0.057 0.121 0.204 0.287 0.185 0.0640.004 0.026 0.037 0.030 0.093 0.107 0.193 0.307 0.167 0.0370.011 0.009 0.014 0.042 0.041 0.071 0.152 0.418 0.203 0.0410.012 0.022 0.022 0.038 0.019 0.050 0.113 0.281 0.360 0.084

0.55<K T≤0.60

0.008 0.024 0.039 0.039 0.063 0.039 0.118 0.118 0.284 0.268

0.067 0.133 0.133 0.067 0.067 0.200 0.133 0.133 0.067 0.0000.118 0.059 0.059 0.059 0.059 0.118 0.118 0.235 0.118 0.0590.000 0.024 0.024 0.049 0.146 0.073 0.195 0.244 0.195 0.0490.026 0.000 0.026 0.026 0.053 0.184 0.263 0.184 0.237 0.0000.014 0.000 0.042 0.056 0.069 0.097 0.139 0.306 0.278 0.0000.009 0.009 0.052 0.069 0.052 0.112 0.215 0.285 0.138 0.0600.009 0.009 0.026 0.017 0.094 0.099 0.232 0.283 0.210 0.0210.010 0.014 0.016 0.019 0.027 0.062 0.163 0.467 0.202 0.0190.004 0.007 0.031 0.017 0.033 0.050 0.086 0.252 0.469 0.050

0.60<K T≤0.65

0.000 0.000 0.015 0.046 0.031 0.046 0.077 0.123 0.446 0.215

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.0000.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.0000.000 0.000 0.000 0.000 0.000 0.000 0.250 0.250 0.500 0.0000.000 0.000 0.000 0.000 0.250 0.000 0.000 0.375 0.250 0.1250.000 0.000 0.000 0.083 0.000 0.167 0.167 0.250 0.333 0.0000.000 0.000 0.042 0.042 0.042 0.083 0.083 0.292 0.292 0.1250.000 0.000 0.032 0.000 0.000 0.032 0.129 0.387 0.355 0.0650.000 0.000 0.000 0.038 0.038 0.075 0.047 0.340 0.415 0.0470.004 0.004 0.007 0.007 0.011 0.030 0.052 0.141 0.654 0.0890.65<K T≤0.70

0.000 0.000 0.000 0.000 0.061 0.061 0.030 0.030 0.349 0.470

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.0000.100 0.100 0.100 0.100 0.100 0.100 0.100 0.100 0.100 0.1000.000 0.000 0.000 0.250 0.000 0.000 0.000 0.500 0.250 0.0000.000 0.000 0.143 0.143 0.000 0.143 0.143 0.429 0.000 0.0000.000 0.000 0.000 0.200 0.000 0.000 0.200 0.400 0.200 0.0000.000 0.000 0.000 0.000 0.000 0.000 0.222 0.444 0.333 0.0000.000 0.000 0.000 0.000 0.080 0.080 0.080 0.480 0.240 0.0400.000 0.000 0.027 0.009 0.027 0.018 0.135 0.523 0.252 0.0090.000 0.000 0.000 0.022 0.000 0.043 0.043 0.326 0.511 0.054

ƒ Cách sử dụng các ma trận MTM để tính các giá trị KT:

Giả sử ta có 1 dãy số K T của 12 tháng như sau:

Tháng 1 Tháng 2 …… Tháng 11 Tháng 12

T

K 0,435 0,345 …… 0,464 0,452

Tiến hành tính toán KT1 cho ngày 1 tháng 1 như sau:

Do tháng 1 có K T = 0,435 nằm trong khoảng {0,4 ; 0,5} nên ma trận được chọn sẽ là ma trận 4, cùng với K Tmin = 0,052 và K Tmax = 0,753 Để tính toán giá trị KT của một ngày, cần biết trạng thái trước đó,

nghĩa là giá trị KT của ngày hôm trước, do ngày 1/1 là ngày đầu tiên trong năm nên giá trị KT0 của ngày hôm trước được chọn là K T của

tháng 12 = 0,452

Tiến hành chia K Tmin và K Tmax thành 10 khoảng có bước là:

Step = ( max – min)/10 = 0,0701

Ta thấy giá trị K T của tháng 12 là 0,452 thuộc khoảng {0,402 ;

0,472} là khoảng thứ 6 của đoạn {K Tmin ; K Tmax} do đó hàng được chọn sẽ là hàng thứ 6 của ma trận số 4

Lấy 1 giá trị R ngẫu nhiên trong khoảng {0 ; 1}, ví dụ R = 0,25, giá trị này sẽ dùng để xác định trạng thái KT

Công lần lượt các giá trị trong hàng 6 của ma trận 4 từ trái sang phải cho đến khi tổng các giá trị này lớn hơn R, tương ứng với cột j

Ví dụ: Với R=0,25

P61 + P62 + P63 + P64 = 0,271 > 0,25 = R Vậy j=4

KT1 = K Tmin + (j – 1)×step + step/2

Các ngày sau đó tính toán theo cách tương tự, sử dụng giá trị KT tính được của ngày hôm trước làm trạng thái trước để tính cho ngày hôm sau

IV XÂY DỰNG CHƯƠNG TRÌNH:

Từ 12 giá trị H tb của 12 tháng và các giá trị H0 tính theo lý thuyết, ta tính được 12 giá trị K T của 12 tháng

Với mỗi giá trị K T của từng tháng, ta sử dụng ma trận MTM tương ứng để xác định các giá trị KT cho từng ngày trong tháng đó như sau:

a Chọn ma trận MTM và các giá trị K Tmin, K Tmax tương ứng với K T

của tháng

b Xác định trạng thái KT0 ban đầu:

Với ngày đầu tiên trong tháng 1: KT0 lấy bằng giá trị K T của tháng 12