[发明专利]基于天气分型的水平面总辐射和散射辐射预测方法

权利要求书

1.一种基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于，包括以下步骤：

步骤S1，获取预定地区的历史太阳辐射数据、历史天文数据和历史气象数据，其中，所述历史太阳辐射数据至少包括历史散射辐射，所述历史气象数据包括多个气象环境因子；

步骤S2，基于所述历史天文数据和所述历史气象数据计算该地区的日照百分率，并基于该日照百分率将该地区的天气划分为多个天气类型；

步骤S3，将不同的所述气象环境因子引入水平面总辐射计算模型对其进行本地化修正，对于各个所述天气类型，选择预测误差最小的修正后的所述水平面总辐射计算模型作为其最优水平面总辐射计算模型，并利用该最优水平面总辐射计算模型预测该地区的水平面总辐射；

步骤S4，将所述历史气象数据引入直散分离模型对其进行本地化修正，对于各个所述天气类型，选择预测误差最小的修正后的所述直散分离模型作为其本地化直散分离模型；

步骤S5，在各个所述天气类型下对散射比和所述历史气象数据进行相关性分析，并根据分析结果将相关的所述气象环境环境因子引入所述本地化直散分离模型对其进行修正，得到各个所述天气类型下的最优直散分离模型；

步骤S6，将所述最优水平面总辐射计算模型和所述最优直散分离模型组成级联模型，并利用该级联模型预测该地区的散射辐射。

2.根据权利要求1所述的基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于：

其中，步骤S2中，所述日照百分率的计算公式为：

式中，n为日照时数，N为可照时数，

基于所述日照百分率将该地区的天气划分为多个所述天气类型包括：

当1＞S_p≥0.6时，对应天气为晴、晴转多云或多云转晴，划分为天气类型1；

当0.6＞S_p≥0.1时，对应天气为多云、阴转多云或多层转阴，划分为天气类型2；

当0.1＞S_p≥0时，对应天气为雨、雪、雾或霾，划分为天气类型3。

3.根据权利要求2所述的基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于：

其中，所述可照时数的计算公式为：

式中，为该地区的纬度，δ为该地区的赤纬角。

4.根据权利要求2所述的基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于：

其中，步骤S3中，所述天气类型1的所述最优水平面总辐射计算模型的表达式为：

所述天气类型2的所述最优水平面总辐射计算模型的表达式为：

所述天气类型3的所述最优水平面总辐射计算模型的表达式为：

式中，H₀为大气层外水平面上太阳辐射量，也称天文辐射，V为能见度，C为总云量，API为空气污染指数，ΔT为气温日较差，R_h为相对湿度，a₀、b₀、c₀、d₀为经验系数。

5.根据权利要求4所述的基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于：

其中，步骤S4中，所述天气类型1、所述天气类型3的所述本地化直散分离模型均为修正后的Jiang模型，其表达式为：

所述天气类型2的所述本地化直散分离模型为修正后的El-Sebaii模型，其表达式为：

式中，H_d为散射辐射，k_T为清晰度指数，a₁、b₁、c₁、d₁、e₁、f₁、g₁为经验系数。

6.根据权利要求5所述的基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于：

其中，所述清晰度指数的计算公式为：

式中，H为所述水平面总辐射，利用所述最优水平面总辐射计算模型计算得到。

7.根据权利要求5所述的基于天气分型的水平面总辐射和散射辐射预测方法，其特征在于：

其中，步骤S5中，

对于所述天气类型1，基于对应的所述本地化直散分离模型，采用GPR算法构建GPR模型，并通过主成分分析法将该GRP模型降维至3个因子，建立PCA-GPR模型，再将该地区的清晰度指数、日照百分率、能见度、相对湿度和空气污染指数引入该PCA-GPR模型进行训练，训练好的模型为所述天气类型1下的所述最优直散分离模型；

对于所述天气类型2，基于对应的所述本地化直散分离模型，采用GPR算法构建GPR模型，并将该地区的清晰度指数、日照百分率和总云量引入对该GPR模型进行训练，训练好的模型为所述天气类型2下的所述最优直散分离模型；

对于所述天气类型3，基于对应的所述本地化直散分离模型，采用GPR算法构建GPR模型，并将该地区的清晰度指数和日照百分率引入对该GPR模型进行训练，训练好的模型为所述天气类型3下的所述最优直散分离模型。