[发明专利]基于辐照度特征参数的天气类型辨识方法

说明书

技术领域

本发明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，属于数据处理技术领域。

背景技术

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。

发明内容

本发明的目的在于针对现有技术之弊端、提供一种基于辐照度特征参数的天气类型辨识方法，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。

本发明所述问题是以下述技术方案实现的：

一种基于辐照度特征参数的天气类型辨识方法，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：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。

上述基于辐照度特征参数的天气类型辨识方法，在支持向量机天气类型辨识模型的训练和验证过程以及缺失的光伏电站逐日天气类型辨识过程中，应根据计算得到的天气类型辨识参数指标集中的各辐照度特征参数的数值大小对其进行归一化处理。