[發明專利]一種高精度輻照數據的獲取方法、裝置及系統

在審

• 申請號: 202111307321.2
• 申請日: 2021-11-05
• 公開（公告）號: CN114091326A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 馬志強;高偉;楊保;高超;張銳;范方軍
• 申請（專利權）人: 合肥陽光智維科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06F3/08
• 代理公司: 北京隆源天恒知識產權代理有限公司 11473
• 代理人: 段守富

1.一種高精度輻照數據的獲取方法，其特征在于，包括：

獲取基準地域的低精度水平輻照數據，通過低精度輻照數據校準模型對所述低精度水平輻照數據進行校準得到所述基準地域的高精度水平輻照數據；

將氣象數據、地理數據和所述基準地域的高精度水平輻照數據輸入到不同地域間輻照數據換算模型中，預測得到任意目標地域的高精度水平輻照數據；

通過水平與斜面輻照數據換算模型將所述任意目標地域的高精度水平輻照數據轉換為所述任意目標地域的任意傾角的高精度斜面輻照數據。

2.根據權利要求1所述的高精度輻照數據的獲取方法，其特征在于，所述低精度輻照數據校準模型的構建過程包括：

針對不同輻照表消除系統誤差；

在同一地點部署傾斜角度相同的低精度輻照表和高精度輻照表以收集低精度總輻照數據和高精度總輻照數據；

基于隨機森林算法根據所述低精度總輻照數據和所述高精度總輻照數據進行低精度輻照表靈敏度和高精度輻照表靈敏度的擬合，以構建所述低精度輻照數據校準模型。

3.根據權利要求2所述的高精度輻照數據的獲取方法，其特征在于，所述基于隨機森林算法進行低精度輻照表靈敏度和高精度輻照表靈敏度的擬合包括：

構建原始訓練集；

對所述原始訓練集進行有放回的隨機抽樣，在抽樣后的每個訓練集中隨機選取多個特征建立不同的分類模型，通過投票決定最優分類以進行低精度輻照表靈敏度和高精度輻照表靈敏度的擬合。

4.根據權利要求1所述的高精度輻照數據的獲取方法，其特征在于，所述不同地域間輻照數據換算模型的構建過程包括：

針對不同輻照表消除系統誤差；

在同一區域內建立多個典型地面氣象站以獲取各地的水平總輻照數據、數值天氣預報及地理位置；

利用深度數據挖掘獲取所述數值天氣預報及所述地理位置的影響程度，根據所述水平總輻照數據和所述影響程度建立所述不同地域間輻照數據換算模型。

5.根據權利要求1所述的高精度輻照數據的獲取方法，其特征在于，所述水平與斜面輻照數據換算模型的構建過程包括：

針對不同輻照表消除系統誤差；

在同一地點布置水平輻照表與不同傾角的斜面輻照表以收集典型地域水平總輻照數據和典型地域傾斜總輻照數據，同時收集多種氣象指標數據；

基于輻照數據與所述氣象指標數據的特征關系，利用GRU神經網絡模型構建直散分離模型；

根據所述直散分離模型和Perez物理模型構建所述水平與斜面輻照數據換算模型。

6.根據權利要求5所述的高精度輻照數據的獲取方法，其特征在于，所述通過水平與斜面輻照數據換算模型將所述任意目標地域的高精度水平輻照數據轉換為所述任意目標地域的任意傾角的高精度斜面輻照數據包括：

將所述任意目標地域的高精度水平輻照數據輸入所述直散分離模型得到水平面的直射和散射輻照數據，將所述水平面的直射和散射輻照數據輸入所述Perez物理模型得到任意傾角的斜面直射和散射輻照數據，并根據所述任意傾角的斜面直射和散射輻照數據得到所述任意目標地域的任意傾角的高精度斜面輻照數據。

7.根據權利要求5所述的高精度輻照數據的獲取方法，其特征在于，所述氣象指標數據包括太陽高度角、時角、方位角、溫濕度、風速、風向、海拔、氣壓和晴空系數。

8.一種高精度輻照數據的獲取裝置，其特征在于，包括：

校準模塊，用于獲取基準地域的低精度水平輻照數據，通過低精度輻照數據校準模型對所述低精度水平輻照數據進行校準得到所述基準地域的高精度水平輻照數據；

換算模塊，用于將氣象數據、地理數據和所述基準地域的高精度水平輻照數據輸入到不同地域間輻照數據換算模型中，預測得到任意目標地域的高精度水平輻照數據；

轉化模塊，用于通過水平與斜面輻照數據換算模型將所述任意目標地域的高精度水平輻照數據轉換為所述任意目標地域的任意傾角的高精度斜面輻照數據。