CN108288104A - 一种解决全天空云图生消变化的相似云团的判定方法 - Google Patents

一种解决全天空云图生消变化的相似云团的判定方法 Download PDF

Info

Publication number
CN108288104A
CN108288104A CN201710018067.1A CN201710018067A CN108288104A CN 108288104 A CN108288104 A CN 108288104A CN 201710018067 A CN201710018067 A CN 201710018067A CN 108288104 A CN108288104 A CN 108288104A
Authority
CN
China
Prior art keywords
cloud
cloud cluster
cluster
candidate
clusters
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.)
Pending
Application number
CN201710018067.1A
Other languages
English (en)
Inventor
朱想
王东升
周海
孙荣富
程序
崔方
王若阳
王知嘉
于炳霞
丁煌
周强
陈卫东
李登宣
许晓慧
居蓉蓉
彭佩佩
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
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jibei Electric Power Co Ltd
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, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710018067.1A priority Critical patent/CN108288104A/zh
Publication of CN108288104A publication Critical patent/CN108288104A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种解决全天空云图生消变化的相似云团的判定方法，该方法包括以下步骤：粗对比分析、细对比分析和输出结果。该方法通过粗对比分析计算出云图搜索区域所有可能的云团块，然后采用R‑形状描绘子匹配、矩特征量匹配、相关综合亮温系数进行细对比分析，从两张连续云图中所有相似的云团中找出那些云团是同一个云团由于生消所导致的不同状态，这样就可以获得云团在运动中的发生移动、形变等情况下的云团轨迹计算方法，保证了云团轨迹预测的精度，提升了光伏发电功率超短期的预测精度问题。较之将地基云图的云团直接当成刚体进行计算，做云团的移动轨迹计算和对光伏电站的遮挡计算，计算精度有了很大的提高。

