基于云团特征分析的分布式光伏系统超短期出力预测方法技术方案

基于云团特征分析的分布式光伏系统超短期出力预测方法，包括以下步骤：首先对天空云团检测装置采集到的稀疏云团进行预处理，提取出云团的核心区域作为目标区域，进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述；通过图像预处理之后，接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况；应用像素深浅差异聚类分析法进行厚度和数字化的描述，主要利用灰度分割法将灰度等级分类，并用伪彩色图处理，直观形象地表示云团不同区域的厚度；云团特征提取及出力预测；设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。

【技术实现步骤摘要】
基于云团特征分析的分布式光伏系统超短期出力预测方法
：本专利技术涉及一种采用计算机视觉分析手段对所获取的天空稀疏云团图像序列进行关键特征分析，进而对分布式光伏系统进行超短期出力预测的方法。
技术介绍
：能源作为推动社会发展进步的驱动力，对于保障国民经济快速发展起到重要的支撑作用。太阳能作为绿色能源之一，因能量巨大、清洁无污染、安全可靠等优点而成为应对能源短缺、气候变化与节能减排的重要选择。作为太阳能主要应用形式之一的光伏发电，因其发电过程几乎无污染物的排放，做到真正的清洁、绿色，因此成为新能源的主要选择之一而得到推广应用。分布式光伏发电并网运行可就地消纳电能，无需进行远距离输送电能，具有启停响应快、调度方便灵活、调峰性能好等优点，还可根据场地要求调整光伏系统容量大小，并且可在一定程度上缓解局地的用电紧张状况，是对电网运行方式的有力补充。因而近些年呈现出爆发式增长，随着城镇化进程的持续推进，分布式光伏发电系统并网运行将会得到更大地推广。目前国内外对于光伏发电系统的预测研究主要集中在短期预测，即时间尺度<24小时，时间分辨率为15分钟的短期出力预测。光伏发电出力短期预测的时间尺度和分辨率主要借鉴与风电并网所规定的短期预测技术指标，但事实上光伏发电的超短期波动远比风电要复杂并且频繁，其中一个重要的原因就是天空漂浮不定并且几乎没有惯量的云团，云团的动态变化对太阳辐射的影响是实时的、剧烈的，从而造成地面光伏系统输出功率的剧烈而迅速的波动，对光伏及相关电力系统的稳定和安全运行带来威胁。常规的短期预测时间分辨率在15分钟左右，根本无法预知由于云团变化而导致的功率输出短暂性剧烈波动；同时，短期预测中经常考虑的太阳角度、温度、湿度、阴晴天气等因素，由于其固有的物理特性而变化波动相对于稀疏云团而言较慢，反而对光伏发电的超短期预测影响较小。针对上述问题，本专利技术提出一种采用计算机视觉分析技术手段对所获取的稀疏云团图像序列进行关键特征分析、从而对分布式光伏系统进行出力超短期预测的方法。
技术实现思路
：本专利技术要克服传统出力预测结果的时间尺度及时间分辨率不能实时地反映稀疏云团动态变化对光伏系统出力的主要影响，导致预测结果精度不高的缺点，为了提高出力预测的时间分辨率，本专利技术提出一种采用计算机视觉分析技术手段对所获取的稀疏云团图像序列进行关键特征分析、从而实现对分布式光伏系统进行超短期出力预测的方法。本专利技术为解决技术问题而采用的技术方案是：参照图1：首先通过云层检测装置获得连续的稀疏云团图像序列，采用计算机视觉分析技术手段对图像序列进行关键特征分析，对其造成光伏系统超短期出力波动的关键动态特征进行数学描述，通过适用的图像处理算法及特征提取算法对关键特征进行提取计算。应用径向基函数RBF神经网络对历史出力数据及云团特征进行离线训练，通过建立在线补偿器来消除风速、温度对预测结果的影响。根据出力预测模型最终得到精确、实时和可靠的预测结果，为调整电网、光伏微网系统、储能设备及负载之间的能量流向与流量、调整电力负荷及电力供应提供决策支持数据。