CN110633862A - 一种基于卫星云图的光功率预测算法 - Google Patents
一种基于卫星云图的光功率预测算法 Download PDFInfo
- Publication number
- CN110633862A CN110633862A CN201910889769.6A CN201910889769A CN110633862A CN 110633862 A CN110633862 A CN 110633862A CN 201910889769 A CN201910889769 A CN 201910889769A CN 110633862 A CN110633862 A CN 110633862A
- Authority
- CN
- China
- Prior art keywords
- cloud
- pixel
- prediction
- cloud picture
- irradiance
- 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
Links
- 230000003287 optical effect Effects 0.000 title claims description 7
- 238000013499 data model Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 abstract 1
- 238000010248 power generation Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10041—Panchromatic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于卫星云图的光功率预测算法,使用可见光卫星云图作为预测数据模型,通过分析判断过去若干个小时的云图变化情况预测未来若干个小时在某个特定光伏电站上方的云遮挡状况,并通过经验模型对特定光伏电站的辐照强度预测值进行修正,以解决云对光伏电站遮挡造成无法预测光功率的问题,有效的将光伏电站上空云层的波动进行预测,实现辐照度预测精度的提升,进而提高发电量的预测。
Description
技术领域
本发明涉及光伏电站功率预测领域,具体为一种基于卫星云图的光功率预测算法。
背景技术
随着能源的消耗和环保意识的加重,使新能源发电快速发展,尤其是我国的光伏发电装机容量达到了世界首位,光伏发电受环境因素影响加大、不稳定,大规模接入容易引起电网电能质量下降甚至解列的危险,而光伏功率预测越准确,并网后对电网安全运行的影响就越小,对提高光伏发电开发利用、保证电网安全运行有重要意义。
目前光伏电站的发电功率受辐照度影响比较大,现阶段主流预测系统采用数值天气预报作为辐照数据预测的输入,该方法无法很好的预测未来几个小时云层相对于太阳光的遮挡,因此导致关键性误差无法消除。
因此,需要一种基于卫星云图的光功率预测算法,来精确的计算光伏电站的发电功率。
发明内容
本发明的目的在于提供一种基于卫星云图的光功率预测算法,本发明引入可见光卫星云图作为预测数据模型的输入,通过比较分析判断过去几个小时的云图预测未来几个小时在某个给定光伏电站上方的云遮挡状况,并通过经验模型对辐照度预测值进行修正,以解决云层对光伏电站的遮挡影响继而无法很好预测光功率的问题。
为实现上述目的,本发明提供如下技术方案:一种基于卫星云图的光功率预测算法,所述预测方法使用可见光卫星云图作为预测数据模型,通过分析判断过去若干个小时的云图变化情况预测未来若干个小时在某个特定光伏电站上方的云遮挡状况,并通过经验模型对特定光伏电站的辐照强度预测值进行修正,以解决云对光伏电站遮挡造成无法预测光功率的问题,具体步骤如下:
1)、将可见光卫星云图作为输入的数据建立预测数据模型;
2)、通过预测数据模型中的识别像素对云与其他空间进行识别,将云对应的数据进行特别标识;
3)、将收集到的所有云对应的数据分割成若干像素点,假设所有云不消散且不变形,将后一时刻的像素点A与前一时刻该像素点B周边一定范围的像素点C进行匹配,找到相似度最高的两个像素点A和像素点C并计算出速度向量,进而计算出所有像素点在该时刻的向量场;
4)、将过去连续若干张图像进行分析,最后将每一点的向量方向取平均值,得到向量场路径;
5)、通过形成的向量场路径计算未来一定时间内云像素点的移动方向;
6)、利用神经网络算法,计算特定地点的实测辐照度与预测辐照度在特定像素情况下的比例系数,作为辐照度修正值;
7)、辐照度修正值导入功率预测光辐照度转化为发电量的模型进行计算,即可得到准确的基于卫星云图的光功率。
优选的,所述步骤3中将后一时刻的像素点A与前一时刻该像素点B周边一定范围的像素点C进行匹配,一时刻为0.1-1s。
优选的,所述步骤3中相似度最高的两个像素点A和像素点C是通过时间差、距离和方向这三个参数计算出速度向量的。
优选的,所述步骤4中至少将过去连四张图像进行分析,分别将每一张图像中的每个像素点的速度向量计算出来,将四张图像中包含的速度向量取平均值,才能得到准确的向量方向平均值。
与现有技术相比,本发明的有益效果是:
原来的方法仅是通过数值计算,分析大气成分,并同化地基观察数据而对地球上某一点的辐照强度进行估算,但是并未考虑到光伏电站位置上空受到云遮挡而导致的光伏电站辐照度衰减,本发明所述的一种基于卫星云图的光功率预测算法,通过对卫星图像的识别处理,并同步判断未来时间点太阳位置,进而计算出个别电站上方的云层遮挡情况,有效的将光伏电站上空云层的波动进行预测,实现辐照度预测精度的提升,进而提高发电量的预测。
具体实施方式
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。基于本发明中的实施例,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。
一种基于卫星云图的光功率预测算法,所述预测方法使用可见光卫星云图作为预测数据模型,通过分析判断过去若干个小时的云图变化情况预测未来若干个小时在某个特定光伏电站上方的云遮挡状况,并通过经验模型对特定光伏电站的辐照强度预测值进行修正,以解决云对光伏电站遮挡造成无法预测光功率的问题,具体步骤如下:
1)、将可见光卫星云图作为输入的数据建立预测数据模型;
2)、通过预测数据模型中的识别像素对云与其他空间进行识别,将云对应的数据进行特别标识;
3)、将收集到的所有云对应的数据分割成若干像素点,假设所有云不消散且不变形,将后一时刻的像素点A与前一时刻该像素点B周边一定范围的像素点C进行匹配,找到相似度最高的两个像素点A和像素点C并计算出速度向量,进而计算出所有像素点在该时刻的向量场;
4)、将过去连续若干张图像进行分析,最后将每一点的向量方向取平均值,得到向量场路径;
5)、通过形成的向量场路径计算未来一定时间内云像素点的移动方向;
6)、利用神经网络算法,计算特定地点的实测辐照度与预测辐照度在特定像素情况下的比例系数,作为辐照度修正值;
7)、辐照度修正值导入功率预测光辐照度转化为发电量的模型进行计算,即可得到准确的基于卫星云图的光功率。
进一步的,所述步骤3中将后一时刻的像素点A与前一时刻该像素点B周边一定范围的像素点C进行匹配,一时刻为0.1-1s。
进一步的,所述步骤3中相似度最高的两个像素点A和像素点C是通过时间差、距离和方向这三个参数计算出速度向量的。
进一步的,所述步骤4中至少将过去连四张图像进行分析,分别将每一张图像中的每个像素点的速度向量计算出来,将四张图像中包含的速度向量取平均值,才能得到准确的向量方向平均值。
工作原理:本发明引入可见光卫星云图作为预测数据模型的输入,通过比较分析判断过去几个小时的云图预测未来几个小时在某个给定光伏电站上方的云遮挡状况,并通过经验模型对辐照度预测值进行修正,以解决云层对光伏电站的遮挡影响继而无法很好预测光功率的问题。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于卫星云图的光功率预测算法,其特征在于:所述预测方法使用可见光卫星云图作为预测数据模型,通过分析判断过去若干个小时的云图变化情况预测未来若干个小时在某个特定光伏电站上方的云遮挡状况,并通过经验模型对特定光伏电站的辐照强度预测值进行修正,以解决云对光伏电站遮挡造成无法预测光功率的问题,具体步骤如下:
1)、将可见光卫星云图作为输入的数据建立预测数据模型;
2)、通过预测数据模型中的识别像素对云与其他空间进行识别,将云对应的数据进行特别标识;
3)、将收集到的所有云对应的数据分割成若干像素点,假设所有云不消散且不变形,将后一时刻的像素点A与前一时刻该像素点B周边一定范围的像素点C进行匹配,找到相似度最高的两个像素点A和像素点C并计算出速度向量,进而计算出所有像素点在该时刻的向量场;
4)、将过去连续若干张图像进行分析,最后将每一点的向量方向取平均值,得到向量场路径;
5)、通过形成的向量场路径计算未来一定时间内云像素点的移动方向;
6)、利用神经网络算法,计算特定地点的实测辐照度与预测辐照度在特定像素情况下的比例系数,作为辐照度修正值;
7)、辐照度修正值导入功率预测光辐照度转化为发电量的模型进行计算,即可得到准确的基于卫星云图的光功率。
2.如权利要求1所述的一种基于卫星云图的光功率预测算法,其特征在于,所述步骤3中将后一时刻的像素点A与前一时刻该像素点B周边一定范围的像素点C进行匹配,一时刻为0.1-1s。
3.如权利要求1所述的一种基于卫星云图的光功率预测算法,其特征在于,所述步骤3中相似度最高的两个像素点A和像素点C是通过时间差、距离和方向这三个参数计算出速度向量的。
4.如权利要求1所述的一种基于卫星云图的光功率预测算法,其特征在于,所述步骤4中至少将过去连四张图像进行分析,分别将每一张图像中的每个像素点的速度向量计算出来,将四张图像中包含的速度向量取平均值,才能得到准确的向量方向平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889769.6A CN110633862A (zh) | 2019-09-20 | 2019-09-20 | 一种基于卫星云图的光功率预测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889769.6A CN110633862A (zh) | 2019-09-20 | 2019-09-20 | 一种基于卫星云图的光功率预测算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110633862A true CN110633862A (zh) | 2019-12-31 |
Family
ID=68971758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910889769.6A Pending CN110633862A (zh) | 2019-09-20 | 2019-09-20 | 一种基于卫星云图的光功率预测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633862A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245016A (zh) * | 2020-03-05 | 2020-06-05 | 宁夏宝龙新能源科技有限公司 | 一种新能源光伏发电自稳态输出调整方法及装置 |
CN111311022A (zh) * | 2020-03-12 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
CN111815038A (zh) * | 2020-06-24 | 2020-10-23 | 山东大学 | 一种光伏超短期预测方法及系统 |
CN112288129A (zh) * | 2020-09-18 | 2021-01-29 | 浙江大学 | 一种基于迁移学习和地基云图的超短期光伏功率预测模型 |
CN112507561A (zh) * | 2020-12-15 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式光功率预测方法及系统 |
CN113029332A (zh) * | 2021-03-05 | 2021-06-25 | 阳光电源股份有限公司 | 卫星云图的预测方法、装置和处理器 |
CN114037901A (zh) * | 2021-10-25 | 2022-02-11 | 河海大学 | 光伏发电预测导向的实时卫星近红外图像推算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
WO2014117659A1 (en) * | 2013-01-31 | 2014-08-07 | International Business Machines Corporation | Predicting a generated power of a photovoltaic power generation device |
CN106779154A (zh) * | 2016-11-22 | 2017-05-31 | 浙江工业大学 | 基于卫星云图的区域分布式光伏出力预测方法 |
CN107563397A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种卫星云图中云团运动矢量的确定方法 |
CN108121990A (zh) * | 2017-11-27 | 2018-06-05 | 中国电力科学研究院有限公司 | 一种基于全天空成像设备的太阳辐照度预测方法和装置 |
-
2019
- 2019-09-20 CN CN201910889769.6A patent/CN110633862A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014117659A1 (en) * | 2013-01-31 | 2014-08-07 | International Business Machines Corporation | Predicting a generated power of a photovoltaic power generation device |
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN107563397A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种卫星云图中云团运动矢量的确定方法 |
CN106779154A (zh) * | 2016-11-22 | 2017-05-31 | 浙江工业大学 | 基于卫星云图的区域分布式光伏出力预测方法 |
CN108121990A (zh) * | 2017-11-27 | 2018-06-05 | 中国电力科学研究院有限公司 | 一种基于全天空成像设备的太阳辐照度预测方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245016A (zh) * | 2020-03-05 | 2020-06-05 | 宁夏宝龙新能源科技有限公司 | 一种新能源光伏发电自稳态输出调整方法及装置 |
CN111311022A (zh) * | 2020-03-12 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
CN111311022B (zh) * | 2020-03-12 | 2023-06-27 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
CN111815038A (zh) * | 2020-06-24 | 2020-10-23 | 山东大学 | 一种光伏超短期预测方法及系统 |
CN111815038B (zh) * | 2020-06-24 | 2022-05-13 | 山东大学 | 一种光伏超短期预测方法及系统 |
CN112288129A (zh) * | 2020-09-18 | 2021-01-29 | 浙江大学 | 一种基于迁移学习和地基云图的超短期光伏功率预测模型 |
CN112507561A (zh) * | 2020-12-15 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式光功率预测方法及系统 |
CN113029332A (zh) * | 2021-03-05 | 2021-06-25 | 阳光电源股份有限公司 | 卫星云图的预测方法、装置和处理器 |
CN114037901A (zh) * | 2021-10-25 | 2022-02-11 | 河海大学 | 光伏发电预测导向的实时卫星近红外图像推算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633862A (zh) | 一种基于卫星云图的光功率预测算法 | |
CN113284124B (zh) | 一种基于无人机视觉的光伏面板缺陷检测方法 | |
CN110514298B (zh) | 一种基于地基云图的太阳辐照强度计算方法 | |
CN112379345B (zh) | 融合数值模式的雷达短临外推预报方法 | |
KR102272369B1 (ko) | 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법 | |
CN103353952A (zh) | 一种基于地基云图的光伏功率预测方法 | |
Peng et al. | Solar irradiance forecast system based on geostationary satellite | |
US9773303B2 (en) | Prediction system for short-term solar irradiance and method for operating the same | |
Dissawa et al. | Sky Image‐Based Localized, Short‐Term Solar Irradiance Forecasting for Multiple PV Sites via Cloud Motion Tracking | |
CN113902792B (zh) | 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备 | |
Zhang et al. | Cloud motion tracking system using low-cost sky imager for PV power ramp-rate control | |
Espinosa-Gavira et al. | Cloud motion estimation from small-scale irradiance sensor networks: General analysis and proposal of a new method | |
CN116542383A (zh) | 一种基于小波动天气卫星云图的分布式光伏系统出力预测方法 | |
CN116883433B (zh) | 一种光伏组件表面温度分布实时监测系统 | |
Chen et al. | City-scale solar PV potential estimation on 3D buildings using multi-source RS data: A case study in Wuhan, China | |
CN117036979A (zh) | 一种基于深度学习的人工智能图像识别方法 | |
CN114021442B (zh) | 一种用于塔式光热电站的dni预测方法 | |
CN115423758B (zh) | 一种全场精细化dni预测方法 | |
Gao et al. | Ultra-short-term solar PV power forecasting based on cloud displacement vector using multi-channel satellite and NWP data | |
CN114782880A (zh) | 用于离网光伏发电系统的监测系统 | |
Liu et al. | Method of identifying the lengths of equivalent clear-sky periods in the time series of DNI measurements based on generalized atmospheric turbidity | |
LEE et al. | Test of fault detection to solar-light module using UAV based thermal infrared camera | |
CN112561181A (zh) | 一种基于Unet网络和地基云图的光伏发电预测系统 | |
Qi et al. | Development assessment of regional rooftop photovoltaics based on remote sensing and deep learning | |
Wang et al. | Ultra-short-term distributed photovoltaic power forecasting based on cloud image feature extraction |
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 | ||
CB02 | Change of applicant information |
Address after: 201105 room J120, floor 5, No. 277, Huqingping Road, Minhang District, Shanghai Applicant after: Jiyuan (Shanghai) data Technology Co.,Ltd. Address before: 201105 room J120, floor 5, No. 277, Huqingping Road, Minhang District, Shanghai Applicant before: Mintou (Shanghai) data Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191231 |
|
RJ01 | Rejection of invention patent application after publication |