Description

一种解决全天空云图生消变化的相似云团的判定方法
技术领域
本发明属于光伏功率预测技术领域，具体为一种解决全天空云图生消变化的相似云团的判定方法。
背景技术
实现对光伏电站输出功率的准确预测，能为电力调度提供重要的决策支持，使得光伏资源得到充分的利用，以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，容易受到云天气因素的影响，因而具有间歇性、波动性和随机性的缺点，从而造成其输出功率不稳定且难以预测。就云量的影响而言，随着总云量的增加，到达地面的太阳辐射总量也会发生相应的变化，只是变化程度会因云的形状和位置而有所差异。云在运动过程中会进行生消，导致云团的形状、薄厚发生变化。所以同一块云，在不同的时刻的云团中的所呈现的形状可能会不一样。因此如果云团中有多块这个的云团存在，就会使得云团轨迹的计算错误，从而对云团对光伏电站的遮挡预测产生误差，导致光伏超短期功率预测误差增大。因此，研究云图生消变化的相似云团的判定技术对于电力系统而言具有重要意义。
发明内容
为了解决全天空云图的云团在运动中，由于云团的生消变化，使得同一块云团的外形、大小、厚度的不同，而导致同一块云团在连续时刻的云图中，出现不同的状态，本发明提出一种解决全天空云图生消变化的相似云团的判定方法。
实现上述目的所采用的解决方案为：
一种解决全天空云图生消变化的相似云团的判定方法，其改进之处在于：
所述方法包括：
步骤1：粗对比分析；
步骤2：细对比分析；
步骤3：输出结果。
本发明提供的第一优选技术方案，其改进之处在于：所述步骤1包括：
步骤1.1选定最大搜索尺度，包括：
根据目标云团可能的最大移动速度和不同云图之间时间间隔，得到以最大搜索尺度L表示的最大移动距离；
步骤1.2粗选相似云团的选择，包括：
计算目标云团与下一时刻云图上所有云团的重心距差Δd；
选择Δd<L的云团，按下式计算标准化面积变化量△S：
其中S2为选取的云团面积，S1为目标云团面积；
选出△S小于给定阈值S0的云团作为粗选相似云团。
本发明提供的第二优选技术方案，其改进之处在于：所述步骤2包括：
步骤2.1按R-形状描绘子匹配，得到1级候选云团；
步骤2.2按矩特征量匹配，得到2级候选云团；
步骤2.3相关亮温系数分析。
本发明提供的第三优选技术方案，其改进之处在于：所述步骤2.1包括：
按下式计算粗选相似云团的R-形状描绘子变化量△R：
其中，Rs(t2)为粗选相似云团的R-形状描绘子，Rs(t1)为目标云团的R-形状描绘子，s＝0，l，2，…，N-1；N为形状描绘子个数；
若△R小于给定的门限值Cr，则选定该云团为1级候选云团。
本发明提供的第四优选技术方案，其改进之处在于：所述步骤2.2包括：
按下式计算1级候选云团与目标云团的矩特征量差ΔΦ：
其中Φ2为1级候选云团的矩特征量，Φ1为目标云团的矩特征量；
若ΔΦ小于给定的门限值CΦ，则选定该云团为2级候选云团。
本发明提供的第五优选技术方案，其改进之处在于：所述步骤2.3包括：
对2级候选云团，采用相关综合亮温分析法，找出2级候选云团中与目标云团相关综合亮温系数最大者，并判定该云团为目标云团下一个时次云图上的同一个云团。
本发明提供的第六优选技术方案，其改进之处在于：所述综合亮温分析法包括：
按下式计算相关综合亮温系数q：
q＝λ-k (4)；
其中λ为2级候选云团中与目标云团样本矩阵之间的样本相关系数，k为亮温因子。
本发明提供的第七优选技术方案，其改进之处在于：按下式计算所述样本相关系数λ：
其中，(I，J)和(I’，J’)分别为2级候选云团与目标云团的重心坐标值，m、n为两个云团横向和纵向的最大尺度；G2(i，j)为2级候选云团所在区域像素点的灰度，G1(i，j)为目标云团所在区域像素点的灰度，i＝l，2，…，m，j＝l，2，…，n；和分别为2级候选云团和目标云团平均灰度值，按下式分别计算：
本发明提供的第八优选技术方案，其改进之处在于：按下式计算所述亮温因子k：
其中和分别为2级候选云团与目标云团的平均亮温，按下式分别计算：
其中ai,j代表坐标为(i，j)处的亮温加权因子，取为H2(i,j)和H1(i,j)分别为2级候选云团与目标云团在坐标(i，j)处的亮温。
与现有技术相比，本发明具有的优异效果如下：
本发明提出的一种基于天气类型的太阳辐射超短期预测方法，可以很好的解决连续多张云图中同一个云团在运动中发生形变条件下的相同云团的判定。该方法通过对连续两张地基云图进行处理和计算，得到符合某些云团特性的图像云块信息，进行粗对比分析计算出云图搜索区域所有可能的云团块，然后进行细对比分析，采用R-形状描绘子匹配、矩特征量匹配、相关综合亮温系数分析等方法，计算出两张连续云图中的所有相似云团中那些是同一个云团由于生消所导致的不同状态，这样就可以解决云团在运动中的发生移动、形变等情况下的云团轨迹计算，保证云团轨迹预测的精度，提升光伏发电功率超短期的预测精度问题。相较于以往将地基云图的云团直接当成刚体进行计算，在做云团的移动轨迹计算和对光伏电站的遮挡计算，其计算精度有很大的提高。
附图说明
图1为T1时刻和T2时刻云团示意云图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
如图1所示，图1为T1时刻和T2时刻云团示意图。
解决全天空云图生消变化的相似云团的判定方法包括以下步骤：
步骤1：粗对比分析
每一层次云团的移动都有一个可能的最大移动速度，根据这一速度求和不同云图之间时间间隔，得到最大移动距离，即为最大搜索尺度L。根据L设定目标云团追踪的最大搜索区。设定搜索区可以加快计算机的处理速度。判别追踪云团是否在搜索区内是以追踪云团与目标云团重心距差来表示的。对于目标云团计算出其与下一时刻云图上所有云团的重心距差Δd。选择Δd<L的云团，计算其面积S2，将其与目标云团面积S1进行比较，得到标准化面积变化量△S，计算方法为：
选出△S小于给定阈值S0的云团作为粗选相似云团。
上面粗对比分析所选出的云团再由下一步细对比分析来寻找目标云团的相似云团。再进行细对比分析。细对比分析由R-形状描绘子匹配、矩特征量匹配、相关综合亮温系数分析组成。R-形状描绘子匹配是对云团边界形状的匹配；矩特征量匹配反应了亮温场相对于重心的分布状态；相关综合亮温系数分析对于非均匀流场中云团之间的相互匹配效果较为理想。
步骤2：细对比分析，包括：
步骤2.1按R-形状描绘子匹配，得到1级候选云团
提取粗选相似云团的R-形状描绘子Rs(t2)和目标云团的R-形状描绘子Rs(t1)，其中s＝0，l，2，…，N-1；N为形状描绘子个数；
计算△R：
若△R小于给定的门限值Cr，则选定该云团为1级候选云团。
逐一对步骤1得到的粗选相似云团进行R-形状描绘子匹配，得到多个1级候选云团。
步骤2.2按矩特征量匹配，得到2级候选云团
计算1级候选云团矩特征量Φ2，并计算Φ2与目标云团矩特征量Φ1的差ΔΦ：
若ΔΦ小于给定的门限值CΦ，则选定该云团为2级候选云团。
逐一对步骤2.1得到的1级候选云团进行矩特征量匹配，得到多个2级候选云团。
步骤2.3相关亮温系数分析
对2级候选云团，采用相关综合亮温分析法，找出2级候选云团中与目标云团相关综合亮温系数最大者，并判定该云团为目标云团下一个时次云图上的同一个云团。相关综合亮温系数求法如下：
(I，J)和(I’，J’)分别为2级候选云团与目标云团重心的坐标值；且取其中心点周围m*n个像素点组成样板区域。其中m、n为两个云团横向和纵向的最大尺度。
将这些像素点看成样本，样本值为灰度G(I，J)，G2(i，j)为2级候选云团所在区域像素点的灰度，G1(i，j)为目标云团所在区域像素点的灰度，其中i＝l，2，…，m，j＝l，2，…，n；
样本矩阵之间的样本相关系数为：
其中和分别为2级候选云团和目标云团平均灰度值，按下式计算
和分别为2级候选云团与目标云团的平均亮温，按下式分别计算：
其中ai,j代表坐标为(i，j)处的亮温加权因子，取为H2(i,j)和H1(i,j)分别为2级候选云团与目标云团在坐标(i，j)处的亮温。
令k为亮温因子，k实际上反应了云团之间的亮温差别，按下式进行计算：
为了准确地追踪强对流云团，一方面要使相关系数λ尽可能的大，另一方面又要使亮温因子k尽可能的小，因此令q为相关综合亮温系数，按下式计算
q＝λ-k (4)。
对所有2级候选云团逐个计算相关综合亮温系数q，选q值最大者对应的云团为目标云团的相似云团。
步骤3：输出结果
对外输出步骤2选定的相似云团。
图1是T1时刻和T2时刻云团示意云图，T1云图中云团上的箭头指向T2时刻时对应云团的相似云团。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (9)

