CN106779130A - 一种基于全天空云图的光伏电站辐射预测方法 - Google Patents

Abstract

本发明提供一种基于全天空云图的光伏电站辐射预测方法，根据光伏电站的晴空的历史辐射数据，建立晴空辐射模型；利用全天空云图，得到其在未来时间段内的不同厚度云团运动向量和云状变化趋势；获取云团中太阳强度；建立超短期辐射预测模型，对光伏电站未来时间段内的辐射进行预测。本发明提出的方法准确且有效，在保证基础天气类型的预测数据输出的基础上，能够准确预测出未来时段的辐射；实现了精确的预测出未来一定时间内云团移动情况，以及由于各种云团遮挡太阳辐射所造成的辐射衰减情况，进而能够精确的对光伏电站未来时段的辐射进行预测，为电力调度提供准确且有效的决策支持，进而降低电力系统运行成本，获得更大的经济效益和社会效益。

Description

一种基于全天空云图的光伏电站辐射预测方法

技术领域

本发明涉及光伏功率预测技术领域，具体涉及一种基于全天空云图的光伏电站辐射预测方法。

背景技术

由于光伏发电输出功率具有随机性和波动性，近些年大规模光伏电站的接入电网已经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，有助于电力调度部门能够提前根据光伏发电功率变化及时调整调度计划，保证电能质量，减少系统的备用容量，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，容易受到天气因素的影响。而云作为影响太阳地面辐照量的主要气象要素，其生消和移动变化是地面辐照度变化不确定性的根本原因之一，当云遮挡光伏电站时，会对光伏电站的太阳辐射造成衰减，从而造成其输出功率不稳定且难以预测。如何能够准确评估云遮挡与光伏电站的辐射衰减的关系，精确预测云团的运动趋势，对光伏电站区域内的辐射精确预测有很重要的意义。虽然目前有一些光伏功率预测方面的文献提出一些云遮挡辐射衰减方法，但是都只是对云和辐射关系进行粗略分类，其实际应用效果都不是很好，而且不具有普适性。

发明内容

有鉴于此，本发明提供的一种基于全天空云图的光伏电站辐射预测方法，该方法准确且有效，在保证基础天气类型的预测数据输出的基础上，能够准确预测出未来一个时段的辐射；实现了精确的预测出未来一定时间内云团移动情况，以及由于各种云团遮挡太阳辐射所造成的辐射衰减情况，进而能够精确的对光伏电站未来一个时段的辐射进行预测，为电力调度提供准确且有效的决策支持，进而降低电力系统运行成本，获得更大的经济效益和社会效益。

本发明的目的是通过以下技术方案实现的：

一种基于全天空云图的光伏电站辐射预测方法，所述方法包括如下步骤：

步骤1.根据所述光伏电站的晴空的历史辐射数据，建立晴空辐射模型；

步骤2.利用全天空云图，得到其在未来1个时间段内的不同厚度云团运动向量和云状变化趋势；

步骤3.获取所述云团中太阳强度；

步骤4.建立超短期辐射预测模型，对光伏电站未来1个时间段内的辐射进行预测。

优选的，所述步骤1包括：

1-1.基于历史辐射数据及太阳常数I_sc修正不同时间到达大气层上界的太阳辐射强度I₀，建立晴空辐射模型：

式(1)中，N为积日、即当前日在一年中的序号；I_sc≈1367W/m²；

1-2.计算得到太阳赤纬角δ：

1-3.计算得到太阳时角τ；

1-4.根据实时辐射数据校正晴空辐射模型，得到大气层外切面接收到的太阳辐射I：

式(2)中，θ为太阳天顶角，δ为太阳赤纬角，光伏电站的纬度，τ为太阳时角。

优选的，所述1-3包括：

a.计算得到地球绕太阳公转时运动和转速变化所产生的时间差E：

b.根据下式(4)的真太阳时与北京时间的转换公式，计算得到表示真太阳时的小时数S和分钟数F；

c.根据真太阳时的小时数S和分钟数F，计算得到太阳时角τ为：

优选的，所述步骤2包括：

2-1.设置全天空成仪以相同的时间间隔提取所采集云团的云状，得到云图；

其中，所述时间间隔为30秒至1分钟；

2-2.利用全天空成仪对云图进行统计分析，得到过去1个时间段内的不同颜色的云状像素变化数据的统计值；其中，所述时间段为1至3小时；所述云状像素变化数据包括厚云团像素C_厚及薄云团像素C_薄；

