逻辑整理（光伏发电预测算法部署用的）

def main():
    while True:
        if is_true_month():  # 检查是否为每年的1月份、4月份、7月份、10月份的凌晨1：00，判断到min
            get_new_history_data  # 获取最新的3个月左右的历史数据
            train model # 进行模型训练
            save model # 保存模型 在之前模型保存的位置直接覆盖
        if is_21_oclock(): # 检查是否为晚上九点钟
            get_forecast_data # 通过API接口获取次日96点的预报气象数据
            save_forecast_data # 将预报的气象数据保存起来
            get_save_model and pv_predict获取保存的模型参数，对获取的预报气象数据进行光伏发电功率预测
            save predict pv_power # 保存预测的光伏发电功率
            time.sleep(3600*23) # 等待23h，避免重复光伏预测
        time.sleep(60) # 等待1min后再次检查

if __name__ == "__main__":
    main()

有问题：

①问题在与要是进入每天晚上九点后，等待23小时，不管怎样都到不到这几个月1日凌晨1点的判断

②增加全局异常捕获，然后在等待，这样程序不不容易崩

修改：

import threading
import time
import pandas as pd
from sqlalchemy import create_engine
import requests
import joblib

# 数据库连接配置
db_connection_str = 'dialect+driver://username:password@host:port/dbname'
engine = create_engine(db_connection_str)

# 模型训练和保存
def train_model():
    try:
        # 获取最新的3个月历史数据
        df = pd.read_sql('SELECT * FROM history_data WHERE timestamp > NOW() - INTERVAL 3 MONTH', engine)
        
        # 模型训练逻辑
        # model = ...
        # model.fit(df.features, df.labels)
        
        # 保存模型
        joblib.dump(model, 'model.pkl')
        
        # 安排下一次训练
        threading.Timer(time_interval, train_model).start()
    except Exception as e:
        print(f"Error in train_model: {e}")

# 获取预报气象数据
def get_forecast_data():
    try:
        response = requests.get(' ')
        data = response.json()
        
        # 保存预报数据
        df = pd.DataFrame(data)
        df.to_sql('forecast_data', engine, if_exists='append')
        
        # 安排下一次获取预报数据
        threading.Timer(one_day, get_forecast_data).start()
    except Exception as e:
        print(f"Error in get_forecast_data: {e}")

# 光伏发电预测
def predict_pv_power():
    try:
        # 加载模型
        model = joblib.load('model.pkl')
        
        # 获取最新的预报数据
        df = pd.read_sql('SELECT * FROM forecast_data ORDER BY timestamp DESC LIMIT 1', engine)
        
        # 进行预测
        prediction = model.predict(df.features)
        
        # 保存预测结果
        df['prediction'] = prediction
        df.to_sql('pv_predictions', engine, if_exists='append')
        
        # 安排下一次预测
        threading.Timer(one_day, predict_pv_power).start()
    except Exception as e:
        print(f"Error in predict_pv_power: {e}")

# 定义时间间隔
time_interval = 3 * 30 * 24 * 60 * 60  # 3个月的秒数
one_day = 24 * 60 * 60  # 一天的秒数

# 启动定时任务
train_model()
get_forecast_data()
predict_pv_power()

上述这种方式应该更好吧。

上述这种，程序容易崩，不建议用