CN104182938B - 一种全天空云图的太阳光斑修复方法 - Google Patents

Abstract

本发明提供一种全天空云图的太阳光斑修复方法，包括以下步骤：对全天空云图的太阳光斑进行定位；通过计算太阳光斑阈值因子，将太阳光斑去除；利用双线性插值法对太阳光斑对应的区域进行修复。本发明提供的全天空云图的太阳光斑修复方法，该方法具有很好的普适性，能够很好的对全天空云图的太阳光斑进行修复。

Description

一种全天空云图的太阳光斑修复方法

技术领域

本发明属于光伏功率预测技术领域，具体涉及一种全天空云图的太阳光斑修复方法。

背景技术

由于光伏发电输出功率具有随机性和波动性，对电网安全稳定和经济运行造成影响。对光伏电站的输出功率进行准确预测，能为电力调度提供重要的决策支持，能够统筹安排常规电源和光伏发电的协调配合，有效的降低电力系统运行成本，使得光伏资源得到充分的利用，从而获得更大的经济效益和社会效益。但是光伏发电系统的输出功率很大程度上决定于光伏面板所能接收到的太阳辐射量，其中对太阳辐射量影响较大的是具有较大随机性的云，云对太阳照成遮挡时会使太阳辐射量产生极大的衰减，从而造成光伏电站的发电功率不稳定且难以预测。由于雾霾、气溶胶的影响，太阳光发生散射，偶尔会在地基云图上形成一个太阳光斑的成像，对云图的色彩信息会有所改变，而且在雾霾天气下由于低能见度使得云点与非云点的差别有所减弱，进一步加大了准确提取云团的难度，从而造成云点和非云点的误判，进而给基于地基云图的光伏预测模型带来了很大的预测误差。

发明内容

为了克服上述现有技术的不足，本发明提供一种全天空云图的太阳光斑修复方法，该方法具有很好的普适性，能够很好的对全天空云图的太阳光斑进行修复。

为了实现上述发明目的，本发明采取如下技术方案：

本发明提供一种全天空云图的太阳光斑修复方法，所述方法包括以下步骤：

步骤1：对全天空云图的太阳光斑进行定位；

步骤2：通过计算太阳光斑阈值因子，将太阳光斑去除；

步骤3：利用双线性插值法对太阳光斑对应的区域进行修复。

所述步骤1包括以下步骤：

步骤1-1：计算太阳高度角；

步骤1-2：计算太阳方位角；

步骤1-3：确定太阳光斑在全天空云图中的位置。

所述步骤1-1中，太阳高度角用α_s表示，具体有：

其中，为全天空成像仪的纬度，其根据全天空成像仪安装的基础信息获得；ω为太阳时角，其等于离正午的小时数乘以15°；δ为太阳赤纬角，其根据Cooper方程近似计算，具体有：

$\mathrm{\δ}=23.45\×sin\[360\×\frac{284+n}{265}\]---\left(2\right)$

其中，n为一年中的日期序号。

所述步骤1-2中，太阳方位角用γ_s表示，具体有：

${\mathrm{\γ}}_s=\arcsin \[\frac{cos\mathrm{\δ}\×sin\mathrm{\ω}}{{\mathrm{cos\α}}_s}\]---\left(3\right)$

其中，α_s为太阳高度角，δ为太阳赤纬角，ω为太阳时角。

所述步骤1-3中，全天空云图任一像素点用I(x,y)表示，全天空云图圆面的成像半径和成像圆心分别为R和O(x₀,y₀)，太阳光斑S在全天空云图中的位置坐标为(x_s,y_s)，具体为：

$\left\{\begin{array}{c}{x}_s=x_0+12{\mathrm{sin\γ}}_s\\ y_s=y_0+12{\mathrm{cos\γ}}_s\end{array}\right.---\left(4\right)$

其中，γ_s为太阳方位角；

若有(x_s-x₀)²+(y_s-y₀)²＞R²时，则表明太阳光斑不在全天空云图圆面区域内。

所述步骤2包括以下步骤：

步骤2-1：确定太阳光斑的成像区域；

步骤2-2：计算太阳光斑阈值因子，将太阳光斑去除。

所述步骤2-1中，设覆盖太阳光斑的圆面的半径为r_s，且根据统计经验结果可得于是太阳光斑的检测面积S_s满足对应到全天空云图I(x,y)中太阳光斑的成像区域满足：

