基于地基云图图像特征的光伏功率预测方法技术

本发明专利技术公开了一种基于地基云图图像特征的光伏功率预测方法，包括：S1，基于地基云图提取光照强度、高频分量、透射率、天顶距离和云因子特征；S2、建立GBDT预测模型，将从地基云图中提取出的光照强度、高频分量、透射率、天顶距离以及云因子等图像特征作为对光伏功率影响的重要特征量，构建GBDT光伏功率预测模型，实现对光伏功率的准确预测。本方法得到的光伏功率预测结果具有较高的精度和一定的稳定性，且该方法简单、易于实现。

【技术实现步骤摘要】
基于地基云图图像特征的光伏功率预测方法
本专利技术涉及数字图像处理技术和光伏功率预测领域，具体涉及一种通过从地基云图中获取图像特征来对光伏功率进行较为准确预测的方法。
技术介绍
近年来，以太阳能为主的可再生能源越来越受到世界各国的关注和应用。其中对太阳能资源利用的最主要方式是进行光伏发电，而太阳辐照度是影响光伏输出功率的重要因素之一。太阳辐照度受云团运动的影响，表现出随机性和波动性，光伏输出功率因此也存在这些性质。光伏输出功率的骤然衰减导致的爬坡事件不但损耗太阳能电池的寿命，而且会影响主网系统的稳定运行。因此，通过对太阳辐照度的研究准确预测光伏功率对电力系统和太阳能生产具有十分现实的意义。光伏输出功率主要受太阳辐照度的影响，而天空中云的生成、运动以及消融会使太阳辐照度呈现出随机性和波动性。地基云图可实时记录天空状况，因此获取地基云图的图像特征是光伏功率准确预测的关键步骤。但是，目前未见利用地基云图的图像特征对光伏功率进行准确预测的报导。
技术实现思路
为克服现有技术的不足，本专利技术旨在利用从地基云图中获取影本文档来自技高网...

【技术保护点】
1.一种基于地基云图图像特征的光伏功率预测方法，包括以下步骤：/nS1，基于地基云图提取光照强度、高频分量、透射率、天顶距离和云因子特征；/nS2、建立GBDT预测模型：/n设训练模型的输入为训练集样本X＝{(x

【技术特征摘要】
1.一种基于地基云图图像特征的光伏功率预测方法，包括以下步骤：
S1，基于地基云图提取光照强度、高频分量、透射率、天顶距离和云因子特征；
S2、建立GBDT预测模型：
设训练模型的输入为训练集样本X＝{(x1,y1),(x2,y2),...,(xm,ym)}，m为样本数量，最大迭代次数N，损失函数L(y,f(x))，输出强学习器f(x)，
1)初始化弱学习器：



式中：
x为样本特征，包括步骤S1得到的光照强度、高频分量、透射率、天顶距离和云因子；
yi为第i个样本的实际值；
c为样本均值；
2)对迭代轮数n＝1,2,...,N有：
a)对样本i＝1,2,...,m，计算负梯度：



b)利用(xi,rni)(i＝1,2,...,m)，拟合出第n棵回归树，其对应的叶节点区域为Rnj,j＝1,2,...,J，J为回归树n的叶节点的个数；
c)对叶节点j＝1,2,...,J计算最佳拟合值：



d)更新强学习器：



3)得到强学习器f(x)的表达式为；



其中，选择的损失函数为均方差损失函数，计算公式为：



式中y-f(x)为负梯度误差，
强学习器得到的f(x)即为输出的预测值。


2.根据权利要求1所述的光伏功率预测方法，其特征在于：步骤S1中，根据HSV颜色空间模型，利用亮度值对光照强度的变化进行准确评价，HSV模型各分量计算公式如下：



S＝(max-min)/max
V＝max(R,G,B)
其中...

【专利技术属性】
技术研发人员：路志英，王泽涵，周庆霞，李鑫，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12