1.一种解决全天空云图生消变化的相似云团的判定方法，其特征在于：
所述方法包括：
步骤1：粗对比分析；
步骤2：细对比分析；
步骤3：输出结果。
2.如权利要求1所述的方法，其特征在于：所述步骤1包括：
步骤1.1选定最大搜索尺度，包括：
根据目标云团可能的最大移动速度和不同云图之间时间间隔，得到以最大搜索尺度L表示的最大移动距离；
步骤1.2粗选相似云团的选择，包括：
计算目标云团与下一时刻云图上所有云团的重心距差Δd；
选择Δd<L的云团，按下式计算标准化面积变化量△S：
其中S2为选取的云团面积，S1为目标云团面积；
选出△S小于给定阈值S0的云团作为粗选相似云团。
3.如权利要求1所述的方法，其特征在于：所述步骤2包括：
步骤2.1按R-形状描绘子匹配，得到1级候选云团；
步骤2.2按矩特征量匹配，得到2级候选云团；
步骤2.3相关亮温系数分析。
4.如权利要求3所述的方法，其特征在于：所述步骤2.1包括：
按下式计算粗选相似云团的R-形状描绘子变化量△R：
其中，Rs(t2)为粗选相似云团的R-形状描绘子，Rs(t1)为目标云团的R-形状描绘子，s＝0，l，2，…，N-1；N为形状描绘子个数；
若△R小于给定的门限值Cr，则选定该云团为1级候选云团。
5.如权利要求3所述方法，其特征在于：所述步骤2.2包括：
按下式计算1级候选云团与目标云团的矩特征量差ΔΦ：
其中Φ2为1级候选云团的矩特征量，Φ1为目标云团的矩特征量；
若ΔΦ小于给定的门限值CΦ，则选定该云团为2级候选云团。
6.如权利要求3所述的方法，其特征在于：所述步骤2.3包括：
对2级候选云团，采用相关综合亮温分析法，找出2级候选云团中与目标云团相关综合亮温系数最大者，并判定该云团为目标云团下一个时次云图上的同一个云团。
7.如权利要求6所述的方法，其特征在于：所述综合亮温分析法包括：
按下式计算相关综合亮温系数q：
q＝λ-k (4)；
其中λ为2级候选云团中与目标云团样本矩阵之间的样本相关系数，k为亮温因子。
8.如权利要求7所述的方法，其特征在于：按下式计算所述样本相关系数λ：
其中，(I，J)和(I’，J’)分别为2级候选云团与目标云团的重心坐标值，m、n为两个云团横向和纵向的最大尺度；G2(i，j)为2级候选云团所在区域像素点的灰度，G1(i，j)为目标云团所在区域像素点的灰度，i＝l，2，…，m，j＝l，2，…，n；和分别为2级候选云团和目标云团平均灰度值，按下式分别计算：
9.如权利要求8所述的方法，其特征在于：按下式计算所述亮温因子k：
其中和分别为2级候选云团与目标云团的平均亮温，按下式分别计算：
其中ai,j代表坐标为(i，j)处的亮温加权因子，取为H2(i,j)和H1(i,j)分别为2级候选云团与目标云团在坐标(i，j)处的亮温。
CN201710018067.1A 2017-01-10 2017-01-10 一种解决全天空云图生消变化的相似云团的判定方法 Pending CN108288104A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710018067.1A CN108288104A (zh) 2017-01-10 2017-01-10 一种解决全天空云图生消变化的相似云团的判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710018067.1A CN108288104A (zh) 2017-01-10 2017-01-10 一种解决全天空云图生消变化的相似云团的判定方法

