CN106934726B - 一种基于全天空图像云指数的地表辐射预测方法 - Google Patents

一种基于全天空图像云指数的地表辐射预测方法 Download PDF

Info

Publication number
CN106934726B
CN106934726B CN201511027546.7A CN201511027546A CN106934726B CN 106934726 B CN106934726 B CN 106934726B CN 201511027546 A CN201511027546 A CN 201511027546A CN 106934726 B CN106934726 B CN 106934726B
Authority
CN
China
Prior art keywords
image
radiation
los
historical
surface radiation
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
Application number
CN201511027546.7A
Other languages
English (en)
Other versions
CN106934726A (zh
Inventor
陈志宝
程序
周海
丁杰
谭志萍
于炳霞
吴子成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN201511027546.7A priority Critical patent/CN106934726B/zh
Publication of CN106934726A publication Critical patent/CN106934726A/zh
Application granted granted Critical
Publication of CN106934726B publication Critical patent/CN106934726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于全天空图像云指数的地表辐射预测方法，包括：提取全天空图像的图像特征；确定全天空图像的指数LOS；历史地表幅度归一化；预测地表辐射；还原地表辐射。本发明技术方案更加有效准确的预测地表辐射。

Description

一种基于全天空图像云指数的地表辐射预测方法
技术领域：
本发明涉及光伏发电功率预测技术领域，更具体涉及一种基于全天空图像云指数的地表辐射预测方法。
背景技术：
光伏发电输出功率具有随机性和波动性，大规模光伏电站接入电网，无疑会对电网安全稳定和经济运行造成影响。因而需要对地表辐射准确建模和计算是实现光伏电站输出功率作出准确的预测，以为电力调度提供重要的决策支持，协调配合统筹安排常规电源和光伏发电，降低电力系统运行成本，最大限度利用太阳能资源，获得最优惠的经济效益和社会效益。
作为影响光伏电站输出功率的主要因素之一的地面辐照度是导致的不确定性是导致输出功率的随机性和波动性的直接原因。作为影响太阳地面辐照量的主要气象要素的云和气溶胶二者相生相伴，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预测太阳辐照度，但其时空分辨率相对较低，无法满足地面辐射分钟级预测的要求。有的学者基于全天空图像对云运动进行预测，实现地表辐射衰减预测，不足之处在于该模型并未考虑云运动的非线性和气溶胶影响。因此需要提供一种技术方案来满足现有技术的需要。
发明内容：
本发明的目的是提供一种基于全天空图像云指数的地表辐射预测方法，更加有效准确的预测地表辐射。
为实现上述目的，本发明采用以下技术方案：一种基于全天空图像云指数的地表辐射预测方法，包括：
提取全天空图像的图像特征；
确定全天空图像的指数LOS；
历史地表辐照度归一化；
预测地表辐射；
还原地表辐射。
所述图像特征包括图像的亮度特征和图像的平滑度特征。
所述图像的亮度特征L的通过下式确定：
Figure GDA0002727985540000021
其中，彩色全天空图像的红，绿，蓝通道灰度值分别为R,G,B.图像大小为M×N。
所述图像的平滑度特征S通过下式确定：
Figure GDA0002727985540000022
其中，全天空图像对应的灰度图的灰度标准差SD通过下公式计算：
Figure GDA0002727985540000023
其中，全天空图像对应的灰度图的灰度均值ME通过下公式计算：
Figure GDA0002727985540000024
其中，zi灰度值，p(zi)是灰度值的频度分布，K为灰度层级数。
所述全天空图像的指数根据图像的亮度和图像的平滑度确定，并通过下式确定：
Figure GDA0002727985540000031
其中，L为图像的亮度特征，S为图像的平滑度特征。
所述历史地表辐照度通过下式归一化：
Figure GDA0002727985540000032
其中，I为历史地表辐照度。
所述地表辐射预测过程包括：
历史全天空图像云指数和历史辐射数据基于最小二乘法建立多元回归模型；
建立目标函数：
通过最小二乘法确定目标函数中的最优系数，从而确定其与辐射衰减率的计算关系。
所述多元回归模型为：
I(t)＝α0+α1LOSt-1+α2LOSt-2+α3LOSt-3+α4LOSt-4
建立的目标函数如下式所示：
Figure GDA0002727985540000033
所述最优系数为
Figure GDA0002727985540000034
与辐射衰减率的关系为：
Figure GDA0002727985540000035
其中，t为当前时刻，α0、α1、α2、α3、α4是回归系数；n是样本个数。
所述地表辐射还原的过程是归一化的逆过程：
Figure GDA0002727985540000036
其中，
Figure GDA0002727985540000037
为辐射衰减率，I为历史地表辐照度。
和最接近的现有技术比，本发明提供技术方案具有以下优异效果
1、本发明技术方案综合运用多种图像特征提取技术，突出问题需求，且其算法有很强的针对性；
2、本发明技术方案的流程化的处理，具有很好的工程实用性，实现方便；
3、本发明技术方案的数学模型明确，使用最优设置参数，无需进行参数选配；
4、本发明技术方案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。
附图说明
图1为本发明实施例的方法流程图。
具体实施方式
下面结合实施例对发明作进一步的详细说明。
实施例1：
本例的发明提供一种基于全天空图像云指数的地表辐射预测方法，包括：
Step1,图像特征提取，包括亮度特征，傅里叶特征，图像平滑度以及奇异值特征。
(1)亮度特征：假设彩色全天空图像的红，绿，蓝通道灰度值分别为R,G,B.图像大小为M×N,则图像亮度L的计算如下：
Figure GDA0002727985540000041
(2)图像平滑度：全天空图像对应的灰度图的灰度均值ME和标准差SD由公式(2)，(3)计算：
Figure GDA0002727985540000051
Figure GDA0002727985540000052
其中，zi灰度值，p(zi)是灰度值的频度分布，K为灰度层级数。至此，图像平滑度S的计算由公式(4)可得：
Figure GDA0002727985540000053
Step 2,LOS指数计算
由于图像亮度与辐射呈正相关性，图像平滑度与辐射呈现负相关性，本专利基于设计LOS指数如下：
Figure GDA0002727985540000054
Step 3地表辐射归一化
为了算法的稳定性以及输入输出数据的一致性，历史地表辐照度的值需要进行归一化，归一化公式如下：
Figure GDA0002727985540000055
Step 4,地表辐射预测
基于历史全LOS云指数和历史辐射数据基于最小二乘法建立多元回归模型。
1)建立云指数与地表辐射的多元回归模型：
I(t)＝α0+α1LOSt-1+α2LOSt-2+α3LOSt-3+α4LOSt-4 (7)
2)建立下式中的目标函数：
Figure GDA0002727985540000061
3)通过最小二乘法确定目标函数中的最优系数为
Figure GDA0002727985540000062
从而确定辐射衰减率的计算关系。
Figure GDA0002727985540000063
Step 5,地表辐射还原
基于LOS云指数实现了地表辐射的预测后，该值还需辐射值的还原，该过程是归一化的逆过程：
Figure GDA0002727985540000064
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尽管参照上述实施例应当理解：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 (4)