${(x-x_s)}^2+{(y-y_s)}^2\≤r_s^2---\left(5\right).$

所述步骤2-2包括以下步骤：

步骤2-2-1：根据太阳光斑圆面的灰度直方图计算出各个灰度级的像素统计值C_i，其中i∈[0,255]；

步骤2-2-2：计算出太阳光斑圆面的灰度直方图中的最大灰度值统计值C_m，以及其对应的灰度级m；

步骤2-2-3：设第i个灰度级的阈值因子为k_i，且Δ为预定义步长，C_i-Δ为经过预定义步长后第i-Δ个灰度级的像素统计值，分别找到C_m的左侧和右侧的阈值因子k_i的两个绝对值极大值，以及2个绝对值极大值分别对应的灰度级i值，找出的2个灰度级i值分别为灰度级的下界i_min和上界i_max；

步骤2-2-4：将灰度级在i_max和i_min之间像素点的灰度值赋值为0，即完成太阳光斑的去除。

所述步骤3中，设太阳光斑对应的插值区域中某任意像素点P的像素点位置P(x,y)，像素点P的四个临近像素点为Q₁₁、Q₁₂、Q₂₁和Q₂₂，对应的像素点位置分别为Q₁₁(x₁,y₁)，Q₁₂(x₁,y₂)，Q₂₁(x₂,y₁)和Q₂₂(x₂,y₂)；并定义像素点R₁和R₂，对应的像素点位置分别为R₁(x,y₁)和R₂(x,y₂)；

X方向上的线性差值包括像素点R₁对应的像素值f(R₁)和像素点R₂对应的像素值f(R₂)，表达式为：

$f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{21}\right)---\left(6\right)$

$f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{22}\right)---\left(7\right)$

Y方向的线性差值包括像素点P对应的像素值f(P)，表达式为：

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right)---\left(8\right);$

通过确定像素点P对应的像素值f(P)即可完成对太阳光斑对应的区域进行修复。

与现有技术相比，本发明的有益效果在于：

本发明通过实际的应用效果来看，该算法对太阳光斑的去除修复有不错的效果，而且对于修复云图的时效性，以及质量还有一定的保证。

本发明可以极大的减小云图云状识别的误差，增加云图遮挡太阳判定的准确度，使得光伏超短期功率预测精度的大大的提高，对光伏发电系统的稳定运行和电网的安全运行，有很大的帮助，具有很大的实用价值。

附图说明

图1是本发明实施例中地平面坐标系示意图；

图2是本发明实施例中太阳光斑圆面的灰度直方图；

图3是本发明实施例中带太阳光斑定位的原始云图示意图；

图4是本发明实施例中将太阳光斑去除后的全天空云图示意图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明提供一种全天空云图的太阳光斑修复方法，所述方法包括以下步骤：

步骤1：对全天空云图的太阳光斑进行定位；

步骤2：通过计算太阳光斑阈值因子，将太阳光斑去除；

步骤3：利用双线性插值法对太阳光斑对应的区域进行修复。

所述步骤1包括以下步骤：

步骤1-1：计算太阳高度角；

步骤1-2：计算太阳方位角；

步骤1-3：确定太阳光斑在全天空云图中的位置。

如图1，太阳高度角用α_s表示，具体有：

其中，为全天空成像仪的纬度，其根据全天空成像仪安装的基础信息获得；ω为太阳时角，其等于离正午的小时数乘以15°；δ为太阳赤纬角，其根据Cooper方程近似计算，具体有：

$\mathrm{\δ}=23.45\×sin\[360\×\frac{284+n}{265}\]---\left(2\right)$

其中，n为一年中的日期序号。

所述步骤1-2中，太阳方位角用γ_s表示，具体有：

${\mathrm{\γ}}_s=\arcsin \[\frac{cos\mathrm{\δ}\×sin\mathrm{\ω}}{{\mathrm{cos\α}}_s}\]---\left(3\right)$

其中，α_s为太阳高度角，δ为太阳赤纬角，ω为太阳时角。

所述步骤1-3中，全天空云图任一像素点用I(x,y)表示，全天空云图圆面的成像半径和成像圆心分别为R和O(x₀,y₀)，太阳光斑S在全天空云图中的位置坐标为(x_s,y_s)，具体为：

$\left\{\begin{array}{c}{x}_s=x_0+12{\mathrm{sin\γ}}_s\\ y_s=y_0+12{\mathrm{cos\γ}}_s\end{array}\right.---\left(4\right)$

其中，γ_s为太阳方位角；

若有(x_s-x₀)²+(y_s-y₀)²＞R²时，则表明太阳光斑不在全天空云图圆面区域内。

所述步骤2包括以下步骤：

步骤2-1：确定太阳光斑的成像区域；

因为太阳光斑的灰度值很高，其属于云图中的过曝区域，导致其成像灰度值高于真实图像的灰度值。分析可知，如果云图中存在太阳光斑，则一定存在于太阳光斑点S的位置，由于光线的散射，光斑成像会覆盖S点，由于太阳光强度和粒子相互作用，光斑大小会有所不同。设覆盖太阳光斑的圆面的半径为r_s，且根据统计经验结果可得于是太阳光斑的检测面积S_s满足对应到全天空云图I(x,y)中太阳光斑的成像区域满足：

${(x-x_s)}^2+{(y-y_s)}^2\≤r_s^2---\left(5\right).$

由于覆盖光斑的圆面中的光斑亮度很高，灰度值主要集中在高值区域(如附图2)，这符合太阳光斑的特点。因此，可以利用这一特点滤去光斑圆面灰度直方图中的高灰度值区域，将太阳光斑去除。

步骤2-2：计算太阳光斑阈值因子，将太阳光斑去除。

包括以下步骤：

步骤2-2-1：根据太阳光斑圆面的灰度直方图计算出各个灰度级的像素统计值C_i，其中i∈[0,255]；

步骤2-2-2：计算出太阳光斑圆面的灰度直方图中的最大灰度值统计值C_m，以及其对应的灰度级m；

步骤2-2-3：设第i个灰度级的阈值因子为k_i，且Δ为预定义步长，C_i-Δ为经过预定义步长后第i-Δ个灰度级的像素统计值，分别找到C_m的左侧和右侧的阈值因子k_i的两个绝对值极大值，以及2个绝对值极大值分别对应的灰度级i值，找出的2个灰度级i值分别为灰度级的下界i_min和上界i_max；

步骤2-2-4：将灰度级在i_max和i_min之间像素点的灰度值赋值为0，即完成太阳光斑的去除。

如以上两步将太阳光斑滤去，可以减少光斑的高值噪声对插值修复算法的影响，接着利用王昊京等人提出的采用双线性插值收缩的图像修复算法对光斑区域作修复。该修复算法是基于双线性插值的图像收缩算法，在给定收缩因子的情况下，对原始云图进行收缩，并在收缩云图中寻找最佳匹配样本，然后根据得到的最佳匹配样本，在待修复云图中依据一定的规则获得相应最佳匹配样本来修复云图。由于太阳光斑的过曝区域一般呈现圆面散开，所以双线性插值法对太阳光斑进行插值修复时，需要将太阳光斑高值区域去除后，利用云图中所剩余的区域和光斑周围的数据进行插值。所以双线性插值在太阳光斑修复过程中采用的插值算法分为两个部分，一部分是基于太阳光斑去除后的光斑面里的剩余部分，另一部分是基于太阳光斑面外的周围区域。云图太阳光斑去除区域中新创造的像素值，是由太阳光斑附近有值区域的2×2区域4个邻近像素的值通过加权平均计算得出的。设太阳光斑对应的插值区域中某任意像素点P的像素点位置P(x,y)，像素点P的四个临近像素点为Q₁₁、Q₁₂、Q₂₁和Q₂₂，对应的像素点位置分别为Q₁₁(x₁,y₁)，Q₁₂(x₁,y₂)，Q₂₁(x₂,y₁)和Q₂₂(x₂,y₂)；并定义像素点R₁和R₂，对应的像素点位置分别为R₁(x,y₁)和R₂(x,y₂)；

X方向上的线性差值包括像素点R₁对应的像素值f(R₁)和像素点R₂对应的像素值f(R₂)，表达式为：

$f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{21}\right)---\left(6\right)$

$f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{22}\right)---\left(7\right)$

Y方向的线性差值包括像素点P对应的像素值f(P)，表达式为：

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right)---\left(8\right);$

通过确定像素点P对应的像素值f(P)即可完成对太阳光斑对应的区域进行修复。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (7)

1.一种全天空云图的太阳光斑修复方法，其特征在于：所述方法包括以下步骤：

步骤1：对全天空云图的太阳光斑进行定位；

步骤2：通过计算太阳光斑阈值因子，将太阳光斑去除；

步骤3：利用双线性插值法对太阳光斑对应的区域进行修复；

所述步骤2包括以下步骤：

步骤2-1：确定太阳光斑的成像区域；

步骤2-2：计算太阳光斑阈值因子，将太阳光斑去除；

所述步骤2-2包括以下步骤：

步骤2-2-1：根据太阳光斑圆面的灰度直方图计算出各个灰度级的像素统计值C_i，其中i∈[0,255]；

步骤2-2-2：计算出太阳光斑圆面的灰度直方图中的最大灰度值统计值C_m，以及其对应的灰度级m；

步骤2-2-3：设第i个灰度级的阈值因子为k_i，且Δ为预定义步长，C_i-Δ为经过预定义步长后第i-Δ个灰度级的像素统计值，分别找到C_m的左侧和右侧的阈值因子k_i的两个绝对值极大值，以及2个绝对值极大值分别对应的灰度级i值，找出的2个灰度级i值分别为灰度级的下界i_min和上界i_max；

步骤2-2-4：将灰度级在i_max和i_min之间像素点的灰度值赋值为0，即完成太阳光斑的去除。

2.根据权利要求1所述的全天空云图的太阳光斑修复方法，其特征在于：所述步骤1包括以下步骤：

步骤1-1：计算太阳高度角；

步骤1-2：计算太阳方位角；

步骤1-3：确定太阳光斑在全天空云图中的位置。

3.根据权利要求2所述的全天空云图的太阳光斑修复方法，其特征在于：所述步骤1-1中，太阳高度角用α_s表示，具体有：

其中，为全天空成像仪的纬度，其根据全天空成像仪安装的基础信息获得；ω为太阳时角，其等于离正午的小时数乘以15°；δ为太阳赤纬角，其根据Cooper方程近似计算，具体有：

$\mathrm{\δ}=23.45\×sin\[360\×\frac{284+n}{265}\]---\left(2\right)$

其中，n为一年中的日期序号。

4.根据权利要求3所述的全天空云图的太阳光斑修复方法，其特征在于：所述步骤1-2中，太阳方位角用γ_s表示，具体有：

${\mathrm{\γ}}_s=arcsin\[\frac{cos\mathrm{\δ}\×sin\mathrm{\ω}}{{\mathrm{cos\α}}_s}\]---\left(3\right)$

其中，α_s为太阳高度角，δ为太阳赤纬角，ω为太阳时角。

5.根据权利要求4所述的全天空云图的太阳光斑修复方法，其特征在于：所述步骤1-3中，全天空云图任一像素点用I(x,y)表示，全天空云图圆面的成像半径和成像圆心分别为R和O(x₀,y₀)，太阳光斑S在全天空云图中的位置坐标为(x_s,y_s)，具体为：

$\left\{\begin{array}{c}{x}_s=x_0+12{\mathrm{sin\γ}}_s\\ y_s=y_0+12{\mathrm{cos\γ}}_s\end{array}\right.---\left(4\right)$

其中，γ_s为太阳方位角；

若有(x_s-x₀)²+(y_s-y₀)²＞R²时，则表明太阳光斑不在全天空云图圆面区域内。

6.根据权利要求5所述的全天空云图的太阳光斑修复方法，其特征在于：所述步骤2-1中，设覆盖太阳光斑的圆面的半径为r_s，且根据统计经验结果可得于是太阳光斑的检测面积S_s满足对应到全天空云图I(x,y)中太阳光斑的成像区域满足：

${(x-x_s)}^2+{(y-y_s)}^2\≤r_s^2---\left(5\right).$

7.根据权利要求1所述的全天空云图的太阳光斑修复方法，其特征在于：所述步骤3中，设太阳光斑对应的插值区域中某任意像素点P的像素点位置P(x,y)，像素点P的四个临近像素点为Q₁₁、Q₁₂、Q₂₁和Q₂₂，对应的像素点位置分别为Q₁₁(x₁,y₁)，Q₁₂(x₁,y₂)，Q₂₁(x₂,y₁)和Q₂₂(x₂,y₂)；并定义像素点R₁和R₂，对应的像素点位置分别为R₁(x,y₁)和R₂(x,y₂)；

X方向上的线性差值包括像素点R₁对应的像素值f(R₁)和像素点R₂对应的像素值f(R₂)，表达式为：

$f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{21}\right)---\left(6\right)$

$f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{22}\right)---\left(7\right)$

Y方向的线性差值包括像素点P对应的像素值f(P)，表达式为：

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right)---\left(8\right);$

通过确定像素点P对应的像素值f(P)即可完成对太阳光斑对应的区域进行修复。