1.光伏发电站功率预测模型的训练方法，其特征在于包括以下步骤：
2.根据权利要求1所述光伏发电站功率预测模型的训练方法，其特征在于：所述步骤1中，以日为采集周期采集温度数据的过程，包括以下步骤：
3.根据权利要求1所述光伏发电站功率预测模型的训练方法，其特征在于：所述步骤2中，机组状态包括：通讯中断、正常运行、告警运行、限电运行、正常停机、故障停机、维保停机、待机中的任意一种，并使用预设编码的形式表示不同的机组状态。
4.根据权利要求1所述光伏发电站功率预测模型的训练方法，其特征在于：所述步骤3包括以下步骤：
5.根据权利要求4所述光伏发电站功率预测模型的训练方法，其特征在于：所述步骤3.1中，第一预设聚类算法为st-dbscan聚类算法，所述第二预设聚类算法为k-means聚类算法，所述k-means聚类算法中k值的根据多个评价指标的综合评价结果确定。
6.根据权利要求4所述光伏发电站功率预测模型的训练方法，其特征在于：所述步骤3.4中，将所述多个数据集划分多个簇族，包括：将所述多个数据集划分k个簇族；分别计算k个簇族中所包含实测功率值的方差和平均值，并将包含这两个值的参数作为对应簇族的相关参数。
7.根据权利要求4所述光伏发电站功率预测模型的训练方法，其特征在于：所述步骤4中，所述预设机器学习模型为lstm模型，对lstm模型进行训练时采用adaboost算法进行训练。
8.一种光伏发电站功率预测方法，其特征在于包括以下步骤：
9.一种光伏发电站功率预测模型的训练装置，其特征在于所述装置包括：
10.根据权利要求9所述一种光伏发电站功率预测模型的训练装置，其特征在于：所述第一实测数据组获取模块包括：温度采集单元，所述温度采集单元用于以日为采集周期采集温度数据的过程，其包括：
11.根据权利要求9所述一种光伏发电站功率预测模型的训练装置，其特征在于：所述功率缺失值填充模块，包括：
12.一种光伏发电站功率预测装置，其特征在于：该功率预测装置包括：
13.一种计算机设备，其特征在于包括：
14.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行如权利要求1-7任一项所述的光伏发电站功率预测模型的训练方法，或权利要求8所述的光伏发电站功率预测方法。