云层监测方法和装置、光伏功率预测方法和装置制造方法及图纸

本发明专利技术提供一种云层监测方法和装置、光伏功率预测方法和装置，所述云层监测方法包括：基于机器学习算法建立云层指数模型；基于计算机视觉建立气象云图检测模型；采集目标位置的天气参数，并根据天气参数和云层指数模型得到目标位置的云层指数；采集目标位置的气象云图，并根据气象云图和气象云图检测模型得到目标位置的云层影响概率。本发明专利技术能够简单方便地实现云层情况的监测，从而能够简单方便地实现光伏功率的预测，成本较低，准确率较高。准确率较高。准确率较高。

【技术实现步骤摘要】
云层监测方法和装置、光伏功率预测方法和装置


[0001]本专利技术涉及气象数据分析
，具体涉及一种云层监测方法、一种光伏功率预测方法、一种云层监测装置和一种光伏功率预测装置。

技术介绍

[0002]在国家政策以及环境保护原因的激励下，近十年来光伏发电产业大力发展，成本进一步降低，全国各地涌现出大量的集中式与分布式光伏电站。随着光伏电站的大力发展，其波动性与不可控性对电网造成的压力愈发增长，致使电网已对各光伏电站提出硬性规定，将光伏预测作为考核项。目前的光伏功率预测策略根据时间尺度与空间尺度可分别划分为短期、中期、长期以及大规模集中式光伏电站和中小型分布式光伏电站，且预测所需参数依赖于对辐照度的观测以及大量气象历史数据的收集。
[0003]对局域光伏系统，例如家庭光伏系统、楼宇光伏系统等来说，适用于短期以及小尺度的光伏功率预测策略。短期光伏功率预测的准确性取决于云层运动的不确定性，然而目前对于云层运动的观测依赖于结构复杂的设备，成本相对较高。

技术实现思路

[0004]本专利技术为解决上述技术问题，提供了一种云层监测方法和装置、光伏功率预测方法和装置，能够简单方便地实现云层情况的监测，从而能够简单方便地实现光伏功率的预测，成本较低，准确率较高。
[0005]本专利技术采用的技术方案如下：
[0006]一种云层监测方法，包括：基于机器学习算法建立云层指数模型；基于计算机视觉建立气象云图检测模型；采集目标位置的天气参数，并根据所述天气参数和所述云层指数模型得到所述目标位置的云层指数；采集所述目标位置的气象云图，并根据所述气象云图和所述气象云图检测模型得到所述目标位置的云层影响概率。
[0007]所述云层指数模型为决策树模型，所述云层指数模型通过包含天气参数与对应的云层指数的数据样本训练得到。
[0008]其中，将采集的所述天气参数输入所述云层指数模型，以输出所述云层指数。
[0009]所述天气参数包括天气标签、温度、体感温度、降雨概率、湿度和风力中的一个或多个。
[0010]所述云图检测模型通过对所述气象云图进行图像格式转换、无效像素点过滤和阈值法提取特征点后，输出所述云层影响概率。
[0011]所述云图检测模型输出所述云层影响概率的过程如下：将所述气象云图的图像颜色标准从RGB转换为HSV；对转换后的气象云图进行滤波处理，以滤除干扰项和无效信息；使用大津阈值法对滤波处理后的气象云图进行背景像素与前景像素的区分，以凸显所述目标位置；以所述目标位置确定采样范围，并根据采样结果输出所述云层影响概率。
[0012]一种光伏功率预测方法，包括：上述云层监测方法；和根据所述云层指数和所述云
层影响概率得到所述目标位置的光伏功率预测结果。
[0013]一种云层监测装置，包括：第一建立模块，所述第一建立模块用于基于机器学习算法建立云层指数模型；第二建立模块，所述第二建立模块用于基于计算机视觉建立气象云图检测模型；第一采集模块，所述第一采集模块用于采集目标位置的天气参数；第一获取模块，所述第一获取模块用于根据所述天气参数和所述云层指数模型得到所述目标位置的云层指数；第二采集模块，所述第二采集模块用于采集所述目标位置的气象云图；第二获取模块，所述第二获取模块用于根据所述气象云图和所述气象云图检测模型得到所述目标位置的云层影响概率。
[0014]一种光伏功率预测装置，包括：上述云层监测装置；和预测模块，所述预测模块用于根据所述云层指数和所述云层影响概率得到所述目标位置的光伏功率预测结果。
[0015]本专利技术的有益效果：
[0016]本专利技术通过采集目标位置的天气参数和气象云图，并分别结合云层指数模型得到目标位置的云层指数和结合气象云图检测模型得到目标位置的云层影响概率，以及根据云层指数和云层影响概率得到目标位置的光伏功率预测结果，由此，能够简单方便地实现云层情况的监测，从而能够简单方便地实现光伏功率的预测，成本较低，准确率较高。
附图说明
[0017]图1为本专利技术实施例的云层监测方法的流程图；
[0018]图2为本专利技术一个实施例的决策树模型的结构示意图；
[0019]图3为本专利技术实施例的光伏功率预测方法的流程图；
[0020]图4为本专利技术实施例的云层监测装置的方框示意图；
[0021]图5为本专利技术实施例的光伏功率预测装置的方框示意图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]如图1所示，本专利技术实施例的云层监测方法包括以下步骤：
[0024]S1，基于机器学习算法建立云层指数模型。
[0025]S2，基于计算机视觉建立气象云图检测模型。
[0026]S3，采集目标位置的天气参数，并根据天气参数和云层指数模型得到目标位置的云层指数。
[0027]S4，采集目标位置的气象云图，并根据气象云图和气象云图检测模型得到目标位置的云层影响概率。
[0028]需要说明的是，图1中步骤S1～S4的执行顺序仅为示例性的，在实际实施时S1在S3之前，S2在S4之前即可。
[0029]在本专利技术的一个实施例中，云层指数模型为决策树模型，云层指数模型通过包含天气参数与对应的云层指数的数据样本训练得到。其中，天气参数包括天气标签、温度、体
感温度、降雨概率、湿度和风力中的一个或多个，云层指数可分为三项：0-无云或轻微有云、1-中度有云、2-重度有云。
[0030]应当理解的是，云层指数模型的准确度与训练样本的量、训练样本中参数的细分程度成正比。
[0031]在本专利技术的一个具体实施例中，共有表1所示的16个数据样本。
[0032]表1
[0033][0034][0035]使用表1中各样本训练出决策树模型。如图2所示，某一决策树模型中的判断条件A、B、C、D为阈值，具体数值由大量数据的训练决定，最终阈值的确定可使得分类的错误率最低。
[0036]进一步地，可将采集的天气参数输入云层指数模型，以输出云层指数。
[0037]在本专利技术的一个具体实施例中，可获取某一目标位置，例如某一家庭、某一楼宇所处的经纬度，并通过云平台实时采集该经纬度的天气参数，例如采集到表2所示的天气参数。
[0038]表2
[0039]数据类别值天气标签多云温度23体感温度24降雨概率20％湿度86％风力13公里/小时
[0040]然后将表2的天气参数输入上述训练好的云层指数模型，得到云层指数为1-中度有云。
[0041]在本专利技术的一个实施例中，云图检测模型可通过对气象云图进行图像格式转换、无效像素点过滤和阈值法提取特征点后，输出云层影响概率。
[0042本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云层监测方法，其特征在于，包括：基于机器学习算法建立云层指数模型；基于计算机视觉建立气象云图检测模型；采集目标位置的天气参数，并根据所述天气参数和所述云层指数模型得到所述目标位置的云层指数；采集所述目标位置的气象云图，并根据所述气象云图和所述气象云图检测模型得到所述目标位置的云层影响概率。2.根据权利要求1所述的云层监测方法，其特征在于，所述云层指数模型为决策树模型，所述云层指数模型通过包含天气参数与对应的云层指数的数据样本训练得到。3.根据权利要求2所述的云层监测方法，其特征在于，其中，将采集的所述天气参数输入所述云层指数模型，以输出所述云层指数。4.根据权利要求3所述的云层监测方法，其特征在于，所述天气参数包括天气标签、温度、体感温度、降雨概率、湿度和风力中的一个或多个。5.根据权利要求1所述的云层监测方法，其特征在于，所述云图检测模型通过对所述气象云图进行图像格式转换、无效像素点过滤和阈值法提取特征点后，输出所述云层影响概率。6.根据权利要求5所述的云层监测方法，其特征在于，所述云图检测模型输出所述云层影响概率的过程如下：将所述气象云图的图像颜色标准从RGB转换为HSV；对转换后的气象云图进行滤波处...

【专利技术属性】
技术研发人员：王旭，吴志鹏，李德胜，郑隽一，张育铭，
申请(专利权)人：国创新能源汽车智慧能源装备创新中心江苏有限公司，
类型：发明
国别省市：