[发明专利]基于卫星云图和随机森林模型的太阳总辐照度反演方法

说明书

本发明涉及一种基于卫星云图和随机森林模型的太阳总辐照度反演方法，该方法包括以下步骤：⑴确定地表太阳辐照度反演地区的海拔高度及经纬度信息，并获得该地区的太阳辐照度观测资料GHI_ob及常规气象变量的观测资料；⑵获得修订后的晴天太阳辐照度数值GHI_clear‑sky；⑶下载风云4号卫星云图数据，并对卫星云图进行预处理，读取7个通道的各个像素点云图反照率区域平均值，经过线性插值，得到10min时间分辨率的反照率区域平均值；⑷下载随机森林模型Python程序包，利用历史数据对随机森林模型进行训练和超参数调优；⑸根据超参数调优和训练好的随机森林模型，输入变量GHI_clear‑sky和，即可获得该时刻地表太阳总辐照度的反演数值GHI_all‑sky。本发明可以提高地表太阳辐照度反演结果准确度。

技术领域

本发明涉及地表太阳辐照度反演技术领域，尤其涉及基于卫星云图和随机森林模型的太阳总辐照度反演方法。

背景技术

截至2021年10月，我国光伏发电累计装机容量已达 2.78 亿千瓦。随着太阳能光伏发电技术的进步和成本的降低，预计未来几十年光伏装机将实现大规模应用。但由于光伏发电的间歇性和不确定性，将大量光伏发电并入电力系统是一个挑战。

准确计算地表接收到的太阳辐照度是光伏发电预报的第一步，也是光伏发电预报中很重要的环节。由于云的瞬息万变，导致地表太阳辐照度的计算具有较大的不确定性。风云四号卫星（FY-4A）是我国静止轨道气象卫星从第一代(风云二号)向第二代跨越的首发星，整体性能达到国际先进水平。从风云- 2G卫星的5个辐射成像通道增加到14个，覆盖可见光、短波、中波、长波红外波段。风云卫星已经证明了其在中国地区进行辐射研究的可行性。

机器学习是计算机科学的一个分支领域，是一种人工智能方法。这种方法的优点是一个模型可以解决不可能用显式算法表示的问题。机器学习模型可以找到输入和输出之间的关系，即使无法表示。随机森林(Random Forests)比较简单，易于实现，计算成本低，但它在分类和回归上表现出惊人的准确性。因此，随机森林算法与传统统计方法相比，准确率明显提高，在海量的卫星资料中有着很大的应用潜力。

利用我国的风云4号卫星，可拓展风云4号卫星的应用方法，改善对国外卫星信息的依赖，提升太阳辐射反演的自主能力。因此，如何利用高分卫星云图结合随机森林算法来建立地表太阳辐照度反演方法，以提高地表太阳辐照度的计算准确度，为太阳能资源的评估、光伏电站的合理布局以及光伏功率预报提供科学支撑就显得尤为重要。

发明内容

本发明所要解决的技术问题是提供一种提高计算结果准确度的基于卫星云图和随机森林模型的太阳总辐照度反演方法。

为解决上述问题，本发明所述的基于卫星云图和随机森林模型的太阳总辐照度反演方法，包括以下步骤：

⑴确定地表太阳辐照度反演地区的海拔高度及经纬度信息，并获得该地区的太阳辐照度观测资料GHI_ob及常规气象变量的观测资料；

⑵确定选择的晴空模型，在晴空模型下输入所述海拔高度及经纬度信息即可得到该地区晴天地表太阳辐照度数值，结合地表太阳辐照度观测数据GHI_ob对晴空模型进行订正，得到修订后的晴天太阳辐照度数值GHI_clear-sky；