CN114064755A - 太阳辐射量的估计方法、装置、设备及存储介质 - Google Patents

太阳辐射量的估计方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114064755A
CN114064755A CN202111350225.6A CN202111350225A CN114064755A CN 114064755 A CN114064755 A CN 114064755A CN 202111350225 A CN202111350225 A CN 202111350225A CN 114064755 A CN114064755 A CN 114064755A
Authority
CN
China
Prior art keywords
historical
target
meteorological data
solar radiation
estimated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111350225.6A
Other languages
English (en)
Inventor
李天阳
李思佳
李梦璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202111350225.6A priority Critical patent/CN114064755A/zh
Publication of CN114064755A publication Critical patent/CN114064755A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种太阳辐射量的估计方法、装置、设备及存储介质，其中，所述方法包括：获取待估计时刻的目标气象数据；选取与所述目标气象数据最接近的目标历史气象数据；将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。本申请用以解决现有技术中，太阳辐射量的获取方法实时性差的问题。

Description

太阳辐射量的估计方法、装置、设备及存储介质
技术领域
本申请涉及智能预测技术领域，尤其涉及一种太阳辐射量的估计方法、装置、设备及存储介质。
背景技术
我国幅员广大，具有丰富的太阳能资源。在冬季采暖过程中，太阳辐射量对提高建筑表面温升有很大影响，同时，太阳光射入室内，也可以对建筑内部带来温升的效果。一定程度上，太阳辐射可以作为辅助热源，以降低主热源侧对建筑的供热量，降低主热源的能耗。如果在供热系统中能够利用太阳能进行供热，将会大大降低现有供热方式的能耗。
目前，如果想要用太阳能进行供热，则需要获取太阳辐射量。通过天气预报数据可以获取太阳辐射量，但是，对于太阳辐射量往往无法实时提供。通常，数月后才通过对天气预报的数据进行统计、汇总得到。
因此，目前的太阳辐射量的获取方法实时性较差。
发明内容
本申请提供了一种太阳辐射量的估计方法、装置、设备及存储介质，用以解决现有技术中，太阳辐射量的获取方法实时性差的问题。
第一方面，本申请实施例提供了一种太阳辐射量的估计方法，包括：
获取待估计时刻的目标气象数据；
选取与所述目标气象数据最接近的目标历史气象数据；
将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
可选的，所述选取与所述目标气象数据最接近的目标历史气象数据，包括：
获取与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；
对于每个所述历史时刻，计算所述历史气象数据与所述目标气象数据之间的目标偏差率；所述目标偏差率用于指示所述历史气象数据与所述目标气象数据的接近程度；
选取所述目标偏差率最小的历史气象数据作为所述目标历史气象数据。
可选的，所述目标气象数据包括：多种类型的气象参数的目标值；所述历史气象数据包括：多种类型的气象参数的历史值；且所述目标气象数据和所述历史气象数据包含的所述气象参数的类型相同；
所述计算所述历史气象数据与所述目标气象数据之间的目标偏差率，包括：
对于每一种类型的所述气象参数，计算所述历史值与相同类型的所述目标值的偏差率；以及获取所述气象参数的权重；计算所述偏差率和所述权重的乘积；其中，所述偏差率用于指示所述历史值与相同类型的所述目标值之间的接近程度；
计算各个所述气象参数的乘积的和，得到所述目标偏差率。
可选的，所述计算所述历史值与相同类型的所述目标值的偏差率，包括：
计算所述历史值与所述目标值的差值；
计算所述差值与所述目标值的比值，得到所述偏差率。
可选的，所述获取与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据，包括：
获取待估计时刻的目标气象数据所属的气象站点；
在所述气象站点的历史数据中，查找与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据。
可选的，所述在所述气象站点的历史数据中，查找与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据，包括：