2-3.根据所述云状像素变化数据的统计值，计算得到所述云图在未来1个时间段内的不同厚度云团运动向量和云状变化趋势。

优选的，所述2-3包括：

d.捕捉时间长度T内的云团在所述全天空成仪中的采集频率，且所述全天空成像仪的采样间隔为T_Δ，则所采集云图的张数S为：

s＝T/T_Δ (7)

e.根据云图处理后不同颜色云状提取的不同厚度的云团，利用云团色彩变化趋势，

分析两张相临云团的相似性；

f.计算所述云团运动向量；

g.预测太阳光斑遮挡状态K(t)：

式(8)中，k_b(t)为薄云团遮挡下的太阳光斑遮挡状态；k_h(t)为厚云团遮挡下的太阳光斑遮挡状态。

优选的，所述e包括：

e-1.计算t₀时刻薄云团和厚云团的像素统计值C_薄、C_厚和t₁时刻薄云团和厚云团的像素统计值C_薄、C_厚；

e-2.根据所述全天空成仪的图像处理后的时间线性关系，得出t₀到t₁薄云团和厚云团的变化规律，从而计算得到t₀到t₁两个时刻云图里的各个相似云团，然后计算出第i个厚云团的质心O_hi及第i个薄云团的质心O_bi。

优选的，所述f包括：

f-1.所述云图中t时刻某个薄云团质心O_b0(x_b0,y_b0)和厚云团质心O_h0(x_h0,y_h0)，在t+1时刻薄、厚云团均发生位移和云状变化，变化后的薄、厚云团质心为O_b1(x_b1,y_b1)和O_h1(x_h1,y_h1)；

f-2.计算t到t+1时刻的薄、厚云团的速度向量V_b1和V_h1，t+1到t+2时刻的薄、厚云团的速度向量V_b2和V_h2，以及t到t+2两个时刻的薄、厚云团的速度向量V_b和V_h；

f-3.求解从t-1时刻到t时刻第i块云团的位移距离d_i(t)：

式(9)中，x_i(t),y_i(t)分别为第i块云团在t时刻质心O_i(t)对应的坐标关系；

x_i(t-1),y_i(t-1)分别为第i块云团在t-1时刻质心O_i(t)对应的坐标关系；

f-4.计算第i块所述薄云团或厚云团在t时刻的二次拟合关系φ_i(t)：

f-5.计算第i块所述薄云团或厚云团在t+1时刻的二次拟合关系φ_i(t+1)：

φ_i(t+1)＝aφ_i(t)²+bφ_i(t)-c (11)

式(11)中，a、b、c为φ_i(t)对应的参数；其中，薄云团或厚云团对应的参数a、b、c不同，薄云团对应的参数为a_b、b_b、c_b；厚云团对应的参数为a_h、b_h、c_h；

f-6.计算得到第i块云团在t+1时刻的质心坐标O_i(x_i(t+1),y_i(t+1))：

优选的，步骤3包括：

分析云图太阳光斑强度与所述光伏电站的辐射监测数据进行相关性，得到太阳光斑强度的二次拟合关系S(t+1)：

式(13)中，S(t)为第t时刻的太阳光斑强度等级为S(t)；C_sh是太阳光斑周围的厚云团像素统计；C_sb为太阳光斑周围的薄云团像素统计。

优选的，步骤4包括：

4-1.建立所述超短期辐射预测模型：

I_d(t)＝a*I(t)²+bI(t)-I(t)K(t)S(t+1)/S_max (14)

式(14)中，I_d(t)为t时刻光伏电站的近地面辐照度为总辐射；I(t)为大气层外切面太阳辐射；a¹,b¹均为二次曲线关系式的对应项系数；S_max为太阳光斑强度的最大值；

4-2.根据所述超短期辐射预测模型，对光伏电站未来1个时间段内的辐射进行预测；

4-3.当日预测结束后，更新光伏电站的历史辐射数据与光伏电站地面辐射监测数据库，并更新晴空辐射模型。

从上述的技术方案可以看出，本发明提供了一种基于全天空云图的光伏电站辐射预测方法，根据光伏电站的晴空的历史辐射数据，建立晴空辐射模型；利用全天空云图，得到其在未来时间段内的不同厚度云团运动向量和云状变化趋势；获取云团中太阳强度；建立超短期辐射预测模型，对光伏电站未来时间段内的辐射进行预测。本发明提出的方法准确且有效，在保证基础天气类型的预测数据输出的基础上，能够准确预测出未来时段的辐射；实现了精确的预测出未来一定时间内云团移动情况，以及由于各种云团遮挡太阳辐射所造成的辐射衰减情况，进而能够精确的对光伏电站未来时段的辐射进行预测，为电力调度提供准确且有效的决策支持，进而降低电力系统运行成本，获得更大的经济效益和社会效益。

