一种超短期辐照度预测方法及装置与流程

1.本发明涉及光伏技术领域，尤其涉及一种超短期辐照度预测方法及装置。


背景技术：

2.随着光伏技术的发展，越来越多的光伏电站开始接入电网。但是由于光伏发电具有随机性和波动性，会给电网的安全运行带来一系列的问题，为了提高电网消纳光伏发电的能力，需要通过精准的辐照度预测功能提前预测发电能力。
3.现有的地基云图预测模型技术方案中，大多是利用数字图像处理技术提取与辐射相关的图像特征:然后将大气层外辐射、大气质量、图像亮度和云量作为影响因子，将地表辐射作为预测目标，建立了径向基函数回归预测模型，最后根据光电转换模型实现超短期辐照度预测，该方法通过传统图像处理方式人工提取图像的特征和其他影响因子训练模型，存在预测结果偏差较大的问题。


技术实现要素：

4.本发明提供了一种超短期辐照度预测方法及装置，以提高了超短期辐照度预测的预测精度。
5.根据本发明的一方面，提供了一种超短期辐照度预测方法，包括：
6.获取用于对地基云图进行分类的分类模型、用于预测地基云图的预测模型、当前时刻的地基云图和历史时刻的地基云图；其中，所述历史时刻的地基云图包括多个不同时刻的地基云图；所述分类模型包含地基云图、时间与辐照度的匹配关系；
7.将所述当前时刻的地基云图和所述历史时刻的地基云图，输入所述预测模型获取预测地基云图；其中，所述预测地基云图为未来某时刻的地基云图；
8.基于所述分类模型，对所述预测地基云图进行分类匹配；
9.根据匹配到的分类结果确定预测辐照度。
10.可选地，在获取所述分类模型之前，还包括：建立所述分类模型；
11.所述建立所述分类模型的步骤包括：
12.根据历史时刻的地基云图和历史辐照数据建立辐照度数据库；其中，所述辐照度数据库包含多种云图分类，不同的所述云图分类对应不同的辐照度；
13.对所述辐照度数据库进行云图分类，得到所述分类模型。
14.可选地，根据历史时刻的地基云图和历史辐照数据建立辐照度数据库的步骤包括：
15.获取所述历史时刻的地基云图和所述历史辐照数据；
16.将所述历史时刻的地基云图和所述历史辐照数据进行匹配得到具有辐照度信息的地基云图，并建立辐照度数据库。
17.可选地，将所述历史时刻的地基云图和所述历史辐照数据进行匹配的步骤包括：
18.获取所述历史时刻的地基云图的拍摄时间和所述历史辐照数据的测量时间；
19.对比所述历史时刻的地基云图的拍摄时间和所述历史辐照数据的测量时间是否相同；
20.若所述历史辐照数据的测量时间与所述历史时刻的地基云图的拍摄时间相同，则将所述历史辐照数据写入所述历史时刻的地基云图。
21.可选地，所述分类模型的建立采用resnet-53分类网络模型；
22.其中，所述地基云图的特征包括：云层特征、天空特征和太阳特征，resnet-53层卷积层的数量为36层。
23.可选地，还包括：针对所述云层特征，在卷积层和压平层之间增加金字塔池化层。
24.可选地，对所述辐照度数据库进行云图分类的步骤包括：
25.将所述具有辐照度的地基云图根据月份进行分类，得到月份辐照数据；
26.将所述月份辐照数据划分间隔，每个间隔对应一个云图分类，一个所述云图分类对应所述间隔范围的辐照数据。
27.可选地，在获取所述预测模型之前，还包括：根据所述历史时刻的地基云图建立预测模型。
28.可选地，根据所述历史时刻的地基云图建立预测模型的步骤包括：
29.获取所述历史时刻的地基云图的拍摄时间；
30.获取所述历史时刻的地基云图的像素变化特征；
31.根据所述历史时刻的地基云图的拍摄时间和所述历史时刻的地基云图的像素特征确定所述预测模型。
32.可选地，对所述预测地基云图进行分类匹配的步骤包括：
33.获取所述预测地基云图的图像特征；
34.将所述预测地基云图的图像特征和所述辐照度数据库中的数据进行对比；
35.将所述预测地基云图根据对比结果进行分类。
36.根据本发明的另一方面，还提供了一种超短期辐照度预测装置，该预测装置包括：
