一种基于全天空图像云指数的地表辐射预测方法技术

本发明专利技术涉及一种基于全天空图像云指数的地表辐射预测方法，包括：提取全天空图像的图像特征；确定全天空图像的指数LOS；历史地表幅度归一化；预测地表辐射；还原地表辐射。本发明专利技术技术方案更加有效准确的预测地表辐射。

【技术实现步骤摘要】
一种基于全天空图像云指数的地表辐射预测方法
：本专利技术涉及光伏发电功率预测
，更具体涉及一种一种基于全天空图像云指数的地表辐射预测方法。
技术介绍
：光伏发电输出功率具有随机性和波动性，大规模光伏电站接入电网，无疑会对电网安全稳定和经济运行造成影响。因而需要对地表辐射准确建模和计算是实现光伏电站输出功率作出准确的预测，以为电力调度提供重要的决策支持，协调配合统筹安排常规电源和光伏发电，降低电力系统运行成本，最大限度利用太阳能资源，获得最优惠的经济效益和社会效益。作为影响光伏电站输出功率的主要因素之一的地面辐照度是导致的不确定性是导致输出功率的随机性和波动性的直接原因。作为影响太阳地面辐照量的主要气象要素的云和气溶胶二者相生相伴，其生消和变化是地面辐照度变化不确定性的主要原因。目前，有学者根据气象卫星云图预估云层移动情况预测太阳辐照度，但其时空分辨率相对较低，无法满足地面辐射分钟级预测的要求。有的学者基于全天空图像对云运动进行预测，实现地表辐射衰减预测，不足之处在于该模型并未考虑云运动的非线性和气溶胶影响。因此需要提供一种技术方案来满足现有技术的需要。
技术实现思路
：本专利技术的目的是提供一种基于全天空图像云指数的地表辐射预测方法，更加有效准确的预测地表辐射。为实现上述目的，本专利技术采用以下技术方案：一种基于全天空图像云指数的地表辐射预测方法，包括：提取全天空图像的图像特征；确定全天空图像的指数LOS；历史地表幅度归一化；预测地表辐射；还原地表辐射。所述图像特征包括图像的亮度特征和图像的平滑度特征。所述图像的亮度特征L的通过下式确定：其中，彩色全天空图像I的红，绿，蓝通道灰度值分别为R,G,B.图像大小为M×N。所述图像的平滑度特征S通过下式确定：其中，全天空图像I对应的灰度图的灰度标准差SD通过下公式计算：其中，全天空图像I对应的灰度图的灰度均值ME通过下公式计算：其中，zi灰度值，p(zi)是灰度值的频度分布，K为灰度层级数。所述全天空图像的指数根据图像的亮度和图像的平滑度确定，并通过下式确定：其中，L为图像的亮度特征，S为图像的平滑度特征。所述历史地表幅度通过下式归一化：其中，I为历史地表幅度。所述地表辐射预测过程包括：基于历史全天空图像云指数和历史辐射数据基于最小二乘法建立多元回归模型；建立目标函数：通过最小二乘法确定目标函数中的最优系数，从而确定其与辐射衰减率的计算关系。所述多元回归模型为：I(t)＝α0+α1LOSt-1+α2LOSt-2+α3LOSt-3+α4LOSt-4建立的目标函数如下式所示：所述最优系数为与辐射衰减率的关系为：其中，t为当前时刻，α0、α1、α2、α3、α4是回归系数；n是样本个数。所述地表辐射还原的过程是归一化的逆过程：其中，为辐射衰减率，I为历史地表幅度。和最接近的现有技术比，本专利技术提供技术方案具有以下优异效果1、本专利技术技术方案综合运用多种图像特征提取技术，突出问题需求，且其算法有很强的针对性；2、本专利技术技术方案的流程化的处理，具有很好的工程实用性，实现方便；3、本专利技术技术方案的数学模型明确，使用最优设置参数，无需进行参数选配；4、本专利技术技术方案降低电力系统运行成本，而且有利于充分利用太阳能资源，获得更大的经济效益和社会效益。附图说明图1为本专利技术实施例的方法流程图。具体实施方式下面结合实施例对专利技术作进一步的详细说明。实施例1：本例的专利技术提供一种基于全天空图像云指数的地表辐射预测方法，包括：Step1,图像特征提取，包括亮度特征，傅里叶特征，图像平滑度以及奇异值特征。(1)亮度特征：假设彩色全天空图像I的红，绿，蓝通道灰度值分别为R,G,B.图像大小为M×N,则图像亮度L的计算如下：(2)图像平滑度：全天空图像I对应的灰度图的灰度均值ME和标准差SD由公式(2)，(3)计算：其中，zi灰度值，p(zi)是灰度值的频度分布，L为灰度层级数。至此，图像平滑度S的计算由公式(4)可得：Step2,LOS指数计算由于图像亮度与辐射呈正相关性，图像平滑度与辐射呈现负相关性，本专利基于设计LOS指数如下：Step3地表辐射归一化为了算法的稳定性以及输入输出数据的一致性，历史地表辐照度的值需要进行归一化，归一化公式如下：Step4,地表辐射预测基于历史全LOS云指数和历史辐射数据基于最小二乘法建立多元回归模型。1)建立云指数与地表辐射的多元回归模型：I(t)＝α0+α1LOSt-1+α2LOSt-2+α3LOSt-3+α4LOSt-4(7)2)建立下式中的目标函数：3)通过最小二乘法确定目标函数中的最优系数为从而确定辐射衰减率的计算关系。Step5,地表辐射还原基于LOS云指数实现了地表辐射的预测后，该值还需辐射值的还原，该过程是归一化的逆过程：最后应当说明的是：以上实施例仅用以说明本专利技术的技术方案而非对其限制，所属领域的普通技术人员尽管参照上述实施例应当理解：依然可以对本专利技术的具体实施方式进行修改或者等同替换，这些未脱离本专利技术精神和范围的任何修改或者等同替换，均在申请待批的本专利技术的权利要求保护范围之内。本文档来自技高网...

【技术保护点】
一种地表辐射预测方法，其特征在于：包括下属步骤：1)提取全天空图像的图像特征；2)确定全天空图像的指数LOS；3)历史地表幅度的归一化；4)预测地表辐射；5)还原地表辐射。

【技术特征摘要】
1.一种地表辐射预测方法，其特征在于：包括下属步骤：1)提取全天空图像的图像特征；2)确定全天空图像的指数LOS；3)历史地表幅度的归一化；4)预测地表辐射；5)还原地表辐射。2.如权利要求1所述的一种基于全天空图像云指数的地表辐射预测方法，其特征在于：步骤1)所述图像特征包括图像的亮度特征和图像的平滑度特征。3.如权利要求2所述的一种基于LOS云指数的地表辐射预测方法，其特征在于：所述图像的亮度特征L如下式所示：其中，彩色全天空图像I的红，绿，蓝通道灰度值分别为R,G,B.图像大小为M×N。4.如权利要求2所述的一种基于全天空图像云指数的地表辐射预测方法，其特征在于：所述图像的平滑度特征S如下式所示：其中，全天空图像I对应的灰度图的灰度标准差SD如下式所示：其中，全天空图像I对应的灰度图的灰度均值ME如下式所示：其中，zi灰度值，p(zi)是灰度值的频度分布，K为灰度层级数。5.如权利要求1所述的一种基于全天空图像云指数的地表辐射预测方法，其特征在于：步骤2)所述全天空图像的指数LOS如下式所示：其中，L为图像的亮度特征，S为图像的平滑度特征。6.如权利要求1所述的一种基于全天空图像云指数的地表辐射预测方法，其特征在于：步骤3)所述历史地表幅度如下式所示：其中，I为历史地表幅度，min...

【专利技术属性】
技术研发人员：陈志宝，程序，周海，丁杰，谭志萍，于炳霞，吴子成，
申请(专利权)人：中国电力科学研究院，国家电网公司，
类型：发明
国别省市：江苏,32