1.一种地表辐射预测方法，其特征在于：包括下属步骤：
步骤1)提取全天空图像的图像特征；
步骤2)确定全天空图像的指数LOS；
步骤3)历史地表辐照度的归一化；
步骤4)预测地表辐射；
步骤5)还原地表辐射；
步骤1)所述图像特征包括图像的亮度特征和图像的平滑度特征；
步骤2)所述全天空图像的指数LOS如下式所示：
Figure FDA0002727985530000011
其中，L为图像的亮度特征，S为图像的平滑度特征；
步骤3)所述历史地表辐照度的归一化如下式所示：
Figure FDA0002727985530000012
其中，I为历史地表辐照度，min(I)和max(I)分别为最小和最大历史地表辐照度；
所述地表辐射的预测包括下述步骤：
4-1，建立多元回归模型：历史全天空图像云指数和历史辐射数据基于最小二乘法；
4-2，建立目标函数：
4-3，确定其与辐射衰减率的计算关系：用最小二乘法确定目标函数中的最优系数；
步骤5)所述地表辐射还原包括归一化的逆过程：
I(t)'＝I(t)·(max(I)-min(I))+min(I)
其中，I(t)为辐射衰减率原始预测值，I(t)'为辐射衰减率还原值，I为历史地表辐照度。
2.如权利要求1所述的地表辐射预测方法，其特征在于：所述图像的亮度特征L如下式所示：
Figure FDA0002727985530000021
其中，彩色全天空图像的红，绿，蓝通道灰度值分别为R,G,B,图像大小为M×N。
3.如权利要求1所述的地表辐射预测方法，其特征在于：所述图像的平滑度特征S如下式所示：
Figure FDA0002727985530000022
其中，全天空图像对应的灰度图的灰度标准差SD如下式所示：
Figure FDA0002727985530000023
其中，全天空图像对应的灰度图的灰度均值ME如下式所示：
Figure FDA0002727985530000024
其中，zi灰度值，p(zi)是灰度值的频度分布，K为灰度层级数。
4.如权利要求1所述的地表辐射预测方法，其特征在于：步骤4-1所述多元回归模型如下式所示：
I(t)＝α0+α1LOSt-1+α2LOSt-2+α3LOSt-3+α4LOSt-4
建立的目标函数如下式所示：
Figure FDA0002727985530000031
所述最优系数为
Figure FDA0002727985530000032
与辐射衰减率的关系如下式所示：
Figure FDA0002727985530000033
其中，t为当前时刻，α0、α1、α2、α3、α4为回归系数；n为样本个数。
CN201511027546.7A 2015-12-31 2015-12-31 一种基于全天空图像云指数的地表辐射预测方法 Active CN106934726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511027546.7A CN106934726B (zh) 2015-12-31 2015-12-31 一种基于全天空图像云指数的地表辐射预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511027546.7A CN106934726B (zh) 2015-12-31 2015-12-31 一种基于全天空图像云指数的地表辐射预测方法

