一种基于地基云图的实时动态云量反演方法
技术领域
本发明涉及地基遥感测云技术领域,尤其涉及一种基于地基云图的实时动态云量反演方法。
背景技术
随着全球能源危机和环境污染问题日益突出,太阳能开发利用规模迅速扩大,已成为全球能源转型的重要领域。《太阳能发展“十三五规划”》提出,全国光伏发电累计装机从2010年的86万千瓦增长到2015年的4318万千瓦,2015年新增装机1513万千瓦,到2020年底,太阳能发电装机达到1.1亿千瓦以上。地面辐照度是决定光伏组件出力的最直接气象因素,其随机性和周期性变化使得光伏发电功率呈现出明显的间歇性和波动性。而云是影响太阳地面辐照度的最主要气象因素,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。
在利用卫星云图进行太阳辐射预报时,由于卫星云图时间分辨率和空间分辨率低,需要对云图进行降尺度处理,预报精度受到限制。而全天空成像仪是全自动彩色数字成像仪,时空分辨率高,能够实时持续观测白天的云量,得到的云量较人工目测、卫星探测的结果更准确。
目前,基于全天空成像仪地基云图进行云量反演的方法都是针对整张图像,使用固定红蓝比阈值进行像素点识别。但是在晴空及云量较少时,由于气溶胶和气团影响,大气传输路径长,使得太阳圈和近地平区域的像素点看起来更白更亮,目前方法在进行图像处理时,将这些点作为云点处理,使得晴空及云量较少的情况下计算的云量有误差。且全天空成像仪地基云图红蓝比受大气(气溶胶含量、沙尘、能见度等)、环境影响程度较大,因此,该方法不能有效识别复杂天气情况下的云和天空像素,使得反演云量误差较大。
发明内容
本发明所要解决的技术问题是提供一种基于地基云图的实时动态云量反演方法,以提高云量反演的精确度,进而反演出天空的真实云量分布情况。
为解决上述问题,本发明所述的一种基于地基云图的实时动态云量反演方法,包括:
(1)实时获取全天空成像仪观测的地基云图,并对该地基云图进行图像预处理;
(2)根据所述地基云图的太阳天顶角在晴空数据库中选择相应的最新云图,并利用该最新云图计算得到大气混浊度校正因子TCF;
(3)计算所述地基云图与所述最新云图之间的像素红蓝比差值,并结合TCF和预设红蓝比阈值对所述地基云图进行恢复,得到初步云量反演云图;
(4)计算所述地基云图的太阳参数,并利用所述太阳参数对所述初步云量反演云图中太阳圈附近像素进行校正,得到最终云量反演云图;其中,所述太阳参数为所述地基云图中太阳圈附近像素红蓝比的平均值。
优选地,还包括:建立所述晴空数据库,所述晴空数据库中记录有历史晴空云图及其相应的拍摄时间和太阳天顶角。
优选地,步骤(1)中对所述地基云图进行的图像预处理包括遮挡恢复处理和坐标转换处理;其中,所述坐标转换指从图像坐标系到天空坐标系的转换。
优选地,步骤(2)包括:
(21)遍历所述地基云图的像素红蓝比RBR(i,j)和所述最新云图中相应的像素红蓝比CSL(m,n),逐一计算Diff(i,j)= RBR(i,j)- CSL(m,n),并根据Diff(i,j)与晴空阈值的关系,筛选出所述地基云图中的晴空像素点;
其中,CSLTCF(m,n)= CSL(m,n)*TCF;PZA(i,j)=PZA(m,n),SPA(i,j)=SZA(m,n),PZA为像素天顶角,SPA为像素和太阳之间夹角;(i,j)∈地基云图范围,(m,n)∈最新云图范围;
(22)计算所有晴空像素点的红蓝比平均值与所述最新云图中对应像素点的红蓝比平均值之间的比值,并将该比值作为初始大气浑浊度校正因子TCF´;
(23)计算CSL(i,j)与CSLTCF´(i,j)之间的绝对误差MAD,其中,CSLTCF´(i,j)= CSL(i,j)*TCF´;
(24)当MAD<0.05时,判断0.8< TCF´<1.2是否成立,如果成立,则TCF= TCF´,否则,TCF=1;
当MAD≥0.05时,将CSLTCF´(i,j)赋予CSL(i,j)并返回执行步骤(21),直至MAD<0.05。
优选地,步骤(3)包括:
(31)遍历所述地基云图的像素红蓝比RBR(i,j)和所述最新云图中相应的像素红蓝比CSL(m,n),逐一计算DiffTCF(i,j)= RBR(i,j)- CSLTCF(m,n);
其中,CSLTCF(m,n)= CSL(m,n)*TCF;PZA(i,j)=PZA(m,n),SPA(i,j)=SZA(m,n),PZA为像素天顶角,SPA为像素和太阳之间夹角;(i,j)∈地基云图范围,(m,n)∈最新云图范围;
