一种短期太阳辐照度预测方法及装置

技术特征：
1.一种短期太阳辐照度预测方法，其特征在于，包括：数据采集，包括辐射数据和气象数据，辐射数据为水平面总辐照度，包括辐照度序列，气象数据包括多维气象特征序列；利用iceemdan算法，将原始辐照度序列分解为多尺度模态分量，合并多尺度模态分量，构建能够反映辐照度变化特性的多维辐射特征序列；基于多维辐射特征序列和多维气象特征序列，按照时间步构造二维辐射特征矩阵和二维气象特征矩阵；引入残差注意力机制对二维气象特征矩阵进行重构，得到新型气象特征矩阵；分别提取二维辐射特征矩阵和新型气象特征矩阵的时序特征，并进行融合；融合所得时序特征作为多层感知器的输入，对短期太阳辐照度进行预测。2.根据权利要求1所述的预测方法，其特征在于，采集的气象数据包括太阳天顶角、温度、云的类型、露点温度、风向、风速、相对湿度和可降水量。3.根据权利要求1所述的预测方法，其特征在于，利用iceemdan算法，对原始辐照度序列进行分解，包括：定义原始辐照度序列为s；基于序列s构造新的序列：s
i
＝s α0e1(w
i
)其中，s
i
为添加i组白噪声后所构造的新序列，w
i
为向序列s中添加的i组白噪声，e
k
(
·
)表示由经验模态分解算法分解产生的k阶模态分量；计算得到第一组残差r1：r1＝<m(s
i
)>其中，<
·
>表示对整体求平均；m(
·
)为基于经验模态分解算法所产生序列的局部均值；计算得到第一个模态分量imf1：imf1＝s-r1在得到的第一个模态分量imf1的基础上，继续添加白噪声，利用局部均值分解计算第二组残差r2和第二个模态分量imf2：r2＝<m(r1 α1e2(w
i
))>imf2＝r
1-r2以此类推，第k组残差r
k
和第k个模态分量imf
k
为：r
k
＝<m(r
k-1
α
k-1
e
k
(w
i
))>imf
k
＝r
k-1-r
k
重复上述残差和模态分量的计算过程，直至计算结束，得到所有的模态分量和最终的残差；上式中的α
k
表示为：其中，ε0为首次添加的均值为0的高斯白噪声序列与被分析原始辐照度序列间信噪比的
倒数；std表示标准差；合并分解所得不同模式的模态分量和残差，得到能够反映辐照度变化特性的多维辐射特征序列。4.根据权利要求3所述的预测方法，其特征在于，利用经验模态分解算法对原始辐照度序列进行分解，包括：不断地(1)求序列的上下包络线均值；(2)原始序列减掉均值包络线；(3)反复迭代直至所得序列满足固有模态函数的两个约束条件；此时就得到了一个imf分量，而局部均值指原始序列减去此imf得到的部分；基于所得的i组局部均值，对其整体求平均，得到第一组残差r1。5.根据权利要求1所述的预测方法，其特征在于，利用残差注意力机制对二维气象特征矩阵进行重构，包括：基于二维气象特征矩阵获取注意力权重矩阵：a＝σ(w2(δ(w1x b1)) b2)其中，a表示基于二维气象特征所得到的注意力权重矩阵；σ为sigmoid激活函数；w1、w2表示可更新权重矩阵；δ为relu激活函数；为二为二维气象特征矩阵，t为时间步数，f为输入特征数，表示过去t个时间步里f个气象特征的测量值；b1、b2为可更新权重矩阵对应的偏置；对二维气象特征矩阵添加注意力权重：x
att
＝a
⊙
x其中，x
att
为引入注意力权重后的气象特征矩阵；
⊙
表示哈达玛积；引入残差连接：x'＝x x
att
x'即为经残差注意力重构后的新型气象特征矩阵。6.根据权利要求1所述的预测方法，其特征在于，利用堆叠长短期记忆网络，分别提取二维辐射特征矩阵的时序特征和新型气象特征矩阵的时序特征。7.根据权利要求1或6所述的预测方法，其特征在于，利用concatenate操作，融合二维辐射特征矩阵的时序特征和新型气象特征矩阵的时序特征。8.一种短期太阳辐照度预测装置，其特征在于，包括：数据采集模块，用于采集辐射数据和气象数据，辐射数据为水平面总辐照度，包括辐照度序列，气象数据包括多维气象特征序列；数据处理模块，用于通过iceemdan算法，将原始辐照度序列分解为多尺度模态分量，合并多尺度模态分量，构建能够反映辐照度变化特性的多维辐射特征序列；基于多维辐射特征序列和多维气象特征序列，按照时间步构造二维辐射特征矩阵和二维气象特征矩阵；以及，利用残差注意力机制对二维气象特征矩阵进行重构，得到新型气象特征矩阵；时序特征提取模块，用于分别提取二维辐射特征矩阵和新型气象特征矩阵的时序特征，并进行融合；多层感知器，用于以融合的时序特征作为输入，对短期太阳辐照度进行预测。9.一种短期太阳辐照度预测装置，其特征在于，包括：一个或多个处理器；以及一个或多个储存器；其中一个或多个程序被存储在所述一个或多个储存器中，当所述一个或多个程序被所
述一个或多个处理器执行时，实现权利要求1至7中任一项所述的预测方法。10.一种计算机存储介质，所述计算机存储介质中存储有计算机指令，其特征在于，当所述计算机指令被执行时，实现权利要求1至7中任一项所述的预测方法。

技术总结
本发明公开了一种短期太阳辐照度预测方法及装置，该预测方法包括：数据采集；利用ICEEMDAN算法，将原始辐照度序列分解为多尺度模态分量，合并多尺度模态分量，构建能够反映辐照度变化特性的多维辐射特征序列；基于多维辐射特征序列和多维气象特征序列，按照时间步构造二维辐射特征矩阵和二维气象特征矩阵；引入残差注意力机制对二维气象特征矩阵进行重构，得到新型气象特征矩阵；分别提取二维辐射特征矩阵和新型气象特征矩阵的时序特征，并进行融合；融合所得时序特征作为多层感知器的输入，对短期太阳辐照度进行预测。本发明能够提高短期太阳辐照度预测精度。高短期太阳辐照度预测精度。高短期太阳辐照度预测精度。


技术研发人员：臧海祥 张越 刘璟璇 程礼临 黄蔓云 周亦洲 韩海腾 朱瑛 陈胜 孙国强 卫志农
受保护的技术使用者：河海大学
技术研发日：2022.11.22
技术公布日：2023/2/3