基于辐照度特征参数的天气类型辨识方法技术

一种基于辐照度特征参数的天气类型辨识方法，用于对光伏电站逐日历史数据中缺失的天气类型进行识别。其技术方案是，所述方法基于辐照度逐日变化规律和不同天气类型之间的内在关联关系，以辐照度特征参数作为输入，以天气类型作为输出，通过支持向量机方法建立天气类型辨识模型，利用天气类型信息完整的历史数据对其进行训练，拟合输入输出之间的非线性映射关系，进而通过该模型识别得到逐日数据记录中缺失的天气类型。本发明专利技术通过支持向量机模型实现了对缺失天气类型的有效辨识，消除了光伏电站逐日数据记录中天气类型信息缺失对分类预测算法实施的不利影响，为提高光伏电站辐照度和发电功率分类预测的准确性创造了有利条件。

【技术实现步骤摘要】

本专利技术涉及一种基于辐照度特征参数的支持向量机天气类型辨识方法，属于数据处理

技术介绍
光伏发电功率受各种气象因素(包括:太阳辐射、温度、风速、风向、相对湿度、气压、降水量、云量等)的影响，呈现出复杂的变化规律。其中又以太阳辐射的作用最为显著，辐照度正是衡量其强度的指标。太阳辐射经过大气层的衰减作用到达地球表面，大气层外的辐照度(地外辐照度)与大气物理状态无关，而地表的辐照度与大气物理状态密切相关，地外辐照度理论值与地表辐照度实测值之间的差别反映了大气物理状态。天气类型是大气物理状态的一种标签，综合了各气象因素在时间和空间上的分布，表征了天气状态的演变情况，不同天气状态下地表辐照度相对于地外辐照度的衰减程度不同。对于任意一天而言，总有一确定的标签反映其大气物理状态，即该日的天气类型是客观存在的，这些天气类型将直接影响光伏电站的发电效率。当前，光伏电站的天气类型信息由气象部门提供。根据不同天气类型对光伏电站逐日历史数据进行划分，可建立更高效、准确的辐照度和发电功率分类预测模型，改善预测效果，有利于光伏发电并网后的电力系统优化调度。然而，在光伏电站实际运行过程中，由于通讯干扰、信道受阻、传输中断、存储故障等问题，导致有些日期数据记录对应的天气类型标签缺失。这些缺失天气类型信息的数据无法作为分类预测模型的训练、验证数据使用，破坏了历史数据序列在时间上的连续性，降低了历史数据的可用性。因此，如何利用已有信息对缺失的天气类型进行识别，提高历史数据的可用性，是光伏电站辐照度和发电功率分类预测中亟待解决的问题。
技术实现思路
本专利技术的目的在于针对现有技术之弊端、提供一种，利用已有信息对缺失的天气类型进行识别，提高历史数据的可用性。本专利技术所述问题是以下述技术方案实现的: 一种，所述方法基于辐照度逐日变化规律和不同天气类型之间的内在关联关系，以辐照度特征参数作为输入，以天气类型作为输出，通过支持向量机方法建立天气类型辨识模型，利用天气类型信息完整的历史数据对其进行训练，拟合输入输出之间的非线性映射关系，进而通过该模型识别得到逐日数据记录中缺失的天气类型； 所述方法包括以下步骤: ①确定天气类型辨识参数指标集 所述天气类型辨识参数包括常规特征参数和自定义特征参数: a.常规特征参数描述辐照度逐日变化规律的常规特征参数包括:地外和地表辐照度的最大值、平均值、方差和累计值； b.自定义特征参数 描述辐照度逐日变化规律的自定义特征参数包括4阶导数差和离散差， k阶导数差定义为:权利要求1.一种，其特征是，所述方法基于辐照度逐日变化规律和不同天气类型之间的内在关联关系，通过支持向量机方法，建立天气类型辨识模型，拟合描述辐照度逐日变化规律的特征参数与天气类型之间的非线性映射关系，然后根据特征参数识别得到逐日数据记录中缺失的天气类型； 所述方法包括以下步骤: ①确定天气类型辨识参数指标集 所述天气类型辨识参数包括常规特征参数和自定义特征参数: a.常规特征参数 描述辐照度逐日变化规律的常规特征参数包括:地外和地表辐照度的最大值、平均值、方差和累计值； b.自定义特征参数 描述辐照度逐日变化规律的自定义特征参数包括4阶导数差和离散差， k阶导数差定义为:2.根据权利要求1所述的，其特征是，所述左阶导数差/^中k的取值范围为I 5。3.根据权利要求2所述的，其特征是，所述天气类型辨识模型的建 模方法采用的是支持向量机方法。全文摘要一种，用于对光伏电站逐日历史数据中缺失的天气类型进行识别。其技术方案是，所述方法基于辐照度逐日变化规律和不同天气类型之间的内在关联关系，以辐照度特征参数作为输入，以天气类型作为输出，通过支持向量机方法建立天气类型辨识模型，利用天气类型信息完整的历史数据对其进行训练，拟合输入输出之间的非线性映射关系，进而通过该模型识别得到逐日数据记录中缺失的天气类型。本专利技术通过支持向量机模型实现了对缺失天气类型的有效辨识，消除了光伏电站逐日数据记录中天气类型信息缺失对分类预测算法实施的不利影响，为提高光伏电站辐照度和发电功率分类预测的准确性创造了有利条件。文档编号G06F19/00GK103116711SQ20131007621公开日2013年5月22日 申请日期2013年3月11日 优先权日2013年3月11日专利技术者王飞, 米增强 申请人:华北电力大学(保定)本文档来自技高网...

