[发明专利]基于辐照度特征参数的天气类型辨识方法

权利要求书

1.一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D_kd定义为：

,

其中，E_g(i)为第i个时间点的地外辐照度理论值，E_m(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。

2.根据权利要求1所述的基于辐照度特征参数的天气类型辨识方法，其特征是，所述k阶导数差D_kd中k的取值范围为1～5。

3.根据权利要求2所述的基于辐照度特征参数的天气类型辨识方法，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。