一种太阳辐射预测方法、系统、存储介质及电子设备技术方案

本发明专利技术公开了一种太阳辐射预测方法、系统、存储介质及电子设备，其中方法包括：获取太阳辐射时序数据集和气压时序数据集；将第一数据集输入到训练好的第一神经网络模型中得到预测日的平均气压，第一数据集包括预测日的瞬时气压、预测前一日的平均气压和日内气压差；将第一数据集和预测日的平均气压输入到训练好的第二神经网络模型中得到预测日的清晰度指数，并确定预测日的太阳辐射水平；将第一数据集、预测前一日的太阳辐射值和预测日的太阳辐射水平输入到训练好的第三神经网络模型中得到预测日的太阳辐射预测值。本发明专利技术能排除噪音数据的干扰，提高预测太阳辐射值的准确性；所需的气象数据较少，能提高太阳辐射值预测的效率。效率。效率。

【技术实现步骤摘要】
一种太阳辐射预测方法、系统、存储介质及电子设备


[0001]本专利技术涉及太阳辐射预测
，尤其是涉及一种太阳辐射预测方法、系统、存储介质及电子设备。

技术介绍

[0002]利用清洁能源替代传统能源是我国实现碳达峰、碳中和目标的重要手段。在构建新型电力系统的大背景下，太阳能被认为是最有希望大规模发电并网的可再生能源，具有广阔的应用前景。然而，与常规能源不同，受到太阳的周期性变化以及地球大气的影响，到达地面的太阳能具有间歇性、波动性、不稳定性等特点。对到达地面的太阳能进行预测可以为光伏电厂发电计划、电网调度规划、电力市场交易提供科学依据，为新型电力系统的稳定安全运行提供保障。
[0003]神经网络方法已经在图像识别、系统控制、系统决策等众多领域得到了广泛的应用。神经网络对于非线性较强的数据、图像的处理能力使得它也可以对高波动性的太阳能进行预测。目前，已经有一些研究利用神经网络对太阳辐射进行预测的方法。然而，受天文和气象因素影响，太阳辐射的变化十分剧烈，数据中的噪音数据干扰大，单一神经网络模型存在过分记住噪音特征，忽略真实输入输出关系的问题，对太阳辐射时间序列数据存在过拟合的现象，从而导致太阳辐射值的预测准确率较低。

技术实现思路

[0004]本专利技术的目的是提供一种太阳辐射预测方法、系统、存储介质及电子设备，以解决现有技术中受噪音数据干扰大而导致太阳辐射值的预测准确率较低的技术问题。
[0005]本专利技术的目的，可以通过如下技术方案实现：
[0006]一种太阳辐射预测方法，包括：
[0007]获取太阳辐射时序数据集和气压时序数据集；
[0008]将第一数据集输入到事先训练的第一神经网络模型中得到预测日的平均气压，所述第一数据集是根据所述气压时序数据集得到的，所述第一数据集包括预测日的瞬时气压、预测前一日的平均气压和日内气压差，所述日内气压差为预测日的瞬时气压与预测前一日的瞬时气压之差；
[0009]将第二数据集输入到事先训练的第二神经网络模型中得到预测日的清晰度指数，根据所述预测日的清晰度指数确定预测日的太阳辐射水平，所述第二数据集包括所述第一数据集和所述预测日的平均气压；
[0010]将第三数据集输入到事先训练的第三神经网络模型中得到预测日的太阳辐射预测值，所述第三数据集包括所述第一数据集、预测前一日的太阳辐射值和所述预测日的太阳辐射水平，所述预测前一日的太阳辐射值是根据所述太阳辐射时序数据集得到的。
[0011]可选地，所述预测日的瞬时气压为预测日上午8时的气压。
[0012]可选地，所述预测日的清晰度指数为预测日到达地面的太阳辐射值/预测日大气
层顶的太阳辐射值。
[0013]可选地，根据所述预测日的清晰度指数确定预测日的太阳辐射水平具体包括：
[0014]当时，表示太阳辐射水平较弱；
[0015]当时，表示太阳辐射水平中等；
[0016]当时，表示太阳辐射水平较强；
[0017]式中，CI表示预测日的清晰度指数。
[0018]本专利技术还提供了一种太阳辐射预测系统，包括：
[0019]数据获取模块，获取太阳辐射时序数据集和气压时序数据集；
[0020]平均气压确定模块，用于将第一数据集输入到事先训练的第一神经网络模型中得到预测日的平均气压，所述第一数据集是根据所述气压时序数据集得到的，所述第一数据集包括预测日的瞬时气压、预测前一日的平均气压和日内气压差，所述日内气压差为预测日的瞬时气压与预测前一日的瞬时气压之差；
[0021]太阳辐射水平确定模块，用于将第二数据集输入到事先训练的第二神经网络模型中得到预测日的清晰度指数，根据所述预测日的清晰度指数确定预测日的太阳辐射水平，所述第二数据集包括所述第一数据集和所述预测日的平均气压；
[0022]太阳辐射预测值确定模块，用于将第三数据集输入到事先训练的第三神经网络模型中得到预测日的太阳辐射预测值，所述第三数据集包括所述第一数据集、预测前一日的太阳辐射值和所述预测日的太阳辐射水平，所述预测前一日的太阳辐射值是根据所述太阳辐射时序数据集得到的。
[0023]可选地，所述预测日的瞬时气压为预测日上午8时的气压。
[0024]可选地，所述预测日的清晰度指数为预测日到达地面的太阳辐射值/预测日大气层顶的太阳辐射值。
[0025]可选地，太阳辐射水平确定模块根据所述预测日的清晰度指数确定预测日的太阳辐射水平具体包括：
[0026]当时，表示太阳辐射水平较弱；
[0027]当时，表示太阳辐射水平中等；
[0028]当时，表示太阳辐射水平较强；
[0029]式中，CI表示预测日的清晰度指数。
[0030]本专利技术还提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现太阳辐射预测方法。
[0031]本专利技术还提供了一种电子设备，包括处理器及存储器；
[0032]所述存储器用于存储计算机程序；
[0033]所述处理器用于执行所述计算机程序实现太阳辐射预测方法。
[0034]本专利技术提供了一种太阳辐射预测方法、系统、存储介质及电子设备，其中方法包
括：获取太阳辐射时序数据集和气压时序数据集；将第一数据集输入到事先训练的第一神经网络模型中得到预测日的平均气压，所述第一数据集是根据所述气压时序数据集得到的，所述第一数据集包括预测日的瞬时气压、预测前一日的平均气压和日内气压差，所述日内气压差为预测日的瞬时气压与预测前一日的瞬时气压之差；将第二数据集输入到事先训练的第二神经网络模型中得到预测日的清晰度指数，根据所述预测日的清晰度指数确定预测日的太阳辐射水平，所述第二数据集包括所述第一数据集和所述预测日的平均气压；将第三数据集输入到事先训练的第三神经网络模型中得到预测日的太阳辐射预测值，所述第三数据集包括所述第一数据集、预测前一日的太阳辐射值和所述预测日的太阳辐射水平，所述预测前一日的太阳辐射值是根据所述太阳辐射时序数据集得到的。
[0035]有鉴如此，本专利技术带来的有益效果是：
[0036]本专利技术并未直接通过单阶段神经网络模型对太阳辐射值进行预测，而是分阶段地分别对预测日的平均气压、清晰度指数和太阳辐射值进行预测。根据清晰度指数确定太阳辐射水平，能排除噪音数据的干扰，能尽可能地利用与天气系统变化密切关联的气象数据；然后再通过清晰度指数和气象数据对太阳辐射值进行预测，可以在一定程度上提高预测太阳辐射值的准确性。同时，本专利技术所需的气象数据较少，仅需要太阳辐射数据和气压数据，计算方便，能很大程度上提高太阳辐射值预测的效率。
附图说明
[0037]图1为本专利技术方法的流程示意图；
[0038]图2为本专利技术系统的结构示意图；
[0039]图3为本专利技术第一阶段神经网络流程图示意图；
[0040]图4为本专利技术第二阶段神经网络流程图示意图；
[0041]图5为本专利技术第三阶段神经网络流程图示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳辐射预测方法，其特征在于，包括：获取太阳辐射时序数据集和气压时序数据集；将第一数据集输入到事先训练的第一神经网络模型中得到预测日的平均气压，所述第一数据集是根据所述气压时序数据集得到的，所述第一数据集包括预测日的瞬时气压、预测前一日的平均气压和日内气压差，所述日内气压差为预测日的瞬时气压与预测前一日的瞬时气压之差；将第二数据集输入到事先训练的第二神经网络模型中得到预测日的清晰度指数，根据所述预测日的清晰度指数确定预测日的太阳辐射水平，所述第二数据集包括所述第一数据集和所述预测日的平均气压；将第三数据集输入到事先训练的第三神经网络模型中得到预测日的太阳辐射预测值，所述第三数据集包括所述第一数据集、预测前一日的太阳辐射值和所述预测日的太阳辐射水平，所述预测前一日的太阳辐射值是根据所述太阳辐射时序数据集得到的。2.根据权利要求1所述的太阳辐射预测方法，其特征在于，所述预测日的瞬时气压为预测日上午8时的气压。3.根据权利要求1所述的太阳辐射预测方法，其特征在于，所述预测日的清晰度指数为预测日到达地面的太阳辐射值/预测日大气层顶的太阳辐射值。4.根据权利要求1所述的太阳辐射预测方法，其特征在于，根据所述预测日的清晰度指数确定预测日的太阳辐射水平具体包括：当时，表示太阳辐射水平较弱；当时，表示太阳辐射水平中等；当时，表示太阳辐射水平较强；式中，CI表示预测日的清晰度指数。5.一种太阳辐射预测系统，其特征在于，包括：数据获取模块，获取太阳辐射时序数据集和气压时序数据集；平均气压确定模块，用于将第一数据集输入到事先训练的第一神经网络模型中得到预测日的平均气压，所述第一数据集是根据所述气压时序数据集得到的，所述第一...

【专利技术属性】
技术研发人员：黄晶，张贵峰，李昊，张海鹏，黎振宇，张志强，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：