一种太阳辐照度纠正方法、装置和计算机可读存储介质与流程

1.本公开实施例涉及天气数据处理技术领域，特别涉及一种太阳辐照度纠正方法、装置和计算机可读存储介质。


背景技术：

2.目前光伏电站功率预测主要依赖ncep-gfs（美国国家环境预报中心-全球预报系统）、ecmwf-ifs（欧洲中期天气预报中心-综合预报系统） 和cma-gfs（中国气象局-全球预报系统）等数值天气预报模式，并通过动力降尺度、深度学习等提升技术，提供光伏发电所需的辐照度、气温等相关气象要素。
3.目前的辐照度数值模式预报产品虽然在预报时效、预报精度上能够满足光伏电站生产需求，但在沙尘天气中，没有考虑到沙尘、气溶胶对辐射的影响，导致晴天环境下实际辐照度比预报值偏低。


技术实现要素：

4.本公开实施例提供了一种太阳辐照度纠正方法、装置和计算机可读存储介质，能够提高沙尘天气太阳辐照度预测准确率。
5.第一方面，本公开提供了一种太阳辐照度纠正方法，所述方法可以包括：获取天气预报数据；根据所述天气预报数据识别第一沙尘天气；在识别出所述第一沙尘天气的情况下，获取太阳辐照度纠正模型；根据所述天气预报数据和所述太阳辐照度纠正模型纠正所述第一沙尘天气对应时段的太阳辐照度。
6.第二方面，本公开提供了一种太阳辐照度纠正装置，可以包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的太阳辐照度纠正方法。
7.第三方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器执行所述的太阳辐照度纠正方法。
8.本公开所提供的实施例中通过获取的天气预报数据识别沙尘天气，并根据天气预报数据和太阳辐照度纠正模型纠正沙尘天气对应时段的太阳辐照度，解决了在沙尘天气因为没有考虑到沙尘、气溶胶对辐射的影响，导致晴天环境下实际辐照度比预报值偏低的现象，提高了沙尘天气太阳辐照度预测准确率，进而提升了光伏发电功率预测准确率。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.附图用来提供对本公开的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其他特征和优点对本领域技术人员将变得更加显而易见，在附图中：图1为本公开实施例提供的一种太阳辐照度纠正方法的流程图；图2为本公开实施例提供的根据天气预报数据识别第一沙尘天气的方法流程图；图3为本公开实施例提供的根据历史天气数据建立太阳辐照度纠正模型的方法流程图；图4为本公开实施例提供的4个光伏电站近两年太阳辐照度日变化特征中每个时刻的变化趋势示意图；图5为本公开实施例提供的4个光伏电站近两年月平均最大太阳辐照度变化趋势示意图；图6为本公开实施例提供的4个光伏电站近两年月最大太阳辐照度变化趋势示意图；图7为本公开实施例提供的第二地区b 的第一年3月15-18日pm10与实测太阳总辐射辐照度逐小时变化曲线示意图；图8为本公开实施例提供的辐射比r与pm10小时浓度ρ的关系示意；图9为本公开实施例提供的一种太阳辐照度纠正装置的示意图。
具体实施方式
11.为使本领域的技术人员更好地理解本公开的技术方案，以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
12.在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。
13.如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
14.本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由
……
制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
15.除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。
16.在全球变暖、双碳目标、能源保供和新型电力系统建设的大背景下，太阳能已成为可再生能源发展、能源绿色转型的关键力量。随着光伏大规模装机和并网，光伏发电与生俱
来的间歇性、波动性和不可控性，给电网计划和负荷调度增加了难度，对光伏装机和出力占比越来越大的电网运行影响日益显著。因此，准确的功率预测就显得尤为重要，直接有助于减少光伏限电、提高电网消纳和合理安排检修计划，提高企业盈利，保障能源安全稳定。
17.光伏发电量的大小受到达地面的太阳辐射、环境温度等多种因素影响，其中太阳辐射是影响光伏功率的主要因素，相关性达到0.8以上。相关研究表明，更准确的光伏数值预报能够提升10%左右的光伏发电功率预测准确度。目前，国内外对太阳辐射辐照度相关研究进展很多，国外一些国家已开展利用气象要素进行光伏发电的研究和应用，国内学者太阳辐射辐照度预报方法主要有数值预报模式、机器学习和统计外推，统计外推主要用于超短期预报，机器学习主要是基于动力降尺度和傅立叶神经算子等新一代深度学习技术，太阳能短期预报需要依赖wrf（the weather research and forecasting ，天气研究和预报）、mm5（mesoscale model5，中尺度模式5）和cma_meso（中国气象局区域数值预报模式）等相关中尺度气象模式。早期的太阳辐射辐射度预报主要是基于气象实测数据的简单线性统计预测模型，改进后的自回归滑动平均模型法、马尔可夫链等，受预测时效、预测精细化和预测准确率的制约，难以适应光伏发电预测服务发展需求。近年来，随着人工智能技术的快速发展，包括人工神经网络、小波神经网络、支持向量机、卡尔曼滤波、随机森林机器学习算法和卷积神经网络、循环神经网络等深度学习方法以及遗传算法、混合方法等用于太阳辐射辐照度预测，极大提高了常规天气下的预报准确率，但是对一些雾霾、沙尘等极端天气事件对太阳辐射辐照度的影响研究较少。
18.沙尘天气不仅影响光照强度，降低发电量，积聚在光伏组件表面的灰尘还会间接影响发电效率。近年来，以光伏发电为主的新能源发展迅猛，但是由于遭受严重的沙尘天气侵扰，光伏功率预测及光伏出力受到长时间影响，给电力调度和能源保供带来困难。因此，定量判别沙尘天气过程及起止时间，开展基于可吸入颗粒物（如pm10）小时平均浓度的太阳辐射辐照度订正模型研究，提高沙尘天气下太阳辐射辐照度预报能力急需提升。
19.目前的辐照度数值模式预报产品虽然在预报时效、预报精度上能够满足光伏电站生产需求，但在沙尘天气中，没有考虑到沙尘、气溶胶对辐射的影响，导致晴天环境下实际辐照度比预报值偏低。
20.本公开实施例针对以上现状以及实际光伏电站太阳辐照度预报的需求，提出了辐射比-可吸入颗粒物浓度（例如pm10）的统计方法，该方法主要是基于可吸入颗粒物小时浓度以及太阳的辐射比进行建模，对太阳辐照度预报数据进行订正，提高太阳辐射度预报准确度，降低沙尘天气对太阳辐照度的影响。
21.图1为本公开实施例提供的一种太阳辐照度纠正方法的流程图。参照图1，该方法可以包括步骤s11-s14：s11、获取天气预报数据。
22.在本公开实施例中，该天气预报数据可以包括但不限于：可吸入颗粒物浓度的预报数据、太阳辐照度预报数据、总云量预报数据等。
23.其中，可吸入颗粒物可以包括但不限于：pm2.5（空气动力学当量直径小于或等于2.5微米的颗粒物）、pm10（空气动力学当量直径小于或等于10微米的颗粒物）。
24.在本公开实施例中，以pm10为例说明本公开实施例方案。可吸入颗粒物浓度可以是指pm10小时浓度，即，预设小时内粒径小于10微米的所有颗粒物的总质量浓度。
25.在本公开实施例中，天气预报数据可以基于光伏电站、气象观测站、环境监测站等的监测数据预测获得。
26.例如，天气预报数据可以包括但不限于：光伏电站逐15min（分钟）水平总辐射辐照度（单位:w/m2（瓦/米2））观测资料；气象服务中心面向光伏电站实时服务的逐15min总辐射辐照度、云量、气温等数值预报资料。
27.s12、根据天气预报数据识别第一沙尘天气。
28.在本公开实施例中，该第一沙尘天气以及后文中出现的第二沙尘天气均属于沙尘天气，第一沙尘天气用于指对天气预报数据中的太阳辐照度预报数据进行纠正时所识别出的沙尘天气，第二沙尘天气用于指根据天气实测数据建立太阳辐照度纠正模型时判断出的沙尘天气，因此，第一沙尘天气和第二沙尘天气仅用于区分不同场景中出现的沙尘天气，便于更清楚地说明本公开实施例方案。
29.在本公开实施例中，如图2所示，根据天气预报数据识别第一沙尘天气，可以包括步骤s21-s22：s21、根据可吸入颗粒物浓度的预报数据识别是否将要出现第一沙尘天气。
30.在本公开实施例中，根据可吸入颗粒物浓度的预报数据识别是否将要出现第一沙尘天气，可以包括：在可吸入颗粒物浓度的预报数据大于或等于第一浓度阈值的持续时长大于或等于第一预设时长的情况下，和/或，在可吸入颗粒物浓度的预报数据大于或等于第二浓度阈值的持续时长大于或等于第二预设时长的情况下，识别出会出现所述第一沙尘天气；其中，第一浓度阈值小于第二浓度阈值，第一预设时长大于第二预设时长。
31.在本公开实施例中，可以根据不同的应用场景或不同的需求自行定义该第一浓度阈值、第二浓度阈值、第一预设时长和第二预设时长。
32.在本公开实施例中，以可吸入颗粒物浓度为pm10小时浓度为例进行说明，第一浓度阈值可以包括：500微克每立方米-700微克每立方米，例如，可以选择600微克每立方米；第二浓度阈值可以包括：900微克每立方米-1100微克每立方米，例如，可以选择1000微克每立方米；第一预设时长可以包括：1.5-3.5小时，例如，可以选择2小时，第二预设时长可以包括：0.5-1.5小时，例如，可以选择1小时。
33.在本公开实施例中，例如，当可吸入颗粒物浓度的预报数据指示会出现以下情况时确定会出现第一沙尘天气：pm10小时浓度持续2个小时超过600微克每立方米，或者，持续1个小时超过1000微克每立方米。
34.s22、在识别出将要出现第一沙尘天气的情况下，根据可吸入颗粒物浓度的预报数据判断第一沙尘天气对应时段。
35.在本公开实施例中，根据可吸入颗粒物浓度的预报数据判断第一沙尘天气对应时段，包括：在任意的第一时段的可吸入颗粒物浓度的预测数据，大于或等于第一时段之前的第三预设时长内可吸入颗粒物浓度的平均预测数据的x倍，x为大于1的正整数，并且第一时段的可吸入颗粒物浓度的预测数据大于或等于第三浓度阈值的情况下，将第一时段中的最早时刻赋值为所述第一沙尘天气的起始时刻；
在任意的第二时段的可吸入颗粒物浓度的预测数据降至预设浓度范围的情况下，将第二时段中的最早时刻赋值为第一沙尘天气的结束时刻；其中，预设浓度范围是指：与该第一时段之前的第三预设时长内可吸入颗粒物浓度的平均预测数据的偏差小于或等于预设的偏差阈值的浓度范围；根据起始时刻和结束时刻确定第一沙尘天气的对应时段。
36.在本公开实施例中，可以根据不同的应用场景或不同的需求自行定义该第三浓度阈值、偏差阈值、第三预设时长以及x的数值。
37.在本公开实施例中，第一时段和第二时段均是指某一组可吸入颗粒物浓度的预测数据对应的产生时段，该第一时段是指符合沙尘天气（如上述的第一沙尘天气）的起始时段判定条件的那一组可吸入颗粒物浓度的预测数据对应的产生时段，该第二时段是指符合沙尘天气（如上述的第一沙尘天气）的结束时段判定条件的那一组可吸入颗粒物浓度的预测数据对应的产生时段。
38.在本公开实施例中，仍以可吸入颗粒物浓度为pm10小时浓度为例进行说明，第三浓度阈值可以包括：100微克每立方米-300微克每立方米，例如，可以选择150微克每立方米；偏差阈值可以包括：第四预设时长内可吸入颗粒物浓度的平均预测数据的5%-15%，例如，可以选择10%；第三预设时长可以包括：5-7小时，例如，可以选择6小时；x可以选择2-4，例如，可以选择2。
39.在本公开实施例中，例如，沙尘天气（如上述的第一沙尘天气）起始时段的判定可以包括：检测使得pm10小时平均浓度大于或等于前6个小时pm10平均浓度的2倍，并且pm10小时平均浓度大于150微克每立方米的这一组可吸入颗粒物浓度的预测数据对应的产生时段（可以记为第一时段）作为沙尘天气起始时段，沙尘天气的起始时刻可以是指起始时段（即第一时段）中的最早时刻。
40.在本公开实施例中，例如，沙尘天气（如上述的第一沙尘天气）结束时间的判定可以包括：检测使得pm10小时平均浓度首次降至与沙尘天气开始之前6个小时pm10平均浓度相对偏差小于或等于该沙尘天气开始之前6个小时pm10平均浓度10%的这一组可吸入颗粒物浓度的预测数据对应的产生时段（可以记为第二时段）作为沙尘天气结束时段，沙尘天气的结束时刻可以是指结束时段（即第二时段）中的最早时刻。
41.在本公开实施例中，基于第一沙尘天气起始时刻和结束时刻的确定，可以准确获取第一沙尘天气的对应时段，从而可以在进行太阳辐射度纠正时，仅针对该时段的太阳辐射度预报数据进行纠正，避免获取错误时段的太阳辐射度预报数据，从而出现纠正失误。
42.s13、在识别出第一沙尘天气的情况下，获取太阳辐照度纠正模型。
43.在本公开实施例中，获取太阳辐照度纠正模型，可以包括：根据历史天气数据建立太阳辐照度纠正模型，或者，调取预先建立的太阳辐照度纠正模型。
44.在本公开实施例中，如图3所示，根据历史天气数据建立太阳辐照度纠正模型，可以包括步骤s31-s37：s31、从历史天气数据中获取可吸入颗粒物浓度的实测数据。
45.s32、根据可吸入颗粒物浓度的实测数据判断是否存在第二沙尘天气。
46.在本公开实施例中，根据可吸入颗粒物浓度的实测数据判断是否存在第二沙尘天
气，可以包括：在可吸入颗粒物浓度的实测数据大于或等于第一浓度阈值的持续时长大于或等于第一预设时长的情况下，和/或，在可吸入颗粒物浓度的实测数据大于或等于第二浓度阈值的持续时长大于或等于第二预设时长的情况下，识别出会出现所述第二沙尘天气；其中，第一浓度阈值小于第二浓度阈值，第一预设时长大于第二预设时长。
47.在本公开实施例中，例如，当可吸入颗粒物浓度的实测数据指示会出现以下情况时确定会出现沙尘天气（如上述的第二沙尘天气）：pm10小时浓度持续2个小时超过600微克每立方米，或者，持续1个小时超过1000微克每立方米。
48.s33、在判定存在第二沙尘天气的情况下，根据可吸入颗粒物浓度的实测数据判断第二沙尘天气对应时段。
49.在本公开实施例中，根据可吸入颗粒物浓度的实测数据判断第二沙尘天气对应时段，包括：在任意的第三时段的可吸入颗粒物浓度的实测数据，大于或等于第三时段之前的第五预设时长内可吸入颗粒物浓度的平均预测数据的x倍，x为大于1的正整数，并且第三时段的可吸入颗粒物浓度的实测数据大于或等于第三浓度阈值的情况下，将第三时段中的最早时刻赋值为第二沙尘天气的起始时刻；在任意的第四时段的可吸入颗粒物浓度的预测数据降至预设浓度范围的情况下，将第四时段中的最早时刻赋值为第二沙尘天气的结束时刻；其中，预设浓度范围是指：与该第三时段之前的第五预设时长内可吸入颗粒物浓度的平均预测数据的偏差小于或等于预设的偏差阈值的浓度范围；根据起始时刻和结束时刻确定第二沙尘天气对应时段。
50.在本公开实施例中，例如，沙尘天气（如上述的第二沙尘天气）起始时刻的判定可以包括：检测使得pm10小时平均浓度大于或等于前6个小时pm10平均浓度的2倍，并且pm10小时平均浓度大于150微克每立方米的这一组可吸入颗粒物浓度的实测数据对应的产生时段（可以记为第三时段）作为沙尘天气起始时段，将起始时段（即第三时段）中的最早时刻作为沙尘天气的起始时刻。
51.在本公开实施例中，例如，沙尘天气（如上述的第二沙尘天气）结束时刻的判定可以包括：检测使得pm10小时平均浓度首次降至与沙尘天气开始之前6个小时pm10平均浓度相对偏差小于或等于该沙尘天气开始之前6个小时pm10平均浓度10%的这一组可吸入颗粒物浓度的实测数据对应的产生时段（可以记为第四时段）作为沙尘天气结束时段，将结束时段（即第四时段）中的最早时刻作为沙尘天气的结束时刻。
52.在本公开实施例中，起始时刻和结束时刻之间的时段作为沙尘天气（如上述的第二沙尘天气）的对应时段。
53.s34、从历史天气数据中获得第二沙尘天气对应时段内的第二太阳辐照度实测数据和第二太阳辐照度预报数据。
54.在本公开实施例中，通过步骤s33判断出第二沙尘天气的起始时刻和结束时刻，则可以准确判断第二沙尘天气的对应时段，例如，9时-15时，因此，可以从历史天气数据中获取该时段（如9时-15时）内太阳辐照度实测数据（记作第二太阳辐照度实测数据）、太阳辐照度预报数据（记作第二太阳辐照度预报数据）和可吸入颗粒物浓度的实测数据。
55.在本公开实施例中，考虑到阴天情况下预报太阳辐照度的意义不大，因此，可以仅选择总云量较少的第二沙尘天气获取相应时段的太阳辐照度实测数据和太阳辐照度预报数据。
56.在本公开实施例中，在从历史天气数据中获得第二沙尘天气对应时段内的第二太阳辐照度实测数据和第二太阳辐照度预报数据之前，所述方法还可以包括：从所述历史天气数据中获取多个第二沙尘天气的总云量实测数据；从多个第二沙尘天气中选取总云量实测数据小于或等于预设的云量阈值的第二沙尘天气，以基于选出的第二沙尘天气，进入获得第二沙尘天气对应时段内的第二太阳辐照度实测数据和第二太阳辐照度预报数据的流程。
57.在本公开实施例中，可以根据不同的应用场景和需求自行定义该云量阈值，在此不做限定。
58.在本公开实施例中，步骤s33判断出的第二沙尘天气可能有多个，由于太阳辐射随时间的变化大，且受阴天、雨/雪、多云等天气影响而偏低，因此可以利用云量阈值（例如总云量c≤2）作为判别条件，从判断出的多个第二沙尘天气中挑选出纯沙尘天气，从而剔除非晴天天气的影响，建立晴天沙尘天气条件下的太阳辐照度纠正模型。
59.在本公开实施例中，总云量可以用于指示天空被云遮蔽的程度，可以用0至10来表示。例如，天空无云，云量为0；天空一半被云遮住，云量为5；天空全部被云遮住，云量为10；天空很小一部分被云遮住，云量为2。
60.s35、获取预先创建的第一关系式，第一关系式中包含至少一个系数；第一关系式用于表征纠正之后的太阳辐照度预报数据、纠正之前的太阳辐照度预报数据以及可吸入颗粒物浓度的预报数据之间的关系。
61.在本公开实施例中，该第一关系式可以是基于计算太阳的辐射比r而获得的。该辐射比r可以计算为太阳辐照度实测数据eo（w/m2，瓦每平方米）与太阳辐照度预报数据ef（w/m2）的比率；即，r=eo/ef。其中，在进行太阳辐照度预报数据纠正时，eo就是太阳辐照度预报数据的纠正目标，因此，这里的eo可以视为修正之后的太阳辐照度预报数据eg，即，r=eg/ef。
62.在本公开实施例中，该辐射比r还可以根据可吸入颗粒物的浓度ρ计算获得：；其中，k和a均为系数。其中，在进行太阳辐照度预报数据纠正时，因为采用的数据都是预报数据，因此可吸入颗粒物的浓度ρ就是可吸入颗粒物浓度的预报数据。
63.在本公开实施例中，根据r=eg/ef以及可得：，即，。
64.在本公开实施例中，因此得到第一关系式为。
65.s36、根据第二太阳辐照度实测数据、第二太阳辐照度预报数据、可吸入颗粒物浓度的实测数据以及第一关系式得到系数的数值。
66.在本公开实施例中，在获得系数的数值过程中第二太阳辐照度实测数据对应第一关系式中的纠正之后的太阳辐照度预报数据，第二太阳辐照度预报数据对应第一关系式中的纠正之前的太阳辐照度预报数据，可吸入颗粒物浓度的实测数据对应第一关系式中的可
吸入颗粒物浓度的预报数据；在本公开实施例中，可以将步骤s34中获得的第二太阳辐照度实测数据作为纠正之后的太阳辐照度预报数据（即eg），将步骤s34中获得的第二太阳辐照度预报数据作为太阳辐照度预报数据（即ef），将步骤s34中获得的可吸入颗粒物浓度的实测数据作为可吸入颗粒物浓度的预报数据（即ρ）代入第一关系式，从而计算出第一关系式中的系数k和a。
67.在本公开实施例中，如果是基于多个第二沙尘天气计算出多个k和多个a，可以对该多个k求平均值，并对该多个a求平均值，得到最终的k和a的数值。
68.s37、将系数的数值赋值给第一关系式中相应的系数，获得太阳辐照度纠正模型。
69.在本公开实施例中，将计算出的k和a的数值代入第一关系式则得到一个纠正之后的太阳辐照度预报数据、纠正之前的太阳辐照度预报数据以及可吸入颗粒物浓度的预报数据之间的关系方程式，例如：；其中，指数中的e-4是指10的负4次方，-2e-4ρ是指-2乘10的负4次方，再乘ρ；可以将该关系方程式作为太阳辐照度纠正模型进行保存。
70.在本公开实施例中，基于步骤s34中对总云量的限制，该太阳辐照度纠正模型还可以保存为；（c≤b），其中，c是指总云量，b为1-10的正整数，例如，可以选择2。
71.s14、根据天气预报数据和太阳辐照度纠正模型纠正第一沙尘天气对应时段的太阳辐照度。
72.在本公开实施例中，天气预报数据可以包括第一太阳辐照度预报数据和可吸入颗粒物浓度的预报数据；第一太阳辐照度预报数据为纠正之前的太阳辐照度预报数据。
73.在本公开实施例中，在根据天气预报数据识别出第一沙尘天气的情况下，可以从天气预报数据中获得该第一沙尘天气对应时段的太阳辐照度预报数据（记为第一太阳辐照度预报数据）和可吸入颗粒物浓度的预报数据，以基于该第一太阳辐照度预报数据和可吸入颗粒物浓度的预报数据对太阳辐照度进行纠正。
74.在本公开实施例中，根据天气预报数据和太阳辐照度纠正模型纠正第一沙尘天气对应时段的太阳辐照度，包括：将第一太阳辐照度预报数据和可吸入颗粒物浓度的预报数据输入太阳辐照度纠正模型，得到第一沙尘天气对应时段的纠正之后的太阳辐照度预报数据；采用纠正之后的太阳辐照度预报数据替换第一太阳辐照度预报数据，完成对第一沙尘天气对应时段的太阳辐照度纠正。
75.在本公开实施例中，可以将第一太阳辐照度预报数据（即ef）和可吸入颗粒物浓度的预报数据（即ρ）输入，得到eg的数值。
76.在本公开实施例中，在根据天气预报数据和太阳辐照度纠正模型纠正第一沙尘天气对应时段的太阳辐照度之前，所述方法还可以包括：从天气预报数据中获取识别出的第一沙尘天气的总云量预报数据；在识别出的第一沙尘天气的总云量预报数据小于或等于预设的云量阈值的情况下，进入获取太阳辐照度纠正模型的流程；在识别出的第一沙尘天气的总云量预报数据大于云量阈值的情况下，可以退出太阳辐照度纠正方案的执行流程，停止执行太阳辐照度纠
正方案。
77.在本公开实施例中，如果太阳辐照度纠正模型为，（c≤2），说明对总运量有要求，即c≤2，则需要首先对总云量c进行判断，如果c满足要求，例如c≤2，则对太阳辐照度预报数据进行纠正，如果c不满足要求，例如c＞2，则不对太阳辐照度预报数据进行纠正。
78.在本公开实施例中，考虑到雨雪天气一般不会出现沙尘天气，但沙尘天气有可能出现阴天，而阴天情况下预报太阳辐照度的意义不大，因此，可以仅选择总云量较少的沙尘天气获取相应时段的第一太阳辐照度预报数据进行纠正。
79.在一些实施例中，也可以不考虑总云量的影响，只要是沙尘天气，便对太阳辐照度进行纠正。
80.在本公开实施例中，可以通过对比纠正前后的太阳辐照度的平均绝对误差（mae）和/或均方根误差（rmse）来进行沙尘天气太阳辐照度纠正效果检验，其中，mae越小越好，rmse越小越好，如果mae小于预设的第一误差阈值，和/或，rmse小于预设的第二误差阈值，则可以确认纠正效果良好。mae与rmse的计算方法依次如下： ； ；、分别表示太阳辐照度预报数据和太阳辐照度实测数据，单位为瓦每平方米（w/m2）；n为正整数，表示统计时段内样本总量，i为0或正整数，表示统计时段内样本序号。
81.在本公开实施例中，利用天气预报数据和太阳辐照度纠正模型纠正沙尘天气对应时段的太阳辐照度，能够充分利用cma（中国气象局）下发的预报时效内的天气数据对太阳辐照度数值进行纠正，提高了光伏电站沙尘天气条件下太阳辐照度预报准确率，进而提升光伏发电功率预测准确率。
82.在本公开实施例中，下面给出本公开实施例的一些天气数据特征分析以及方案实例。
83.下面对太阳辐射度日特征进行分析：分析近两年第一地区a、第二地区b、第三地区c、第四地区d这4个地区的光伏电站每个时刻平均太阳总辐射辐照度（即太阳辐照度）曲线可知（如图4所示），太阳总辐射辐照度日变化特征与太阳高度角密切相关，呈以12-13时为中心的正态分布，辐照度》0 w/m2平均出现在5:30-19:30，辐照度》120 w/m2平均出现在8:00-17:00；第三地区c、第四地区d、第二地区b和第一地区a的4个光伏电站的平均辐照度最大值依次为526.6w/m2、536.6w/m2、546.6w/m2和619.4w/m2，分别出现在12:15、12:15、12:30、12:30。第二地区b、第三地区c、第四地区d这3个光伏电站的日变化曲线基本一致，第一地区a的光伏电站从10:00开始平均太阳总辐射辐照都比其他3个光伏电站偏高，尤其是12:30偏高最多，分别为72.8w/m2、91.5w/m2和93.4w/m2。
84.下面对太阳辐射度月特征进行分析：
分析第一地区a、第二地区b、第三地区c、第四地区d这4个地区的4个光伏电站近两年月平均最大太阳总辐射辐照度可知（如图5所示），月变化曲线总体呈单峰型，6月为峰值中心，与月最大（如图6所示）太阳总辐射辐照度的峰值中心基本保持一致，11-翌年1月为谷值，3月、7月、11月波动明显，比总体趋势偏低。涞源光伏电站月平均最大太阳总辐射辐照度出现在5月份，为977.5w/m2，曲阳、平山、第一地区a的光伏电站月平均最大太阳总辐射辐照度出现在6月份，分别为924.7w/m2、925.6w/m2和876.4w/m2，这与这一区域春夏交替多晴热天气有直接关系；第一地区a、第二地区b、第三地区c、第四地区d光伏电站月最大太阳总辐射辐照度出现6月6日12:30、6月28日14:00、6月10日12:45和6月20日13:00，分别为1327w/m2、1205、1209w/m2和1299w/m2。第一年3月15-16日出现近10年来沙尘暴影响范围最大、强度最强的沙尘天气过程，3月28日出现了沙尘单日影响范围有记录以来最广的沙尘天气过程，第二年3月4日出现单日沙尘影响范围为近5 年以来3月上旬最广的大范围沙尘天气过程，导致这两年3月份月平均最大太阳总辐射辐照度偏低。7月份华北地区进入主汛期，降水偏多，尤其是第一年河北夏季暴雨站次较常年同期偏多89.1%，主要集中在7月中下旬的 11-13日、21-22日和28-30日三次过程；第二年7月出现2-6日、11-12、27-28日三次暴雨过程，拉低了这两年3月份月平均最大太阳总辐射辐照度。第一年11月6-9日，第一地区a、第二地区b、第三地区c、第四地区d都出现极端性雨雪天气，部分地区日降雪量突破历史同期极值；第二年11月17-21日，受静稳天气影响，出现当年影响范围最广的持续性大雾天气过程，致使11月份月平均最大太阳总辐射辐照度偏低。
85.下面对不同区间的太阳总辐射辐射度频次特征进行分析：分析第一地区a、第二地区b、第三地区c、第四地区d这4个地区的4个光伏电站仅两年96点实测数据中辐照度》0 w/m2的不同区间太阳总辐射辐照度出现频次特征，由表1（不同区间太阳总辐射辐照度出现时次特征表）可知，（0 w/m2，75w/m2]辐照度区间出现时次最多，第一地区a、第二地区b、第三地区c、第四地区d这4个地区的4个光伏电站的占比在21.23%~25.32%；(400 w/m2，620w/m2]辐照度区间出现时次占比次之，第四地区d、第三地区c、第二地区b和第一地区a占比分别为17.47%、19.39%、18.74%和19.61%；其次依次为(250w/m2，400w/m2]、(620w/m2，875w/m2]，占比分别为13.99%~17.06%和12.50%~15.42%，辐照度》875w/m2出现时次最少，分别为2.42%、3.28%、3.46%和7.18%；400w/m2以上的辐照度区间占比分别为33.5%、36.6%、37.3%和42.3%。
86.表1
87.下面对沙尘天气过程进行分析：利用沙尘天气过程及起止时间判别方法，基于第一地区a、第二地区b、第三地区c、第四地区d这4个地区的pm10小时浓度统计可知，近两年自北向南的第一地区a、第二地区b（如表2所示，沙为第二地区b的沙尘天气过程统计表）、第三地区c、第四地区d这4个地区的沙尘天气过程分别为10次、10次、9次、7次，沙尘天气最长时间影响过程为第一年3月15-18日，四个地区皆超过64小时，pm10小时浓度最大值分别为5589μg/m3（3月15日10:00）、3561μg/m3（3月15日14:00）、2823μg/m3（3月15日21:00）和2461μg/m3（3月16日01:00），对应时刻的太阳总辐射辐照度分别为151w/m2、225w/m2、0w/m2和0w/m2。分析第二地区b 的第一年3月15-18日pm10与实测太阳总辐射辐照度逐小时变化趋势（如图7所示），受沙尘天气影响，3月15-18日太阳总辐射辐照度日最大值比近两年3月份晴天最大辐照度（eomax）883w/m2、平均最大辐照度（eoavg）561.0w/m2都偏低。在总云量不超过1成的条件下，15日13-17时受强沙尘天气（pm10小时浓度均超过1588μg/m3）影响，第二地区b的光伏电站太阳总辐射辐照度为232w/m2，分别占3月份晴天最大辐照度、平均最大辐照度的26.3%和41.4%；16日10-17时pm10小时浓度维持在500μg/m3左右，第二地区b晴天太阳总辐射辐照度最大值上升为435w/m2，分别占3月份晴天最大辐照度、平均最大辐照度的49.3%和77.5%，17日受沙尘及阴天（云量90%）双重影响，第二地区b太阳总辐射辐照度最大值又下降为266w/m2。
88.表2
89.由图4、图5和图6可知，太阳总辐射辐照度存在明显的月变化和日变化特征，为有效降低直接分析太阳总辐射辐照度与pm10分析的偏差，本公开实施例采用太阳辐照度实测数据eo（w/m2）与太阳辐照度预报数据ef（w/m2）的比率r（简称辐射比）进行分析。选取近两年总云量c≤2的沙尘天气过程，尽可能剔除阴雨、多云等天气现象与沙尘叠加对辐照度的影响，仅保留晴天环境下沙尘天气影响的实况数据；进一步选取一个合适的时段（例如9:00-15:00）的辐射比，避免场站自然环境下光伏组件存在阴影的遮挡影响。利用统计回归建立
沙尘天气辐射比r与可吸入颗粒物的浓度ρ（例如pm10小时浓度）的关系模型（即太阳辐照度纠正模型），该关系模型表达式可以包括：；其中，ρ是可吸入颗粒物的浓度（例如pm10小时浓度），单位为微克每立方米（ug/m3）；e-4是指10的负4次方。
90.在太阳能气象服务中，基于实时光伏数值预报的辐照度、云量，建立太阳辐照度纠正模型，表达式包括：eg=ef
×rꢀꢀ
（c≤2）其中，eg为纠正之后的太阳辐照度预报数据，ef代表纠正之前的太阳辐照度预报数据，单位为瓦每平方米（w/m2），c代表总云量预报数据。
91.进行关系式变换得到；（c≤2）。
92.如图8所示，为本公开实施例提供的的辐射比r与pm10小时浓度ρ的关系示意图。
93.为了验证太阳辐照度纠正模型的纠正效果，可以选取2023年1月1日至5月31日的沙尘天气过程的天气数据进行效果检验。基于第一地区a、第二地区b、第三地区c、第四地区d这4个地区的pm10小时平均浓度和沙尘天气过程起止时间判别标准分析，期间共出现3月10日-3月11日、3月22日-3月23日、4月10日-4月13、4月14-15日、4月20日、4月28日六次沙尘天气过程。通过判别第一地区a、第二地区b、第三地区c、第四地区d这4个地区的站点逐小时总云量综合实况判别数据可知，3月10日-11日沙尘天气主要出现在10日夜间到11日上午，且第一地区a、第二地区b、第三地区c、第四地区d这4个地区的11日上午云量超过80%；3月22日-23日沙尘天气过程中，第一地区a、第二地区b、第三地区c、第四地区d这4个地区的2个白天总云量分别超过54%、91%、81%和76%；4月10日-4月13日沙尘天气过程中主要10日20时发生，13日结束，其中11日以晴为主，第一地区a、第二地区b、第三地区c、第四地区d这4个地区的4月12日-13日以多云到阴天气为主；4月14-15日沙尘天气过程发生于14日凌晨，结束于15日凌晨，且14日以晴天为主；4月20日、28日沙尘天气主要出现在夜间，光伏不出力，不做考虑。
94.选取4月11日、4月14日的辐照度、总云量预报数据和pm10小时平均浓度数据，代入沙尘天气下的太阳辐照度纠正模型进行检验，分析第一地区a、第二地区b、第三地区c、第四地区d这4个地区的4个光伏电站纠正前后太阳总辐射辐照度对比（如表3所示，为四个地区2023年4月11日、14日预报数据纠正前后太阳辐照度对比表）可知，纠正后的mae和rmse比纠正前的预报数据都有所提升，第三地区c和第二地区b的2个光伏电站的纠正效果相对更明显，11日纠正后的mae、rmse分别为23.6w/m2、47.4w/m2和35.6w/m2、54.7w/m2，相比纠正前mae、rmse分别提升了82.1w/m2、86.1w/m2和76.6w/m2、83.1w/m2；14日第三地区c和第二地区b的2个光伏电站纠正后的mae、rmse分别为117.6w/m2、119w/m2和138.3w/m2、153.2w/m2，相对纠正前mae、rmse分别提升了84.2w/m2、56.7w/m2和72.5w/m2、48.6w/m2。第一地区a光伏电站11日比14日纠正效果相对好一些，相对纠正前mae分别提升了29.3w/m2、7.6w/m2，rmse分别提升了51.5w/m2、25.8w/m2。第四地区d的光伏电站沙尘天气订正效果相对一般，纠正后的mae、rmse都在110w/m2以上，纠正后mae、rmse提升也基本低于20w/m2。
95.表3
96.根据以上天气数据特征分析和方案实例可知：4个光伏电站的太阳总辐射辐照度日变化和月变化特征明显，日变化呈现以12-13时为中心正态分布，平均辐照度最大值主要出现在12:15和12:30两个时刻；月平均最大太阳总辐射辐照度月变化曲线总体呈单峰型，6月为峰值中心，与月最大太阳总辐射辐照度的峰值中心基本保持一致，3月、7月、11月波动明显，受沙尘、降水和雨雪、大雾等原因影响，比总体趋势偏低。太阳总辐射辐照度不同区间出现频次不一，低于75w/m2辐照度区间出现时次最多，(400 w/m2，620w/m2]辐照度区间出现时次占比次之，400w/m2以上的辐照度区间占比分别为33.5%、36.6%、37.3%和42.3%。
97.4个区域近两年沙尘天气过程较多，分别为10次、10次、9次、7次，单次沙尘天气过程最长时间影响时间皆超过64小时；pm10小时浓度高于500μg/m3时，3月晴天沙尘天气最大辐照度占晴天辐照度的26.3%-49.3%。
98.通过沙尘天气下的太阳辐照度纠正模型对4个区域的4个光伏电站纠正都有正效果，第三地区c和第二地区b的2个光伏电站的纠正效果相对明显，平均绝对误差和均方根误差分别提升56.7-861w/m2和48.6-83.1w/m2。
99.在本公开实施例中，如图9所示，本公开实施例还提供了一种太阳辐照度纠正装置400，可以包括：至少一个处理器401；以及与所述至少一个处理器401通信连接的存储器402；其中，所述存储器402存储有可被所述至少一个处理器401执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器401执行，以使所述至少一个处理器401能够执行所述的太阳辐照度纠正方法。
100.在本公开实施例中，太阳辐照度纠正装置400还可以包括：一个或多个i/o（输入/输出）接口403，连接在处理器401与存储器402之间。
101.在本公开实施例中，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现所述的太阳辐照度纠正方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
102.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述的太阳辐照度纠正方法。
103.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，
在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读存储介质上，计算机可读存储介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。
104.如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读程序指令、数据结构、程序模块或其他数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom）、静态随机存取存储器（sram）、闪存或其他存储器技术、便携式压缩盘只读存储器（cd-rom）、数字多功能盘（dvd）或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读程序指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
105.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
106.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（isa）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（fpga）或可编程逻辑阵列（pla），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
107.这里所描述的计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
108.这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/
或框图中各方框的组合，都可以由计算机可读程序指令实现。
109.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
110.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
111.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