37.数据库模块，用于根据历史时刻的地基云图建立辐照度数据库；
38.获取模块，用于获取当前时刻的地基云图和历史时刻的地基云图；
39.预测模块，用于基于预测模型根据所述历史时刻的地基云图和所述当前时刻的地基云图计算预测地基云图；
40.分类模块，用于基于分类模型根据所述辐照度数据库对所述预测地基云图进行分类。
41.本发明实施例基于预测模型，通过当前时刻的地基云图和多幅连续的历史时刻的地基云图对预测地基云图进行计算；并基于分类模型对所计算出的预测地基云图进行分类，根据分类结果对查询该分类所对应的辐照度或者辐照度范围，从而得出预测辐照度。本发明实施例基于预测模型和分类模型对超短期辐照度进行预测，提高了超短期辐照度预测的预测精度。
42.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
43.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
44.图1是本发明实施例提供的一种超短期辐照度预测方法的流程图；
45.图2是本发明实施例提供的另一种超短期辐照度预测方法的流程图；
46.图3是本发明实施例提供的又一种超短期辐照度预测方法的流程图；
47.图4是本发明实施例提供的又一种超短期辐照度预测方法的流程图；
48.图5是本发明实施例提供的标定有辐照度的地基云图的示意图；
49.图6是本发明实施例提供的一种分类模型的示意图；
50.图7是本发明实施例提供的又一种超短期辐照度预测方法的流程图；
51.图8是本发明实施例提供又一种超短期辐照度预测方法的流程图；
52.图9是本发明实施例提供的一种预测模型建立方法的示意图；
53.图10是本发明实施例提供的一种预测模型的预测模式的示意图；
54.图11是本发明实施例提供的一种超短期辐照度预测装置的预测流程图。
具体实施方式
55.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
56.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
57.本发明实施例提供了一种超短期辐照度预测方法。该预测方法可以应用于光伏发电场景中，用于对短期内的辐照度进行预测。图1是本发明实施例提供的一种超短期辐照度预测方法的流程图。参照图1，该预测方法包括：
58.s110、获取用于对地基云图进行分类的分类模型、用于预测地基云图的预测模型、当前时刻的地基云图和历史时刻的地基云图；其中，历史时刻的地基云图包括多个不同时刻的地基云图；分类模型包含地基云图、时间与辐照度的匹配关系。
59.可以理解，当前时刻的地基云图和历史时刻的地基云图均是通过全天空地面成像仪所拍摄的天空的图像。分类模型用于对地基云图进行识别，并将识别后的地基云图进行分类。预测模型用于对未来短期时间的地基云图进行预测。不难理解，预测模型在对未来短
期时间的地基云图进行预测时，需要基于历史时刻的地基云图获取短期时间内地基云图的变化趋势，该变化趋势表征了地基云图的变换规律，同时也间接性的表征了辐照度的变化趋势。历史时刻的地基云图是相较于现在而言的，历史时刻即相较于当前时刻而言，这里所说的历史时刻是指当前时刻之前的时刻，例如上一时刻。在预测模型获取短期时间内的地基云图的变化趋势时需要对多个历史时刻的地基云图进行识别，以获取更为精准的变化趋势。当然，以上所说的多个历史时刻是相较于当前时刻的时刻，多个历史时刻是连续的，且多个连续的历史时刻与当前时刻的时间差距保证在较短的时间内，以保证所获取的变化趋势更为符合当前时刻地基云图的实际变化趋势。
60.s120、将当前时刻的地基云图和历史时刻的地基云图，输入预测模型获取预测地基云图；其中，预测地基云图为未来某时刻的地基云图。
