The vulnerability of fossil fuel prices to worldwide events such as the recent coronavirus (COVID‐19) pandemics increases the interest in renewable energy resources that offer more stable energy generation costs. Solar energy is one of the most abundant renewable energy resources that have gained significant interest in the last decades with various challenges related to the forecastingof the energy production from these systems. Solar radiation intensity varies due to the daily and seasonal changes in the sun's position in addition to the variation in the sky clearness from one location to another which is considered as an important factor that affects the deployment of solar energy systems. This study aims to develop statistical models—mainly regression models and parametric model based on ASHRAE model—to estimate the hourly diffuse radiation in Budapest as a case study using the measured hourly global and diffuse radiation between 2011 and 2018. The prediction models relate the clearness index (which is obtained from the extraterrestrial and global radiation) and the global radiation through a generalized equation. The parametric model was developed by finding the optimal site‐specific constants of ASHRAE model for Budapest using the measured data that minimize the root mean square error. In addition, this study presents a comparison between the results from the developed models and the models reported in the literature. The results indicate that all the developed regression models had close correlation coefficients (R²) where the linear, power, and exponential models had the largest R² (.69). Finally, the linear model was evaluated on a dataset outside the test data range where the linear model was capable of predicting the diffuse radiation with much better R² (.93).

中文翻译：

---

布达佩斯市每小时扩散辐射强度的统计估计

化石燃料价格易受全球性事件（例如最近的冠状病毒（COVID-19）大流行）影响的脆弱性，增加了人们对可再生能源的兴趣，可再生能源可提供更稳定的能源生产成本。太阳能是近几十年来倍受关注的最丰富的可再生能源之一，它面临着与预测这些系统的能源生产有关的各种挑战。除了从一个位置到另一个位置的天空净度变化之外，太阳辐射强度还由于太阳位置的每日和季节性变化而变化，这被认为是影响太阳能系统部署的重要因素。这项研究旨在开发统计模型（主要是基于ASHRAE模型的回归模型和参数模型），以使用在2011年至2018年之间测得的每小时全球辐射和弥散辐射为例，估计布达佩斯的每小时散射辐射。指数（从地外和全球辐射获得）和通过广义方程得出的全球辐射。通过使用最小化均方根误差的测量数据，找到布达佩斯的ASHRAE模型的最佳现场特定常数，从而开发了参数模型。此外，本研究提出了已开发模型的结果与文献报道的模型之间的比较。结果表明，所有已开发的回归模型均具有紧密的相关系数（预测模型通过一个广义方程将净度指数（从地外和全球辐射获得）与总体辐射联系起来。通过使用最小化均方根误差的测量数据，找到布达佩斯的ASHRAE模型的最佳现场特定常数，从而开发了参数模型。此外，本研究提出了已开发模型的结果与文献报道的模型之间的比较。结果表明，所有已开发的回归模型均具有紧密的相关系数（预测模型通过一个广义方程将净度指数（从地外和全球辐射获得）与总体辐射联系起来。通过使用最小化均方根误差的测量数据，找到布达佩斯的ASHRAE模型的最佳现场特定常数，从而开发了参数模型。此外，本研究提出了已开发模型的结果与文献报道的模型之间的比较。结果表明，所有已开发的回归模型均具有紧密的相关系数（通过使用最小化均方根误差的测量数据，找到布达佩斯的ASHRAE模型的最佳现场特定常数，从而开发了参数模型。此外，本研究提出了已开发模型的结果与文献报道的模型之间的比较。结果表明，所有已开发的回归模型均具有紧密的相关系数（通过使用最小化均方根误差的测量数据，找到布达佩斯的ASHRAE模型的最佳现场特定常数，从而开发了参数模型。此外，本研究提出了已开发模型的结果与文献报道的模型之间的比较。结果表明，所有已开发的回归模型均具有紧密的相关系数（R ²），其中线性，幂和指数模型的R ²最大（0.69）。最后，在测试数据范围之外的数据集上评估线性模型，其中线性模型能够以更好的R ²（.93）预测扩散辐射。