基于云团特征分析的分布式光伏系统超短期出力预测方法，包括以下步骤：1)首先对天空云团检测装置采集到的稀疏云团进行预处理，提取出云团的核心区域作为目标区域，进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述；对云团采用开运算操作，即对云团进行先腐蚀后膨胀提取云团的共性，先采用一个相对较大的结构元对云团进行腐蚀，设A为云团的点集，B为结构元，B对A的腐蚀操作就是所有B中包含于A中的点z的集合用z平移，公式为：F＝AΘB＝{z|(B)z∩Ac＝φ}其中，Ac是A的补集，φ是空集；由于采用一个较大的结构元对云团进行腐蚀操作，将大部分的边缘都消除了，剩下云团核心区域，即云团最集中的区域，然后对经过腐蚀的云团进行膨胀操作，公式为：即用z平移的B与F至少有一个元素重叠的所有的点z的集合；2)通过图像预处理之后，接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况，即云团核心区域的质心；质心坐标公式为：通过上述两个平均公式得到云团质心的平均坐标；其中就是计算得到的质心坐标，xi和yi分别代表云图中云团核心区域各点x和y方向坐标，n代表云团核心区域的像素点数，采用前后几幅时序图像提取云团的质心进行向量化跟踪计算云团的运动速度；即：代表tn时刻云团质心的横坐标，代表tn时刻云团质心的纵坐标；代表tn+1时刻云团质心的横坐标，代表tn+1时刻云团质心的纵坐标；tn与tn+1相隔单位时间，则tn+1时刻云团的运动速度v、tn+1时刻与tn时刻云团质心之间的连线与X轴的夹角β分别表示为：上述两个公式可以定量表示出云团在一定时间内的运动情况；采用质心角函数描述云团的形状特征，以云团的质心为极点、水平方向为极轴建立极坐标系，则云团轮廓上任意点C到质心的距离r可由极坐标函数r(θ)表示，从直角坐标系到极坐标系的转换方程为：其中，(Xp,Yp)代表直角坐标系中的云团核心区域边界点，rp表示在极坐标系中边界点(Xp,Yp)到质心的距离，θp表示极坐标系中边界上任意点C与质心点连线与极轴的夹角；3)应用像素深浅差异聚类分析法进行厚度和数字化的描述，主要利用灰度分割法将灰度等级分类，直观形象地表示云团不同区域的云团质量；在实验系统的数据库中设计云团动态特征向量，将上述各动态特征构成统一的数据结构加以存储和调用；首先判断云团边界附近的一些虚云，以云团的每个边界点bi为圆心，设定以bi为圆心，R为半径的圆且与云团重叠的区域为云团的边界区域，即虚云所在的区域，以半径为R的圆，圆心位置沿着云团的边界移动一周，此时所形成的区域与云团的交集即为虚云区域：I＝{z|(B)z∩A≠φ}其中A代表云团的点集，(B)z代表以r为半径的圆沿云团边界移动一周过后的区域的点集，I代表云团的虚云所在区域的点集；然后将剩下的云团部分的云团质量与云团的颜色进行对应，由此通过不同的灰度值将云团质量进行量化分析，通过预处理得到云团的灰度图，运用聚类分析将云团划分为几个不同的灰度值区域，通过连续几张云团的灰度值划分区域分析，预测未来时刻云团灰度值的基本划分区域，再得出云团有效遮挡区域的灰度值，通过将遮挡面积与对应灰度值进行积分处理，最终得出未来某一时刻云团的遮挡效率，通过聚类分析将云团图划分几个不同的灰度区域后，利用灰度分割法进行云团质量分区间表示；灰度分割法就是以[0,N-1]表示灰度级，令V0代表黑色[f(x,y)＝0],并令VN-1代表白色[f(x,y)]＝N-1；假定在[0,N-1]中取M个点，将这M个点定义为灰度级V1，V2，...，VM。然后，假定0<M<N-1,M个点就将灰度分为M+1个区间S1，S2，...SM+1；灰度级到彩色赋值根据如下关系进行：IF:f(x,y)∈SkTHEN:f(x,y)＝ck其中ck是与第k个灰度区间Sk对应的颜色，Sk由位于x＝k-1和x＝k区间定义；将256个灰度等级等分成8个区间，每个区间里包含32个灰度等级，每个区间近似对应一种云团质量，8个区间对应8个云团质量；4)云团特征提取及出力预测通过云层监测装置及图片采集装置获取一组时序云团图，分别在t0，t1，t2，...tn-1时刻本文档来自技高网...