与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：

1、本发明所提供的技术方案中，根据光伏电站的晴空的历史辐射数据，建立晴空辐射模型；利用全天空云图，得到其在未来时间段内的不同厚度云团运动向量和云状变化趋势；获取云团中太阳强度；建立超短期辐射预测模型，对光伏电站未来时间段内的辐射进行预测。本发明提出的方法准确且有效，在保证基础天气类型的预测数据输出的基础上，能够准确预测出未来时段的辐射。

2、本发明所提供的技术方案，实现了精确的预测出未来一定时间内云团移动情况，以及由于各种云团遮挡太阳辐射所造成的辐射衰减情况，进而能够精确的对光伏电站未来时段的辐射进行预测。

3、本发明所提供的技术方案，为电力调度提供准确且有效的决策支持，进而降低电力系统运行成本，获得更大的经济效益和社会效益。

4、本发明提供的技术方案，应用广泛，具有显著的社会效益和经济效益。

附图说明

图1是本发明的一种基于全天空云图的光伏电站辐射预测方法的流程图；

图2是本发明的预测方法中的步骤1的流程图；

图3是本发明的预测方法中的步骤2的流程图；

图4是本发明的预测方法中的步骤4的流程图；

图5是本发明的一种基于全天空云图的光伏电站辐射预测方法的具体应用例中的TSI-880全天空成像仪采集的云图示意图；

图6是本发明的具体应用例中的t₀时刻和t₁时刻的云团示意图；

图7是本发明的具体应用例中的云团在t+1时刻薄、厚云团发生位移和云状变化示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明保护的范围。

如图1所示，本发明提供一种基于全天空云图的光伏电站辐射预测方法，包括如下步骤：

步骤1.根据光伏电站的晴空的历史辐射数据，建立晴空辐射模型；

步骤2.利用全天空云图，得到其在未来1个时间段内的不同厚度云团运动向量和云状变化趋势；

步骤3.获取云团中太阳强度；

步骤4.建立超短期辐射预测模型，对光伏电站未来1个时间段内的辐射进行预测。

如图2所示，步骤1包括：

1-1.基于历史辐射数据及太阳常数I_sc修正不同时间到达大气层上界的太阳辐射强度I₀，建立晴空辐射模型：

式(1)中，N为积日、即当前日在一年中的序号；I_sc≈1367W/m²；

1-2.计算得到太阳赤纬角δ：

1-3.计算得到太阳时角τ；

1-4.根据实时辐射数据校正晴空辐射模型，得到大气层外切面接收到的太阳辐射I：

式(2)中，θ为太阳天顶角，δ为太阳赤纬角，光伏电站的纬度，τ为太阳时角。

其中，1-3包括：

a.计算得到地球绕太阳公转时运动和转速变化所产生的时间差E：

b.根据下式(4)的真太阳时与北京时间的转换公式，计算得到表示真太阳时的小时数S和分钟数F；

c.根据真太阳时的小时数S和分钟数F，计算得到太阳时角τ为：

如图3所示，步骤2包括：

2-1.设置全天空成仪以相同的时间间隔提取所采集云团的云状，得到云图；

其中，时间间隔为30秒至1分钟；

2-2.利用全天空成仪对云图进行统计分析，得到过去1个时间段内的不同颜色的云状像素变化数据的统计值；其中，时间段为1至3小时；云状像素变化数据包括厚云团像素C_厚及薄云团像素C_薄；