将所述待估计时刻转换为日期-时刻序列；其中，所述日期-时刻序列用于指示所述待估计时刻的日期在全年天数中的顺序以及所述待估计时刻在一天中所属的时刻；
查找与所述日期-时刻序列对应的历史日期-时刻序列；
从所述气象站点的历史数据中，查找所述历史日期-时刻序列对应的第一历史气象数据、在所述历史日期-时刻序列之前的M天的相同时刻的第二历史气象数据以及所述历史日期-时刻序列之后的N天的相同时刻的第三历史气象数据，将所述第一历史气象数据、所述第二历史气象数据和所述第三历史气象数据作为与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；
其中，M和N为正整数；M和N相同或不同。
第二方面，本申请实施例提供了一种供热系统，包括：辐射量计算模块；
所述辐射量计算模块，用于获取待估计时刻的目标气象数据；选取与所述目标气象数据最接近的目标历史气象数据；将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
可选的，还包括：控制模块和供热设备；
所述控制模块，用于获取用户侧设备需要的目标供热量；根据所述太阳辐射量计算当前供热量，利用所述目标供热量减去所述当前供热量，得到供热量差值，控制所述供热设备按照所述供热量差值对所述用户侧设备进行供热。
第三方面，本申请实施例提供了一种太阳辐射量的估计装置，包括：
获取模块，用于获取待估计时刻的目标气象数据；
选取模块，用于选取与所述目标气象数据最接近的目标历史气象数据；
确定模块，用于将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的太阳辐射量的估计方法。
第五方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的太阳辐射量的估计方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，获取待估计时刻的目标气象数据；选取与目标气象数据最接近的目标历史气象数据；将目标历史气象数据对应的太阳辐射量作为待估计时刻的太阳辐射量。利用与目标气象数据最接近的目标历史气象数据的太阳辐射量来估计待估计时刻的太阳辐射量，不需要太阳辐射量测试设备，成本低，且有效利用了历史气象数据实现了实时估计太阳辐射量。本申请实施例提供的方法，不仅成本低，而且实时性较好，可行性强，能够为建筑节能提供相关的数据支撑。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种太阳辐射量的估计方法的流程示意图；
图2为本申请实施例提供的选取与目标气象数据最接近的目标历史气象数据的方法的流程示意图；
图3为本申请实施例提供的利用历史数据估计太阳辐射量的方法的流程示意图；
图4为本申请实施例提供的一种供热系统的示意图；
图5为本申请实施例提供的一种太阳辐射量的估计装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
现有技术中，通过天气预报数据获取太阳辐射量的方法实时性差，可行性上存在较大制约。此外，还可以通过利用太阳辐射量测试设备来测量太阳辐射量，但是，太阳辐射量测试设备的成本较高，对于用户来说，负担比较重。考虑到现有技术中存在的问题，本申请实施例提供了一种太阳辐射量的估计方法，不仅成本低，而且实时性较好，可行性强。
如图1所示，本申请实施例提供了一种太阳辐射量的估计方法，具体包括如下步骤：
步骤101，获取待估计时刻的目标气象数据；
其中，待估计时刻可能是当前的时刻，也可能是未来的某个时刻。其中，在具体实现时，目标气象数据包括多种类型的气象参数的目标值，其中，多种类型的气象参数可以是室外环境温度、相对湿度、风速、云量等气象参数。目标气象数据可以是实际测量的，或者，通过数据交互的方式从当地气象站点获取到。
还需要说明的是，这里仅示意性的给出了几种类型的气象参数，还可以包括其他类型的气象参数。
步骤102，选取与目标气象数据最接近的目标历史气象数据；
具体的，获取待估计时刻的目标气象数据所属的气象站点；在气象站点的历史数据中，查找与待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据。其中，历史数据可以来自于历史气象数据集公开的该气象站点的数据，也可以是该气象站的实测历史数据。
在本申请实施例中，将相同气象站点的历史数据作为查找与目标气象数据最接近的目标历史气象数据的数据基础，相同气象站点的数据更具有代表性，估计更加准确。
例如：当前地点的气象站点的编号为L，则从所有历史数据中，查找编号为L的气象站点的历史数据，从编号为L的气象站点的历史数据中，查找与待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据。
在一个具体实施例中，如图2所示，本申请实施例提供了选取与目标气象数据最接近的目标历史气象数据的方法，具体包括如下步骤：
步骤201，获取与待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；