Publications (2)

Publication Number Publication Date
CN106934726A CN106934726A (zh) 2017-07-07
CN106934726B true CN106934726B (zh) 2021-03-02

Family

ID=59441317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511027546.7A Active CN106934726B (zh) 2015-12-31 2015-12-31 一种基于全天空图像云指数的地表辐射预测方法

Country Status (1)

Country Link
CN (1) CN106934726B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930513B (zh) * 2012-09-25 2015-09-09 北京航空航天大学 一种视频场景的虚实光照融合方法
GB2506934A (en) * 2012-10-15 2014-04-16 Innovia Films Ltd Detection of the presence of an item using reflection characteristics
CN103353952B (zh) * 2013-05-31 2016-08-10 国家电网公司 一种基于地基云图的光伏功率预测方法
CN103971169B (zh) * 2014-04-14 2017-09-01 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
CN104217259A (zh) * 2014-09-17 2014-12-17 国家电网公司 一种区域地表辐照度分布预测方法

Also Published As

Publication number Publication date
CN106934726A (zh) 2017-07-07

Similar Documents

Publication Publication Date Title
Reinoso et al. Simulation of photovoltaic centrals with dynamic shading
CN107491833B (zh) 一种光伏发电功率预测的方法和装置
CN104732296A (zh) 一种分布式光伏输出功率短期预测模型建模方法
CN110428084B (zh) 一种基于自适应双层优化的风电功率非参数区间预测方法
CN111582555B (zh) 基于地基云图图像特征的光伏功率预测方法
CN106372749A (zh) 基于云变分析的超短期光伏功率预测方法
CN104166999B (zh) 一种基于地基云图强度分层的云团提取方法
CN105790261B (zh) 一种随机谐波潮流计算方法
CN110781458B (zh) 一种基于混合回归模型预测地表太阳辐照度的方法
CN105488592A (zh) 一种光伏电站发电量预测的方法
CN115935809A (zh) 一种基于地基云图云量特征的光伏发电功率区间预测方法
CN108154266B (zh) 一种含风电电力系统经济调度方法
CN106934726B (zh) 一种基于全天空图像云指数的地表辐射预测方法
Zhang et al. Short‐Term Power Prediction of Wind Power Generation System Based on Logistic Chaos Atom Search Optimization BP Neural Network
CN115047544B (zh) 一种覆冰预警方法及系统
CN116307511A (zh) 一种园区电网储能配置方法、装置、设备及介质
CN115549118A (zh) 配电网无功补偿设备出力平滑指数预测方法
CN112821456B (zh) 基于迁移学习的分布式源-储-荷匹配方法及装置
CN106682760A (zh) 一种风电功率爬坡预测方法
Pao et al. Forecasting Russian renewable, nuclear, and total energy consumption using improved nonlinear grey Bernoulli model
CN105718711B (zh) 一种基于全天空图像特征的地表辐射计算方法
CN116565865B (zh) 一种基于深度误差反馈学习的风电功率预测方法
Fu et al. Photovoltaic Power Prediction Based on Gray-scale Satellite Cloud Image and Optimized LSTM
CN115952921A (zh) 一种光伏能源功率预测方法、装置、电子设备及存储介质
CN110874611B (zh) 风电集群功率超短期预测误差等级分级补偿方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20180108

Address after: Nan Shui Road Gulou District of Nanjing city of Jiangsu Province, No. 8 210003

Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant after: State Grid Corporation of China

Applicant after: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd.

Address before: Nan Shui Road Gulou District of Nanjing city of Jiangsu Province, No. 8 210003

Applicant before: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant before: State Grid Corporation of China

Effective date of registration: 20180108

Address after: Nan Shui Road Gulou District of Nanjing city of Jiangsu Province, No. 8 210003

Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd.

Applicant after: State Grid Corporation of China

Address before: Nan Shui Road Gulou District of Nanjing city of Jiangsu Province, No. 8 210003

Applicant before: China Electric Power Research Institute

Applicant before: State Grid Corporation of China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant