基于阴影识别的光伏电站发电功率预测方法技术

本发明专利技术公开了一种基于阴影识别的光伏电站发电功率预测方法，包括：采集光伏电池板正射图像；对光伏电池板正射图像进行直方图均衡化、语义分割，提取光伏电池板中的阴影区域，得到阴影区域分割二值图；利用阴影区域分割二值图从均衡化后的正射图像中得到阴影区域图像；将阴影区域图像转换至HSV颜色空间，并根据阴影区域深浅程度分析模型分析阴影区域的深浅程度；对于阴影区域分割二值图进行分析，得到阴影区域类型与阴影区域面积；将阴影区域深浅程度、阴影区域面积、阴影类型及光照辐射强度送入时序预测模型中，预测未来时段的光伏电站发电功率。本发明专利技术提高了发电功率预测准确率。

【技术实现步骤摘要】
基于阴影识别的光伏电站发电功率预测方法
本专利技术涉及人工智能、计算机视觉、光伏发电
，具体涉及一种基于阴影识别的光伏电站发电功率预测方法。
技术介绍
光伏发电虽有诸多优点，其发电量却受到大量环境因素制约。辐照度、环境温度、大气湿度等气象因素不仅制约了光伏发电系统的输出功率，还导致了光伏发电输出功率的间歇性和随机波动性，光伏并网后，该波动性还可能会导致电网不稳定。随着并网光伏系统数量的增加，电力系统的安全稳定运行受到了许多干扰。若电网中接入大规模光伏发电，需要系统提供与其容量相匹配的旋转备用去平抑光伏发电的出力波动，以保证电力系统的功率平衡和频率稳定，会产生大量不必要的消耗。因此预测光伏发电输出功率，并且提高预测精度至关重要。精确的光伏发电输出功率预测可以提高光伏的渗透水平，增强电网的稳定性，推进负荷侧管理策略的有效实行。在太阳能光伏发电中，发电数据的预测难以通过单一方法进行准确预测，表现为特征数据难以寻找，尤其是当存在阴影的情况下。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的缺陷，提出一种基于阴影识别的本文档来自技高网...

【技术保护点】
1.一种基于阴影识别的光伏电站发电功率预测方法，其特征在于，该方法包括：/n步骤1，当天气无雨雪且太阳辐照强度大于阈值时，利用轨道相机采集光伏电池板正射图像；/n步骤2，对光伏电池板正射图像进行直方图均衡化，得到图像B；/n步骤3，对图像B进行语义分割，提取光伏电池板中的阴影区域，得到阴影区域分割二值图；/n步骤4，将阴影区域分割二值图与图像B进行点对点相乘，得到阴影区域图像；/n步骤5，将阴影区域图像转换至HSV颜色空间，并根据阴影区域深浅程度分析模型分析阴影区域的深浅程度I：/n

【技术特征摘要】
1.一种基于阴影识别的光伏电站发电功率预测方法，其特征在于，该方法包括：
步骤1，当天气无雨雪且太阳辐照强度大于阈值时，利用轨道相机采集光伏电池板正射图像；
步骤2，对光伏电池板正射图像进行直方图均衡化，得到图像B；
步骤3，对图像B进行语义分割，提取光伏电池板中的阴影区域，得到阴影区域分割二值图；
步骤4，将阴影区域分割二值图与图像B进行点对点相乘，得到阴影区域图像；
步骤5，将阴影区域图像转换至HSV颜色空间，并根据阴影区域深浅程度分析模型分析阴影区域的深浅程度I：



其中，S(i,j)为位置(i,j)的饱和度值、V(i,j)为位置(i,j)的明度值，0<a<1，为阴影区域像素坐标轴i的取值范围，为阴影区域像素坐标轴j的取值范围，n为阴影区域像素个数；
步骤6，对于阴影区域分割二值图进行分析，得到阴影区域类型与阴影区域面积；
步骤7，将阴影区域深浅程度、阴影区域面积、阴影类型及光照辐射强度送入时序预测模型中，预测未来时段的光伏电站发电功率。


2.如权利要求1所述的方法，其特征在于，光伏电池板处设置雨雪传感器、照度传感器。


3.如权利要求1所述的方法，其特征在于，阴影类型包括变动型阴影、非变动型阴影。


4.如权利...

【专利技术属性】
技术研发人员：刘灿灿，周美跃，
申请(专利权)人：刘灿灿，
类型：发明
国别省市：福建;35