[发明专利]一种基于常规天气预报的直接辐射预测方法

说明书

本发明提供一种基于常规天气预报的直接辐射预测方法，根据天气类型分类算法，采用优选的统计方法将天气类型分类，得到天气类型分类模型；根据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；根据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。本发明提出的方法克服了季节变化对于直接辐射预测的影响，解决了直接辐射数据缺失问题及获得更准确的直接辐射数据，能够精确的对光热电站未来24小时的直接辐射进行预测；其计算精确高且所需的计算资源较少，且能取得较好的预测效果，为光热电站的发电功率预测提供了数据基础；进而保证了光热电站的正常运行。

技术领域

本发明涉及光热电站发电功率预测技术领域，具体涉及一种基于常规天气预报的直接辐射预测方法。

背景技术

太阳能集热发电和太阳能光伏发电不同，只能利用太阳能直接辐射(DNI)。因此，DNI数值是太阳能集热发电站发电功率预测的首要依据。太阳直接辐射分布决定了可发电的最大潜力，它主要受到天文辐射、大气吸收和地形遮挡影响。

目前，关于太阳直接辐射数据的预测主要依靠公式计算法、数值天气预报预测法等。其中，公式计算法只能定性的计算太阳直接辐射数据，其精度较低，而数值天气预报预测法由于计算量大，且需要较多的观测站数据。

发明内容

有鉴于此，本发明提供的一种基于常规天气预报的直接辐射预测方法，该方法克服了季节变化对于直接辐射预测的影响，解决直接辐射数据缺失问题及获得更准确的直接辐射数据，能够精确的对光热电站未来24小时的直接辐射进行预测；相较于单纯的公式计算法精确度更好，而相较于数值天气预报方法所需的计算资源较少，且能取得较好的预测效果，为光热电站的发电功率预测提供了数据基础；进而保证了光热电站的正常运行。

本发明的目的是通过以下技术方案实现的：

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，采用优选的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。

优选的，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。

优选的，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。

优选的，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；