CN105718711B - 一种基于全天空图像特征的地表辐射计算方法 - Google Patents
一种基于全天空图像特征的地表辐射计算方法 Download PDFInfo
- Publication number
- CN105718711B CN105718711B CN201410742475.8A CN201410742475A CN105718711B CN 105718711 B CN105718711 B CN 105718711B CN 201410742475 A CN201410742475 A CN 201410742475A CN 105718711 B CN105718711 B CN 105718711B
- Authority
- CN
- China
- Prior art keywords
- radiation
- value
- image
- feature
- decrement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 101
- 238000004364 calculation method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 2
- 239000000443 aerosol Substances 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种基于全天空图像特征的地表辐射计算方法,包括步骤1:获取全天空图像特征;步骤2:依据大气层外太阳辐射值I0和地表辐射值Ig的历史数据,计算大气层外太阳辐射到达地面的辐射衰减率γ;步骤3:构建全天空图像特征和辐射衰减率γ的多元回归模型;步骤4:依据多元回归模型和大气层外太阳辐射值I0得到地表辐射预测值I'g。与现有技术相比,本发明提供的一种基于全天空图像特征的地表辐射计算方法,基于辐射衰减率历史数据和全天空图像特征历史数据,构建二者的多元回归模型,并用最小二乘法计算该模型的最优解系数,使得工程应用时无需配置参数,在已知t时刻的大气层外的太阳辐射值I0(t)和辐射衰减率预测值γ'(t)的情况下,准确得出该t时刻的地表辐射预测值I'g(t)。
Description
技术领域
本发明涉及一种地表辐射计算方法,具体涉及一种基于全天空图像特征的地表辐射计算方法。
背景技术
近年来,大规模光伏电站接入电网,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。对地表辐射准确建模和计算是实现光伏电站输出功率预测的关键环节,为电力调度提供重要的决策支持,统筹安排常规电源和光伏发电的协调配合,不仅降低电力系统运行成本,而且有利于充分利用太阳能资源,获得更大的经济效益和社会效益。
地面辐照度作为光伏电站输出功率的主要影响因素之一,它的不确定性直接导致输出功率的随机性和波动性。而云和气溶胶作为影响太阳地面辐照量的主要气象要素,而且二者相生相伴,其生消和变化是地面辐照度变化不确定性的主要原因。目前,有学者根据气象卫星云图预估云层移动情况进行太阳辐照度预测,但其时空分辨率相对较低,无法满足分钟级地面辐射预测的要求。有学者基于全天空图像对云运动预测,实现地表辐射衰减预测,但该模型未考虑云运动的非线性,也未考虑气溶胶影响。因此,需要提供一种综合考虑云、气溶胶为辐射衰减的影响,提取与其相关的全天空图像特征以计算地表辐射的方法。
发明内容
为了满足现有技术的需要,本发明提供了一种基于全天空图像特征的地表辐射计算方法,所述方法包括:
步骤1:获取所述全天空图像特征,包括图像亮度特征L、图像平滑度特征S、功率谱能量特征E和加权奇异值特征P;
步骤2:依据大气层外太阳辐射值I0和地表辐射值Ig的历史数据,计算大气层外太阳辐射到达地面的辐射衰减率γ;
步骤3:构建所述全天空图像特征和辐射衰减率γ的多元回归模型;
步骤4:依据所述多元回归模型确定辐射衰减率预测值γ',并结合所述大气层外太阳辐射值I0得到地表辐射预测值I'g。
优选的,所述步骤1中图像亮度特征L的计算公式为:
其中,所述R、G和B分别为全天空图像I的红、绿、蓝通道的灰度值,所述i和j为全天空图像I的像素点坐标;M×N为全天空图像I的大小;
优选的,所述步骤1中所述图像平滑度特征S的计算公式为:
其中,所述SD为全天空图像I对应的灰度图f的标准差,
所述为灰度图f的灰度均值;所述zi为灰度值;所述p(zi)为灰度值的频度分布;所述L'为灰度层级数;
优选的,所述步骤1中所述功率谱能量特征E的计算公式为:
其中,所述e(u,v)为功率谱,e(u,v)=|F(u,v)|2;
所述为灰度图f的二维离散函数f(i,j)的傅里叶变换;图像大小为M×N,其中,所述u=0,1,...,M-1,所述v=0,1,...,N-1,所述i和j为全天空图像I的像素点坐标;
优选的,所述步骤1中所述加权奇异值特征P的计算公式为:
其中,所述为全天空图像I非零的奇异值,σ1、σ2、σ3、σ4和σ5由大到小排列;
