1.一种用于光伏功率预测的天气类型识别方法，其特征在于，包括：对光伏气象站的历史数据进行清洗，并根据清洗后的历史数据确定每日气象特征库；对每日气象特征库中的气象特征样本进行K-means聚类，并对聚类结果进行优化，得到最终聚类结果和类别标签；通过反向传播神经网络模型对预测日天气类型进行识别；所述反向传播神经网络模型通过对最终聚类结果和类别标签进行训练得到；所述每日气象特征库包括气象特征样本；所述气象特征样本对应的气象特征包括气象指标和辐照波动指标；所述气象指标包括最大辐照强度IR max 和最高温度T max ；所述辐照波动指标包括最大波动DIFF IRmax 、波动标准差STD IR 、波动均值MV IR 和波动三阶导数TD IRmax ；其中DIFF IRmax 按下式确定：DIFF IRmax ＝max(DIFF IRi )其中，DIFF IRi 表示第i个历史数据的一阶差分，且DIFF IRi ＝IR i+1 -IR i ，i＝1,2,...,n-1，IR i+1 表示第i+1个历史数据的辐照度，IR i 表示第i个历史数据的辐照度。
2.根据权利要求1所述的用于光伏功率预测的天气类型识别方法，其特征在于，所述历史数据包括光伏气象站收集的气象信息和电力计量装置收集的功率信息；所述气象信息包括辐照强度和温度。
3.根据权利要求1所述的用于光伏功率预测的天气类型识别方法，其特征在于，所述对光伏气象站的历史数据进行清洗包括：采用支持向量回归法对历史数据进行拟合，得到如下式的历史数据的光伏功率残差：RE i ＝|P i -P i ′|其中，RE i 表示第i个历史数据的光伏功率残差，P i 表示第i个历史数据的实时功率，P i ′表示第i个历史数据拟合后的实时功率；将历史数据的光伏功率残差与残差阈值进行对比，并将超过残差阈值的历史数据进行排除。
4.根据权利要求1所述的用于光伏功率预测的天气类型识别方法，其特征在于，所述气象特征样本的格式为：[IR max ，T max ，DIFF IRmax ，STD IR ，MV IR ，TD IRmax ]。
5.根据权利要求1或4所述的用于光伏功率预测的天气类型识别方法，其特征在于，所述对每日气象特征库中的气象特征样本进行K-means聚类，并对聚类结果进行优化，得到最终聚类结果和类别标签，包括：根据最大值特征[IR max ，T max ，DIFF IRmax ，TD IRmax ]对气象特征样本进行第一次聚类，并通过第一轮廓系数对第一次聚类结果进行优化，得到优化结果；根据优化结果对统计特征[STD IR ，MV IR ]进行第二次聚类，并通过第二轮廓系数对第二次聚类结果进行优化，得到最终聚类结果和类别标签。
6.根据权利要求1所述的用于光伏功率预测的天气类型识别方法，其特征在于，所述通过反向传播神经网络模型对预测日天气类型进行识别，包括：利用反向传播神经网络对最终的聚类结果和类别标签进行训练，得到反向传播神经网络模型；将预测日的气象特征输入反向传播神经网络模型，得到预测日的天气类型。
7.一种用于光伏功率预测的天气类型识别装置，其特征在于，包括：清洗模块，用于对光伏气象站的历史数据进行清洗，并根据清洗后的历史数据确定每日气象特征库；聚类模块，用于对每日气象特征库中的气象特征样本进行K-means聚类，并对聚类结果进行优化，得到最终聚类结果和类别标签；识别模块，用于通过反向传播神经网络模型对预测日天气类型进行识别；所述反向传播神经网络模型通过对最终聚类结果和类别标签进行训练得到；所述每日气象特征库包括气象特征样本；所述气象特征样本对应的气象特征包括气象指标和辐照波动指标；所述气象指标包括最大辐照强度IR max 和最高温度T max ；所述辐照波动指标包括最大波动DIFF IRmax 、波动标准差STD IR 、波动均值MV IR 和波动三阶导数TD IRmax ；其中DIFF IRmax 按下式确定：DIFF IRmax ＝max(DIFF IRi )其中，DIFF IRi 表示第i个历史数据的一阶差分，且DIFF IRi ＝IR i+1 -IR i ，i＝1,2,...,n-1，IR i+1 表示第i+1个历史数据的辐照度，IR i 表示第i个历史数据的辐照度。
8.根据权利要求7所述的用于光伏功率预测的天气类型识别装置，其特征在于，所述历史数据包括光伏气象站收集的气象信息和电力计量装置收集的功率信息；所述气象信息包括辐照强度和温度。
9.根据权利要求7所述的用于光伏功率预测的天气类型识别装置，其特征在于，所述清洗模块具体用于：采用支持向量回归法对历史数据进行拟合，得到如下式的历史数据的光伏功率残差：RE i ＝|P i -P i ′|其中，RE i 表示第i个历史数据的光伏功率残差，P i 表示第i个历史数据的实时功率，P i ′表示第i个历史数据拟合后的实时功率；将历史数据的光伏功率残差与残差阈值进行对比，并将超过残差阈值的历史数据进行排除。
10.根据权利要求7所述的用于光伏功率预测的天气类型识别装置，其特征在于，所述气象特征样本的格式为：[IR max ，T max ，DIFF IRmax ，STD IR ，MV IR ，TD IRmax ]。
11.根据权利要求7或10所述的用于光伏功率预测的天气类型识别装置，其特征在于，所述聚类模块具体用于：根据最大值特征[IR max ，T max ，DIFF IRmax ，TD IRmax ]对气象特征样本进行第一次聚类，并通过第一轮廓系数对第一次聚类结果进行优化，得到优化结果；根据优化结果对统计特征[STD IR ，MV IR ]进行第二次聚类，并通过第二轮廓系数对第二次聚类结果进行优化，得到最终聚类结果和类别标签。
12.根据权利要求7所述的用于光伏功率预测的天气类型识别装置，其特征在于，所述识别模块具体用于：利用反向传播神经网络对最终的聚类结果和类别标签进行训练，得到反向传播神经网络模型；将预测日的气象特征输入反向传播神经网络模型，得到预测日的天气类型。