Publications (1)

Publication Number Publication Date
CN108288104A true CN108288104A (zh) 2018-07-17

Family

ID=62819517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710018067.1A Pending CN108288104A (zh) 2017-01-10 2017-01-10 一种解决全天空云图生消变化的相似云团的判定方法

Country Status (1)

Country Link
CN (1) CN108288104A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146975A (zh) * 2018-08-22 2019-01-04 华北电力大学（保定） 一种天空图像云团位移矢量计算方法
CN114298573A (zh) * 2021-06-25 2022-04-08 友达光电股份有限公司 太阳能发电效能估测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886616A (zh) * 2014-02-25 2014-06-25 国家电网公司 一种基于全天空成像数据的光伏发电功率超短期预测方法
CN104166999A (zh) * 2014-08-18 2014-11-26 国家电网公司 一种基于地基云图强度分层的云团提取方法
CN104766347A (zh) * 2015-04-29 2015-07-08 上海电气集团股份有限公司 一种基于地基云图的云团移动预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886616A (zh) * 2014-02-25 2014-06-25 国家电网公司 一种基于全天空成像数据的光伏发电功率超短期预测方法
CN104166999A (zh) * 2014-08-18 2014-11-26 国家电网公司 一种基于地基云图强度分层的云团提取方法
CN104766347A (zh) * 2015-04-29 2015-07-08 上海电气集团股份有限公司 一种基于地基云图的云团移动预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
白洁等: "GMS卫星红外云图强对流云团的识别与追踪", 《热带气象学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146975A (zh) * 2018-08-22 2019-01-04 华北电力大学（保定） 一种天空图像云团位移矢量计算方法
CN109146975B (zh) * 2018-08-22 2022-02-01 华北电力大学（保定） 一种天空图像云团位移矢量计算方法
CN114298573A (zh) * 2021-06-25 2022-04-08 友达光电股份有限公司 太阳能发电效能估测方法

Similar Documents

Publication Publication Date Title
Li et al. Ship motion prediction using dynamic seasonal RvSVR with phase space reconstruction and the chaos adaptive efficient FOA
CN108764298B (zh) 基于单分类器的电力图像环境影响识别方法
CN108536813B (zh) 轨迹查询方法、电子设备及存储介质
CN108318856A (zh) 一种异构网络下快速精准的目标定位与跟踪方法
CN106017475B (zh) 一种航迹更新方法及装置
Su et al. A convection nowcasting method based on machine learning
CN105005796B (zh) 基于层次分析的星载sar图像舰船目标分类方法
CN106556877B (zh) 一种地磁通化方法及装置
CN107255805B (zh) 基于加权最小二乘的雷达目标rcs的预测方法
CN105717491B (zh) 天气雷达回波图像的预测方法及预测装置
CN109242159A (zh) 一种新型输电线路覆冰预测方法
CN108062720A (zh) 一种基于相似日选取及随机森林算法的负荷预测方法
CN116595394A (zh) 风速修正模型的训练方法及风速预测方法、设备和介质
CN106773610A (zh) 一种铯原子钟和氢钟频差预估方法
CN106021698B (zh) 基于迭代更新的ukfnn铝电解功耗模型构建方法
CN108288104A (zh) 一种解决全天空云图生消变化的相似云团的判定方法
CN110299009A (zh) 一种基于knn算法的预测短时交通流的方法和电子设备
CN105046057B (zh) 基于Morlet小波核的LSSVM脉动风速预测方法
CN109444840A (zh) 一种基于机器学习的雷达杂波抑制方法
CN103489007B (zh) 基于样本先验信息的支持向量机核函数选择方法及应用
CN109103881A (zh) 适用于多场景的电力负荷预测方法
CN106296434A (zh) 一种基于pso‑lssvm算法的粮食产量预测方法
CN117710792A (zh) 知识蒸馏方法、绿化区域检测方法、电子设备及存储介质
CN110321528A (zh) 一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法
CN104182910A (zh) 一种涉及相关性的风电出力场景构建方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180717

RJ01 Rejection of invention patent application after publication