This paper is concerned with the choice of clear-sky model in solar forecasting. This issue is discussed from three perspectives: (1) accessibility, (2) forecast performance, and (3) statistical properties. Accessibility refers to the time and effort involved in obtaining clear-sky irradiance through a clear-sky model. Forecast performance is analyzed through a new concept called “mean square error (MSE) scaling,” which allows one to decompose the MSE of reference irradiance forecasts into three terms, each carrying a notion of predictability. The decomposition, however, resides on the assumption that the clear-sky index time series is stationary. In this regard, the stationarity assumption is investigated using statistical hypotheses. It is found that even the best clear-sky models, such as the REST2 model, are not able to produce a stationary clear-sky index time series. Instead, the time series is only local stationary, which, in the present context, means that its statistical properties change slowly with the value of clear-sky irradiance. Contrary to the common belief that a better clear-sky model leads to better forecasts, no evidence suggests that the more intricate REST2 has an advantage over the simpler Ineichen–Perez model, in terms of forecast performance. In that, accessibility becomes the primary concern when opting a clear-sky model for forecasting purposes. At this point, the McClear model, available as a web service for worldwide locations at 1-, 15-, and 60-min resolutions, is highly recommended.

中文翻译：

---

太阳预报中晴空模型的选择

本文主要研究太阳预报中晴空模式的选择。这个问题从三个角度讨论：（1）可访问性，（2）预测性能，和（3）统计特性。可访问性是指通过晴空模型获得晴空辐照度所需的时间和精力。预测性能通过一种称为“均方误差 (MSE) 标度”的新概念进行分析，该概念允许将参考辐照度预测的 MSE 分解为三个术语，每个术语都带有可预测性的概念。然而，分解基于晴空指数时间序列是平稳的假设。在这方面，使用统计假设来研究平稳性假设。发现即使是最好的晴空模型，例如 REST2 模型，无法产生平稳的晴空指数时间序列。相反，时间序列只是局部平稳的，在目前的情况下，这意味着它的统计特性随着晴空辐照度的值而缓慢变化。与更好的晴空模型会带来更好的预测的普遍看法相反，没有证据表明更复杂的 REST2 在预测性能方面优于更简单的 Ineichen-Perez 模型。因此，在选择晴空模型进行预测时，可访问性成为首要考虑的问题。在这一点上，强烈推荐使用 McClear 模型，该模型可作为全球范围内 1、15 和 60 分钟分辨率的网络服务提供。意味着它的统计特性随着晴空辐照度值的变化而缓慢变化。与更好的晴空模型会带来更好的预测的普遍看法相反，没有证据表明更复杂的 REST2 在预测性能方面优于更简单的 Ineichen-Perez 模型。因此，在选择晴空模型进行预测时，可访问性成为首要考虑的问题。在这一点上，强烈推荐使用 McClear 模型，该模型可作为全球范围内 1、15 和 60 分钟分辨率的网络服务提供。意味着它的统计特性随着晴空辐照度值的变化而缓慢变化。与更好的晴空模型会带来更好的预测的普遍看法相反，没有证据表明更复杂的 REST2 在预测性能方面优于更简单的 Ineichen-Perez 模型。因此，在选择晴空模型进行预测时，可访问性成为首要考虑的问题。在这一点上，强烈推荐使用 McClear 模型，该模型可作为全球范围内 1、15 和 60 分钟分辨率的网络服务提供。因此，在选择晴空模型进行预测时，可访问性成为首要考虑的问题。在这一点上，强烈推荐使用 McClear 模型，该模型可作为以 1 分钟、15 分钟和 60 分钟分辨率为全球地点提供的 Web 服务。因此，在选择晴空模型进行预测时，可访问性成为首要考虑的问题。在这一点上，强烈推荐使用 McClear 模型，该模型可作为全球范围内 1、15 和 60 分钟分辨率的网络服务提供。