步骤202，对于每个历史时刻，计算历史气象数据与目标气象数据之间的目标偏差率；目标偏差率用于指示历史气象数据与目标气象数据的接近程度；
步骤203，选取目标偏差率最小的历史气象数据作为目标历史气象数据。
通过选取最小的目标偏差率来确定在历史数据中，与目标气象数据最接近的目标历史气象数据，以用该目标历史气象数据对应的太阳辐射量，作为待估计时刻的太阳辐射量。选取目标偏差率最小的历史气象数据作为目标历史气象数据，更具有代表意义。
在选取历史气象数据时，将待估计时刻转换为日期-时刻序列；其中，日期-时刻序列用于指示待估计时刻的日期在全年天数中的顺序以及待估计时刻在一天中所属的时刻；
将待估计时刻的日期、时间转换为日期-时刻序数，用(d)-(t)表示，其中d表示日期序数，t表示时间序数；例如：若所在年份为闰年，则d为1至366的整数，否则，d为1至365之间的整数，t为0至23的整数，例如：1月2日10时，表示为(2)-(10)；1月5日13时，表示为(5)-(13)。
从气象站点的历史数据中，查找与日期-时刻序列对应的历史日期-时刻序列；查找历史日期-时刻序列对应的第一历史气象数据、在历史日期-时刻序列之前的M天的相同时刻的第二历史气象数据以及历史日期-时刻序列之后的N天的相同时刻的第三历史气象数据，将第一历史气象数据、第二历史气象数据和第三历史气象数据作为与待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；其中，M和N为正整数；M和N相同或不同。
为了便于理解，这里举例说明。如图3所示，图3示出了利用历史数据估计太阳辐射量的方法流程。根据设备的安装位置，确定当前安装位置的气象站点编号为L0，从编号为L0的气象站点的历史数据库中，查找历史气象数据。假设待估计时刻为1月15日13时，即日期-时刻序号为(15)-(13)，则在编号为L0的气象站点的历史数据库，查找历史日期-时刻序列(15)h-(13)h，则将历史日期-时刻序数(15)h-(13)h的历史气象数据作为第一历史气象数据，其中，下角标h代表此数据为历史数据，则该历史日期-时刻序列的前M天13时的历史气象数据作为第二历史气象数据，该历史日期-时刻序列的后N天13时的历史气象数据作为第三历史气象数据，得到与待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据。其中，在具体实现时，M和N均可以选取10或者7。
在具体实现时，目标气象数据包括：多种类型的气象参数的目标值；历史气象数据包括：多种类型的气象参数的历史值；且目标气象数据和历史气象数据包含的气象参数的类型相同。
计算历史气象数据与目标气象数据之间的目标偏差率，包括：
对于每一种类型的气象参数，计算历史值与相同类型的目标值的偏差率；以及获取气象参数的权重；计算偏差率和权重的乘积；其中，偏差率用于指示历史值与相同类型的目标值之间的接近程度；计算各个气象参数的乘积的和，得到目标偏差率。计算历史值与相同类型的目标值的偏差率的方法包括：计算历史值与目标值的差值；计算差值与目标值的比值，得到偏差率。
其中，历史数据包括室外环境温度、相对湿度、风速、云量、辐射数据等多种类型的气象参数。在计算偏差率时，需要相同类型的气象参数进行计算，不同类型的气象参数不能参与计算。
为了便于理解，这里举例说明，假设当前为1月15日13时，即日期-时刻序列为(15)-(13)，则从相同气象站点的历史数据中，查找的历史日期-时刻序列为(15)h-(13)h，第一历史气象数据为(15)h-(13)h对应的气象数据，具体为：室外环境温度T15,13,h、相对湿度为d15,13,h、风速为qw,15,13,h、云量为mw,15,13,h。
这里M和N可以取相同的正整数，例如：均取正整数n，即调用该日期-时刻序列的前n个序号和后n个序号的室外环境温度Td,t,h、相对湿度dd,t,h、风速qw,d,t,h、云量mw,d,t,h。若日期序数值d-n≤dmin；则对应的前第n的个序数为dmax+(d-n)，若日期序数值d+n≥上限值dmax，则对应的后第n的序数为d+n-dmax。其中，dmin设为0，dmax设定为365或366。
则该历史日期-时刻序列的前n个序号的室外环境温度为T14,13,h、T13,13,h、……、T15-n,13,h，后n个序号的室外环境温度为T16,13,h、T17,13,h、……、T15+n,13,h。
该历史日期-时刻序列的前n个序号的相对湿度为d14,13,h、d13,13,h、……、d15-n,13,h，后n个序号的相对湿度为d16,13,h、d17,13,h、……、d15+n,13,h。
该历史日期-时刻序列的前n个序号的风速为qw,14,13,h、qw,13,13,h、……、qw,15-n,13,h，后n个序号的风速为qw,16,13,h、qw,17,13,h、……、qw,15+n,13,h。
该历史日期-时刻序列的前n个序号的云量为mw,14,13,h、mw,13,13,h、……、mw,15-n,13,h，后n个序号的云量为mw,16,13,h、mw,17,13,h、……、mw,15+n,13,h。
