1.一种太阳能板光通量估计模型构建方法，其特征在于，包括以下步骤：获取所述太阳能板在预设时间段内的板测量数据，其中，所述板测量数据至少包括太阳光强度测量数据以及太阳高度角测量数据；

基于预设的采样周期对所述板测量数据进行采样，得到有效测量数据，其中，所述有效测量数据至少包括有效光强数据以及有效高度角数据；获取所述太阳能板的运行状态量参数以及环境量参数作为输入变量，基于所述有效测量数据作为输出变量；

建立所述输入变量以及所述输出变量之间的映射模型并进行训练，直至所述映射模型的有效光通量估计精度符合预设的精度要求，基于对应的所述映射模型得到所述太阳能板光通量估计模型；

所述获取所述太阳能板在预设时间段内的板测量数据，具体包括：基于预设的测量传感器组获取所述太阳能板在预设时间段内的所述板测量数据，其中，所述测量传感器组至少包括光强检测传感器以及高度角检测传感器，其中，基于所述光强检测传感器获取所述太阳能板在预设时间段内的所述太阳光强度测量数据；

基于所述高度角检测传感器获取所述太阳能板在预设时间段内的所述太阳高度角测量数据；

所述获取所述太阳能板的运行状态量参数以及环境量参数作为输入变量，基于所述有效测量数据作为所述输出变量，具体包括：基于所述测量传感器组获取所述运行状态量参数以及所述环境量参数，其中，所述测量传感器组至少还包括运行状态检测传感器以及温度检测传感器、湿度检测传感器和雨量检测传感器；其中，基于所述运行状态检测传感器获取所述运行状态量参数；

基于所述温度检测传感器获取温度参数，基于所述湿度检测传感器获取湿度参数，基于所述雨量检测传感器获取雨量参数；

基于所述温度参数、所述湿度参数以及所述雨量参数得到所述环境量参数；

所述映射模型的训练步骤包括：

随机提取多个所述采样周期内的输入数据以及输出数据作为测试集；将剩余的多个所述采样周期内的所述输入数据以及所述输出数据作为训练集；

将所述训练集输入到映射模型中对所述映射模型进行训练，并用所述测试集对每次训练完的所述映射模型进行测试；

基于测试的结果得到测试误差，从而基于所述测试误差得到所述有效光通量估计精度；

当所述有效光通量估计精度大于或者等于预设的所述精度要求时，停止训练，并将当前所述映射模型提取作为所述太阳能板光通量估计模型；

还包括对所述有效测量数据进行自检，以筛除误差数据，具体包括：基于所述有效测量数据提取对应的所述有效光强数据以及所述有效高度角数据；

基于所述有效光强数据建立有效光强与所述采样周期的光强二维曲线；

基于所述有效高度角数据建立有效高度角与所述采样周期的高度角二维曲线；

基于所述光强二维曲线以及所述高度角二维曲线识别所述误差数据，从而将对应的所述误差数据进行筛除。

2.根据权利要求1所述的一种太阳能板光通量估计模型构建方法，其特征在于，所述基于预设的采样周期对所述板测量数据进行采样，得到有效测量数据，具体包括：基于预设的所述采样周期对所述板测量数据中的所述太阳光强度测量数据进行采样得到有效光强数据；

基于预设的所述采样周期对所述板测量数据中的所述太阳高度角测量数据进行采样得到有效高度角数据；

基于所述有效光强数据以及所述有效高度角数据得到所述有效测量数据。

3.根据权利要求1所述的一种太阳能板光通量估计模型构建方法，其特征在于，所述基于预设的采样周期对所述板测量数据进行采样，得到有效光强数据，还包括：获取客户端的输入数据以提取得到所述采样周期，基于对应的所述采样周期对所述板测量数据中的所述太阳光强度测量数据进行采样得到有效光强数据；

基于对应的所述采样周期对所述板测量数据中的所述太阳高度角测量数据进行采样得到有效高度角数据；

基于所述有效光强数据以及所述有效高度角数据得到所述有效测量数据。

4.根据权利要求1所述的一种太阳能板光通量估计模型构建方法，其特征在于，采用机器学习算法建立所述映射模型，并基于建模误差得到所述有效光通量估计精度，在训练过程中，当所述有效光通量估计精度符合预设的精度要求时，提取此时的所述映射模型作为所述太阳能板光通量估计模型。