【技术保护点】
一种基于辐照度特征参数的天气类型辨识方法，其特征是，所述方法基于辐照度逐日变化规律和不同天气类型之间的内在关联关系，通过支持向量机方法，建立天气类型辨识模型，拟合描述辐照度逐日变化规律的特征参数与天气类型之间的非线性映射关系，然后根据特征参数识别得到逐日数据记录中缺失的天气类型；所述方法包括以下步骤：①确定天气类型辨识参数指标集所述天气类型辨识参数包括常规特征参数和自定义特征参数：a.常规特征参数描述辐照度逐日变化规律的常规特征参数包括：地外和地表辐照度的最大值、平均值、方差和累计值；b.自定义特征参数描述辐照度逐日变化规律的自定义特征参数包括：k阶导数差和离散差，k阶导数差Dkd定义为：,其中，Eg(i)为第i个时间点的地外辐照度理论值，Em(i)为第i个时间点的地表辐照度实测值，n为当日辐照度数据记录的个数；离散差LS定义为：?,根据光伏电站辐照度数据的实际情况选择上述特征参数的组合，确定天气类型辨识参数指标集；②建立支持向量机天气类型辨识模型将步骤①确定的天气类型辨识参数指标集中的变量作为支持向量机模型的输入，光伏电站逐日天气类型信息作为支持向量机模型的理想输出，建立基于支持向量机的天气类型辨识模型；③训练和验证支持向量机天气类型辨识模型针对天气类型信息完整的光伏电站逐日历史数据，分别计算天气类型辨识参数指标集中的各辐照度特征参数，然后选择其中的一部分作为支持向量机辨识模型的训练样本，训练该模型，其余部分作为验证数据，对模型的辨识效果进行校验；④辨识缺失的光伏电站逐日天气类型针对天气类型信息缺失的光伏电站逐日历史数据，分别计算天气类型辨识参数指标集中的各辐照度特征参数，然后将上述特征参数序列输入步骤③生成的支持向量机辨识模型，得到对应日期的天气类型。2013100762157100001dest_path_image001.jpg,418347dest_path_image002.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：王飞，米增强，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：