【技术保护点】
基于云团特征分析的分布式光伏系统超短期出力预测方法，包括以下步骤：1)首先对天空云团检测装置采集到的稀疏云团进行预处理，提取出云团的核心区域作为目标区域，进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述；对云团采用开运算操作，即对云团进行先腐蚀后膨胀提取云团的共性，先采用一个相对较大的结构元对云团进行腐蚀，设A为云团的点集，B为结构元，B对A的腐蚀操作就是所有B中包含于A中的点z的集合用z平移，公式为：F＝AΘB＝{z|(B)z∩Ac＝φ}其中，Ac是A的补集，φ是空集；由于采用一个较大的结构元对云团进行腐蚀操作，将大部分的边缘都消除了，剩下云团核心区域，即云团最集中的区域，然后对经过腐蚀的云团进行膨胀操作，公式为：G=F⊕B={z|(B)z∩A≠φ}]]>即用z平移的B与F至少有一个元素重叠的所有的点z的集合；2)通过图像预处理之后，接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况，即云团核心区域的质心；质心坐标公式为：x‾=1nΣi=1nxi]]>y&OverBar;=1nΣi=1nyi]]>通过上述两个平均公式得到云团质心的平均坐标；其中()就是计算得到的质心坐标，xi和yi分别代表云图中云团核心区域各点x和y方向坐标，n代表云团核心区域的像素点数，采用前后几幅时序图像提取云团的质心进行向量化跟踪计算云团的运动速度；即：代表tn时刻云团质心的横坐标，代表tn时刻云团质心的纵坐标；代表tn+1时刻云团质心的横坐标，代表tn+1时刻云团质心的纵坐标；tn与tn+1相隔单位时间，则tn+1时刻云团的运动速度v、tn+1时刻与tn时刻云团质心之间的连线与X轴的夹角β分别表示为：v=(x‾n+1-x‾n)2+(y‾n+1-y‾n)2]]>β=arctan(yn+1‾-yn‾xn+1‾-xn‾)]]>上述两个公式可以定量表示出云团在一定时间内的运动情况；采用质心角函数描述云团的形状特征，以云团的质心为极点、水平方向为极轴建立极坐标系，则云团轮廓上任意点C到质心的距离r可由极坐标函数r(θ)表示，从直角坐标系到极坐标系的转换方程为：rp=(Xp-x‾)2+(Yp-y‾)2]]>其中，(Xp,Yp)代表直角坐标系中的云团核心区域边界点，rp表示在极坐标系中边界点(Xp,Yp)到质心的距离，θp表示极坐标系中边界上任意点C与质心点连线与极轴的夹角；3)应用像素深浅差异聚类分析法进行厚度和数字化的描述，主要利用灰度分割法将灰度等级分类，直观形象地表示云团不同区域的云团质量；在实验系统的数据库中设计云团动态特征向量，将上述各动态特征构成统一的数据结构加以存储和调用；首先判断云团边界附近的一些虚云，以云团的每个边界点bi为圆心，设定以bi为圆心，R为半径的圆且与云团重叠的区域为云团的边界区域，即虚云所在的区域，以半径为R的圆，圆心位置沿着云团的边界移动一周，此时所形成的区域与云团的交集即为虚云区域：I＝{z|(B)z∩A≠φ}其中A代表云团的点集，(B)z代表以r为半径的圆沿云团边界移动一周过后的区域的点集，I代表云团的虚云所在区域的点集；然后将剩下的云团部分的云团质量与云团的颜色进行对应，由此通过不同的灰度值将云团质量进行量化分析，通过预处理得到云团的灰度图，运用聚类分析将云团划分为几个不同的灰度值区域，通过连续几张云团的灰度值划分区域分析，预测未来时刻云团灰度值的基本划分区域，再得出云团有效遮挡区域的灰度值，通过将遮挡面积与对应灰度值进行积分处理，最终得出未来某一时刻云团的遮挡效率，通过聚类分析将云团图划分几个不同的灰度区域后，利用灰度分割法进行云团质量分区间表示；灰度分割法就是以[0,N‑1]表示灰度级，令V0代表黑色[f(x,y)＝0],并令VN‑1代表白色[f(x,y)]＝N‑1；假定在[0,N‑1]中取M个点，将这M个点定义为灰度级V1，V2，...