[发明专利]一种太阳总辐射预测方法和装置

权利要求书

1.一种太阳总辐射预测方法，其特征在于，包括：

基于预先设定的影响太阳总辐射的环境要素，对获取的预测时段的气象数据、地形数据和排放源数据进行处理，得到新能源电站所在地的环境要素数据；

基于所述新能源电站所在地的环境要素数据和预先构建的神经网络预测模型对太阳总辐射进行预测；

所述神经网络预测模型通过环境要素数据确定。

2.根据权利要求1所述的太阳总辐射预测方法，其特征在于，所述环境要素的设定，包括：

通过环境自动监测站和气象自动监测站分别采集历史环境要素和历史太阳总辐射；

计算历史环境要素和历史太阳总辐射的相关系数；

基于所述相关系数，并按照预设比例确定环境要素。

3.根据权利要求1所述的太阳总辐射预测方法，其特征在于，所述环境要素包括：PM2.5、O₃、SO₂、NO₂中的一种或多种。

4.根据权利要求1所述的太阳总辐射预测方法，其特征在于，所述神经网络预测模型按下述过程构建：

基于预先设定的环境要素获取历史天气监测数据和历史太阳总辐射作为训练数据；

采用神经网络模型对所述训练数据进行多次迭代训练，当迭代收敛后确定神经网络的权系数，并根据权系数得到实测太阳总辐射值与历史环境监测数据的对应关系；

基于实测太阳总辐射值与历史环境监测数据的对应关系确定神经网络预测模型。

5.根据权利要求1所述的太阳总辐射预测方法，其特征在于，所述基于所述新能源电站所在地的环境要素数据和预先构建的神经网络预测模型对太阳总辐射进行预测之后，还包括：

基于预测得到的预测时段太阳总辐射，采用卡尔曼滤波算法对预测时段太阳总辐射进行校正。

6.根据权利要求5所述的太阳总辐射预测方法，其特征在于，所述对获取的预测时段的气象数据、地形数据和排放源数据进行处理，得到新能源电站所在地的环境要素数据，包括：

将气象数据、地形数据和排放源数据插值到同一坐标系，并对插值后的数据进行耦合处理，形成前处理数据集；

基于中尺度化学模式，对前处理数据集在时间和空间尺度上进行滚动计算，生成包含预测时段环境要素的数据集；

从包含预测时段环境要素的数据集中提取新能源电站所在地的环境要素数据。

7.一种太阳总辐射预测装置，其特征在于，包括：

处理模块，用于基于预先设定的影响太阳总辐射的环境要素，对获取的预测时段的气象数据、地形数据和排放源数据进行处理，得到新能源电站所在地的环境要素数据；

预测模块，用于基于所述新能源电站所在地的环境要素数据和预先构建的神经网络预测模型对太阳总辐射进行预测；

所述神经网络预测模型通过环境要素数据确定。

8.根据权利要求7所述的太阳总辐射预测装置，其特征在于，所述装置还包括确定模块，所述确定模块按下以下过程设定环境要素：

通过环境自动监测站和气象自动监测站分别采集历史环境要素和历史太阳总辐射；

计算历史环境要素和历史太阳总辐射的相关系数；

基于所述相关系数，并按照预设比例确定环境要素。

9.根据权利要求7所述的太阳总辐射预测装置，其特征在于，所述环境要素包括：PM2.5、O₃、SO₂、NO₂中的一种或多种。