分钟级倾斜面辐照预测模型的训练方法、介质及电子设备

本申请属于人工智能，涉及一种训练方法，特别是涉及一种分钟级倾斜面辐照预测模型的训练方法、介质及电子设备。

背景技术：

1、光伏电站的发电量受气候和地理位置的影响，其波动性大且不稳定。当光伏电站接入大电网时，会对电网产生显著的谐波干扰，不利于电能的调度和规划。从主网或微电网的能源系统管理角度考虑，实现对光伏电站内部光伏阵列短期辐照度的高精度预测能够提高主网或微电网的整体经济性和运行可靠性。此外，在实际应用中，为了提高效率并避免灰尘积累等问题，常将光伏组件安装在倾斜的表面上。再者，一些应用场景，例如太阳跟踪光伏系统和光伏电站智能运维系统等，都需要光伏电站高精度的超短期辐照预测数据。因此，如何实现对倾斜面分钟级辐照数据的高精度预测已成为相关领域的技术人员亟需解决的技术问题之一。

技术实现思路

1、本申请实施例提供一种分钟级倾斜面辐照预测模型的训练方法、介质及电子设备，用于解决现有技术中存在的上述问题。

2、第一方面，本申请实施例提供一种分钟级倾斜面辐照预测模型的训练方法，所述训练方法包括：获取训练数据，所述训练数据为分钟级的数据，所述训练数据包括输入参数及其对应的实测数据；利用所述训练数据对分钟级倾斜面辐照预测模型进行训练；获取所述预测模型的线性度和准确度。

3、在第一方面的一种实现方式中，所述训练数据包括第一训练数据和第二训练数据，所述第一训练数据的输入参数包括第一参考角度倾斜面的辐照强度，所述第二训练数据的输入参数包括第二参考角度倾斜面的辐照强度；利用所述训练数据对分钟级倾斜面辐照预测模型进行训练包括：利用所述第一训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第一预测模型，利用所述第二训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第二预测模型；获取所述预测模型的线性度和准确度包括：获取所述第一预测模型和所述第二预测模型的线性度和准确度。

4、在第一方面的一种实现方式中，所述训练方法还包括：获取输入参数对预测结果的贡献度，所述输入参数包括所述第一训练数据的输入参数和所述第二训练数据的输入参数。

5、在第一方面的一种实现方式中，所述训练数据包括第三训练数据和第四训练数据，所述第三训练数据的输入参数为第一时间尺度的数据，所述第四训练数据的输入参数为第二时间尺度的数据；利用所述训练数据对分钟级倾斜面辐照预测模型进行训练包括：利用所述第三训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第三预测模型，利用所述第四训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第四预测模型；获取所述预测模型的线性度和准确度包括：获取所述第三预测模型和所述第四预测模型的线性度和准确度。

6、在第一方面的一种实现方式中，所述训练方法还包括：在所述第一时间尺度对一分钟尺度的数据取平均值以获取所述第三训练数据的输入参数，在所述第二时间尺度对一分钟尺度的数据取平均值以获取所述第四训练数据的输入参数；或者以所述第一时间尺度为间隔对一分钟尺度的数据进行采样以获取所述第三训练数据的输入参数，以所述第二时间尺度为间隔对一分钟尺度的数据进行采样以获取所述第四训练数据的输入参数。

7、在第一方面的一种实现方式中，所述训练数据包括第五训练数据和第六训练数据，所述第五训练数据和所述第六训练数据的输入参数对应不同的天气类型；利用所述训练数据对分钟级倾斜面辐照预测模型进行训练包括：利用所述第五训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第五预测模型，利用所述第六训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第六预测模型；获取所述预测模型的线性度和准确度包括：获取所述第五预测模型和所述第六预测模型的线性度和准确度。

8、在第一方面的一种实现方式中，所述训练数据包括第七训练数据，所述第七训练数据为第一地区的数据，所述方法还包括：利用所述第七训练数据对所述分钟级倾斜面辐照预测模型进行训练以得到第七预测模型；利用所述第七预测模型分别对所述第一地区和第二地区的目标角度倾斜面辐照强度进行预测，以获取所述第一地区的预测结果和所述第二地区的预测结果；根据所述第一地区的预测结果和所述第二地区的预测结果确定所述第七预测模型的泛化能力。

9、在第一方面的一种实现方式中，所述第七训练数据为所述第一地区在第一天气类型的数据，利用第七预测模型分别对第一地区和第二地区的目标角度倾斜面辐照强度进行预测以获取第一地区的预测结果和第二地区的预测结果包括：利用所述第七预测模型对所述第一地区在所述第一天气类型的目标角度倾斜面辐照强度进行预测，以获取所述第一地区的预测结果；利用所述第七预测模型对所述第二地区在所述第一天气类型的目标角度倾斜面辐照强度进行预测，以获取所述第二地区的预测结果。

10、第二方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请第一方面中任一项所述的方法。

11、第三方面，本申请实施例提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本申请第一方面中任一项所述的方法。

12、本申请实施例提供的分钟级倾斜面辐照预测模型的训练方法，能够利用分钟级的训练数据对分钟级倾斜面辐照预测模型进行训练。训练完成后的预测模型能够对倾斜面辐照强度进行分钟级别的预测。此外，所述训练方法还能够评估预测模型的线性度和准确度，确保预测结果的精确度。

技术特征：

1.一种分钟级倾斜面辐照预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述训练数据包括第一训练数据和第二训练数据，所述第一训练数据的输入参数包括第一参考角度倾斜面的辐照强度，所述第二训练数据的输入参数包括第二参考角度倾斜面的辐照强度；

3.根据权利要求2所述的方法，其特征在于，还包括：获取输入参数对预测结果的贡献度，所述输入参数包括所述第一训练数据的输入参数和所述第二训练数据的输入参数。

4.根据权利要求1所述的方法，其特征在于，所述训练数据包括第三训练数据和第四训练数据，所述第三训练数据的输入参数为第一时间尺度的数据，所述第四训练数据的输入参数为第二时间尺度的数据；

5.根据权利要求4所述的方法，其特征在于，还包括：

6.根据权利要求1所述的方法，其特征在于，所述训练数据包括第五训练数据和第六训练数据，所述第五训练数据和所述第六训练数据的输入参数对应不同的天气类型；

7.根据权利要求1所述的方法，其特征在于，所述训练数据包括第七训练数据，所述第七训练数据为第一地区的数据，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，所述第七训练数据为所述第一地区在第一天气类型的数据，利用第七预测模型分别对第一地区和第二地区的目标角度倾斜面辐照强度进行预测以获取第一地区的预测结果和第二地区的预测结果包括：

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法。

10.一种电子设备，其特征在于，所述电子设备包括：

技术总结
本申请提供一种分钟级倾斜面辐照预测模型的训练方法、介质及电子设备。所述训练方法包括：获取训练数据，所述训练数据为分钟级的数据，所述训练数据包括输入参数及其对应的实测数据；利用所述训练数据对分钟级倾斜面辐照预测模型进行训练；获取所述预测模型的线性度和准确度。训练完成后，所述分钟级倾斜面辐照预测模型能够准确地预测目标角度倾斜面辐照强度。

技术研发人员：张臻,樊杰
受保护的技术使用者：上海交通大学
技术研发日：
技术公布日：2024/12/5