优选的,所述步骤2中辐射衰减率γ的计算方法包括:
步骤2-1:由式(5)计算大气层外的太阳辐射值I0;
I0=Isc·(1+0.033cos(2π·d/365))·cos(θZ) (5)
其中,所述Isc为太阳常数,Isc=1367W/m2;
所述θz为天顶角,
所述为计算地表辐射所在地的地理纬度;
所述δ为赤纬角,
所述ω为时角,ω=(t-12)×15°;所述t为时间,单位小时;
所述d为计算某一日辐射衰减率时该日在一年中的序号,单位为天;
步骤2-2:采集地表辐射值Ig,依据t时刻地表辐射值Ig(t)和式(6)计算t时刻的辐射衰减率γ(t);
其中,所述I0(t)为t时刻的大气层外的太阳辐射值;
优选的,所述步骤3中多元回归模型的表达式为:
γ(t)=α0+α1L(t)+α2S(t)+α3E(t)+α4P(t) (7)
其中,所述L(t)、S(t)、E(t)和P(t)分别为t时刻全天空图像I的像亮度特征、图像平滑度特征、功率谱能量特征和加权奇异值特征;
所述α0、α1、α2、α3和α4为系数;
所述γ(t)为t时刻大气层外太阳辐射到达地面的辐射衰减率;
优选的,所述步骤4中依据多元回归模型确定辐射衰减率预测值γ'包括:
步骤4-1:构建目标函数F;
步骤4-2:用最小二乘法计算目标函数F的最优系数和则所述辐射衰减率预测值γ'的计算公式为:
其中,所述γ'(t)为t时刻的辐射衰减率预测值;
优选的,所述步骤4中t时刻的地表辐射预测值I'g(t)的计算公式为:
I'g(t)=γ'(t)I0(t) (10)
其中,所述I0(t)为t时刻的大气层外的太阳辐射值;
所述γ'(t)为依据所述多元回归模型计算的t时刻的辐射衰减率预测值。
与最接近的现有技术相比,本发明的优异效果是:
1、本发明技术方案中,获取全天空图像特征的计算方法,基于大气光学原理,深度分析和挖掘与太阳辐射变化相关的图像特征,用图像特征表征太阳辐射的光学特征,以及云,气溶胶等对太阳辐射的衰减作用,这样就可以借助于图像简介地建立太阳变化与图像特征的关联关系;
2、本发明技术方案中,基于辐射衰减率历史数据和全天空图像特征历史数据,构建二者的多元回归模型,并用最小二乘法计算该模型的最优解系数,使得工程应用时无需配置参数,在已知t时刻的大气层外的太阳辐射值I0(t)和辐射衰减率预测值γ'(t)的情况下,准确得出该t时刻的地表辐射预测值I'g(t)。
附图说明
下面结合附图对本发明进一步说明。
图1:本发明实施例中一种基于全天空图像特征的地表辐射计算方法流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
为了满足现有技术的需要,本发明提出了一种基于全天空图像特征的地表辐射计算方法,如图1所示,具体步骤包括:
一、构建全天空图像特征和辐射衰减率的多元回归模型包括:
1、获取全天空图像特征,包括图像亮度特征L、图像平滑度特征S、功率谱能量特征E和加权奇异值特征P。
(1)图像亮度特征L
图像亮度特征L的计算公式为:
其中,R、G和B分别为全天空图像I的红、绿、蓝通道的灰度值;所述M×N为图像大小,所述i和j为全天空图像I的像素点坐标。
(2)图像平滑度特征S
图像平滑度特征S的计算公式为:
其中,SD为全天空图像I对应的灰度图f的标准差,
为灰度图f的灰度均值;zi为灰度值;p(zi)为灰度值的频度分布;L'为灰度层级数。
(3)功率谱能量特征E
功率谱能量特征E的计算公式为:
其中,所述e(u,v)为功率谱,e(u,v)=|F(u,v)|2;
所述为灰度图f的二维离散函数f(i,j)的傅里叶变换;图像大小为M×N,其中,u=0,1,...,M-1,所述v=0,1,...,N-1,i和j为全天空图像I的像素点坐标。
(4)加权奇异值特征P
加权奇异值特征P的计算公式为:
其中,σi为全天空图像I的非零奇异值,σ1、σ2、σ3、σ4和σ5由大到小排列,k为非零奇异值的序号。
全天空图像I的奇异值分解是将图像Im×n看成是一个线性变换,将m维空间的点映射到n维空间,图像Im×n经过奇异值分解后,这种线性变换被分割成3个部分,分别为矩阵U、S和V,则奇异值分解公式为:
其中,uk和vk分别是U和V的列向量,V'为矩阵V的转置,v'k为转置矩阵V'的列向量;
σk为全天空图像I的非零奇异值,σ1,σ2,...,σr由大到小排列。
2、依据大气层外太阳辐射值I0和地表辐射值Ig的历史数据,计算大气层外太阳辐射到达地面的辐射衰减率γ:
(1)地面辐射的波动并非纯随机的波动,它是规律性波动叠加随机性波动而形成的。地面辐射究其来源,是来自大气层外的太阳辐射,经过大气传输时受到云,气溶胶以及空气分子的反射和吸收而呈现随机性波动。大气层外太阳辐射根据天文学规律变化,由下式(6)计算大气层外的太阳辐射值I0;
I0=Isc·(1+0.033cos(2π·d/365))·cos(θZ) (6)
其中,Isc为太阳常数,Isc=1367±7W/m2;
所述θz为天顶角,
为计算地表辐射所在地的地理纬度;
δ为赤纬角,
ω为时角,ω=(t-12)×15°;所述t为时间,单位小时;
d为计算某一日辐射衰减率时该日在一年中的序号,单位为天;
(2):采集地表辐射值Ig,依据t时刻地表辐射值Ig(t)和下式(7)计算t时刻的辐射衰减率γ(t);
其中,I0(t)为t时刻的大气层外的太阳辐射值;
Ig(t)为t时刻的地表辐射值。
3、构建全天空图像特征和辐射衰减率的多元回归模型;
多元回归模型的表达式为:
γ(t)=α0+α1L(t)+α2S(t)+α3E(t)+α4P(t) (8)
其中,L(t)、S(t)、E(t)和P(t)分别为t时刻全天空图像I的像亮度特征、图像平滑度特征、功率谱能量特征和加权奇异值特征;α0、α1、α2、α3和α4为系数。
二、依据多元回归模型确定辐射衰减率预测值γ',结合大气层外太阳辐射值I0得到的地表辐射预测值I'g,具体步骤包括:
1、构建目标函数F;
2、用最小二乘法计算目标函数F的最优系数和则辐射衰减率预测值γ'的计算公式为:
其中,γ'(t)为t时刻的辐射衰减率预测值。
3、t时刻的地表辐射预测值I'g(t)的计算公式为:
I'g(t)=γ'(t)I0(t) (11)
其中,I0(t)为t时刻的大气层外的太阳辐射值;
γ'(t)为依据多元回归模型计算得到的t时刻的辐射衰减率预测值。
本实施例中基于历史全天空图像特征数据和历史辐射衰减率γ建立多元回归模型,数学模型明确,使用最优设置参数,无需进行参数选配,即可得到所需的t时刻的地表辐射预测值I'g。
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (7)
1.一种基于全天空图像特征的地表辐射计算方法,其特征在于,所述方法包括:
步骤1:获取所述全天空图像特征,包括图像亮度特征L、图像平滑度特征S、功率谱能量特征E和加权奇异值特征P;
步骤2:依据大气层外太阳辐射值I0和地表辐射值Ig的历史数据,计算大气层外太阳辐射到达地面的辐射衰减率γ;
步骤3:构建所述全天空图像特征和辐射衰减率γ的多元回归模型;
步骤4:依据所述多元回归模型确定辐射衰减率预测值γ',并结合所述大气层外太阳辐射值I0得到地表辐射预测值I'g;
所述步骤4中依据多元回归模型确定辐射衰减率预测值γ'包括:
步骤4-1:构建目标函数F;
所述α0、α1、α2、α3和α4为系数;
步骤4-2:用最小二乘法计算目标函数F的最优系数和则所述辐射衰减率预测值γ'的计算公式为:
所述步骤4中地表辐射预测值I'g(t)的计算公式为:
I'g(t)=γ'(t)I0(t) (10)
其中,所述I0(t)为t时刻的大气层外的太阳辐射值;
所述γ'(t)为依据所述多元回归模型计算的t时刻的辐射衰减率预测值。
2.如权利要求1所述的方法,其特征在于,所述步骤1中图像亮度特征L的计算公式为:
其中,所述R、G和B分别为全天空图像I的红、绿、蓝通道的灰度值,所述i和j为全天空图像I的像素点坐标;M×N为全天空图像I的大小。
3.如权利要求1所述的方法,其特征在于,所述步骤1中所述图像平滑度特征S的计算公式为:
其中,所述SD为全天空图像I对应的灰度图f的标准差,
所述为灰度图f的灰度均值;所述zi为灰度值;所述p(zi)为灰度值的频度分布;所述L'为灰度层级数。
4.如权利要求1所述的方法,其特征在于,所述步骤1中所述功率谱能量特征E的计算公式为:
其中,所述e(u,v)为功率谱,e(u,v)=|F(u,v)|2;
所述为灰度图f的二维离散函数f(i,j)的傅里叶变换;图像大小为M×N,其中,所述u=0,1,...,M-1,所述v=0,1,...,N-1,所述i和j为全天空图像I的像素点坐标。
5.如权利要求1所述的方法,其特征在于,所述步骤1中所述加权奇异值特征P的计算公式为:
其中,所述σk为全天空图像I非零的奇异值,σ1、σ2、σ3、σ4和σ5由大到小排列。
6.如权利要求1所述的方法,其特征在于,所述步骤2中辐射衰减率γ的计算方法包括:
步骤2-1:由式(5)计算大气层外的太阳辐射值I0;
I0=Isc·(1+0.033cos(2π·d/365))·cos(θZ) (5)
其中,所述Isc为太阳常数,Isc=1367W/m2;
所述θz为天顶角,
所述为计算地表辐射所在地的地理纬度;
所述δ为赤纬角,
所述ω为时角,ω=(t-12)×15°;所述t为时间,单位小时;
所述d为计算某一日辐射衰减率时该日在一年中的序号,单位为天;
步骤2-2:采集地表辐射值Ig,依据t时刻地表辐射值Ig(t)和式(6)计算t时刻的辐射衰减率γ(t);
其中,所述I0(t)为t时刻的大气层外的太阳辐射值。
7.如权利要求1所述的方法,其特征在于,所述步骤3中多元回归模型的表达式为:
γ(t)=α0+α1L(t)+α2S(t)+α3E(t)+α4P(t) (7)
其中,所述L(t)、S(t)、E(t)和P(t)分别为t时刻全天空图像I的像亮度特征、图像平滑度特征、功率谱能量特征和加权奇异值特征;
所述α0、α1、α2、α3和α4为系数;
所述γ(t)为t时刻大气层外太阳辐射到达地面的辐射衰减率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410742475.8A CN105718711B (zh) | 2014-12-05 | 2014-12-05 | 一种基于全天空图像特征的地表辐射计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410742475.8A CN105718711B (zh) | 2014-12-05 | 2014-12-05 | 一种基于全天空图像特征的地表辐射计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105718711A CN105718711A (zh) | 2016-06-29 |
CN105718711B true CN105718711B (zh) | 2019-02-05 |
Family
ID=56144397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410742475.8A Active CN105718711B (zh) | 2014-12-05 | 2014-12-05 | 一种基于全天空图像特征的地表辐射计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105718711B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781458B (zh) * | 2019-10-30 | 2023-04-07 | 云南师范大学 | 一种基于混合回归模型预测地表太阳辐照度的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915470A (zh) * | 2012-09-20 | 2013-02-06 | 中国电力科学研究院 | 一种面向光伏功率预测的云团运动预估方法 |
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103971169A (zh) * | 2014-04-14 | 2014-08-06 | 国家电网公司 | 一种基于云量模拟的光伏超短期发电功率的预测方法 |
-
2014
- 2014-12-05 CN CN201410742475.8A patent/CN105718711B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915470A (zh) * | 2012-09-20 | 2013-02-06 | 中国电力科学研究院 | 一种面向光伏功率预测的云团运动预估方法 |
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103971169A (zh) * | 2014-04-14 | 2014-08-06 | 国家电网公司 | 一种基于云量模拟的光伏超短期发电功率的预测方法 |
Non-Patent Citations (4)
Title |
---|
Predicting solar irradiance with all-sky image features via regression;Chia-Lin Fu.et al;《ScienceDirect》;20131002;第538-543页 |
基于可见光全天空图像云识别的初步研究;万霞 等;《第28届中国气象学会年会—S1第四届气象综合探测技术研讨会》;20111101;第4-6页 |
基于地基云图分析的光伏功率预测系统设计;曹潇 等;《电力信息化》;20130331;第11卷(第3期);第4页 |
晴空工况光伏超短期功率预报方法;程序 等;《可再生能源》;20111231;第29卷(第6期);第143页 |
Also Published As
Publication number | Publication date |
---|---|
CN105718711A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971169B (zh) | 一种基于云量模拟的光伏超短期发电功率的预测方法 | |
Kontar et al. | Anisotropic radio-wave scattering and the interpretation of solar radio emission observations | |
Kaushika et al. | Artificial neural network model based on interrelationship of direct, diffuse and global solar radiations | |
