1.基于人工智能的大数据解析方法，其特征在于，包括步骤有，设置若干个目标风力发电机组与若干个目标光伏发电机组，通过大数据端采集目标风力发电机组与目标光伏发电机组在历史期间所有的有功功率数据及同期的气象环境数据；对所有的有功功率数据及同期的气象环境数据进行去噪和添加标签，标签用于识别有功功率数据的来源以及识别有功功率数据与气象环境数据的采集时间；建立一个具有可变参数的动态解析模型，通过具有可变参数的动态解析模型对去噪和添加标签后的所有的有功功率数据及同期的气象环境数据进行解析，解析过程中动态改变具有可变参数的动态解析模型的参数直到满足解析条件；

具有可变参数的动态解析模型，

具体为 ；

其中的t为气象环境数据中某个具体因素的量化值，其中w为可变周期参数，其中P1为风力发电机组有功功率的调整基准值，其中P2为光伏发电机组有功功率的调整基准值，其中M1为风力发电机组的统计代表值，M2为光伏发电机组的统计代表值；

M1的值等于所有统计值的均值，M2的值也等于所有统计值的均值；

通过具有可变参数的动态解析模型对去噪和添加标签后的所有的有功功率数据及同期的气象环境数据进行解析，具体地，首先为w、P1、P2 均分配一定量的可选值：（w1,

1 2 n 1 2 n

w2,......wn）,（P1，P1，.......P1），（P2，P2，.......P2），按照遍历的办法将w、P1、P2 的可选值依次输入到具有可变参数的动态解析模型中，每次输入过程中计算具有可变参数的动态解析模型对t、M1、M2的拟合度；如果具有可变参数的动态解析模型对t、M1、M2的拟合度满足阈值则将当次输入的一组w、P1、P2 的可选值保留并记录输入次序，依次将具有可变参数的动态解析模型对t、M1、M2的拟合度阈值降低进行若干次遍历地将w、P1、P2 的可选值依次输入到具有可变参数的动态解析模型中迭代上述运算，最终得到几组满足阈值的w、P1、P2 的可选值；所述满足解析条件指最终得到的几组满足阈值的w、P1、P2 的可选值，其中的阈值为最小阈值；

具有可变参数的动态解析模型对t、M1、M2的拟合度计算如下：

当w、P1、P2 的可选值确定后，对于每一个输入的t均计算：

；然后计算所有Q的均值，所有Q

的均值即具有可变参数的动态解析模型对t、M1、M2的拟合度。

2.运行权利要求1所述的基于人工智能的大数据解析方法的系统，其特征在于，包括有，

大数据端，大数据端用于采集目标风力发电机组与目标光伏发电机组在历史期间所有的有功功率数据及同期的气象环境数据；还用于对所有的有功功率数据及同期的气象环境数据进行去噪和添加标签，标签用于识别有功功率数据的来源以及识别有功功率数据与气象环境数据的采集时间；

解析模型构建单元，解析模型构建单元用于建立一个具有可变参数的动态解析模型，通过具有可变参数的动态解析模型对去噪和添加标签后的所有的有功功率数据及同期的气象环境数据进行解析，解析过程中动态改变具有可变参数的动态解析模型的参数直到满足解析条件。

3.根据权利要求2所述的基于人工智能的大数据解析系统，其特征在于，系统包括有处理器，处理器用于执行大数据端、解析模型构建单元的功能。