2-3.根据云状像素变化数据的统计值，计算得到云图在未来1个时间段内的不同厚度云团运动向量和云状变化趋势。

其中，2-3包括：

d.捕捉时间长度T内的云团在全天空成仪中的采集频率，且全天空成像仪的采样间隔为T_Δ，则所采集云图的张数S为：

s＝T/T_Δ (7)

e.根据云图处理后不同颜色云状提取的不同厚度的云团，利用云团色彩变化趋势，

分析两张相临云团的相似性；

f.计算云团运动向量；

g.预测太阳光斑遮挡状态K(t)：

式(8)中，k_b(t)为薄云团遮挡下的太阳光斑遮挡状态；k_h(t)为厚云团遮挡下的太阳光斑遮挡状态。

其中，e包括：

e-1.计算t₀时刻薄云团和厚云团的像素统计值C_薄、C_厚和t₁时刻薄云团和厚云团的像素统计值C_薄、C_厚；

e-2.根据全天空成仪的图像处理后的时间线性关系，得出t₀到t₁薄云团和厚云团的变化规律，从而计算得到t₀到t₁两个时刻云图里的各个相似云团，然后计算出第i个厚云团的质心O_hi及第i个薄云团的质心O_bi。

其中，f包括：

f-1.云图中t时刻某个薄云团质心O_b0(x_b0,y_b0)和厚云团质心O_h0(x_h0,y_h0)，在t+1时刻薄、厚云团均发生位移和云状变化，变化后的薄、厚云团质心为O_b1(x_b1,y_b1)和O_h1(x_h1,y_h1)；

f-2.计算t到t+1时刻的薄、厚云团的速度向量V_b1和V_h1，t+1到t+2时刻的薄、厚云团的速度向量V_b2和V_h2，以及t到t+2两个时刻的薄、厚云团的速度向量V_b和V_h；

f-3.求解从t-1时刻到t时刻第i块云团的位移距离d_i(t)：

式(9)中，x_i(t),y_i(t)分别为第i块云团在t时刻质心O_i(t)对应的坐标关系；x_i(t-1),y_i(t-1)分别为第i块云团在t-1时刻质心O_i(t)对应的坐标关系；

f-4.计算第i块薄云团或厚云团在t时刻的二次拟合关系φ_i(t)：

f-5.计算第i块薄云团或厚云团在t+1时刻的二次拟合关系φ_i(t+1)：

φ_i(t+1)＝aφ_i(t)²+bφ_i(t)-c (11)

式(11)中，a、b、c为φ_i(t)对应的参数；其中，薄云团或厚云团对应的参数a、b、c不同，薄云团对应的参数为a_b、b_b、c_b；厚云团对应的参数为a_h、b_h、c_h；

f-6.计算得到第i块云团在t+1时刻的质心坐标O_i(x_i(t+1),y_i(t+1))：

其中，步骤3包括：

分析云图太阳光斑强度与光伏电站的辐射监测数据进行相关性，得到太阳光斑强度的二次拟合关系S(t+1)：

式(13)中，S(t)为第t时刻的太阳光斑强度等级为S(t)；C_sh是太阳光斑周围的厚云团像素统计；C_sb为太阳光斑周围的薄云团像素统计。

如图4所示，步骤4包括：

4-1.建立超短期辐射预测模型：

I_d(t)＝a*I(t)²+bI(t)-I(t)K(t)S(t+1)/S_max (14)

式(14)中，I_d(t)为t时刻光伏电站的近地面辐照度为总辐射；I(t)为大气层外切面太阳辐射；a¹,b¹均为二次曲线关系式的对应项系数；S_max为太阳光斑强度的最大值；

4-2.根据超短期辐射预测模型，对光伏电站未来1个时间段内的辐射进行预测；

4-3.当日预测结束后，更新光伏电站的历史辐射数据与光伏电站地面辐射监测数据库，并更新晴空辐射模型。

本发明提供一种基于全天空云图的光伏电站辐射预测方法的具体应用例；具体为：

Step 1:近地面辐射强度推算：

大气层外切平面的瞬时太阳辐射强度只与大气上界的太阳辐射强度和太阳辐射方向有关"这些都可以通过天文学有关公式精确计算得到。近地面瞬时太阳辐射强度与大气层外切平面的瞬时太阳辐射强度之间的关系式"就可以实时推算出近地面的太阳辐射强度。在同一个地方，同为晴空天气情况下，可以通过历史数据统计而得到前几天的关系式，以历史辐射数据为基础，采用优选的统计方法对晴空辐射进行建模，加以实时辐射数据校正，就可以实现对光伏电站未来2小时晴空辐射的预测。

基于太阳常数(I_sc≈1367W/m²)，不同时间到达大气层上界的太阳辐射强度，可通过实际日地距离对太阳常数的修正，

其中，I₀为大气层顶的太阳辐射强度，N为积日(当前日在一年中的序号)。

大气层外切面接收到的太阳辐射I，太阳辐射的强度和辐射传输方向都有关系，如下，

I＝I₀ (2)

