CN108764548A - 基于天空亮度信息动态关联的光伏发电在线短期预测方法 - Google Patents

基于天空亮度信息动态关联的光伏发电在线短期预测方法 Download PDF

Info

Publication number
CN108764548A
CN108764548A CN201810480096.4A CN201810480096A CN108764548A CN 108764548 A CN108764548 A CN 108764548A CN 201810480096 A CN201810480096 A CN 201810480096A CN 108764548 A CN108764548 A CN 108764548A
Authority
CN
China
Prior art keywords
formula
photovoltaic generation
sky
brightness information
pixel
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.)
Granted
Application number
CN201810480096.4A
Other languages
English (en)
Other versions
CN108764548B (zh
Inventor
郑凌蔚
刘兆坤
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201810480096.4A priority Critical patent/CN108764548B/zh
Publication of CN108764548A publication Critical patent/CN108764548A/zh
Application granted granted Critical
Publication of CN108764548B publication Critical patent/CN108764548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

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)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Photovoltaic Devices (AREA)
  • Control Of Electrical Variables (AREA)

Abstract

本发明涉及一种基于天空亮度信息动态关联的光伏发电在线短期预测方法。针对光伏发电的不可控性，提出一种新的光伏发电功率在线短期预测方法，综合考虑了太阳辐射、云层、天气污染以及温度等影响光伏发电的直接因素，改变了传统基于复杂光伏发电机理模型的预测思路，不同于基于大量历史数据的分类和匹配算法，也不同于基于低精度云图采集和移动预测的方法。本发明直接利用低成本的工业广角相机获取天空亮度信息，来表征光伏阵列现场的太阳辐射、云层和天气污染的综合状态。利用天空亮度信息动态关联的特性，同时基于现场采集的光伏阵列实际输出，实现对光伏发电功率的在线短期预测。

Description

基于天空亮度信息动态关联的光伏发电在线短期预测方法
技术领域
本发明属于光伏发电领域，涉及图像处理技术，具体为一种基于天空亮度信息动态关联的光伏发电功率在线短期预测方法。
背景技术
太阳能光伏发电因其可再生性和零污染，被视为传统发电的重要替代形式。但由于气象条件的不可控性导致光伏发电不能像传统的发电方式一样稳定、持续地供电，大规模光伏发电接入系统必将对电力系统的稳态运行造成重大影响，因此光伏发电系统功率的预测，对提高含光伏发电系统的电力系统的稳定运行具有重要意义。
目前光伏发电功率预测方法主要包括：(1)基于太阳能辐射以及太阳能电池工作机理构建光伏发电模型，但模型将受到太阳辐射的不确定性、云层移动以及电池性能变化等诸多影响，而且模型结构和参数较为复杂，因此并不能满足光伏发电功率在线预测的需求。(2)利用气象部门或者自建小型气象采集装置获得气象数据，然后将当前数据与历史数据进行一种典型相似日的配对搜寻，从而完成光伏发电功率的预测。此方法的缺陷在于需要大量的历史数据，另外相似日的客观定义并不存在，所以预测的效率和精度都难以得到保证。(3)考虑到云层对太阳能辐射的重要影响，因此目前有方法通过卫星云图从高空中获得天气状态，但其时间和空间分辨率都较低；也有基于地基云图获取天气状态，但是地基全天空成像仪价格昂贵，而且鱼眼镜头获取的图像畸变对预测精度影响也较大。
因此本发明提出一种新的光伏发电功率在线短期预测方法，综合考虑了太阳辐射、云层、天气污染以及温度等影响光伏发电的直接因素，改变了传统基于复杂光伏发电机理模型的预测思路，不同于基于大量历史数据的分类和匹配算法，也不同于基于低精度云图采集和移动预测的方法。本发明直接利用低成本的工业广角相机获取天空亮度信息，来表征光伏阵列现场的太阳辐射、云层和天气污染的综合状态。利用天空亮度信息动态关联的特性，同时基于现场采集的光伏阵列实际输出，实现对光伏发电功率的在线短期预测。
发明内容
本发明的目的是克服现有技术的缺陷，提供一种新的光伏发电功率的在线短期预测方法，采用低成本的工业广角相机获取光伏阵列现场的天空亮度信息，利用天空亮度信息的动态关联性来实现光伏发电功率的在线短期预测，这种方法能够保证一定的预测精度，同时将显著降低光伏发电功率短期预测的复杂度。
光伏电池的输出特性受电池表面接受的光照强度影响最大，而天空亮度信息与光伏电池接收到的光照强度之间具有强关联性。因此本发明利用工业广角相机获取天空照片，通过连续实时采集多幅天空图片，基于天空亮度的动态关联规律以及现场采集的光伏阵列实际输出，实现对光伏发电功率的在线短期预测。
本发明具有的特点：
1、本发明利用图像处理技术，采用一种机器视觉的方法，将影响光伏发电的太阳辐射、云层和天气污染等因素用天空亮度信息来进行综合表征，能有效解决云层上下辐射差异对光伏发电功率预测的干扰；相比于其它方法，本方法将光照情况在亮度图片中进行抽象，对光照信息进行量化，能更准确地反映光照强度与光伏发电的直接关系。
2、本发明无需历史气象数据和高成本的卫星云图，只需要较小的即时天空亮度以及光伏发电功率数据集，有利于实现光伏发电功率的在线预测。
3、本发明考虑到太阳辐射量具有渐变的特性，提出了亮度信息动态关联的方法，避免了单幅亮度信息采集的偶然性，有效利用多幅亮度信息之间的动态关联性，将能显著提高光伏发电功率预测的抗干扰能力。
具体实施方式
一种基于天空亮度信息动态关联的光伏发电功率在线短期预测方法，该方法具体包括以下步骤：
步骤1：从日出时刻开始，在三维云台上通过装有滤镜的工业广角相机动态跟踪太阳，每隔T秒拍摄一张以太阳为中心的局部天空照片；T为天空亮度信息动态关联的采样间隔，设置为30～60秒。
步骤2：记录光伏发电瞬时功率；设t时刻光伏发电瞬时功率为p(t)，构建向量P(t)，对应于一个长度为(q+1)的行向量，如式(1)所示。
P(t)＝(p(t-qT),…,p(t-T),p(t)) (1)
其中q表示天空亮度信息动态关联的有效采样区间，q取为偶数，q与T的乘积满足60～120范围的要求，下同。
对向量P(t)的(q+1)个元素按数值大小进行排序，取中值记为
步骤3：对步骤1中得到的实时天空照片进行图像处理，遍历每一个像素点，获取天空亮度图。
读取彩色图片中每个像素点的R、G、B三个通道颜色数值，对每个像素点采用平均值法，如式(2)所示，计算像素点的亮度，从而获得天空亮度图。
式中，i，j分别为像素点的横坐标和纵坐标，L(i,j)为像素点(i,j)的亮度值，R(i,j)、G(i,j)、B(i,j)分别为像素点(i,j)在红、绿、蓝等三个通道上的颜色分量。
步骤4：遍历图中所有像素点，获取满足式(3)所示阈值条件的像素点。
L(i,j)≥Ls (3)
式中，Ls为影响光伏发电的有效亮度阈值；
对满足式(3)条件的所有像素点，累加它们的亮度值。然后累加值除以完全曝光条件下的照片亮度，得到当前时刻t表征天空亮度信息的占空比Ds(t)，如式(4)所示。
式中，Ls(i,j)为满足式(3)的像素点(i,j)处亮度，L0(i,j)为完全曝光条件下的天空亮度。
步骤5：根据天空亮度信息构建向量R(t)，对应于一个长度为(q+1)的行向量，如式(5)所示。
R(t)＝(Ds(t-qT),…,Ds(t-T),Ds(t)) (5)
对向量R(t)的(q+1)个元素按数值大小进行排序，取中值记为
步骤6：构建如式(6)～(8)所示的动力学预测模型。
式中，是模型输入，对应天空亮度的动态关联信息；y是模型输出，对应光伏发电功率在t+10T时刻的预测值；u(t)和v(t)为模型的中间变量；(a1,…,aN)和(b0,b1,…,bM)是待辨识的预测模型参数向量；N为模型阶次，N大于M，N设置为3～8；选定非线性函数f为Sigmoid函数、h为死区非线性函数，分别如式(9)和式(10)所示。
式中，c和d为给定的常数，分别设置为v(t)均值的45％和55％。
步骤7：函数h的逆映射记为h-1，利用光伏发电功率在t+10T时刻的实测值p(t+10T)经逆运算获得如式(11)所示；
令v(t)与相减的差值为e(t)，如式(12)所示。
重复步骤1～6，任意抽取L组天空亮度信息向量R(t)和相应的光伏发电功率向量P(t)，求取式(7)中v(t)的计算值及式(11)所示值，计算式(12)中e(t)值，并计算L组数据所对应e(t)的平方和，结果记为E。通过如式(13)所示的方程组，求取E的极小值，从而实现对参数(a1,…,aN)和(b0,b1,…,bM)的辨识。
步骤8：实际预测。
将采集得到的当前天空亮度信息代入动力学预测模型，求得光伏发电功率在t+10T时刻的预测值y，从而实现光伏发电功率的在线短期预测。

Claims (1)

1.基于天空亮度信息动态关联的光伏发电在线短期预测方法，其特征在于：该方法具体包括以下步骤：
步骤1：从日出时刻开始，在三维云台上通过装有滤镜的工业广角相机动态跟踪太阳，每隔T秒拍摄一张以太阳为中心的局部天空照片；T为天空亮度信息动态关联的采样间隔，设置为30～60秒；
步骤2：记录光伏发电瞬时功率；设t时刻光伏发电瞬时功率为p(t)，构建向量P(t)，对应于一个长度为(q+1)的行向量，如式(1)所示；
P(t)＝(p(t-qT),…,p(t-T),p(t)) (1)
其中q表示天空亮度信息动态关联的有效采样区间，q取为偶数，q与T的乘积满足60～120范围的要求，下同；
对向量P(t)的(q+1)个元素按数值大小进行排序，取中值记为
步骤3：对步骤1中得到的实时天空照片进行图像处理，遍历每一个像素点，获取天空亮度图；
读取彩色图片中每个像素点的R、G、B三个通道颜色数值，对每个像素点采用平均值法，如式(2)所示，计算像素点的亮度，从而获得天空亮度图；
式中，i，j分别为像素点的横坐标和纵坐标，L(i,j)为像素点(i,j)的亮度值，R(i,j)、G(i,j)、B(i,j)分别为像素点(i,j)在红、绿、蓝等三个通道上的颜色分量；
步骤4：遍历图中所有像素点，获取满足式(3)所示阈值条件的像素点；
L(i,j)≥Ls (3)
式中，Ls为影响光伏发电的有效亮度阈值；
对满足式(3)条件的所有像素点，累加它们的亮度值；然后累加值除以完全曝光条件下的照片亮度，得到当前时刻t表征天空亮度信息的占空比Ds(t)，如式(4)所示；
式中，Ls(i,j)为满足式(3)的像素点(i,j)处亮度，L0(i,j)为完全曝光条件下的天空亮度；
步骤5：根据天空亮度信息构建向量R(t)，对应于一个长度为(q+1)的行向量，如式(5)所示；
R(t)＝(Ds(t-qT),…,Ds(t-T),Ds(t)) (5)
对向量R(t)的(q+1)个元素按数值大小进行排序，取中值记为
步骤6：构建如式(6)～(8)所示的动力学预测模型；
式中，是模型输入，对应天空亮度的动态关联信息；y是模型输出，对应光伏发电功率在t+10T时刻的预测值；u(t)和v(t)为模型的中间变量；(a1,…,aN)和(b0,b1,…,bM)是待辨识的预测模型参数向量；N为模型阶次，N大于M，N设置为3～8；选定非线性函数f为Sigmoid函数、h为死区非线性函数，分别如式(9)和式(10)所示；
式中，c和d为给定的常数，分别设置为v(t)均值的45％和55％；
步骤7：函数h的逆映射记为h-1，利用光伏发电功率在t+10T时刻的实测值p(t+10T)经逆运算获得如式(11)所示；
令v(t)与相减的差值为e(t)，如式(12)所示；
重复步骤1～6，任意抽取L组天空亮度信息向量R(t)和相应的光伏发电功率向量P(t)，求取式(7)中v(t)的计算值及式(11)所示值，计算式(12)中e(t)值，并计算L组数据所对应e(t)的平方和，结果记为E；
通过如式(13)所示的方程组，求取E的极小值，从而实现对参数(a1,…,aN)和(b0,b1,…,bM)的辨识；
步骤8：实际预测；
将采集得到的当前天空亮度信息代入动力学预测模型，求得光伏发电功率在t+10T时刻的预测值y，从而实现光伏发电功率的在线短期预测。
CN201810480096.4A 2018-05-18 2018-05-18 基于天空亮度信息动态关联的光伏发电在线短期预测方法 Active CN108764548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810480096.4A CN108764548B (zh) 2018-05-18 2018-05-18 基于天空亮度信息动态关联的光伏发电在线短期预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810480096.4A CN108764548B (zh) 2018-05-18 2018-05-18 基于天空亮度信息动态关联的光伏发电在线短期预测方法

Publications (2)

Publication Number Publication Date
CN108764548A true CN108764548A (zh) 2018-11-06
CN108764548B CN108764548B (zh) 2021-06-29

Family

ID=64008099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810480096.4A Active CN108764548B (zh) 2018-05-18 2018-05-18 基于天空亮度信息动态关联的光伏发电在线短期预测方法