112.本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本公开的范围的情况下，可进行各种形式和细节上的改变。

技术特征：
1.一种太阳辐照度纠正方法，其特征在于，所述方法包括：获取天气预报数据；根据所述天气预报数据识别第一沙尘天气；在识别出所述第一沙尘天气的情况下，获取太阳辐照度纠正模型；根据所述天气预报数据和所述太阳辐照度纠正模型纠正所述第一沙尘天气对应时段的太阳辐照度。2.根据权利要求1所述的太阳辐照度纠正方法，其特征在于，所述天气预报数据包括可吸入颗粒物浓度的预报数据；所述根据所述天气预报数据识别第一沙尘天气，包括：根据所述可吸入颗粒物浓度的预报数据识别是否将要出现所述第一沙尘天气；在识别出将要出现所述第一沙尘天气的情况下，根据所述可吸入颗粒物浓度的预报数据判断所述第一沙尘天气对应时段。3.根据权利要求1所述的太阳辐照度纠正方法，其特征在于，所述获取太阳辐照度纠正模型，包括：根据历史天气数据建立所述太阳辐照度纠正模型，或者，调取预先建立的所述太阳辐照度纠正模型。4.根据权利要求3所述的太阳辐照度纠正方法，其特征在于，所述根据历史天气数据建立所述太阳辐照度纠正模型，包括：从所述历史天气数据中获取可吸入颗粒物浓度的实测数据；根据所述可吸入颗粒物浓度的实测数据判断是否存在第二沙尘天气；在判定存在所述第二沙尘天气的情况下，根据所述可吸入颗粒物浓度的实测数据判断所述第二沙尘天气对应时段；从所述历史天气数据中获得所述第二沙尘天气对应时段内的第二太阳辐照度实测数据和第二太阳辐照度预报数据；获取预先创建的第一关系式，所述第一关系式中包含至少一个系数；所述第一关系式用于表征纠正之后的太阳辐照度预报数据、纠正之前的太阳辐照度预报数据以及可吸入颗粒物浓度的预报数据之间的关系；根据所述第二太阳辐照度实测数据、所述第二太阳辐照度预报数据、所述可吸入颗粒物浓度的实测数据以及所述第一关系式得到所述系数的数值；其中，在获得所述系数的数值过程中所述第二太阳辐照度实测数据对应所述第一关系式中的纠正之后的太阳辐照度预报数据，所述第二太阳辐照度预报数据对应所述第一关系式中的纠正之前的太阳辐照度预报数据，所述可吸入颗粒物浓度的实测数据对应所述第一关系式中的可吸入颗粒物浓度的预报数据；将所述系数的数值赋值给所述第一关系式中相应的系数，获得所述太阳辐照度纠正模型。5.根据权利要求4所述的太阳辐照度纠正方法，其特征在于，在从所述历史天气数据中获得所述第二沙尘天气对应时段内的第二太阳辐照度实测数据和第二太阳辐照度预报数据之前，所述方法还包括：从所述历史天气数据中获取多个所述第二沙尘天气的总云量实测数据；
从多个所述第二沙尘天气中选取所述总云量实测数据小于或等于预设的云量阈值的第二沙尘天气，以基于选出的所述第二沙尘天气，进入获得所述第二沙尘天气对应时段内的第二太阳辐照度实测数据和第二太阳辐照度预报数据的流程。6.根据权利要求1所述的太阳辐照度纠正方法，其特征在于，所述天气预报数据包括第一太阳辐照度预报数据和可吸入颗粒物浓度的预报数据；所述第一太阳辐照度预报数据为纠正之前的太阳辐照度预报数据；所述根据所述天气预报数据和所述太阳辐照度纠正模型纠正所述第一沙尘天气对应时段的太阳辐照度，包括：将所述第一太阳辐照度预报数据和所述可吸入颗粒物浓度的预报数据输入所述太阳辐照度纠正模型，得到所述第一沙尘天气对应时段的纠正之后的太阳辐照度预报数据；采用所述纠正之后的太阳辐照度预报数据替换所述第一太阳辐照度预报数据，完成对所述第一沙尘天气对应时段的太阳辐照度纠正。7.根据权利要求6所述的太阳辐照度纠正方法，其特征在于，在根据天气预报数据和太阳辐照度纠正模型纠正第一沙尘天气对应时段的太阳辐照度之前，所述方法还包括：从天气预报数据中获取识别出的所述第一沙尘天气的总云量预报数据；在识别出的所述第一沙尘天气的总云量预报数据小于或等于预设的云量阈值的情况下，进入获取所述太阳辐照度纠正模型的流程；在识别出的所述第一沙尘天气的总云量预报数据大于所述云量阈值的情况下，退出太阳辐照度纠正方案的执行流程。8.根据权利要求1-7任意一项所述的太阳辐照度纠正方法，其特征在于，所述太阳辐照度纠正模型包括：；其中，eg为纠正之后的太阳辐照度预报数据，ef 为纠正之前的太阳辐照度预报数据，为可吸入颗粒物浓度的预报数据，k和a为系数。9.一种太阳辐照度纠正装置，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8中任一项所述的太阳辐照度纠正方法。10.一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，所述计算机程序在被处理器执行时实现如权利要求1-8中任一项所述的太阳辐照度纠正方法。

技术总结
本公开实施例提供了一种太阳辐照度纠正方法、装置和计算机可读存储介质，涉及天气数据处理技术领域，该方法包括：获取天气预报数据；根据天气预报数据识别第一沙尘天气；在识别出第一沙尘天气的情况下，获取太阳辐照度纠正模型；根据天气预报数据和太阳辐照度纠正模型纠正第一沙尘天气对应时段的太阳辐照度。根据本公开的实施例提高了沙尘天气太阳辐照度预测准确率。预测准确率。预测准确率。


技术研发人员：张金满 申彦波 姚锦烽 李崴 叶冬 曲晓黎 曹润东 赵增保 苏永彦 杨琳晗 严晓瑜
受保护的技术使用者：河北省气象服务中心（河北省气象影视中心）
技术研发日：2023.08.16
技术公布日：2023/9/13