上式，θ为太阳天顶角，δ为太阳赤纬角，光伏电站的纬度，τ为太阳时角。

上式，N为积日。

S和F分别表示真太阳时的小时数和分钟数，它们与北京时间的转换方式为，

其中，E为地球绕太阳公转时运动和转速变化所产生的时间差。这样就可以计算出大气层外切面接收到的太阳辐射。

Step 2:全天空云团运动趋势分析

(1)云团提取

因为TSI-880全天空成像仪具有图像处理功能，可以针对安装地点的地理、气候特征，如经纬度、海拔、以及空气质量，对仪器进行设置，以实现对所采集云图的云状识别和处理。通过全天空成仪的云状分析处理，可以实现全天空云图的云团薄厚、云团密度等信息的计算和评估，如图5所示。然后再通过云团提取，可以将云图的薄厚云团提取出来，并计算出薄厚云团在整个云图中的占比。

TSI-880处理后的云图，可以将云图中的云块标识为白色、淡蓝色和蓝色，即分别表示云图中的厚云、薄云和蓝天，因此，只要根据标记的颜色就可以根据处理的云图中的颜色，将不同厚度的云团从蓝天中提取出来。

(2)云团运动向量计算：

TSI-880在对云团处理后，会统计分析出不同颜色云团的统计值，这对计算不同云团厚度的云团运动趋势非常有帮助。在云团移动时，云会消散，云团也会发生形变。根据TSI-880对云图的处理分析，对过去一段时间不同颜色云状像素变化数据进行统计分析，计算出云图在未来一定时间不同厚度云团运动向量和云状变化趋势。

1)云团色彩统计分析：

TSI-880全天空成像仪可设置云图采集的时间间隔，最好间隔为30秒，根据光伏功率预测的要求，1分钟时间间隔已经可以很好的满足算法的要求。而云图处理算法也对应的计算出每一张检测云图的薄云、厚云和天空的信息。

设云图处理后的厚云的像素统计为C_厚，薄云像素统计为C_薄，云团在经常一定的时间后，会在风、气压等因素作用下移动，并且在移动过程中，云团通常还会发生一定形变。因此，可以利用云图的历史数据的时间关系计算出不同色彩云团的色彩统计值的变化趋势。因为全天空云图观测范围有限，对于云图的一个云团生消过程，可能全天空成像仪不能实现全方位监测，所以需要捕捉出云团在TSI中的采集频率，设该过程的时间长度为T，设全天空成像仪的采样间隔为T_Δ，则所采集云图的张数为：

s＝T/T_Δ，为了能够主算出拟合关系。

2)云团相识度计算：

根据云图处理后不同颜色云状提取的不同厚度的云团，利用云团色彩变化趋势，分析两张相临云团的相似性，以确定前后两张云图中的云团是同一个云团，然后计算出云团的运动向量。

如图6所示，分别是t₀时刻和t₁时刻的云团，要计算出这两个时刻薄云、厚云的云团相似度，只需要计算出t₀时刻薄云和厚云的像素统计值C_薄、C_厚和t₁时刻薄云和厚云的像素统计值C_薄、C_厚，根据TSI图像处理C时间线性关系，得出t₀到t₁薄云和厚云的变化规律，从而计算出t₀到t₁两个时刻云图里的各个相似云团，然后计算出图各个云团的质心，如第i个厚云的质心O_hi，第i个薄云的质心O_bi。

3)云团运动向量计算：

设某全天空云图中t时刻某个质心O_b0(x_b0,y_b0)薄云团和质心O_h0(x_h0,y_h0)厚云团，该云团在t+1时刻薄、厚云团发生位移和云状变化，变化后的薄、厚云团质心为O_b1(x_b1,y_b1)和O_h1(x_h1,y_h1)，如图7所示。由此，可以计算出t到t+1时刻的薄、厚云团的速度向量V_b1和V_h1，t+1到t+2时刻的薄、厚云团的速度向量V_b2和V_h2，以及t到t+2两个时刻的薄、厚云团的速度向量V_b和V_h，从而可以基于这种运动向量关系，基于当前和历史的云团运动趋势预测未来一定时间内的薄、厚云团的运动向量。因为薄、厚云团的计算过程相似，这里列出一种即可.设第i块云团在t+1时刻φ_i(t+1)的二次拟合关系如下式，