(32)根据DiffTCF(i,j)与所述红蓝比阈值的大小关系,识别所述地基云图上各像素点(i,j)的像素类型;其中,所述红蓝比阈值包括晴空阈值或不透光云阈值,所述像素类型包括晴空、薄云或不透光;
(33)根据所述地基云图上所有像素点的像素类型,恢复得到所述初步云量反演云图。
优选地,步骤(32)包括:
当DiffTCF(i,j)≤晴空阈值时,判定该像素点为晴空;
当DiffTCF(i,j)≥不透光云阈值时,判定该像素点为不透光云;
当晴空阈值<DiffTCF(i,j)<不透光云阈值时,判定该像素点为薄云。
优选地,步骤(4)包括:
逐一比对所述初步云量反演云图中太阳圈附近的像素红蓝比与太阳参数,并将像素红蓝比大于所述太阳参数的像素点识别为不透光云,小于所述太阳参数的像素点识别为晴空,等于所述太阳参数的像素点保持原有像素类型。
本发明与现有技术相比具有以下优点:
1、由于全天空成像仪成像受环境影响较大,不同大气状况下图像的红蓝比差异比较大,对此本发明引入大气混浊度校正因子TCF以减小大气不同能见度等对红蓝比的影响;同时,考虑到太阳圈区域像素点红蓝比在太阳未被遮挡的情况下大,在太阳被不透光云遮挡的情况下小,对此本发明引入太阳参数以修正这种偏差。综上,本发明引入大气混浊度校正因子TCF和太阳参数,以校正环境对红蓝比的影响,进而有效提高云量反演的精确度,从而反演出天空的真实云量分布情况。
2、进一步地,考虑到即使是同一张图像,红蓝比也会不统一,本发明在计算大气混浊度校正因子TCF、利用TCF和红蓝比阈值恢复初步云量反演云图的过程中,将地基云图与最新云图中PZA和SPA相同的像素点逐一比较,以实现太阳圈区域和太阳圈区域比较,近地平区域和近地平区域比较,进一步提高了云量反演的精确度。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1为本发明实施例提供的一种基于地基云图的实时动态云量反演方法的流程图。
图2为本发明实施例提供的坐标转换示意图。
图3为本发明实施例提供的计算大气浑浊度校正因子TCF的算法流程图;
图4为本发明实施例提供的关于PZA和SPA定义的示意图。
具体实施方式
实施例1
一种基于地基云图的实时动态云量反演方法,其地基云图可源于多个光伏电站匹配部署的全天空成像仪站点,参考图1,该方法具体可以包括如下步骤:
(1)实时获取全天空成像仪观测的地基云图,并对该地基云图进行图像预处理。
其中,图像预处理具体包括遮挡恢复处理、坐标转换处理;其中,坐标转换指从图像坐标系到天空坐标系的转换。
云图遮挡恢复可参考以下内容:地基云图上通常有两部分遮挡,分别是镜头支架及遮光带投影。支架投影部分位置固定,遮光带随太阳方位变化而移动,本发明利用云图拍摄时间,根据天文学相关公式计算出太阳方位角,结合立体几何知识确定遮光带投影位置,从而根据遮挡部分两侧的像素值进行插值,去除遮挡投影。
全天空成像仪是球面镜成像,其边缘存在较严重的径向畸变,需要对其进行畸变分析及坐标转换。如图2所示,设rI为原始云图坐标系中任一像素点P(xI,yI)到图像中心的径向距离,rS为天空坐标系中任意一点S(xS,yS)到天空中心的距离,云底高度为H,云图中任意像素点P的天顶角为,方位角为,则P点在天空坐标系中的坐标为:
P点在图像坐标系中的坐标为:
对于任一云图,根据拍摄时间算出该时刻的太阳天顶角,通过霍夫变换检测出太阳在云图中的实际位置,对和进行三次多项式拟合,得到以下公式所示的径向距离与太阳天顶角之间的关系,进而可得到天空真实云图。
(2)根据地基云图的太阳天顶角在晴空数据库中选择相应的最新云图,并利用该最新云图计算得到大气混浊度校正因子TCF。
具体地,以地基云图所对应的太阳天顶角SZA为索引在晴空数据库中查找对应的晴空云图,并选取出拍摄时间最晚的晴空云图即最新云图。对于TCF的具体计算过程详见后文实施例2。
当然,在此之前,需要做准备工作即建立晴空数据库,晴空数据库中记录有历史晴空云图及其相应的拍摄时间和太阳天顶角。另外,为了便于后续步骤使用像素红蓝比,该晴空数据库还可记录晴空云图中各像素点的红蓝比,对于这部分数据我们称之为晴空红蓝比数据库。
建立晴空数据库的具体内容包括:针对历史晴空云图,计算其红蓝比并记录起来,同时,可以得到晴空云图像素红蓝比与太阳天顶角SZA、像素天顶角PZA、像素和太阳之间夹角SPA有关, PZA大于75°的区域对应近地平区域,红蓝比值较大;SPA小于大约35°的区域对应太阳圈区域,红蓝比值最大。这是因为在近地平区域气溶胶浓度大,且在大气中传输路径长,而在太阳圈附近,由于太阳光的向前散射,使得云图中近地平和太阳圈区域显得更白更亮,红蓝比值也相应比其他区域大。
(3)计算地基云图与最新云图之间的像素红蓝比差值,并结合TCF和预设红蓝比阈值对地基云图进行恢复,得到初步云量反演云图。
其中,红蓝比阈值包括晴空阈值M和不透光云阈值N,相应的,像素类型包括晴空、薄云或不透光,具体地,记像素红蓝比差值为Diff,像素类型为S,那么,
对于红蓝比阈值,可根据大量历史多云云图样本计算得到,可以理解的是,历史样本源于哪些全天空成像仪站点,计算出来的红蓝比阈值就适用于哪些站点地基云图的云量反演。
计算红蓝比阈值的方法可参考如下内容:根据历史多云云图,建立多云红蓝比数据库,统计其像素点红蓝比和晴空红蓝比数据库中对应SZA、PZA、SPA像素点的红蓝比差值Diff,得到多云和晴空红蓝比差值的概率统计分布,根据分布图中的两个峰值得到晴空阈值M和不透光云阈值N。
关于该步骤其它具体内容参见后面实施例3。
(4)计算地基云图的太阳参数,并利用太阳参数对初步云量反演云图中太阳圈附近像素进行校正,得到最终云量反演云图。
其中,太阳参数为地基云图中太阳圈附近像素红蓝比的平均值,具体地,先逐一比对初步云量反演云图中太阳圈附近的像素红蓝比与太阳参数,然后将像素红蓝比大于太阳参数的像素点识别为不透光云,小于太阳参数的像素点识别为晴空,等于太阳参数的像素点保持原有像素类型。这里没有考虑薄云的原因是,太阳被薄云挡住的时候,太阳圈周围像素点也大,所以只判断了不透光云和晴空。
实施例2
基于上述实施例1公开的技术方案,上述步骤(2)根据地基云图的太阳天顶角在晴空数据库中选择相应的最新云图,并利用该最新云图计算得到大气混浊度校正因子TCF,参考图3,具体可以包括如下内容:
(21)遍历地基云图的像素红蓝比RBR(i,j)和最新云图中相应的像素红蓝比CSL(m,n),逐一计算Diff(i,j)= RBR(i,j)- CSL(m,n),并根据Diff(i,j)与晴空阈值M(图中为T_Clear)的关系,筛选出地基云图中的晴空像素点。
其中,CSLTCF(m,n)= CSL(m,n)*TCF,PZA(i,j)=PZA(m,n),SPA(i,j)=SZA(m,n),参考图4,PZA为像素天顶角,SPA为像素和太阳之间夹角,即将地基云图与最新云图中PZA和SPA相同的像素点逐一比较。
(i,j)∈地基云图范围,(m,n)∈最新云图范围,(i,j)、(m,n)为像素点在云图中的位置坐标,每个位置坐标属于云图范围,所有位置坐标的集合即为整个云图。
(22)计算所有晴空像素点的红蓝比平均值与最新云图中对应像素点的红蓝比平均值之间的比值,并将该比值作为初始大气浑浊度校正因子TCF´。
图中,TCF´=mean(Clear_RBR(i,j))/mean(CSL_RBR(m,n)),mean()为求取平均值函数。
(23)计算CSL(m,n)与CSLTCF´(m,n)之间的绝对误差MAD,并判断MAD与0.05的大小关系。
其中,CSLTCF´(m,n)= CSL(m,n)*TCF´;
MAD= mean|CSL(m,n)- CSLTCF´(m,n)|。
(24)当MAD<0.05时,判断0.8< TCF´<1.2是否成立,如果成立,则TCF= TCF´,否则,TCF=1。
当MAD≥0.05时,将CSLTCF´(m,n)赋予CSL(m,n)并返回执行步骤(21),直至MAD<0.05定出TCF的具体值。
其中,MAD<0.05意味着地基云图中晴空像素点和晴空数据库中像素点红蓝比差别不大。
实施例3
基于上述各实施例公开的内容,实施例1中步骤(3)计算地基云图与最新云图之间的像素红蓝比差值,并结合TCF和预设红蓝比阈值对地基云图进行恢复,得到初步云量反演云图,具体包括如下内容:
(31)遍历地基云图的像素红蓝比RBR(i,j)和最新云图中相应的像素红蓝比CSL(m,n),逐一计算DiffTCF(i,j)= RBR(i,j)- CSLTCF(m,n)。
其中, CSLTCF(m,n)= CSL(m,n)*TCF,其它相关内容参考实施例2。
(32)根据DiffTCF(i,j)与红蓝比阈值的大小关系,识别地基云图上各像素点(i,j)的像素类型。
具体地,识别过程与上述实施例1相关内容一致,即当DiffTCF(i,j)≤晴空阈值M时,判定该像素点为晴空;当DiffTCF(i,j)≥不透光云阈值N时,判定该像素点为不透光云;当DiffTCF(i,j)介于晴空阈值M和不透光云阈值N之间时,判定该像素点为薄云。
(33)根据地基云图上所有像素点的像素类型,恢复得到初步云量反演云图。
以上对本发明所提供的技术方案进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。