61.可以理解，输入至预测模型的历史时刻的地基云图包括多个不同时刻的地基云图，该多个不同时刻的地基云图在时间线上是连续的，且均是当前时刻的地基云图之前时刻的地基云图。在预测模型计算预测地基云图之前，预测模型首先获取地基云图的变化趋势。示例性地，地基云图的变化趋势的获取方式可以采用光流法进行确定。不难理解，光流法是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。
62.s130、基于分类模型，对预测地基云图进行分类匹配。
63.具体地，分类模型即图像分类模型，通过把一幅图输入到分类模型中，得到图像所属的类别。示例性地，针对不同的月份、不同的图像特征对预测地基云图进行分类，该类别可以是在相同月份中具有相近图像特征的的地基云图分类。在预测模型计算预测地基云图之后，将该预测地基云图输入至分类模型中，对该预测地基云图进行分类。
64.s140、根据匹配到的分类结果确定预测辐照度。
65.可以理解，不同的分类结果对应不同的辐照度，每一个地基云图的分类结果均对应一个辐照度或辐照度范围，在对地基云图进行分类后即可得出预测辐照度。在分类模型给出分类结果后，根据分类结果查询该分类结果所对应的辐照度或辐照度范围即可得出预测辐照度。
66.本发明实施例基于预测模型，通过当前时刻的地基云图和多幅连续的历史时刻的地基云图对预测地基云图进行计算；并基于分类模型对所计算出的预测地基云图进行分类，根据分类结果对查询该分类所对应的辐照度或者辐照度范围，从而得出预测辐照度。本发明实施例基于预测模型和分类模型对超短期辐照度进行预测，提高了超短期辐照度预测的预测精度。
67.图2是本发明实施例提供的另一种超短期辐照度预测方法的流程图。在上述实施例的基础上，在获取分类模型之前，还包括：建立分类模型；
68.可选地，参照图2，建立分类模型的步骤包括：
69.s210、根据历史时刻的地基云图和历史辐照数据建立辐照度数据库；其中，辐照度数据库包含多种云图分类，不同的云图分类对应不同的辐照度。
70.不难理解，分类模型的分类依赖于辐照度数据库。辐照度数据库中存储有大量的云图参考数据，云图参考数据为分类模型的分类提供了参考依据。需要说明的是，辐照度数据库中的数据本质上为历史数据，该历史数据包括有历史时刻的地基云图和历史的辐照
度。
71.s220、对辐照度数据库进行云图分类，得到分类模型。
72.具体地，在对辐照度数据库进行分类时可以根据时间以及辐照度大小按照一定的规则对云图进行分类，不同的云图分类代表不同的辐照度或辐照度范围，为分类模型的运行提供了强有力的数据支持。
73.图3是本发明实施例提供的又一种超短期辐照度预测方法的流程图。在上述实施例的基础上，可选地，参照图3，根据历史时刻的地基云图建立辐照度数据库的步骤包括：
74.s211、获取历史时刻的地基云图和历史辐照数据。
75.具体地，辐照度数据库的建立依赖于历史时刻的地基云图和历史辐照数据。示例性地，历史时刻的地基云图和历史辐照数据的获取方式例如可以为认为输入，也可以是自动读取，本实施例对此不作限制。
76.s212、将历史时刻的地基云图和历史辐照数据进行匹配得到具有辐照度信息的地基云图，并建立辐照度数据库。
77.具体地，地基云图数据和辐照度数据分属于两种不同类型的数据，在建立辐照度数据库时需要对地基云图数据和辐照度数据进行整合，从而使地基云图与辐照度进行对应。不难理解，历史时刻的地基云图均是不同时刻的地基云图，由于地基云图实质为天空的图像，因此在不同的时刻中，地基云图所显示的图像也存有差异，在此基础上结合辐照度数据即可使地基云图与辐照度相对应。
78.图4是本发明实施例提供的又一种超短期辐照度预测方法的流程图。在上述实施例的基础上，可选地，参照图4，将历史时刻的地基云图和历史辐照数据进行匹配的步骤包括：
79.s2121、获取历史时刻的地基云图的拍摄时间和历史辐照数据的测量时间。
80.具体地，在历史时刻的地基云图中包含有拍摄时间，历史辐照数据中包含有辐照度的测量时间。
81.s2122、对比历史时刻的地基云图的拍摄时间和历史辐照数据的测量时间是否相同。
82.具体地，对历史时刻的地基云图的拍摄时间和历史辐照数据的测量时间进行对比，以确定历史时刻的地基云图的拍摄时间和历史辐照数据的测量时间是否为同一时间，即，确定历史时刻的地基云图是否可以与历史辐照数据中的辐照度进行对应，以确保历史时刻的地基云图与历史辐照数据中的辐照度的对应关系准确。
83.s2123、若历史辐照数据的测量时间与历史时刻的地基云图的拍摄时间相同，则将历史辐照数据写入历史时刻的地基云图。
84.具体地，在确保历史时刻的地基云图与历史辐照数据中的辐照度的对应关系准确后，将拍摄时间和测量时间相同的地基云图和辐照度相结合，即，将辐照度标定在历史时刻的地基云图中。图5是本发明实施例提供的标定有辐照度的地基云图的示意图。参照图5，此时的地基云图中除半含有图像信息外还包含有辐照度信息，如图5所示，由方框标定的即为辐照度信息。需要说明的是，历史时刻的地基云图的拍摄时间和历史辐照数据的测量时间在实际应用中会存在一定的时间差距，在一定的差距范围内应认为历史时刻的地基云图的拍摄时间和历史辐照数据的测量时间属于同一时间，该差距范围可以根据实际应用时的情
况自行定义，本实施例对此不做限制。
85.在上述实施例的基础上，可选地，分类模型的建立采用resnet-53分类网络模型；其中，地基云图的特征包括：云层特征、天空特征和太阳特征，resnet-53层卷积层的数量为36层。
86.图6是本发明实施例提供的一种分类模型的示意图。具体地，参照图6，由于地基云图相对比较简单，只有云层，天空，太阳三个类别，无需提取高维度信息，因此减少网络模型的深度，将resnet-53层卷积层缩减为36层，在不降低分类准确率的条件下提高了计算效率。
87.在上述实施例的基础上，可选地，该分类网络模型还包括：针对云层特征，在卷积层和压平层之间增加金字塔池化层。
88.具体地，添加金字塔池化层。由于云层是非刚性目标，在地基云图中占比和形状都具有较大不确定性，为了更好地提取全局和细节特征，添加了空间金字塔池化层。该层通过3个不同大小的卷积核，分别提取较大、适中和较小的图像信息，然后在深度维度上进行concat(函数)拼接和维度调整，经展平处理后，输出n类分类结果。
89.图7是本发明实施例提供的又一种超短期辐照度预测方法的流程图。在上述实施例的基础上，可选地，参照图7，对辐照度数据库进行云图分类的步骤包括：
90.s221、将具有辐照度的地基云图根据月份进行分类，得到月份辐照数据。
91.具体地，地基云图的拍摄时间中包含有月份信息，根据地基云图的拍摄时间中的月份信息对地基云图进行分类。
92.s222、将月份辐照数据划分间隔，每个间隔对应一个云图分类，一个云图分类对应间隔范围的辐照数据。
93.可以理解，月份辐照数据一共包含有12个分类，分别对应一年中的1月-12月，每一个月份辐照度范围不通，每一个月份的划分间隔也不同。表一示例性的给出了一组月份辐照数据，具体可参考表一。
94.表一
95.月份辐照度范围划分间隔1月0-200w/m2102月0-300w/m2103月0-400w/m2104月0-500w/m2155月0-800w/m2156月0-1300w/m2207月0-1500w/m2208月0-1700w/m2209月0-1400w/m22010月0-1000w/m22011月0-600w/m21512月0-200w/m210
96.图8是本发明实施例提供又一种超短期辐照度预测方法的流程图。在上述实施例
的基础上，可选地，参照图8，对预测地基云图进行分类匹配的步骤包括：
97.s131、获取预测地基云图的图像特征。
98.具体地，分类模型对预测地基云图进行识别，得到预测地基云图的图像特征。
99.s132、将预测地基云图的图像特征和辐照度数据库中的数据进行对比。
100.具体地，分类模型首先读取预测地基云图的时间信息，然后根据时间信息确定预测地基云图所属的月份，将预测地基云图的图像特征与辐照度数据库中对应的月份分类中所保存的地基云图进行对比，确定预测地基云图在此月份中的云图分类。
