1.一种计及大气湿度的滨海地区光伏发电功率预测方法，其特征在于，包括如下步骤：获取当前检测周期滨海地区光伏发电装置所处环境的第一气象要素实时数据，所述第一气象要素包括：相对湿度和蒸散发；基于短时光伏发电功率预测模型，结合所述相对湿度实时数据和所述蒸散发实时数据，计算所述光伏发电装置在下一检测周期的发电功率预测值；所述获取当前检测周期滨海地区光伏发电装置所处环境的第一气象要素实时数据之后，还包括：获取所述光伏发电装置所处环境的第二气象要素实时数据，所述第二气象要素包括：辐射、云量、温度、降雨量、气压、风速和/或风向；结合所述第一气象要素实时数据和所述第二气象要素实时数据，基于所述短时光伏发电功率预测模型，计算所述光伏发电装置在下一检测周期的发电功率预测值；获取当前检测周期滨海地区光伏发电装置所处环境的相对湿度实时数据，包括：基于若干个地面气象站分别获取所述光伏发电装置所处环境的第一相对湿度值；基于设置于所述光伏发电装置上的若干个电容式湿度传感器获取所述光伏发电装置所处环境的第二相对湿度值；依据若干个所述第一相对湿度值和若干个所述第二相对湿度值，计算所述光伏发电装置所处环境的相对湿度实时数据；所述光伏发电装置所处环境的相对湿度实时数据的计算公式为： ； ；其中， 为地面气象站的数量， 为第i个地面气象站的时间衰减因子， 为第i个地面气象站的置信度系数， 为第i个地面气象站的空间权重因子， 为第i个地面气象站与光伏发电装置的距离值， 为第i个地面气象站的湿度监测值， 为电容式湿度传感器的数量， 为第j个电容式湿度传感器的时间衰减因子， 为第j个电容式湿度传感器的置信度系数， 为第j个电容式湿度传感器的空间权重因子， 为第j个电容式湿度传感器与光伏发电装置的距离值， 为第i个地面气象站和第j个电容式湿度传感器的相关性系数， 为第j个电容式湿度传感器检测的湿度值。
2.根据权利要求1所述的计及大气湿度的滨海地区光伏发电功率预测方法，其特征在于，所述获取当前检测周期滨海地区光伏发电装置所处环境的第一气象要素实时数据之后，还包括：对所述相对湿度的实时数据和所述蒸散发的实时数据进行归一化处理；得到所述相对湿度和所述蒸散发数据的标准值。
3.根据权利要求1所述的计及大气湿度的滨海地区光伏发电功率预测方法，其特征在于，还包括：基于卫星遥感数据获取所述光伏发电装置所处环境的第三相对湿度值；基于数值天气预报模型获取所述光伏发电装置所处环境的第四相对湿度值；通过所述第三相对湿度值和所述第四相对湿度值，对所述相对湿度实时数据进行校准。
4.根据权利要求1-3任一所述的计及大气湿度的滨海地区光伏发电功率预测方法，其特征在于，所述短时光伏发电功率预测模型为在Tensorflow架构下建立的双层LSTM多步预测模型；所述双层LSTM多步预测模型包括：输入层、第一LSTM单元和第二LSTM单元；所述输入层接收气象要素相应的实时气象数据，并发送至所述第一LSTM单元；所述第一LSTM单元对所述实时气象数据进行特征提取，并将特征提取后的第一数据隐藏状态信息发送至所述第二LSTM单元，所述第一数据隐藏状态信息包括：气象要素的实时气象数据随时间变化趋势、若干个气象要素之间的关联性以及气象要素与光伏发电装置输出功率值的关联性；所述第二LSTM单元接收所述第一数据隐藏状态信息并再次进行特征提取，得到第二数据隐藏状态信息；所述双层LSTM多步预测模型基于所述第二数据隐藏状态信息计算光伏发电装置输出功率值；其中，所述第一LSTM单元和第二LSTM单元的激活函数均为双曲非正切函数。
5.根据权利要求4所述的计及大气湿度的滨海地区光伏发电功率预测方法，其特征在于，所述短时光伏发电功率预测模型的数据训练集包括：ECMWF Reanalysis v5气象再分析数据。
6.一种计及大气湿度的滨海地区光伏发电功率预测系统，其特征在于，基于权利要求1-5任一所述的计及大气湿度的滨海地区光伏发电功率预测方法对滨海地区光伏发电功率进行预测，包括：数据获取模块，其用于获取当前检测周期滨海地区光伏发电装置所处环境的第一气象要素实时数据，所述第一气象要素包括：相对湿度和蒸散发；功率预测模块，其用于基于短时光伏发电功率预测模型，结合所述相对湿度实时数据和所述蒸散发实时数据，计算所述光伏发电装置在下一检测周期的发电功率预测值。
7.一种电子设备，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指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-5任一所述的计及大气湿度的滨海地区光伏发电功率预测方法。