φ_i(t+1)＝aφ_i(t)²+bφ_i(t)-c (8)

因为，薄、厚两种云的消散、运动趋势在速度上并不完全相同，所以薄、厚两种云的φ_i(t)对应着不同的参数a、b、c，设薄、厚两类云的参数分别为a_b、b_b、c_b和a_h、b_h、c_h。

设O_i(t)为第i块云团在t时刻质心，其对应的坐标关系为O_i(x_i(t),y_i(t))，设d_i(t)为该云块从t-1时刻到t时刻云团的位移距离，设φ_i(t)为t-1到t时刻d_i(t)与X轴的夹角。所以，通过该定义关系，可以计算出过去一定时间间隔的某云块φ_i的值，如下式：

由此式代入φ_i(t+1)的二次拟合关系式，就可以计算出φ_i(t+1)。设与当前时刻相临的前一时刻，第i块云团发生的位移d_i(t)，其中，

因为，风速具有一定的惯性，其变化需要一个过程，在一定的时间内可以保持风速的不变，进而可以推算从t到t+1时刻第i块云团速度向量V_i(t+1)，在一定条件下会等于上一时刻速度V_i(t)，然后利用V_i(t-i)，V_i(t-i+1)，…,V_i(t)对V_i(t+1)进行实时矫正，其中t_Δ为位移时间间隔。

所以，第i块云团在t+1时刻的质心坐标O_i(x_i(t+1),y_i(t+1))为，

4)太阳光斑遮挡预测：

TSI设置正确且正常工作的情况下，全天空云图中的太阳光斑始终会与TSI镜面上的遮广带重合，因此TSI基于此信息可以计算出太阳光斑每个时刻的位置，而这些数据TSI-880已经完成处理，也可以直接在MySQL库查找使用。因此，当第i块云团在t+1时刻移动到太阳光斑的成像区域时，就会发现遮挡，并根据前面的分析，计算出是薄云，还是厚云发生了遮挡，设遮挡状态为：

它们的判断条件就是否为薄或厚云。

Step 3:云团中太阳强度分析：

原始云图经过TSI-880的图像处理后，不但标记出不同厚度的云状和统计出各云图团的像素特征，还计算出了云图中太阳斑周围的颜色特征，以及太阳光斑在云图中所呈现的强度等级。可以使用太阳光斑强度数据和太阳光斑周围的色彩特征，与云图中不同厚度的云团、天空等数据，与辐射监测数据相结合，就可以计算出不同天气类型的辐射监测数据与云图的对应情况。当云图中厚云和薄云遮挡太斑光斑时，对太阳光斑强度与电站的辐射监测数据进行相关性分析；以及当没有云团遮挡太阳光斑时，云图太阳光斑强度与辐射监测数据进行相关性分析，设第t时刻的太阳光斑强度等级为S(t)，历史时刻的强度等级，可以直接在TSI的数据库中查到。因为云图的太阳光斑强度主要是受光斑周围的云团影响，而TSI直接对当前时刻太阳光斑周围薄、厚云团的像素分别进行了统计，发现太阳光斑强度也是一个二次拟合关系，

其中，C_sh是太阳光斑周围的厚云像素统计、C_sb太阳光斑周围的薄云像素统计。这两个值可以直接从TSI的MySQL中查找使用。

Step 4:本发明所提出超短期辐射预测模型：

TSI-880对云团进行薄、厚分类色斑处理，但是真实情况下云团的薄、厚是不同的，不能做简单分类处理。所以TSI-880对针对云图中的太阳光斑特征计算出太阳光斑的强度等级，结合TSI分析的太阳光斑强度等级和云团薄、厚特征、以及云团的薄、厚像素统等数据，可以拟合出它们与太阳辐射监测数据之间的拟合关系。然后，可以根据全天空云图中的各个云团运动向量预测数据，实现对未来一定时间内云团运动趋势下的辐射衰减情况预测评估，进而提高光伏功率预测的精度。

为减少气候、气温对预测精度的影响，采用临近相似天气型的历史辐射和实测辐射数据进行曲线相关性拟合，设t时刻光伏电站的近地面辐照度为总辐射为I_d(t)其辐射与大气层外切面太阳辐射I(t)，相对应的满足二次曲线拟合关系，其中，a,b是二次曲线关系式的对应项系数，如下，