5.一种太阳能板光通量估计模型构建系统，其特征在于，包括存储器和处理器，所述存储器中包括太阳能板光通量估计模型构建方法程序，所述太阳能板光通量估计模型构建方法程序被所述处理器执行时实现如下步骤：获取所述太阳能板在预设时间段内的板测量数据，其中，所述板测量数据至少包括太阳光强度测量数据以及太阳高度角测量数据；

基于预设的采样周期对所述板测量数据进行采样，得到有效测量数据，其中，所述有效测量数据至少包括有效光强数据以及有效高度角数据；获取所述太阳能板的运行状态量参数以及环境量参数作为输入变量，基于所述有效测量数据作为输出变量；

建立所述输入变量以及所述输出变量之间的映射模型并进行训练，直至所述映射模型的有效光通量估计精度符合预设的精度要求，基于对应的所述映射模型得到所述太阳能板光通量估计模型；所述获取所述太阳能板在预设时间段内的板测量数据，具体包括：基于预设的测量传感器组获取所述太阳能板在预设时间段内的所述板测量数据，其中，所述测量传感器组至少包括光强检测传感器以及高度角检测传感器，其中，基于所述光强检测传感器获取所述太阳能板在预设时间段内的所述太阳光强度测量数据；

基于所述高度角检测传感器获取所述太阳能板在预设时间段内的所述太阳高度角测量数据；

所述获取所述太阳能板的运行状态量参数以及环境量参数作为输入变量，基于所述有效测量数据作为所述输出变量，具体包括：基于所述测量传感器组获取所述运行状态量参数以及所述环境量参数，其中，所述测量传感器组至少还包括运行状态检测传感器以及温度检测传感器、湿度检测传感器和雨量检测传感器；其中，基于所述运行状态检测传感器获取所述运行状态量参数；

基于所述温度检测传感器获取温度参数，基于所述湿度检测传感器获取湿度参数，基于所述雨量检测传感器获取雨量参数；

基于所述温度参数、所述湿度参数以及所述雨量参数得到所述环境量参数；

所述映射模型的训练步骤包括：

随机提取多个所述采样周期内的输入数据以及输出数据作为测试集；将剩余的多个所述采样周期内的所述输入数据以及所述输出数据作为训练集；

将所述训练集输入到映射模型中对所述映射模型进行训练，并用所述测试集对每次训练完的所述映射模型进行测试；

基于测试的结果得到测试误差，从而基于所述测试误差得到所述有效光通量估计精度；

当所述有效光通量估计精度大于或者等于预设的所述精度要求时，停止训练，并将当前所述映射模型提取作为所述太阳能板光通量估计模型；

还包括对所述有效测量数据进行自检，以筛除误差数据，具体包括：基于所述有效测量数据提取对应的所述有效光强数据以及所述有效高度角数据；

基于所述有效光强数据建立有效光强与所述采样周期的光强二维曲线；

基于所述有效高度角数据建立有效高度角与所述采样周期的高度角二维曲线；

基于所述光强二维曲线以及所述高度角二维曲线识别所述误差数据，从而将对应的所述误差数据进行筛除。

6.根据权利要求5所述的一种太阳能板光通量估计模型构建系统，其特征在于，所述基于预设的采样周期对所述板测量数据进行采样，得到有效测量数据，具体包括：基于预设的所述采样周期对所述板测量数据中的所述太阳光强度测量数据进行采样得到有效光强数据；

基于预设的所述采样周期对所述板测量数据中的所述太阳高度角测量数据进行采样得到有效高度角数据；

基于所述有效光强数据以及所述有效高度角数据得到所述有效测量数据.

7.一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中包括一种太阳能板光通量估计模型构建方法程序，所述太阳能板光通量估计模型构建方法程序被处理器执行时，实现如权利要求1至4中任一项所述的一种太阳能板光通量估计模型构建方法的步骤。