[发明专利]户外实证预测模型库生成方法及系统

权利要求书

1.一种户外实证预测模型库生成方法，其特征在于，所述方法包括：

步骤一、汇总户外实证试验场采集并记录的所有受测光伏组串的实证测试结果数据和气象监测数据，建立户外实证数据库；

步骤二、选定所述户外实证数据库内在同一所述气象监测数据下受测的其中一组光伏组串，基于其所对应的用于实现比对的实证受测项目，提取所述实证受测项目对应的气象监测数据和实证测试结果数据，组成所述光伏组串的户外实证数据集，

其中，所述气象监测数据作为所述户外实证数据集的特征列，实证测试结果数据作为户外实证数据集的标签列；

步骤三、对所述户外实证数据集进行数据清洗与预处理；

步骤四、将经步骤三处理后的户外实证数据集打乱后分割为训练集、验证集和测试集，分别对所述训练集的离散型特征和连续型特征做编码与归一化处理，挖掘训练集的特征列与标签列之间的内在联系，生成标签列基于特征列的预测模型，

其中，所述训练集的数据量大于所述验证集与所述测试集的数据量之和；

步骤五、评估步骤四中所生成的预测模型在测试集数据上的准确度，若准确度高于预设临界值，存储所述预测模型；若准确度低于预设临界值，则对所述预测模型进行优化；

步骤六、迭代步骤二至步骤五，直至获得所有光伏组串的预测模型，汇总所有预测模型生成户外实证实验结果的预测模型库。

2.根据权利要求1所述户外实证预测模型库生成方法，其特征在于，所述步骤三，包括对所述特征列进行特征转换、对所述标签列进行清洗，对特征列的异常值进行清洗，对特征列的缺失值进行处理。

3.根据权利要求2所述户外实证预测模型库生成方法，其特征在于，进行特征转换的特征列包括日期的节气转换和时间的时段转换。

4.根据权利要求2所述户外实证预测模型库生成方法，其特征在于，对所述标签列的清洗，为将标签列中的缺失值所在的数据集记录行删除，以使标签列中没有缺失值。

5.根据权利要求2所述户外实证预测模型库生成方法，其特征在于，对特征列的异常值的清洗，为将该光伏组串的户外实证数据集降噪处理，方法如下：

极值筛查，为各特征列的数据设置合理的数值范围，对各特征列做数据统计，检查每特征列的最大值与最小值是否在设置的合理数值范围内；

逻辑筛查，对各特征列做特征分析，筛查出存在从属或依存关系的特征列，检查这些特征列的数据间是否存在不合逻辑的数值；

异常值处理，设置异常比例临界值M%，M0，低于临界值的特征列为异常度低特征列，反之为异常度高特征列；对异常度低特征列的异常值所在的户外实证数据集记录行做删除处理；对异常度高特征列的异常值在确保原始数据准确的前提下，对异常值做改动使之符合极值筛查与逻辑筛查的判定。

6.根据权利要求2所述户外实证预测模型库生成方法，其特征在于，对特征列的缺失值的处理，为将该光伏组串的户外实证数据集完整化，方法如下：

特征缺失情况分类，设置缺失度临界值N%，N0，低于临界值的特征列为缺失度低特征列，反之为缺失度高特征列；

对缺失度低特征列的缺失值所在的户外实证数据集记录行做删除处理；

对缺失度高特征列的缺失值进行填补，填补值还需再经过一次特征列异常值清洗的检验筛查。

7.根据权利要求1-6任一所述户外实证预测模型库生成方法，其特征在于，所述步骤四中，对所述训练集的离散型特征和连续型特征的编码与归一化处理后，使用基于训练集数据生成的编码与归一化模型将验证集与测试集的离散型和连续型特征列分别做编码与归一化处理。

8.根据权利要求7所述户外实证预测模型库生成方法，其特征在于，将所述预测模型应用在验证集上验证生成的预测模型的鲁棒性与稳定性，具体为，使用训练集数据训练预测模型时，不断用训练中的预测模型应用在验证集数据上验证预测模型的鲁棒性与稳定性。