I_d(t)＝a*I(t)²+bI(t)-I(t)K(t)S(t+1)/S_max (14)

其中，S_max为太阳光斑强度的最大值，其值可以直接从数据库表中查询得出。

当天预测结束后，更新光伏电站的历史辐射数据与光伏电站地面辐射监测数据库，并重新统计辐射关系式，为下一天的预测做出数据准备。

其中，TSI-880(Total Sky Imager)为全彩色数字成像仪，可以自动进行全天空云量的持续性观测，时空分辨率较高，该仪器不仅可以监测云量的大小，还可以通过云的变化分析天气形势。本文所采用型号为TSI-880，它通过上方的照相机垂直向下拍摄带有加热装置的半球镜面，得到当时天空所呈现的图像。拍摄得到的图像是分辨率为352×288像素的24位RGB真彩色图像，以JPEG格式被自动存储到计算机上以便用于图像处理与分析。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员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，而这些未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。

Claims (9)

1.一种基于全天空云图的光伏电站辐射预测方法，其特征在于，所述方法包括如下步骤：

步骤1.根据所述光伏电站的晴空的历史辐射数据，建立晴空辐射模型；

步骤2.利用全天空云图，得到其在未来1个时间段内的不同厚度云团运动向量和云状变化趋势；

步骤3.获取所述云团中太阳强度；

步骤4.建立超短期辐射预测模型，对光伏电站未来1个时间段内的辐射进行预测。

2.如权利要求1所述的方法，其特征在于，所述步骤1包括：

1-1.基于历史辐射数据及太阳常数I_sc修正不同时间到达大气层上界的太阳辐射强度I₀，建立晴空辐射模型：

$I_0=I_{sc}\[1+0.033cos\frac{{360}^0}{365}N\]---\left(1\right)$

式(1)中，N为积日、即当前日在一年中的序号；I_sc≈1367W/m²；

1-2.计算得到太阳赤纬角δ：

$\mathrm{\δ}={23.45}^o*sin\[{360}^0*(284+\frac{N}{365})\]---\left(2\right)$

1-3.计算得到太阳时角τ；

1-4.根据实时辐射数据校正晴空辐射模型，得到大气层外切面接收到的太阳辐射I：

式(2)中，θ为太阳天顶角，δ为太阳赤纬角，光伏电站的纬度，τ为太阳时角。

3.如权利要求2所述的方法，其特征在于，所述1-3包括：

a.计算得到地球绕太阳公转时运动和转速变化所产生的时间差E：

$E=9.87\sin \[720*\frac{N-81}{364}\]-7.53*cos(360*\frac{N-81}{364})-1.5*sin(360*\frac{N-81}{364})---\left(4\right);$

b.根据下式(4)的真太阳时与北京时间的转换公式，计算得到表示真太阳时的小时数S和分钟数F；

c.根据真太阳时的小时数S和分钟数F，计算得到太阳时角τ为：

$\mathrm{\τ}=\frac{S+F}{60-12}*15---\left(6\right).$

4.如权利要求3所述的方法，其特征在于，所述步骤2包括：

2-1.设置全天空成仪以相同的时间间隔提取所采集云团的云状，得到云图；

其中，所述时间间隔为30秒至1分钟；

2-2.利用全天空成仪对云图进行统计分析，得到过去1个时间段内的不同颜色的云状像素变化数据的统计值；其中，所述时间段为1至3小时；所述云状像素变化数据包括厚云团像素C_厚及薄云团像素C_薄；

2-3.根据所述云状像素变化数据的统计值，计算得到所述云图在未来1个时间段内的不同厚度云团运动向量和云状变化趋势。

5.如权利要求4所述的方法，其特征在于，所述2-3包括：

d.捕捉时间长度T内的云团在所述全天空成仪中的采集频率，且所述全天空成像仪的采样间隔为T_Δ，则所采集云图的张数S为：

s＝T/T_Δ (7)

e.根据云图处理后不同颜色云状提取的不同厚度的云团，利用云团色彩变化趋势，分析两张相临云团的相似性；

f.计算所述云团运动向量；

g.预测太阳光斑遮挡状态K(t)：

$K\left(t\right)=\left\{\begin{array}{c}{k}_b\left(t\right)\\ k_h\left(t\right)\end{array}\right.---\left(8\right)$

式(8)中，k_b(t)为薄云团遮挡下的太阳光斑遮挡状态；k_h(t)为厚云团遮挡下的太阳光斑遮挡状态。

6.如权利要求5所述的方法，其特征在于，所述e包括：

e-1.计算t₀时刻薄云团和厚云团的像素统计值C_薄、C_厚和t₁时刻薄云团和厚云团的像素统计值C_薄、C_厚；

e-2.根据所述全天空成仪的图像处理后的时间线性关系，得出t₀到t₁薄云团和厚云团的变化规律，从而计算得到t₀到t₁两个时刻云图里的各个相似云团，然后计算出第i个厚云团的质心O_hi及第i个薄云团的质心O_bi。

7.如权利要求5或6所述的方法，其特征在于，所述f包括：

f-1.所述云图中t时刻某个薄云团质心O_b0(x_b0,y_b0)和厚云团质心O_h0(x_h0,y_h0)，在t+1时刻薄、厚云团均发生位移和云状变化，变化后的薄、厚云团质心为O_b1(x_b1,y_b1)和O_h1(x_h1,y_h1)；

f-2.计算t到t+1时刻的薄、厚云团的速度向量V_b1和V_h1，t+1到t+2时刻的薄、厚云团的速度向量V_b2和V_h2，以及t到t+2两个时刻的薄、厚云团的速度向量V_b和V_h；

f-3.求解从t-1时刻到t时刻第i块云团的位移距离d_i(t)：

$d_i\left(t\right)=\sqrt{{\left(y_i\right(t)-y_i(t-1\left)\right)}^2+{\left(x_i\right(t)-x_i(t-1\left)\right)}^2}---\left(9\right)$

式(9)中，x_i(t),y_i(t)分别为第i块云团在t时刻质心O_i(t)对应的坐标关系；

x_i(t-1),y_i(t-1)分别为第i块云团在t-1时刻质心O_i(t)对应的坐标关系；

f-4.计算第i块所述薄云团或厚云团在t时刻的二次拟合关系φ_i(t)：

${\mathrm{\φ}}_i\left(t\right)=arctan\frac{y_i\left(t\right)-y_i(t-1)}{x_i\left(t\right)-x_i(t-1)}---\left(10\right)$

f-5.计算第i块所述薄云团或厚云团在t+1时刻的二次拟合关系φ_i(t+1)：

φ_i(t+1)＝aφ_i(t)²+bφ_i(t)-c (11)

式(11)中，a、b、c为φ_i(t)对应的参数；其中，薄云团或厚云团对应的参数a、b、c不同，薄云团对应的参数为a_b、b_b、c_b；厚云团对应的参数为a_h、b_h、c_h；

f-6.计算得到第i块云团在t+1时刻的质心坐标O_i(x_i(t+1),y_i(t+1))：

$\left\{\begin{array}{c}{x}_i(t+1)=x_i\left(t\right)+d_i\left(t\right)*\cos \left({\mathrm{\φ}}_i\right(t\left)\right)\\ y_i(t+1)=y_i\left(t\right)+d_i\left(t\right)*\sin \left({\mathrm{\φ}}_i\right(t\left)\right)\end{array}\right.---\left(12\right).$

8.如权利要求7所述的方法，其特征在于，步骤3包括：

分析云图太阳光斑强度与所述光伏电站的辐射监测数据进行相关性，得到太阳光斑强度的二次拟合关系S(t+1)：

$S(t+1)=\frac{a}{C_{sh}}S{\left(t\right)}^2+\frac{b}{C_{sb}}S\left(t\right)+c---\left(13\right)$

式(13)中，S(t)为第t时刻的太阳光斑强度等级为S(t)；C_sh是太阳光斑周围的厚云团像素统计；C_sb为太阳光斑周围的薄云团像素统计。

9.如权利要求8所述的方法，其特征在于，步骤4包括：

4-1.建立所述超短期辐射预测模型：

I_d(t)＝a*I(t)²+bI(t)-I(t)K(t)S(t+1)/S_max (14)

式(14)中，I_d(t)为t时刻光伏电站的近地面辐照度为总辐射；I(t)为大气层外切面太阳辐射；a¹,b¹均为二次曲线关系式的对应项系数；S_max为太阳光斑强度的最大值；

4-2.根据所述超短期辐射预测模型，对光伏电站未来1个时间段内的辐射进行预测；

4-3.当日预测结束后，更新光伏电站的历史辐射数据与光伏电站地面辐射监测数据库，并更新晴空辐射模型。