[发明专利]辐照预报的处理方法、堆叠泛化模型的训练方法及装置

权利要求书

1.一种辐照预报的处理方法，其特征在于，所述方法包括：

获取目标时段的辐照预报数据，所述目标时段的辐照预报数据包括：至少一个信息源提供的针对所述目标时段内倾角辐照的至少一个预报值；

调用堆叠泛化模型，所述堆叠泛化模型包括第一层泛化器和第二层泛化器；

通过所述第一层泛化器根据所述目标时段的辐照预报数据，确定中间预报数据；

通过所述第二层泛化器根据所述中间预报数据，确定所述目标时段的输出预报值。

2.根据权利要求1所述的方法，其特征在于，所述第一层泛化器包括k个泛化器，k为大于1的整数；

所述通过所述第一层泛化器根据所述目标时段的辐照预报数据，确定中间预报数据，包括：

通过所述k个泛化器分别根据所述目标时段的辐照预报数据，得到k个中间预报值；

其中，所述中间预报数据包括所述k个中间预报值。

3.根据权利要求1所述的方法，其特征在于，所述堆叠泛化模型的训练过程如下：

构建n个训练样本，每个训练样本包括一个历史时段的辐照预报数据，以及所述历史时段内倾角辐照的测量值，所述n为大于1的整数；

采用所述n个训练样本对所述堆叠泛化模型进行训练，得到完成训练的所述堆叠泛化模型。

4.根据权利要求3所述的方法，其特征在于，所述采用所述n个训练样本对所述堆叠泛化模型进行训练，得到完成训练的所述堆叠泛化模型，包括：

从所述n个训练样本中选取m个训练样本，所述m为大于1且小于所述n的正整数；

采用所述m个训练样本的辐照预报数据和测量值，对所述第一层泛化器进行训练，得到完成训练的所述第一层泛化器；

通过所述第一层泛化器根据所述n个训练样本中除去所述m个训练样本之外的n-m个训练样本的辐照预报数据，确定所述n-m个训练样本的中间预报数据；

采用所述n-m个训练样本的中间预报数据和测量值，对所述第二层泛化器进行训练，得到完成训练的所述第二层泛化器。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述通过所述第二层泛化器根据所述中间预报数据，确定所述目标时段的输出预报值之后，还包括：

调用功率曲线模型，根据所述输出预报值计算所述目标时段内太阳辐射的预报功率。

6.一种堆叠泛化模型的训练方法，其特征在于，所述堆叠泛化模型包括第一层泛化器和第二层泛化器，所述方法包括：

构建n个训练样本，每个训练样本包括一个历史时段的辐照预报数据，以及所述历史时段内倾角辐照的测量值，所述历史时段的辐照预报数据包括：至少一个信息源提供的针对所述历史时段内倾角辐照的至少一个预报值，所述n为大于1的整数；

采用所述n个训练样本对所述堆叠泛化模型进行训练，得到完成训练的所述堆叠泛化模型。

7.一种辐照预报的处理装置，其特征在于，所述装置包括：

数据获取模块，用于获取目标时段的辐照预报数据，所述目标时段的辐照预报数据包括：至少一个信息源提供的针对所述目标时段内倾角辐照的至少一个预报值；

模型调用模块，用于调用堆叠泛化模型，所述堆叠泛化模型包括第一层泛化器和第二层泛化器；

数据确定模块，用于通过所述第一层泛化器根据所述目标时段的辐照预报数据，确定中间预报数据；

预报值确定模块，用于通过所述第二层泛化器根据所述中间预报数据，确定所述目标时段的输出预报值。

8.一种堆叠泛化模型的训练装置，其特征在于，所述堆叠泛化模型包括第一层泛化器和第二层泛化器，所述装置包括：

样本构建模型，用于构建n个训练样本，每个训练样本包括一个历史时段的辐照预报数据，以及所述历史时段内倾角辐照的测量值，所述历史时段的辐照预报数据包括：至少一个信息源提供的针对所述历史时段内倾角辐照的至少一个预报值，所述n为大于1的整数；

模型训练模块，用于采用所述n个训练样本对所述堆叠泛化模型进行训练，得到完成训练的所述堆叠泛化模型。