则按照偏差率的计算方法，计算上述每个气象参数的历史值与待估计时刻的气象参数的目标值之间的偏差，以室外环境温度计算为例：
φT,14,13＝|(T14,13,h-T15,13)/T15,13|*100％
φT,13,13＝|(T13,13,h-T15,13)/T15,13|*100％
以此类推，最终获得各个历史时刻的室外环境温度偏差率。
按照相同的计算方法，可以分别获得各个历史时刻对应的室外环境温度偏差率φT,d,t，相对湿度偏差率φd,d,t，云量偏差率φm,d,t，风速偏差率φq,d,t，依据不同影响权重，计算获得目标偏差率φd,t。
以其中一个历史时刻为例，目标偏差率的计算方法如下：
φ14,13＝α*φT,14,13+β*φd,14,13+γ*φm,14,13+λ*φq,14,13
其中，α、β、γ、λ分别为各个气象参数的权重值，且α+β+γ+λ＝1。
以此类推，可得到每一个历史时刻的目标偏差率，并从各个历史时刻的目标偏差率中，选取最小的目标偏差率。将目标偏差率最小的历史气象数据作为目标历史气象数据。
此外，还需要说明的是，在上述举例中，仅示例性的示出了四种气象参数，当然也可以包括更多的气象参数。对于气象参数的种类，可以根据实际需要选取。
步骤103，将目标历史气象数据对应的太阳辐射量作为待估计时刻的太阳辐射量。
按照上述方法，获得最小目标偏差率后，输出该最小目标偏差率对应的目标历史气象数据下的太阳辐射量fw、fe、fh、fs、fn，其中，角标w、e、h、s、n分别表示西向、东向、水平、南向、北向，由此，得到待估计时刻的太阳辐射量。
本申请实施例中，获取待估计时刻的目标气象数据；选取与目标气象数据最接近的目标历史气象数据；将目标历史气象数据对应的太阳辐射量作为待估计时刻的太阳辐射量。利用与目标气象数据最接近的目标历史气象数据的太阳辐射量来估计待估计时刻的太阳辐射量，不需要太阳辐射量测试设备，成本低，且有效利用了历史气象数据实现了实时估计太阳辐射量。本申请实施例提供的方法，不仅成本低，而且实时性较好，可行性强。
通过本申请实施例提供的太阳辐射量的估计方法为利用太阳能进行供热提供了重要数据基础。如图4所示，本申请实施例还提供了一种供热系统，供热系统由热源侧和用户侧设备组成。其中，热源侧包含辐射量计算模块401、控制模块402和供热设备403。辐射量计算模块401与控制模块402相连接，控制模块402与供热设备403相连接。控制模块402基于用户侧设备404的需求和辐射量计算模块401的计算结果来调节供热设备403的运行。
其中，辐射量计算模块401，用于获取待估计时刻的目标气象数据；选取与目标气象数据最接近的目标历史气象数据；将目标历史气象数据对应的太阳辐射量作为待估计时刻的太阳辐射量。
控制模块402，用于获取用户侧设备404需要的目标供热量；根据太阳辐射量计算当前供热量，利用目标供热量减去当前供热量，得到供热量差值，控制供热设备403按照供热量差值对用户侧设备404进行供热。
在本申请实施例中，利用太阳能供给一部分热量，其余热量再由供热设备供给，能够有效减少目前供热设备的能耗，充分利用太阳能，更加绿色。
基于同一构思，本申请实施例中提供了一种太阳辐射量的估计装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要包括：
获取模块501，用于获取待估计时刻的目标气象数据；
选取模块502，用于选取与所述目标气象数据最接近的目标历史气象数据；
确定模块503，用于将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
在一个具体实施例中，选取模块502，用于获取与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；对于每个所述历史时刻，计算所述历史气象数据与所述目标气象数据之间的目标偏差率；所述目标偏差率用于指示所述历史气象数据与所述目标气象数据的接近程度；选取所述目标偏差率最小的历史气象数据作为所述目标历史气象数据。
在一个具体实施例中，选取模块502，用于当所述目标气象数据包括：多种类型的气象参数的目标值；所述历史气象数据包括：多种类型的气象参数的历史值；且所述目标气象数据和所述历史气象数据包含的所述气象参数的类型相同时，对于每一种类型的所述气象参数，计算所述历史值与相同类型的所述目标值的偏差率；以及获取所述气象参数的权重；计算所述偏差率和所述权重的乘积；其中，所述偏差率用于指示所述历史值与相同类型的所述目标值之间的接近程度；计算各个所述气象参数的乘积的和，得到所述目标偏差率。
在一个具体实施例中，选取模块502，用于计算所述历史值与所述目标值的差值；计算所述差值与所述目标值的比值，得到所述偏差率。
在一个具体实施例中，选取模块502，用于获取待估计时刻的目标气象数据所属的气象站点；在所述气象站点的历史数据中，查找与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据。