，VM。然后，假定0<M<N‑1,M个点就将灰度分为M+1个区间S1，S2，...SM+1；灰度级到彩色赋值根据如下关系进行：IF:f(x,y)∈SkTHEN:f(x,y)＝ck其中ck是与第k个灰度区间Sk对应的颜色，Sk由位于x＝k‑1和x＝k区间定义；将256个灰度等级等分成8个区间，每个区间里包含32个灰度等级，每个区间近似对应一种云团质量，8个区间对应8个云团质量；4)云团特征提取及出力预测通过云层监测装置及图片采集装置获取一组时序云团图,分别在t0，t1，t2，......

【技术特征摘要】
2013.12.16 CN 201310692836.81.基于云团特征分析的分布式光伏系统超短期出力预测方法，包括以下步骤：1)首先对天空云团检测装置采集到的稀疏云团进行预处理，提取出云团的核心区域作为目标区域，进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述；对云团采用开运算操作，即对云团进行先腐蚀后膨胀提取云团的共性，先采用一个相对较大的结构元对云团进行腐蚀，设A为云团的点集，B为结构元，B对A的腐蚀操作就是所有B中包含于A中的点z的集合用z平移，公式为：F＝AΘB＝{z|(B)z∩Ac＝φ}其中，Ac是A的补集，φ是空集；由于采用一个较大的结构元对云团进行腐蚀操作，将大部分的边缘都消除了，剩下云团核心区域，即云团最集中的区域，然后对经过腐蚀的云团进行膨胀操作，公式为：即用z平移的B与F至少有一个元素重叠的所有的点z的集合；2)通过图像预处理之后，接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况，即云团核心区域的质心；质心坐标公式为：通过上述两个平均公式得到云团质心的平均坐标；其中就是计算得到的质心坐标，xi和yi分别代表云图中云团核心区域各点x和y方向坐标，n代表云团核心区域的像素点数，采用前后几幅时序图像提取云团的质心进行向量化跟踪计算云团的运动速度；即：代表tn时刻云团质心的横坐标，代表tn时刻云团质心的纵坐标；代表tn+1时刻云团质心的横坐标，代表tn+1时刻云团质心的纵坐标；tn与tn+1相隔单位时间，则tn+1时刻云团的运动速度v、tn+1时刻与tn时刻云团质心之间的连线与X轴的夹角β分别表示为：上述两个公式可以定量表示出云团在一定时间内的运动情况；采用质心角函数描述云团的形状特征，以云团的质心为极点、水平方向为极轴建立极坐标系，则云团轮廓上任意点C到质心的距离r可由极坐标函数r(θ)表示，从直角坐标系到极坐标系的转换方程为：其中，(Xp,Yp)代表直角坐标系中的云团核心区域边界点，rp表示在极坐标系中边界点(Xp,Yp)到质心的距离，θp表示极坐标系中边界上任意点C与质心点连线与极轴的夹角；3)应用像素深浅差异聚类分析法进行厚度和数字化的描述，利用灰度分割法将灰度等级分类，直观形象地表示云团不同区域的云团质量；在实验系统的数据库中设计云团动态特征向量，将上述各动态特征构成统一的数据结构加以存储和调用；首先判断云团边界附近的一些虚云，以云团的每个边界点bi为圆心，设定以bi为圆心，R为半径的圆且与云...

【专利技术属性】
技术研发人员：胥芳，童建军，鲍官军，张立彬，张林威，蔡世波，马小龙，李昆，胡克用，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33