[发明专利]一种基于常规天气预报的直接辐射预测方法

权利要求书

1.一种基于常规天气预报的直接辐射预测方法，其特征在于，所述方法包括如下步骤：

步骤1.根据天气类型分类算法，采用统计方法将所述天气类型分类，得到天气类型分类模型；

步骤2.根据所述天气类型分类模型及历史直接辐射数据，建立天气类型曲线模型；

步骤3.根据所述天气类型曲线模型及输入常规天气预报数据，建立直接辐射预测模型，得到未来24小时的直接辐射预测数据；

所述步骤1包括：

1-1.根据直接辐射的大小及变化趋势，通过每日均值聚类将天气类型分为晴云天样本和阴天样本；得到晴云天样本模型及阴天样本模型；

1-2.在所述晴云天样本模型中根据每日差分均值将其分为晴天样本和晴间多云天样本，得到晴天样本模型及晴间多云天样本模型；

所述1-1包括：

a.对每日日出日落时间范围内的辐射数据求取每日均值，利用k-均值聚类方法，得到晴天样本和阴天样本；

b.根据所述晴天样本均值的最小值，得到阴天样本及晴天样本的分类极值；进而得到晴云天样本模型及阴天样本模型；

所述1-2包括：

c.对每日日出日落时间范围内的辐射数据进行差分，求得到差分值得到每日差分均值Y_j：

式(1)中，X_i+1表示第j日的i+1时刻的直接辐射值；n代表每日的直接辐射样本个数；X_i表示第j日的i时刻的直接辐射值；

d.根据k-均值聚类方法，将每日差分均值进行聚类，得到晴天样本和晴间多云天样本；

其中，所述k-均值聚类方法是以随机选取的k个样本作为起始中心点，将除k之外的其余样本归入相似度最高中心点所在的簇，再确立当前簇中样本坐标的均值为新的中心点，依次循环迭代下去，直至所有样本所属类别不再变动；

e.根据晴间多云天样本均值分类的最大值，得到晴天样本和晴间多云天样本的分类极值；进而得到晴天样本模型及晴间多云天样本模型。

2.如权利要求1所述的方法，其特征在于，所述步骤2包括：

2-1.根据所述晴天样本、晴间多云天样本、阴天样本的曲线拟合，分别得到晴天样本、晴间多云天样本及阴天样本曲线；

2-2.采用局部加权回归散点平滑法分别对所述晴天样本、晴间多云天样本及阴天样本曲线进行拟合，建立所述天气类型曲线模型。

3.如权利要求2所述的方法，其特征在于，所述2-2中的所述局部加权回归散点平滑法包括：

f.计算指定窗口内各个直接辐射数据点的初始权重，权重函数表达为数值之间欧氏距离比值的立方函数；

g.利用初始权重进行回归估计，利用估计式的残差定义稳健的权函数，计算新的权重；

h.根据所述新的权重，重复步骤g修正权函数，直到第N步后得到收敛的多项式；

i.根据所述多项式和权重得到任意点的光滑值。

4.如权利要求1所述的方法，其特征在于，所述步骤3包括：

3-1.输入未来24小时的常规天气预报数据，并根据所述天气类型分类模型将其分为晴天、晴间多云以及阴天预报数据；

3-2.根据所述晴天、晴间多云以及阴天预报数据及所述天气类型曲线模型，建立直接辐射预测模型，得到未来24小时的直接辐射预测数据。