CN105988146B (zh) | 一种星载微波辐射计的应用数据处理方法 | |
Hering et al. | Powering up with space-time wind forecasting | |
Valeille et al. | A study of suprathermal oxygen atoms in Mars upper thermosphere and exosphere over the range of limiting conditions | |
Erdélyi et al. | Three-dimensional SOlar RAdiation Model (SORAM) and its application to 3-D urban planning | |
Hu et al. | A new ultra-short-term photovoltaic power prediction model based on ground-based cloud images | |
Tulasi Ram et al. | The improved two‐dimensional artificial neural network‐based ionospheric model (ANNIM) | |
CN103955749B (zh) | 太阳直接辐射值预测方法和系统 | |
Pol et al. | Estimates of fast radio burst dispersion measures from cosmological simulations | |
Rezk et al. | Experimental implementation of meteorological data and photovoltaic solar radiation monitoring system | |
Laslett et al. | A method for generating synthetic hourly solar radiation data for any location in the south west of Western Australia, in a world wide web page | |
Gulyaeva | Empirical model of ionospheric storm effects on the F2 layer peak height associated with changes of peak electron density | |
Fujiwara et al. | Morphological features and variations of temperature in the upper thermosphere simulated by a whole atmosphere GCM | |
Shields | The climates of other worlds: A review of the emerging field of exoplanet climatology∗ | |
CN109033543A (zh) | 一种地表异质区植被覆盖度估算方法、装置及设备 | |
Fatemi et al. | Solar radiation forecasting using zenith angle | |
Petersen et al. | Are local wind power resources well estimated? | |
CN104915548A (zh) | 一种光伏组件除尘策略优化方法 | |
Zhan et al. | June solstice equatorial spread F in the American sector: A numerical assessment of linear stability aided by incoherent scatter radar measurements | |
Mischna et al. | Pre-and post-entry, descent and landing assessment of the martian atmosphere for the mars 2020 rover | |
Hatanaka et al. | Diffusion models for high-resolution solar forecasts | |
NL2032264A (en) | HASM-Based XCO2 Data Fusion Method And System | |
Snowden et al. | The north galactic pole rift and the local hot bubble |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |