CN116611587B - 一种基于极轨-静止卫星融合技术的太阳能资源预测方法 - Google Patents
一种基于极轨-静止卫星融合技术的太阳能资源预测方法 Download PDFInfo
- Publication number
- CN116611587B CN116611587B CN202310884515.1A CN202310884515A CN116611587B CN 116611587 B CN116611587 B CN 116611587B CN 202310884515 A CN202310884515 A CN 202310884515A CN 116611587 B CN116611587 B CN 116611587B
- Authority
- CN
- China
- Prior art keywords
- satellite
- solar
- time
- data
- polar orbit
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 230000003068 static effect Effects 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 238000012417 linear regression Methods 0.000 claims abstract description 7
- 230000005855 radiation Effects 0.000 claims description 77
- 238000002310 reflectometry Methods 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012795 verification 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
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
本发明公开一种基于极轨‑静止卫星融合技术的太阳能资源预测方法，包括：获取极轨卫星太阳能数据和静止卫星采集时刻的静止卫星太阳能数据；根据所述静止卫星采集时刻的静止卫星太阳能数据确定极轨卫星采集时刻的静止卫星太阳能数据和第一预测时刻的静止卫星太阳能数据；利用所述极轨卫星太阳能数据和所述极轨卫星采集时刻的静止卫星太阳能数据线性回归确定空间转换系数；根据所述极轨卫星的太阳能数据、所述极轨卫星采集时刻的静止卫星太阳能数据和所述第一预测时刻的静止卫星太阳能数据建立基于所述空间转换系数的融合模型；根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据。
Description
技术领域
本发明涉及太阳能资源预测领域，具体涉及一种基于极轨-静止卫星融合技术的太阳能资源预测方法、电子设备和计算机可读介质。
背景技术
目前太阳能资源预测主要依赖于卫星遥感产品，根据气象卫星的不同特性，静止卫星主要用于中低纬度地区的太阳能资源监测，极轨卫星在高纬度地区的太阳能资源监测数据丰富，但是，静止卫星的监测数据通常空间分辨率较低，而极轨卫星在低纬度的监测数据通常数量较少，因此，利用单颗卫星产品实现的太阳能资源监测数据的预测效果并不理想。
因此，如何精确地获取太阳能资源预测结果成为本领域亟待解决的技术问题。
发明内容
为此，本公开提供一种基于极轨-静止卫星融合技术的太阳能资源预测方法，以解决现有技术中单颗卫星产品实现的太阳能资源监测数据的预测效果并不理想的问题。
为了实现上述目的，本公开的第一方面提供一种基于极轨-静止卫星融合技术的太阳能资源预测方法，所述太阳能资源预测方法包括：
获取极轨卫星太阳能数据和静止卫星采集时刻的静止卫星太阳能数据；
根据所述静止卫星采集时刻的静止卫星太阳能数据确定极轨卫星采集时刻的静止卫星太阳能数据和第一预测时刻的静止卫星太阳能数据；
利用所述极轨卫星太阳能数据和所述极轨卫星采集时刻的静止卫星太阳能数据线性回归确定空间转换系数；
根据所述极轨卫星的太阳能数据、所述极轨卫星采集时刻的静止卫星太阳能数据和所述第一预测时刻的静止卫星太阳能数据建立基于所述空间转换系数的融合模型；
根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据。
可选地，根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据，包括：
利用以下公式（1）确定的所述融合模型计算所述第一预测时刻的极轨卫星的太阳能数据：
（1）
其中，x、y均为卫星观测区域的坐标；
为第一预测时刻；
为极轨卫星采集时刻；
B为太阳能辐射反射率；
为第一预测时刻时观测区域处的极轨卫星太阳能辐射反射率；
为极轨卫星采集时刻时观测区域/>处的极轨卫星太阳能辐射反射率；
为第一预测时刻时观测区域/>处的静止卫星太阳能辐射反射率；
为极轨卫星采集时刻时观测区域/>处的静止卫星太阳能辐射反射率；
为为观测区域/>处的所述空间转换系数。
可选地，所述根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据之前，还包括：
利用预设相似条件，根据所述预设空间区间的相似像元处的太阳能数据确定所述预设空间区间的中心像元处的太阳能数据；其中，所述中心像元为所述预设空间区间的几何中心处的像元；所述中心像元处的太阳能数据为所述第一预测时刻的极轨卫星太阳能数据；所述相似像元为所述预设空间区间内满足相似条件的像元；所述相似像元处的太阳能数据用于确定所述中心像元处的太阳能数据；
利用所述相似像元和所述中心像元的几何位置确定第一权重；所述第一权重为根据所述相似像元处的太阳能数据确定所述中心像元处的太阳能数据时，所述相似像元处的太阳能数据的权重；
根据所述第一权重和所述融合模型确定所述第一预测时刻的极轨卫星太阳能数据。
可选地，所述预设相似条件是通过以下公式（2）确定的：
（2）
其中，为第一预测时刻；
为太阳能辐射反射率的方差；
m为预设的相似等级，m为正整数，；；
为第一预测时刻时所述相似像元处的极轨卫星太阳能辐射反射率；
为第一预测时刻时所述中心像元的极轨卫星太阳能辐射反射率。
可选地，所述利用所述相似像元和所述中心像元的几何位置确定第一权重，包括：
利用所述相似像元和所述中心像元的几何位置确定所述相似像元与所述中心像元的相对距离；
利用所述相对距离确定所述相似像元对于所述中心像元的第一权重，所述第一权重为基于所述相对距离的反距离权重。
可选地，所述利用所述相似像元和所述中心像元的几何位置确定所述相似像元与所述中心像元的相对距离，包括：
确定所述相似像元和所述中心像元的几何距离；
根据公式（3）确定所述相似像元处的所述极轨卫星太阳能数据和所述静止卫星太阳能数据的相关性；
（3）
其中，为所述相似像元处的所述极轨卫星太阳能数据和所述静止卫星太阳能数据的协方差；
为所述相似像元处的所述极轨卫星太阳能数据的方差；
为所述相似像元处的所述静止卫星太阳能数据的方差；
根据所述几何距离和所述相关性，利用公式（4）确定所述相似像元与所述中心像元的相对距离；
（4）
其中，为所述相似像元处的所述极轨卫星的太阳能数据和所述静止卫星的太阳能数据的相关性；
为为所述相似像元和所述中心像元的几何距离。
可选地，所述根据所述静止卫星采集时刻的静止卫星的太阳能数据确定极轨卫星采集时刻的静止卫星太阳能数据和预测时刻的静止卫星太阳能数据，包括：
利用预设插值算法对所述静止卫星太阳能数据插值，确定极轨卫星采集时刻的静止卫星太阳能数据和预测时刻的静止卫星太阳能数据。
可选地，在所述根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据之后，还包括：
确定第二预测时刻、第三预测时刻的静止卫星太阳能数据；其中，所述第二预测时刻为所述第一预测时刻之前的时刻；所述第三预测时刻为所述第一预测时刻之后的时刻；
分别计算所述第二预测时刻与所述第一预测时刻、所述第三预测时刻与所述第一预测时刻之间的所述静止卫星太阳能数据的变化值，根据所述静止卫星太阳能数据的变化值分别确定第二权重、第三权重；
根据所述第二权重对应的所述第二预测时刻的静止卫星太阳能数据和所述第三权重对应的所述第三预测时刻的静止卫星太阳能数据加权求和，确定所述第一预测时刻的静止卫星太阳能数据。
第二方面，本申请实施例提供一种电子设备：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据第一方面中任意一者所述的方法；
一个或多个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。
第三方面，本申请实施例提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现根据第一方面中任意一项所述的方法。
本发明通过确定静止卫星太阳能数据向极轨卫星太阳能数据转换时所需的空间转换系数，建立基于所述空间转换系数的融合模型以预测所述第一预测时刻的极轨卫星的太阳能数据，提高了预测的准确率。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明实施例提供的一种基于极轨-静止卫星融合技术的太阳能资源预测方法的流程图；
图2为本发明实施例提供的一种电子设备的示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如本发明所使用的，术语“和/或”包括一个或多个相关列举条目的任何和全部组合。
本发明所使用的术语仅用于描述特定实施例，且不意欲限制本发明。如本发明所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。
当本发明中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本发明所述实施例可借助本发明的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。
除非另外限定，否则本发明所用的全部术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本发明的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本发明明确如此限定。
作为本申请的第一个方面，本发明实施例提供一种基于极轨-静止卫星融合技术的太阳能资源预测方法，如图1所示，其中，所述太阳能资源预测方法包括：
步骤S110，获取极轨卫星太阳能数据和静止卫星采集时刻的静止卫星太阳能数据；
步骤S120，根据所述静止卫星采集时刻的静止卫星太阳能数据确定极轨卫星采集时刻的静止卫星太阳能数据和第一预测时刻的静止卫星太阳能数据；
步骤S130，利用所述极轨卫星太阳能数据和所述极轨卫星采集时刻的静止卫星太阳能数据线性回归确定空间转换系数；
步骤S140，根据所述极轨卫星的太阳能数据、所述极轨卫星采集时刻的静止卫星太阳能数据和所述第一预测时刻的静止卫星太阳能数据建立基于所述空间转换系数的融合模型；
步骤S150，根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据。
需要指出的是，在“利用不同卫星采集同一区域的太阳能数据”这一场景中，不同卫星采集的太阳能数据具有较高的相关性。具体表现为，所述静止卫星的太阳能数据能够以所述空间转换系数转换得到所述极轨卫星的太阳能数据。因此，在本公开中，根据所述空间转换系数建立了融合模型。
在本公开中，卫星采集得到的“太阳能数据”为太阳能辐射数据，在本公开中对所述太阳能辐射数据的具体数据类型不作特殊限定，可选地，所述太阳能辐射数据为太阳能辐射反射率。
本公开的发明人发现，极轨卫星所提供的太阳能辐射数据具有较高的空间分辨率，得到的是“精细像元”；静止卫星所提供的太阳能辐射数据具有较低的空间分辨率，得到的是“粗略像元”。当两种卫星获取同一区域的太阳能辐射数据时，所述“粗略像元”的像素值随时间变化的差异能够相当于所述“精细像元”的像素值平均值随时间变化的差异，且其两者的像素值差异仅来自于两种卫星的传感器之间的系统误差，该系统误差可能由卫星采集时的云雾遮挡、太阳的遮挡情况、卫星的视角的差异造成。经校验，利用空间转换系数作为线性关系的转换系数建立的融合模型，能够在考虑到系统误差的同时，相对准确的反应“粗略像元”随时间变化的差异与“精细像元”随时间变化的差异之间的关系。
在本公开所提供的太阳能资源预测方法的步骤S140中，利用空间转换系数将唯一确定极轨卫星采集时刻的静止卫星太阳能辐射数据随时间变化的差异和同时刻的极轨卫星太阳能辐射数据随时间变换的差异之间的关系，从而可以预测相同时间变化后的第一预测时刻的极轨卫星太阳能辐射数据，获得的最终预测结果更加准确。换言之，本公开所提供的太阳能资源预测方法中，利用极轨卫星采集时刻的静止卫星太阳能辐射数据随时间变化的差异和同时刻的极轨卫星太阳能辐射数据随时间变换的差异之间的关系的线性性，确定相同时间变化后的第一预测时刻的极轨卫星太阳能辐射数据。
空间转换系数是由极轨卫星太阳能辐射数据和极轨卫星采集太阳能辐射数据时所述静止卫星太阳能辐射数据的预测数据进行线性回归所确定的，可选地，所述空间转换系数为上述线性回归中的线性回归方程的斜率。
在本公开中，所述“极轨卫星”和所述“静止卫星”均是一种对太阳能辐射数据进行采集、输出的卫星设备。所述“极轨卫星”和所述“静止卫星”用于提供太阳能辐射数据，可选地，所述太阳能辐射数据可以为太阳能辐射反射率。
在本公开中，对如何执行步骤S150不作特殊的限定，如上文中所述，所述根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据，作为一种可选实施方式，步骤S140可以包括：
利用以下公式（1）确定的所述融合模型计算所述第一预测时刻的极轨卫星的太阳能数据：
（1）
其中，x、y均为卫星观测区域的坐标，
为第一预测时刻；
为极轨卫星采集时刻；
B为太阳能辐射反射率；
为第一预测时刻时观测区域/>处的极轨卫星太阳能辐射反射率；
为极轨卫星采集时刻时观测区域/>处的极轨卫星太阳能辐射反射率；
为第一预测时刻时观测区域/>处的静止卫星太阳能辐射反射率；
为极轨卫星采集时刻时观测区域/>处的静止卫星太阳能辐射反射率；
为观测区域/>处的所述空间转换系数。
在本公开中，在极轨卫星采集时刻采集极轨卫星太阳能辐射反射率，在静止卫星采集时刻采集静止卫星太阳能辐射辐射反射率，其中的“极轨卫星采集时刻”是指所述极轨卫星根据极轨卫星采集周期采集地表的太阳能辐射数据时所对应的采集时刻，“静止卫星采集时刻”是指所述静止卫星根据静止卫星采集周期采集地表的太阳能辐射数据所对应的采集时刻。在利用卫星对太阳能资源进行预测时，静止卫星通常具有较极轨卫星更高的时间分辨率，即相较而言静止卫星采集周期更短，采集太阳能辐射数据更频繁。因此，在本公开中，所述极轨卫星采集周期与所述静止卫星采集周期并不相同，且所述静止卫星采集周期更短，采集太阳能辐射数据更频繁，在此基础上，所述“极轨卫星采集时刻”与所述“静止卫星采集时刻”通常也不是相同的。例如，静止卫星采集周期可以为每15分钟采集一次，所述“静止卫星采集时刻”在14时至15时之间可以为14:00、14:15、14:30、14:45、15:00五个时刻；极轨卫星采集周期可以为每1小时采集一次，所述“极轨卫星采集时刻”在14时至15时之间可以为14:05一个时刻。
本公开的发明人发现，所述静止卫星和所述极轨卫星所提供的太阳能辐射数据与地表观测站获得的地表观测太阳能辐射数据并不相同。经研究发现，造成这一现象的原因在于卫星采集的太阳能辐射数据受到了大气中的云体、气溶胶等的影响，如此利用所述极轨卫星太阳能辐射数据和所述静止卫星太阳能辐射数据建立的融合模型也会相应存在误差。
在本公开所提供的太阳能资源预测方法的步骤S110之后，为使上述融合模型的误差在允许范围，可以利用所述地表观测太阳能辐射数据对所述静止卫星太阳能辐射数据和所述极轨卫星太阳能辐射数据的误差进行判断，当误差满足预定的误差范围时，认为能够使用所述静止卫星太阳能辐射数据和所述极轨卫星太阳能辐射数据建立融合模型。
在本公开中，所述静止卫星太阳能辐射数据与所述极轨卫星太阳能辐射数据相比，所述静止卫星太阳能辐射数据具有低空间分辨率，而所述极轨卫星太阳能辐射数据具有高空间分辨率；换言之，两者的太阳能辐射数据对应的像元的栅格分辨率不匹配。因此，为使栅格分辨率匹配以得到正确的融合模型，可以利用栅格重采样方法将所述静止卫星太阳能辐射数据重采样生成更小的像元。
在本公开中，对“将所述静止卫星太阳能辐射数据重采样生成更小的像元”时，采用何种栅格重采样方法不作特殊限定，可选地，所述栅格重采样方法可以包括：最近邻法、双线性内插值法和三次卷积插值法。
在本公开中，对如何具体判断所述相似像元能够用于确定所述中心像元处的太阳能辐射数据，只要能够所述相似像元与所述中心像元之间的太阳能辐射数据的误差能够满足预测需要即可。
例如，可以获取中心像元和所述中心像元对应的相似像元在同一时间段内的太阳能辐射数据峰值，并通过确定上述两种像元对应的峰值差是否小于预设的允许误差值来确定所述相似像元的太阳能辐射数据是否能用用于对所述中心像元的确定。
作为一种可选实施方式，所述预设相似条件是通过以下公式（2）确定的：
（2）
其中，为第一预测时刻；
为太阳能辐射反射率的方差；
m为预设的相似等级，m为正整数，；
为第一预测时刻时所述相似像元处的极轨卫星太阳能辐射反射率；
为第一预测时刻时所述中心像元的极轨卫星太阳能辐射反射率。
为了使预测结果更加准确，在本公开中，可以利用“多个相似像元确定中心像元提高准确度”的思路，对第一预测时刻的极轨卫星太阳能辐射数据对应的中心像元的预测准确度进行提高。具体地，所述根据所述融合模型输出预设空间区间内第一预测时刻的极轨卫星太阳能数据之前，还可以包括：
利用预设相似条件，根据所述预设空间区间的相似像元处的太阳能数据确定所述预设空间区间的中心像元处的太阳能数据；其中，所述中心像元为所述预设空间区间的几何中心处的像元；所述中心像元处的太阳能数据为所述第一预测时刻的极轨卫星太阳能数据；所述相似像元为所述预设空间区间内满足相似条件的像元；所述相似像元处的太阳能数据用于确定所述中心像元处的太阳能数据；
利用所述相似像元和所述中心像元的几何位置确定第一权重；所述第一权重为根据所述相似像元处的太阳能数据确定所述中心像元处的太阳能数据时，所述相似像元处的太阳能数据的权重；
根据所述第一权重和所述融合模型确定所述第一预测时刻的极轨卫星太阳能数据。
设置第一权重的目的在于，即使利用了预设相似条件确定了能够用于预测的相似像元，当相似像元不唯一时，各个相似像元对中心像元的预测结果的贡献并不相同。在相近的像元相关联的基础上，相距中心像元越接近的相似像元对预测结果的贡献就越大，具体地，所述利用所述相似像元和所述中心像元的几何位置确定第一权重，可以包括：
确定所述相似像元和所述中心像元的几何距离；
根据公式（3）确定所述相似像元处的所述极轨卫星太阳能数据和所述静止卫星太阳能数据的相关性；
（3）
其中，为所述相似像元处的所述极轨卫星太阳能数据和所述静止卫星太阳能数据的协方差；
为所述相似像元处的所述极轨卫星太阳能数据的方差；
为所述相似像元处的所述静止卫星太阳能数据的方差；
根据所述几何距离和所述相关性，利用公式（4）确定所述相似像元与所述中心像元的相对距离；
（4）
其中，为所述相似像元处的所述极轨卫星的太阳能数据和所述静止卫星的太阳能数据的相关性；
为所述相似像元和所述中心像元的几何距离；
利用所述相对距离确定所述相似像元对于所述中心像元的第一权重，所述第一权重为基于所述相对距离的反距离权重。
为了更好的提高融合模型输出第一预测时刻的极轨卫星太阳能辐射数据的准确度，在一种可选实施方式中，利用与所述第一预测时刻的时间差距较小的多个预测时刻对所述第一预测时刻的极轨卫星太阳能辐射数据进行预测。可选地，获取第二、三预测时刻的静止卫星太阳能辐射数据，其中所述第二、三预测时刻与所述第一预测时刻的时间差小于预设阈值，且所述第二预测时刻为所述第一预测时刻之前的时刻；所述第三预测时刻为所述第一预测时刻之后的时刻；根据所述融合模型确定所述第二、三预测时刻的极轨卫星太阳能辐射数据；根据所述第二、三预测时刻的极轨卫星太阳能辐射数据的算术平均值确定所述第一预测时刻的极轨卫星太阳能辐射数据。
与设置第一权重的目的类似，即使利用与所述第一预测时刻的时间差距较小的多个预测时刻能够对所述第一预测时刻的极轨卫星太阳能辐射数据进行预测，各个预测时刻的的极轨卫星太阳能辐射数据的预测结果对于所述第一预测时刻时的预测结果的贡献并不相同，且相距所述第一预测时刻的时间差越小的多个预测时刻对于预测结果的贡献更大。因此，在利用多个预测时刻对所述第一预测时刻的极轨卫星太阳能辐射数据进行预测的基础上，还可以通过确定多个预测时刻的极轨卫星太阳能辐射数据对于所述第一预测时刻的预测结果的权重进一步提高融合模型的准确率。
作为一种可选实施方式，在所述根据所述融合模型输出第一预测时刻的极轨卫星太阳能辐射数据之后，还包括：
确定第二预测时刻、第三预测时刻的静止卫星太阳能数据；其中，所述第二预测时刻为所述第一预测时刻之前的时刻；所述第三预测时刻为所述第一预测时刻之后的时刻；
分别计算所述第二预测时刻与所述第一预测时刻、所述第三预测时刻与所述第一预测时刻之间的所述静止卫星太阳能数据的变化值，根据所述静止卫星太阳能数据的变化值分别确定第二权重、第三权重；
根据所述第二权重对应的所述第二预测时刻的静止卫星太阳能数据和所述第三权重对应的所述第三预测时刻的静止卫星太阳能数据加权求和，确定所述第一预测时刻的静止卫星太阳能数据。
参照图2，本发明实施例提供一种电子设备，其包括：
一个或多个处理器201；
存储器202，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任意一项的太阳能资源预测方法；
一个或多个I/O接口203，连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互。
其中，处理器201为具有数据处理能力的器件，其包括但不限于中央处理器（CPU）等；存储器202为具有数据存储能力的器件，其包括但不限于随机存取存储器（RAM，更具体如SDRAM、DDR等）、只读存储器（ROM）、带电可擦可编程只读存储器（EEPROM）、闪存（FLASH）；I/O接口（读写接口）203连接在处理器201与存储器202间，能实现处理器201与存储器202的信息交互，其包括但不限于数据总线（Bus）等。
在一些实施例中，处理器201、存储器202和I/O接口203通过总线相互连接，进而与计算设备的其它组件连接。
本实施例还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本实施例提供的一种基于极轨-静止卫星融合的太阳能资源预测方法，为避免重复描述，在此不再赘述该方法的具体步骤。
本领域普通技术人员可以理解，上文中所发明方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序模块或其它数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘（DVD）或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本实施例的范围之内并且形成不同的实施例。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (5)
1.一种基于极轨-静止卫星融合技术的太阳能资源预测方法，所述太阳能资源预测方法包括：
获取极轨卫星太阳能数据和静止卫星采集时刻的静止卫星太阳能数据；
根据所述静止卫星采集时刻的静止卫星太阳能数据确定极轨卫星采集时刻的静止卫星太阳能数据和第一预测时刻的静止卫星太阳能数据；
利用所述极轨卫星太阳能数据和所述极轨卫星采集时刻的静止卫星太阳能数据线性回归确定空间转换系数；
根据所述极轨卫星的太阳能数据、所述极轨卫星采集时刻的静止卫星太阳能数据和所述第一预测时刻的静止卫星太阳能数据建立基于所述空间转换系数的融合模型；
根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据；
所述根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据，包括：
利用以下公式（1）确定的所述融合模型计算所述第一预测时刻的极轨卫星的太阳能数据：
（1）
其中，x、y均为卫星观测区域的坐标；
为第一预测时刻；
为极轨卫星采集时刻；
B为太阳能辐射反射率；
为第一预测时刻时观测区域/>处的极轨卫星太阳能辐射反射率；
为极轨卫星采集时刻时观测区域/>处的极轨卫星太阳能辐射反射率；
为第一预测时刻时观测区域/>处的静止卫星太阳能辐射反射率；
为极轨卫星采集时刻时观测区域/>处的静止卫星太阳能辐射反射率；
为观测区域/>处的所述空间转换系数。
2.根据权利要求1所述的基于极轨-静止卫星融合技术的太阳能资源预测方法，其中，所述根据所述静止卫星采集时刻的静止卫星的太阳能数据确定极轨卫星采集时刻的静止卫星太阳能数据和预测时刻的静止卫星太阳能数据，包括：
利用预设插值算法对所述静止卫星太阳能数据插值，确定极轨卫星采集时刻的静止卫星太阳能数据和预测时刻的静止卫星太阳能数据。
3.根据权利要求1或2所述的基于极轨-静止卫星融合技术的太阳能资源预测方法，其中，在所述根据所述融合模型输出预设空间区间内所述第一预测时刻的极轨卫星太阳能数据之后，还包括：
确定第二预测时刻、第三预测时刻的静止卫星太阳能数据；其中，所述第二预测时刻为所述第一预测时刻之前的时刻；所述第三预测时刻为所述第一预测时刻之后的时刻；
分别计算所述第二预测时刻与所述第一预测时刻、所述第三预测时刻与所述第一预测时刻之间的所述静止卫星太阳能数据的变化值，根据所述静止卫星太阳能数据的变化值分别确定第二权重、第三权重；
根据所述第二权重对应的所述第二预测时刻的静止卫星太阳能数据和所述第三权重对应的所述第三预测时刻的静止卫星太阳能数据加权求和，确定所述第一预测时刻的静止卫星太阳能数据。
4.一种电子设备：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1或2所述的方法；
一个或多个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。
5.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1或2所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884515.1A CN116611587B (zh) | 2023-07-19 | 2023-07-19 | 一种基于极轨-静止卫星融合技术的太阳能资源预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884515.1A CN116611587B (zh) | 2023-07-19 | 2023-07-19 | 一种基于极轨-静止卫星融合技术的太阳能资源预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116611587A CN116611587A (zh) | 2023-08-18 |
| CN116611587B true CN116611587B (zh) | 2023-11-07 |
Family
ID=87676814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310884515.1A Active CN116611587B (zh) | 2023-07-19 | 2023-07-19 | 一种基于极轨-静止卫星融合技术的太阳能资源预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116611587B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371316B (zh) * | 2023-10-09 | 2024-08-09 | 北京大学重庆大数据研究院 | 基于深度学习的静止卫星太阳短波辐射反演方法及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184076A (zh) * | 2015-09-02 | 2015-12-23 | 安徽大学 | 一种遥感地表温度数据的时空一体化融合方法 |
| CN109460532A (zh) * | 2018-10-24 | 2019-03-12 | 中国科学院地理科学与资源研究所 | 一种太阳直接辐射遥感计算方法和装置 |
| KR20200018127A (ko) * | 2018-08-10 | 2020-02-19 | 한국전자통신연구원 | 정지 궤도 위성 및 극 궤도 위성을 이용하여 태풍 주변 3차원 공간에 대한 수평 바람장 산출 방법 |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN112819026A (zh) * | 2020-12-11 | 2021-05-18 | 中科三清科技有限公司 | 多源卫星气溶胶光学厚度数据的融合方法及装置 |
| CN113111936A (zh) * | 2021-04-07 | 2021-07-13 | 成都信息工程大学 | 一种卫星数据融合的气温估算方法 |
-
2023
- 2023-07-19 CN CN202310884515.1A patent/CN116611587B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184076A (zh) * | 2015-09-02 | 2015-12-23 | 安徽大学 | 一种遥感地表温度数据的时空一体化融合方法 |
| KR20200018127A (ko) * | 2018-08-10 | 2020-02-19 | 한국전자통신연구원 | 정지 궤도 위성 및 극 궤도 위성을 이용하여 태풍 주변 3차원 공간에 대한 수평 바람장 산출 방법 |
| CN109460532A (zh) * | 2018-10-24 | 2019-03-12 | 中国科学院地理科学与资源研究所 | 一种太阳直接辐射遥感计算方法和装置 |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN112819026A (zh) * | 2020-12-11 | 2021-05-18 | 中科三清科技有限公司 | 多源卫星气溶胶光学厚度数据的融合方法及装置 |
| CN113111936A (zh) * | 2021-04-07 | 2021-07-13 | 成都信息工程大学 | 一种卫星数据融合的气温估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 结合极轨卫星ＭＯＤＩＳ和静止气象卫星 ＭＴＳＡＴ估算黑河流域地表太阳辐射;孙洋 等;《遥感技术与应用》;第26卷(第6期);第1-6节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116611587A (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116611587B (zh) | 一种基于极轨-静止卫星融合技术的太阳能资源预测方法 | |
| Li et al. | Advanced InSAR atmospheric correction: MERIS/MODIS combination and stacked water vapour models | |
| Daneshyar | Solar radiation statistics for Iran | |
| CN107918165A (zh) | 基于空间插值的多卫星融合降水预测方法及系统 | |
| US20140019048A1 (en) | Interpolating a portion of a signal in response to a component of the signal and a component of another signal | |
| Anderson et al. | Sea ice mapping method for SeaWinds | |
| Boutin et al. | SMOS SSS L3 maps generated by CATDS CEC LOCEAN. debias V8. 0 | |
| US8922654B2 (en) | Algorithm for adaptive downsampling to an irregular grid | |
| CN111505740A (zh) | 气象预测方法、装置、计算机设备和存储介质 | |
| JP2015137903A (ja) | 日射強度推定装置、日射強度推定システム及び日射強度推定方法 | |
| Ernst et al. | Comparison of ground-based and satellite-based irradiance data for photovoltaic yield estimation | |
| Pang et al. | Data quality issues in visualization | |
| CN114442133A (zh) | 无人机定位方法、装置、设备及存储介质 | |
| Zhou et al. | Delineating beach and dune morphology from massive terrestrial laser-scanning data using generic mapping tools | |
| CN101697009A (zh) | 海面波面还原方法 | |
| KR20210053562A (ko) | 글로벌 기후 자료의 품질 관리 방법 및 장치 | |
| FR3019408A1 (fr) | Procede de prevision de rayonnement solaire au sol au voisinage d'un site | |
| CN112381882A (zh) | 一种搭载高光谱设备的无人机影像自动化校正方法 | |
| CN116165728A (zh) | 大气可降水量的估算方法、装置、计算机设备和存储介质 | |
| WO2000005598A9 (en) | Averaging-area-constrained adaptive interferometric filter that optimizes combined coherent and noncoherent averaging | |
| CN112926030A (zh) | 30m分辨率插值的气象要素确定方法 | |
| CN110096668B (zh) | 一种可见光遥感图像反射率获取方法 | |
| CN113159426A (zh) | 天气型相似性判断方法、装置、电子设备及可读存储介质 | |
| CN109241923A (zh) | 光伏组件热斑定位方法及装置 | |
| Eineder et al. | A flexible system for the generation of interferometric SAR products |
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 |