101.s133、将预测地基云图根据对比结果进行分类。
102.具体地，不同的分类结果对应不同的辐照度，每一个地基云图的分类结果均对应一个辐照度或辐照度范围，在对地基云图进行分类后即可得出预测辐照度。在分类模型给出分类结果后，根据分类结果查询该分类结果所对应的辐照度或辐照度范围即可得出预测辐照度。
103.在上述实施例的基础上，可选地，在获取预测模型之前，还包括：根据历史时刻的地基云图建立预测模型。
104.图9是本发明实施例提供的一种预测模型建立方法的示意图。在上述实施例的基础上，可选地，参照图9，根据历史时刻的地基云图建立预测模型的步骤包括：
105.s310、获取历史时刻的地基云图的拍摄时间。
106.在历史时刻的地基云图中包含有拍摄时间，该拍摄时间中包含有图像的成像的具体月份和时间信息。
107.s320、获取历史时刻的地基云图的像素变化特征。
108.具体地，像素变化特征可以由至少两幅在时间上连续的地基云图中得出。示例性地，地基云图随着时间的流逝，其本身也会发生变化，其具体的变化包括太阳的所处位置，云层的位置，天空在图像中的占比。在以上特征变化中寻找像素的变化规律或变化规则，从而得到像素变化特征。不难理解，以上所说的至少两幅在时间上连续的地基云图的拍摄地点需要在同一位置。
109.s330、根据历史时刻的地基云图的拍摄时间和历史时刻的地基云图的像素特征确定预测模型。
110.图10是本发明实施例提供的一种预测模型的预测模式的示意图。示例性地，参照图10，预测模型可以使用经典的光流法来实现，输入模型的是当前t时刻及过去t-1，t-2，t-3时刻的4幅云图图像，输出结果是未来t时刻的一幅云图图像。
111.本发明实施例还提供了一种超短期辐照度预测装置。该预测装置包括：
112.数据库模块，用于根据历史时刻的地基云图建立辐照度数据库；
113.获取模块，用于获取当前时刻的地基云图和历史时刻的地基云图；
114.预测模块，用于基于预测模型根据历史时刻的地基云图和当前时刻的地基云图计算预测地基云图；
115.分类模块，用于基于分类模型根据辐照度数据库对预测地基云图进行分类。
116.图11是本发明实施例提供的一种超短期辐照度预测装置的预测流程图。参照图11，超短期辐照度预测装置的工作流程如下：
117.获取模块首先读取当前时刻的地基云图、历史地基云图库的数据和历史辐照仪数
据库的数据，并将历史地基云图库的数据和历史辐照仪数据库的数据发送至数据库模块，将当前时刻的地基云图和历史地基云图库的数据发送至预测模型。
118.数据库模块对历史地基云图库的数据和历史辐照仪数据库的数据进行辐照度匹配以及类别划分，并将整理好的历史地基云图库数据和历史辐照仪数据库的数据发送至分类模块中。
119.预测模块根据历史地基云图库的数据计算出地基云图的像素变化特征，并根据地基云图的像素变化特征和当前时刻的地基云图计算出预测地基云图，并将预测地基云图发送至分类模块中。
120.分类模块根据整理好的历史地基云图库数据和历史辐照仪数据库的数据对预测地基云图进行分类，并根据分类结果输出预测辐照度。
121.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
122.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种超短期辐照度预测方法，其特征在于，包括：获取用于对地基云图进行分类的分类模型、用于预测地基云图的预测模型、当前时刻的地基云图和历史时刻的地基云图；其中，所述历史时刻的地基云图包括多个不同时刻的地基云图；所述分类模型包含地基云图、时间与辐照度的匹配关系；将所述当前时刻的地基云图和所述历史时刻的地基云图，输入所述预测模型获取预测地基云图；其中，所述预测地基云图为未来某时刻的地基云图；基于所述分类模型，对所述预测地基云图进行分类匹配；根据匹配到的分类结果确定预测辐照度。2.根据权利要求1所述的超短期辐照度预测方法，其特征在于，在获取所述分类模型之前，还包括：建立所述分类模型；所述建立所述分类模型的步骤包括：根据历史时刻的地基云图和历史辐照数据建立辐照度数据库；其中，所述辐照度数据库包含多种云图分类，不同的所述云图分类对应不同的辐照度；对所述辐照度数据库进行云图分类，得到所述分类模型。3.根据权利要求2所述的超短期辐照度预测方法，其特征在于，根据历史时刻的地基云图和历史辐照数据建立辐照度数据库的步骤包括：获取所述历史时刻的地基云图和所述历史辐照数据；将所述历史时刻的地基云图和所述历史辐照数据进行匹配得到具有辐照度信息的地基云图，并建立辐照度数据库。4.根据权利要求2所述的超短期辐照度预测方法，其特征在于，将所述历史时刻的地基云图和所述历史辐照数据进行匹配的步骤包括：获取所述历史时刻的地基云图的拍摄时间和所述历史辐照数据的测量时间；对比所述历史时刻的地基云图的拍摄时间和所述历史辐照数据的测量时间是否相同；若所述历史辐照数据的测量时间与所述历史时刻的地基云图的拍摄时间相同，则将所述历史辐照数据写入所述历史时刻的地基云图。5.根据权利要求2所述的超短期辐照度预测方法，其特征在于，所述分类模型的建立采用resnet-53分类网络模型；其中，所述地基云图的特征包括：云层特征、天空特征和太阳特征，resnet-53层卷积层的数量为36层。6.根据权利要求5所述的超短期辐照度预测方法，其特征在于，还包括：针对所述云层特征，在卷积层和压平层之间增加金字塔池化层。7.根据权利要求2所述的超短期辐照度预测方法，其特征在于，对所述辐照度数据库进行云图分类的步骤包括：将具有辐照度的地基云图根据月份进行分类，得到月份辐照数据；将所述月份辐照数据划分间隔，每个间隔对应一个云图分类，一个所述云图分类对应所述间隔范围的辐照数据。8.根据权利要求1所述的超短期辐照度预测方法，其特征在于，在获取所述预测模型之前，还包括：根据所述历史时刻的地基云图建立预测模型。9.根据权利要求8所述的超短期辐照度预测方法，其特征在于，根据所述历史时刻的地
基云图建立预测模型的步骤包括：获取所述历史时刻的地基云图的拍摄时间；获取所述历史时刻的地基云图的像素变化特征；根据所述历史时刻的地基云图的拍摄时间和所述历史时刻的地基云图的像素特征确定所述预测模型。10.根据权利要求1所述的超短期辐照度预测方法，其特征在于，对所述预测地基云图进行分类匹配的步骤包括：获取所述预测地基云图的图像特征；将所述预测地基云图的图像特征和所述辐照度数据库中的数据进行对比；将所述预测地基云图根据对比结果进行分类。11.一种超短期辐照度预测装置，其特征在于，包括：数据库模块，用于根据历史时刻的地基云图建立辐照度数据库；获取模块，用于获取当前时刻的地基云图和历史时刻的地基云图；预测模块，用于基于预测模型根据所述历史时刻的地基云图和所述当前时刻的地基云图计算预测地基云图；分类模块，用于基于分类模型根据所述辐照度数据库对所述预测地基云图进行分类。

技术总结
本发明公开了一种超短期辐照度预测方法及装置。该预测方法包括：获取用于对地基云图进行分类的分类模型、用于预测地基云图的预测模型、当前时刻的地基云图和历史时刻的地基云图；其中，所述历史时刻的地基云图包括多个不同时刻的地基云图；所述分类模型包含地基云图、时间与辐照度的匹配关系；将所述当前时刻的地基云图和所述历史时刻的地基云图，输入所述预测模型获取预测地基云图；其中，所述预测地基云图为未来某时刻的地基云图；基于所述分类模型，对所述预测地基云图进行分类匹配；根据匹配到的分类结果确定预测辐照度。本发明实施例基于预测模型和分类模型对超短期辐照度进行预测，提高了超短期辐照度预测的预测精度。度。度。


技术研发人员：姜华 胡琼 翁捷
受保护的技术使用者：阳光电源股份有限公司
技术研发日：2023.06.30
技术公布日：2023/10/15