在一个具体实施例中，选取模块502，用于将所述待估计时刻转换为日期-时刻序列；其中，所述日期-时刻序列用于指示所述待估计时刻的日期在全年天数中的顺序以及所述待估计时刻在一天中所属的时刻；查找与所述日期-时刻序列对应的历史日期-时刻序列；从所述气象站点的历史数据中，查找所述历史日期-时刻序列对应的第一历史气象数据、在所述历史日期-时刻序列之前的M天的相同时刻的第二历史气象数据以及所述历史日期-时刻序列之后的N天的相同时刻的第三历史气象数据，将所述第一历史气象数据、所述第二历史气象数据和所述第三历史气象数据作为与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；其中，M和N为正整数；M和N相同或不同。
基于同一构思，本申请实施例中还提供了一种电子设备，如图6所示，该电子设备主要包括：处理器601、存储器602和通信总线603，其中，处理器601和存储器602通过通信总线603完成相互间的通信。其中，存储器602中存储有可被处理器601执行的程序，处理器601执行存储器602中存储的程序，实现如下步骤：
获取待估计时刻的目标气象数据；
选取与所述目标气象数据最接近的目标历史气象数据；
将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
上述电子设备中提到的通信总线603可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器602可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的一种太阳辐射量的估计方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种太阳辐射量的估计方法，其特征在于，包括：
获取待估计时刻的目标气象数据；
选取与所述目标气象数据最接近的目标历史气象数据；
将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
2.根据权利要求1所述的太阳辐射量的估计方法，其特征在于，所述选取与所述目标气象数据最接近的目标历史气象数据，包括：
获取与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；
对于每个所述历史时刻，计算所述历史气象数据与所述目标气象数据之间的目标偏差率；所述目标偏差率用于指示所述历史气象数据与所述目标气象数据的接近程度；
选取所述目标偏差率最小的历史气象数据作为所述目标历史气象数据。
3.根据权利要求2所述的太阳辐射量的估计方法，其特征在于，所述目标气象数据包括：多种类型的气象参数的目标值；所述历史气象数据包括：多种类型的气象参数的历史值；且所述目标气象数据和所述历史气象数据包含的所述气象参数的类型相同；
所述计算所述历史气象数据与所述目标气象数据之间的目标偏差率，包括：
对于每一种类型的所述气象参数，计算所述历史值与相同类型的所述目标值的偏差率；以及获取所述气象参数的权重；计算所述偏差率和所述权重的乘积；其中，所述偏差率用于指示所述历史值与相同类型的所述目标值之间的接近程度；
计算各个所述气象参数的乘积的和，得到所述目标偏差率。
4.根据权利要求3所述的太阳辐射量的估计方法，其特征在于，所述计算所述历史值与相同类型的所述目标值的偏差率，包括：
计算所述历史值与所述目标值的差值；
计算所述差值与所述目标值的比值，得到所述偏差率。
5.根据权利要求2所述的太阳辐射量的估计方法，其特征在于，所述获取与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据，包括：
获取待估计时刻的目标气象数据所属的气象站点；
在所述气象站点的历史数据中，查找与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据。
6.根据权利要求5所述的太阳辐射量的估计方法，其特征在于，所述在所述气象站点的历史数据中，查找与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据，包括：
将所述待估计时刻转换为日期-时刻序列；其中，所述日期-时刻序列用于指示所述待估计时刻的日期在全年天数中的顺序以及所述待估计时刻在一天中所属的时刻；
查找与所述日期-时刻序列对应的历史日期-时刻序列；
从所述气象站点的历史数据中，查找所述历史日期-时刻序列对应的第一历史气象数据、在所述历史日期-时刻序列之前的M天的相同时刻的第二历史气象数据以及所述历史日期-时刻序列之后的N天的相同时刻的第三历史气象数据，将所述第一历史气象数据、所述第二历史气象数据和所述第三历史气象数据作为与所述待估计时刻对应的历史同期的至少一个历史时刻的历史气象数据；
其中，M和N为正整数；M和N相同或不同。
7.一种供热系统，其特征在于，包括：辐射量计算模块；
所述辐射量计算模块，用于获取待估计时刻的目标气象数据；选取与所述目标气象数据最接近的目标历史气象数据；将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
8.根据权利要求7所述的供热系统，其特征在于，还包括：控制模块和供热设备；
所述控制模块，用于获取用户侧设备需要的目标供热量；根据所述太阳辐射量计算当前供热量，利用所述目标供热量减去所述当前供热量，得到供热量差值，控制所述供热设备按照所述供热量差值对所述用户侧设备进行供热。
9.一种太阳辐射量的估计装置，其特征在于，包括：
获取模块，用于获取待估计时刻的目标气象数据；
选取模块，用于选取与所述目标气象数据最接近的目标历史气象数据；
确定模块，用于将所述目标历史气象数据对应的太阳辐射量作为所述待估计时刻的太阳辐射量。
10.一种电子设备，其特征在于，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1～6任意一项所述的太阳辐射量的估计方法。
11.一种计算机可读存储介质，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1～6任意一项所述的太阳辐射量的估计方法。
CN202111350225.6A 2021-11-15 2021-11-15 太阳辐射量的估计方法、装置、设备及存储介质 Pending CN114064755A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111350225.6A CN114064755A (zh) 2021-11-15 2021-11-15 太阳辐射量的估计方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111350225.6A CN114064755A (zh) 2021-11-15 2021-11-15 太阳辐射量的估计方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114064755A true CN114064755A (zh) 2022-02-18

Family

ID=80272196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111350225.6A Pending CN114064755A (zh) 2021-11-15 2021-11-15 太阳辐射量的估计方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114064755A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002937A (zh) * 2018-09-07 2018-12-14 深圳供电局有限公司 电网负荷预测方法、装置、计算机设备和存储介质
CN109884896A (zh) * 2019-03-12 2019-06-14 河海大学常州校区 一种基于相似日辐照预测的光伏跟踪系统优化跟踪方法
CN110580549A (zh) * 2019-09-02 2019-12-17 山东大学 一种考虑天气的区域短期能源功率预测方法及系统
CN111160625A (zh) * 2019-12-10 2020-05-15 中铁电气化局集团有限公司 电力负荷预测方法、装置、计算机设备及存储介质
CN111985678A (zh) * 2020-07-06 2020-11-24 上海交通大学 一种光伏功率短期预测方法
CN112330032A (zh) * 2020-11-09 2021-02-05 中国联合网络通信集团有限公司 一种光伏发电厂的有功出力的预测方法和装置
CN113592141A (zh) * 2021-06-28 2021-11-02 中国电力科学研究院有限公司 一种光伏发电功率预测方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002937A (zh) * 2018-09-07 2018-12-14 深圳供电局有限公司 电网负荷预测方法、装置、计算机设备和存储介质
CN109884896A (zh) * 2019-03-12 2019-06-14 河海大学常州校区 一种基于相似日辐照预测的光伏跟踪系统优化跟踪方法
CN110580549A (zh) * 2019-09-02 2019-12-17 山东大学 一种考虑天气的区域短期能源功率预测方法及系统
CN111160625A (zh) * 2019-12-10 2020-05-15 中铁电气化局集团有限公司 电力负荷预测方法、装置、计算机设备及存储介质
CN111985678A (zh) * 2020-07-06 2020-11-24 上海交通大学 一种光伏功率短期预测方法
CN112330032A (zh) * 2020-11-09 2021-02-05 中国联合网络通信集团有限公司 一种光伏发电厂的有功出力的预测方法和装置
CN113592141A (zh) * 2021-06-28 2021-11-02 中国电力科学研究院有限公司 一种光伏发电功率预测方法和装置

Similar Documents

Publication Publication Date Title
Reynders et al. Quality of grey-box models and identified parameters as function of the accuracy of input and observation signals
Yang A universal benchmarking method for probabilistic solar irradiance forecasting
US9081374B2 (en) Calibrating algorithms for determining electrical load and lifestyle characteristics
Karatasou et al. Analysis of experimental data on diffuse solar radiation in Athens, Greece, for building applications
US20200136392A1 (en) Energy flow prediction for electric systems including photovoltaic solar systems
US8315961B2 (en) Method for predicting future environmental conditions
CN103761578A (zh) 基于多元线性回归的太阳辐照预报方法
Becciu et al. Semi-probabilistic design of rainwater tanks: A case study in Northern Italy
Tian et al. Improving short-term urban water demand forecasts with reforecast analog ensembles
Cai et al. Assessments of demand response potential in small commercial buildings across the United States
Bilbao et al. Air temperature model evaluation in the north Mediterranean belt area
Schubnel et al. State-space models for building control: how deep should you go?
Brabec et al. Tailored vs black-box models for forecasting hourly average solar irradiance
Abtahi et al. Control-oriented thermal network models for predictive load management in Canadian houses with on-Site solar electricity generation: application to a research house
Bakirci The calculation of diffuse radiation on a horizontal surface for solar energy applications
Basmadjian et al. ARIMA-based forecasts for the share of renewable energy sources: The case study of Germany
JP6135454B2 (ja) 推定プログラム、推定装置及び推定方法
CN114064755A (zh) 太阳辐射量的估计方法、装置、设备及存储介质
CN106557867B (zh) 适用中长时间尺度电网分析的光伏发电概率模型建模方法
Ivanin et al. The use of artificial neural networks for forecasting the electric demand of stand-alone consumers
Mao et al. Literature review of building peak cooling load methods in the United States
KR20230103984A (ko) 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법
Vallianos et al. Online model-based predictive control with smart thermostats: application to an experimental house in Québec
Goh et al. Tangki NAHRIM 2.0: An R-based water balance model for rainwater harvesting tank sizing application
CN116247644A (zh) 基于储能系统的充放电方法及装置、存储介质、终端

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination