[發明專利]輻照預報的處理方法、堆疊泛化模型的訓練方法及裝置

在審

• 申請號: 201911112640.0
• 申請日: 2019-11-14
• 公開（公告）號: CN111091138A
• 公開（公告）日: 2020-05-01
• 發明（設計）人: 董子博;姚穎;趙洋洋;楊恢;趙清聲
• 申請（專利權）人: 遠景智能國際私人投資有限公司;上海遠景科創智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06Q50/26
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 寧立存

1.一種輻照預報的處理方法，其特征在于，所述方法包括：

獲取目標時段的輻照預報數據，所述目標時段的輻照預報數據包括：至少一個信息源提供的針對所述目標時段內傾角輻照的至少一個預報值；

調用堆疊泛化模型，所述堆疊泛化模型包括第一層泛化器和第二層泛化器；

通過所述第一層泛化器根據所述目標時段的輻照預報數據，確定中間預報數據；

通過所述第二層泛化器根據所述中間預報數據，確定所述目標時段的輸出預報值。

2.根據權利要求1所述的方法，其特征在于，所述第一層泛化器包括k個泛化器，k為大于1的整數；

所述通過所述第一層泛化器根據所述目標時段的輻照預報數據，確定中間預報數據，包括：

通過所述k個泛化器分別根據所述目標時段的輻照預報數據，得到k個中間預報值；

其中，所述中間預報數據包括所述k個中間預報值。

3.根據權利要求1所述的方法，其特征在于，所述堆疊泛化模型的訓練過程如下：

構建n個訓練樣本，每個訓練樣本包括一個歷史時段的輻照預報數據，以及所述歷史時段內傾角輻照的測量值，所述n為大于1的整數；

采用所述n個訓練樣本對所述堆疊泛化模型進行訓練，得到完成訓練的所述堆疊泛化模型。

4.根據權利要求3所述的方法，其特征在于，所述采用所述n個訓練樣本對所述堆疊泛化模型進行訓練，得到完成訓練的所述堆疊泛化模型，包括：

從所述n個訓練樣本中選取m個訓練樣本，所述m為大于1且小于所述n的正整數；

采用所述m個訓練樣本的輻照預報數據和測量值，對所述第一層泛化器進行訓練，得到完成訓練的所述第一層泛化器；

通過所述第一層泛化器根據所述n個訓練樣本中除去所述m個訓練樣本之外的n-m個訓練樣本的輻照預報數據，確定所述n-m個訓練樣本的中間預報數據；

采用所述n-m個訓練樣本的中間預報數據和測量值，對所述第二層泛化器進行訓練，得到完成訓練的所述第二層泛化器。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述通過所述第二層泛化器根據所述中間預報數據，確定所述目標時段的輸出預報值之后，還包括：

調用功率曲線模型，根據所述輸出預報值計算所述目標時段內太陽輻射的預報功率。

6.一種堆疊泛化模型的訓練方法，其特征在于，所述堆疊泛化模型包括第一層泛化器和第二層泛化器，所述方法包括：

構建n個訓練樣本，每個訓練樣本包括一個歷史時段的輻照預報數據，以及所述歷史時段內傾角輻照的測量值，所述歷史時段的輻照預報數據包括：至少一個信息源提供的針對所述歷史時段內傾角輻照的至少一個預報值，所述n為大于1的整數；

采用所述n個訓練樣本對所述堆疊泛化模型進行訓練，得到完成訓練的所述堆疊泛化模型。

7.一種輻照預報的處理裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取目標時段的輻照預報數據，所述目標時段的輻照預報數據包括：至少一個信息源提供的針對所述目標時段內傾角輻照的至少一個預報值；

模型調用模塊，用于調用堆疊泛化模型，所述堆疊泛化模型包括第一層泛化器和第二層泛化器；

數據確定模塊，用于通過所述第一層泛化器根據所述目標時段的輻照預報數據，確定中間預報數據；

預報值確定模塊，用于通過所述第二層泛化器根據所述中間預報數據，確定所述目標時段的輸出預報值。

8.一種堆疊泛化模型的訓練裝置，其特征在于，所述堆疊泛化模型包括第一層泛化器和第二層泛化器，所述裝置包括：

樣本構建模型，用于構建n個訓練樣本，每個訓練樣本包括一個歷史時段的輻照預報數據，以及所述歷史時段內傾角輻照的測量值，所述歷史時段的輻照預報數據包括：至少一個信息源提供的針對所述歷史時段內傾角輻照的至少一個預報值，所述n為大于1的整數；

模型訓練模塊，用于采用所述n個訓練樣本對所述堆疊泛化模型進行訓練，得到完成訓練的所述堆疊泛化模型。