Country Status (1)

Country Link
CN (1) CN108764548B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919353A (zh) * 2019-01-11 2019-06-21 杭州电子科技大学 一种基于空间相关性的arima模型的分布式光伏预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101728984A (zh) * 2010-01-18 2010-06-09 华北电力大学（保定） 并网型光伏电站发电功率预测方法
CN102566435A (zh) * 2012-02-17 2012-07-11 冶金自动化研究设计院 一种光伏电站的性能预报及故障报警方法
CN105137242A (zh) * 2015-09-09 2015-12-09 南京航空航天大学 单相光伏逆变器在线状态监测与剩余寿命预测方法
CN106446440A (zh) * 2016-10-11 2017-02-22 天津大学 基于在线贯序极限学习机的短期光伏发电功率预测方法
CN107134813A (zh) * 2017-05-03 2017-09-05 国家电网公司 一种配电网光伏与储能有功功率输出平衡指数预测方法
CN107133685A (zh) * 2016-02-26 2017-09-05 华为技术有限公司 光伏发电系统发电量的预测方法及预测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101728984A (zh) * 2010-01-18 2010-06-09 华北电力大学（保定） 并网型光伏电站发电功率预测方法
CN102566435A (zh) * 2012-02-17 2012-07-11 冶金自动化研究设计院 一种光伏电站的性能预报及故障报警方法
CN105137242A (zh) * 2015-09-09 2015-12-09 南京航空航天大学 单相光伏逆变器在线状态监测与剩余寿命预测方法
CN107133685A (zh) * 2016-02-26 2017-09-05 华为技术有限公司 光伏发电系统发电量的预测方法及预测系统
CN106446440A (zh) * 2016-10-11 2017-02-22 天津大学 基于在线贯序极限学习机的短期光伏发电功率预测方法
CN107134813A (zh) * 2017-05-03 2017-09-05 国家电网公司 一种配电网光伏与储能有功功率输出平衡指数预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗小兰等: "基于相似日的光伏发电短期预报模型", 《杭州电子科技大学学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919353A (zh) * 2019-01-11 2019-06-21 杭州电子科技大学 一种基于空间相关性的arima模型的分布式光伏预测方法
CN109919353B (zh) * 2019-01-11 2022-07-05 杭州电子科技大学 一种基于空间相关性的arima模型的分布式光伏预测方法

Also Published As

Publication number Publication date
CN108764548B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN109215042B (zh) 一种基于计算机视觉的光伏电池板热斑效应检测系统及其计算方法
CN104166999B (zh) 一种基于地基云图强度分层的云团提取方法
CN107185854A (zh) 基于rgb通道的光伏电池片色差检测及颜色分类的算法
CN109270853A (zh) 一种智能生态水资源管理系统的工作方法
CN104517126A (zh) 一种基于图像分析的空气质量评估方法
CN107133685A (zh) 光伏发电系统发电量的预测方法及预测系统
CN109506780B (zh) 基于多光谱led照明的物体光谱反射率重建方法
CN106897998A (zh) 太阳能直射辐射强度信息预测方法和系统
Chaudhary et al. Efficient thermal image segmentation for heat visualization in solar panels and batteries using watershed transform
CN108764548A (zh) 基于天空亮度信息动态关联的光伏发电在线短期预测方法
CN108008633A (zh) 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法
Huang et al. A 3D ConvLSTM-CNN network based on multi-channel color extraction for ultra-short-term solar irradiance forecasting
Jia et al. Preprocessing method of night vision image application in apple harvesting robot
CN106327477A (zh) 一种基于计算机视觉技术的凌汛观测系统
CN109064444A (zh) 基于显著性分析的轨道板病害检测方法
Shirazi et al. Cloud detection for pv power forecast based on colour components of sky images
CN113160311A (zh) 太阳能电池板调节方法及调节装置、追日系统和存储设备
Grant et al. Spectral and RGB analysis of the light climate and its ecological impacts using an all-sky camera system in the Arctic
CN116091472A (zh) 一种融合可见光和红外图像的光伏组件缺陷智能检测方法
CN108470141A (zh) 一种基于统计特征与机器学习的配电线路中绝缘子识别方法
CN113867404A (zh) 一种基于无人机的海滩垃圾巡检方法和系统
Hirai et al. An LED-based spectral imaging system for surface reflectance and normal estimation
CN107340799B (zh) 一种基于阴影检测的光伏阵列最大功率点跟踪方法
CN106808475B (zh) 一种视觉性能优良的智能机器人
CN108235520A (zh) 一种基于激光雷达的智能照明系统

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
GR01 Patent grant
GR01 Patent grant