1.一种基于能量模型和动态权重因子的太阳能能量预测方法，其特征在于：该方法包括以下步骤：S1：将一个自然日分为N个时隙，记录每个时隙收集到的太阳能能量值，并将一个自然日中所得到的N个能量样本值作为一个天气模型存储起来；记录过去D天所采集到的太阳能能量，共得到D个历史能量模型；

S2：当前天记为第d天，根据当天第n+1个时隙的前K个时隙所采集到的太阳能能量值，从过去D天中选择一个最相似历史能量模型E(i*)；

S3：计算第n+1时隙的天气条件因子GAPn+1和动态权重因子αn+1；

S4：根据最相似历史能量模型、天气条件因子和动态权重因子，得到如下太阳能能量预测方法：其中， 为预测的当天第n+1个时隙的能量值，E(i*,n+1)为最相似能量模型中第n+1时隙的能量值，GAPn+1为第n+1个时隙的天气条件因子，MD(d,n+1)为前D天第n+1时隙的平均能量值。

2.根据权利要求1所述的一种基于能量模型和动态权重因子的太阳能能量预测方法，其特征在于：所述S2中，选择最相似历史能量模型的具体步骤如下：计算当天第n+1个时隙的前K个时隙与过去D天中第i天K个对应时隙收集到的能量的平均误差，表示如下：其中，E(d,k)和E(i,k)分别表示当前天和第i天在第k个时隙收集的能量，pk-n+K为对应的权重；按照过去K个时隙到当前时隙的时间间隔分配权重，pk-n+K组成权重向量P，表示为：平均误差最小的能量模型即为最相似能量模型，对应的天次用i*表示；当天第n+1个时隙最相似历史能量模型的选择方法表示为：

3.根据权利要求1所述的一种基于能量模型和动态权重因子的太阳能能量预测方法，其特征在于：所述S3中，天气条件因子GAP的具体步骤如下：过去D天在第n+1个时隙采集的平均能量值为：

定义一个拥有K个元素的向量V＝[v1,v2,…,vk-n+K,…,vK]，其元素vk-n+K表示的是当天第n+1个时隙的前K个时隙的能量值与过去D天对应时隙平均能量的比值，表示为：则当天第n+1个时隙的天气条件因子表示为：

4.根据权利要求1所述的一种基于能量模型和动态权重因子的太阳能能量预测方法，其特征在于：所述S3中，计算动态权重因子αn+1的具体步骤如下：计算第n个时隙天气条件因子和能量均值的乘积GAPn×MD(d,n)与第n个时隙采集到的能量值E(d,n)之差的绝对值λ1：λ1＝|GAPn×MD(d,n)-E(d,n)|       (8)计算最相似天气模型中第n个时隙的能量值与当前天第n个时隙的能量值之差的绝对值λ2：则第n+1个时隙的动态权重因子表示为：