一种用于塔式光热电站的DNI预测方法技术

本发明专利技术公开了一种用于塔式光热电站的DNI预测方法，包括图像格式化、图像切割、云团检测、训练VGG

【技术实现步骤摘要】
一种用于塔式光热电站的DNI预测方法


[0001]本专利技术涉及一种塔式光热电站
，特别涉及一种用于塔式光热电站的DNI预测方法。

技术介绍

[0002]对太阳直接辐射(DNI)的预测，按照预测时间可分为长期、中期和超短期预测，其中，长期预测一般是基于数值天气模型预测未来数天的太阳辐射，中期预测是依靠卫星成像进行外推得到未来数小时的太阳辐射值，超短期预测是通过全天空成像仪拍摄天空云图计算云层信息预测未来半个小时内太阳辐射的变化。
[0003]塔式光热电站是利用定日镜将太阳直接辐射的能量聚焦于吸热器上，用来加热传热工质，再通过热交换系统生成高温蒸汽带动汽轮机发电。DNI的骤变会影响光热电站的可靠性和发电效率。影响DNI的因素包括太阳高度角、云层遮挡、气溶胶吸收、臭氧吸收、混合气体吸收、水汽吸收等等，其中云层遮挡是引起太阳直接辐射骤变的主要因素。当云层离开或遮挡太阳时，会引起到达镜场的DNI发生骤变，由镜场投射到吸热器表面的能量密度也因此发生骤变，导致吸热器的内外表面的热应力发生突变。而吸热器是塔式光热电站最重要的设备之一，热应力的突然变化会造成吸热器的变形，缩短其使用寿命，严重时可能直接造成吸热器的破裂和损坏。因此，只有超短期DNI预测能够满足塔式光热电站的运行要求。
[0004]如果能提前预测出DNI的变化，就可以在DNI骤变前提前撤去一部分定日镜，防止出现云层突然离开造成镜场能量突升，对吸热器造成冲击的情况，直到云层完全离开太阳后，再重新投入镜场，保证到达吸热器的能量能够平缓稳定上升，从而提高光能的利用率。另外，通过预测DNI可以预测镜场能量，并以此优化汽轮机运行负荷曲线，使汽轮机稳定出力，提高效率。
[0005]目前有很多学者对DNI预测有了较多的探索，有了一定成果。但是还存在几点不足，首先对全天空图像的云团检测一般都是通过云团及蓝天在颜色通道的阈值(一般为像素红蓝通道的比值)来区分，但是由于太阳周边光晕像素在颜色通道表现与云团类似，通过简单的阈值分割往往不能区分太阳光暈和云团。其次，厚云及薄云对太阳直接辐射的衰减幅度也不尽相同，但目前的方法往往做相同的处理。另外目前相关的研究主要是基于物理模型对太阳总辐射进行分析和预测，对太阳直接辐射的超短期预测的研究很少。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供了一种用于塔式光热电站的DNI预测方法，以达到准确预报DNI，及时调整塔式光热电站的定日镜，保证到达吸热器的能量能够平缓稳定上升，从而提高光能的利用率，延长吸热器的使用寿命的目的。
[0007]为达到上述目的，本专利技术的技术方案如下：
[0008]一种用于塔式光热电站的DNI预测方法，包括如下步骤：
[0009](1)将全天空成像仪拍摄到的全天空图像序列进行格式化处理，得到格式化后的
全天空图像I
format
序列；
[0010](2)根据当地任一时刻的太阳位置确定出任一时刻太阳在图像I
format
中的位置，然后在图像I
format
中以太阳为中心裁剪出一定大小的方形区域，得到太阳周围区域的切割图像I
cut
序列；
[0011](3)利用当地的晴空DNI序列和太阳辐射测量仪实测的DNI序列找到发生云遮的时刻t0，并在切割图像I
cut
序列中找出拍摄时刻与t0最接近的图像然后等间隔提取t0时刻前一段时间的N幅图像，并将N幅图像的透光率都标记为时刻t0的云团透光率；然后基于红蓝通道阈值法，识别出切割图像I
cut
中的云团轮廓；
[0012](4)使用VGG
‑
16卷积神经网络建立光功率预测模型，将发生云遮前的N幅图像和其透光率输入光功率预测模型进行训练；
[0013](5)根据当前时刻t1时的云速和当前时刻t1时云团中心在图像中的位置，以太阳为静止参考系，计算未来时刻t时云团中心在图像中的位置；根据太阳与云团中心的相对位置以及云团轮廓，判断是否发生云遮，如果未发生云遮，则预报的时刻t时的DNI等于时刻t时的晴空DNI；如果发生云遮，则利用训练好的光功率预测模型预测时刻t时云团的透光率，预报的时刻t时的DNI＝时刻t时的晴空DNI*时刻t时的云团透光率。
[0014]上述方案中，步骤(1)中格式化处理包括去除图像边缘畸变、纵轴偏差矫正和RGB归一化。
[0015]进一步的技术方案中，去除图像边缘畸变时，选择去除视角α>80
°
的像素点，α为入射光线与Z轴的夹角，Z轴为全天空成像仪的视轴。
[0016]进一步的技术方案中，纵轴偏差矫正的方法如下：
[0017](1)挑选多张太阳位于不同位置处的无云遮图像，计算图像中太阳的方位角；
[0018](2)通过太阳位置模型计算该时刻太阳的实际方位角，计算全天空成像仪纵轴偏移角δ，取平均值作为纵轴补偿角度；
[0019](3)将全天空图像逆时针旋转纵轴补偿角度。
[0020]进一步的技术方案中，RGB归一化的方法为将红、绿、蓝三通道图像除以255，使图像数值在0～1之间。
[0021]上述方案中，步骤(2)中，图像I
cut
的确定方法如下：在图像I
format
中以太阳为中心裁剪出400*400的方形区域，如有缺失，以0填补。
[0022]上述方案中，步骤(3)中，云团透光率的计算方法如下：
[0023][0024]其中，κ为云团透光率，DNI
measure
为太阳辐射测量仪实测的DNI，为当地的晴空DNI，使用REST2模型计算得到；
[0025]当κ<0.8时，判定为发生云遮；
[0026]以5分钟为间隔，提取t0时刻前半小时的6幅图像。
[0027]上述方案中，步骤(3)中，红蓝通道阈值法的具体方法如下：
[0028][0029]其中，RB为红蓝通道比，R为像素点红色通道灰度值，B为像素点蓝色通道灰度值，ε为设定阈值。
[0030]上述方案中，步骤(4)中，VGG
‑
16卷积神经网络包含1个输入层、13个卷积层、3个全连接层和1个输出层共18层。
[0031]上述方案中，步骤(5)中，计算未来时刻t时云团在图像I
cut
中的位置方法如下：
[0032][0033][0034]其中，为未来时刻t时，云团中心在图像中的像素位置，为当前时刻t1时，云团中心在图像中的像素位置，v
x
为沿x轴的云速，v
y
为沿y轴的云速，为未来时刻t时，太阳在图像中的像素位置，为当前时刻t1时，太阳在图像中的像素位置。
[0035]通过上述技术方案，本专利技术提供的一种用于塔式光热电站的DNI预测方法具有如下有益效果：
[0036]1、本专利技术使用的VGG
‑
16本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于塔式光热电站的DNI预测方法，其特征在于，包括如下步骤：(1)将全天空成像仪拍摄到的全天空图像序列进行格式化处理，得到格式化后的全天空图像I
format
序列；(2)根据当地任一时刻的太阳位置确定出任一时刻太阳在图像I
format
中的位置，然后在图像I
format
中以太阳为中心裁剪出一定大小的方形区域，得到太阳周围区域的切割图像I
cut
序列；(3)利用当地的晴空DNI序列和太阳辐射测量仪实测的DNI序列找到发生云遮的时刻t0，并在切割图像I
cut
序列中找出拍摄时刻与t0最接近的图像然后等间隔提取t0时刻前一段时间的N幅图像，并将N幅图像的透光率都标记为时刻t0的云团透光率；然后基于红蓝通道阈值法，识别出切割图像I
cut
中的云团轮廓；(4)使用VGG
‑
16卷积神经网络建立光功率预测模型，将发生云遮前的N幅图像和其透光率输入光功率预测模型进行训练；(5)根据当前时刻t1时的云速和当前时刻t1时云团中心在图像中的位置，以太阳为静止参考系，计算未来时刻t时云团中心在图像中的位置；根据太阳与云团中心的相对位置以及云团轮廓，判断是否发生云遮，如果未发生云遮，则预报的时刻t时的DNI等于时刻t时的晴空DNI；如果发生云遮，则利用训练好的光功率预测模型预测时刻t时云团的透光率，预报的时刻t时的DNI＝时刻t时的晴空DNI*时刻t时的云团透光率。2.根据权利要求1所述的一种用于塔式光热电站的DNI预测方法，其特征在于，步骤(1)中格式化处理包括去除图像边缘畸变、纵轴偏差矫正和RGB归一化。3.根据权利要求2所述的一种用于塔式光热电站的DNI预测方法，其特征在于，去除图像边缘畸变时，选择去除视角α>80
°
的像素点，α为入射光线与Z轴的夹角，Z轴为全天空成像仪的视轴。4.根据权利要求2所述的一种用于塔式光热电站的DNI预测方法，其特征在于，纵轴偏差矫正的方法如下：(1)挑选多张太阳位于不同位置处的...

【专利技术属性】
技术研发人员：韩兆辉，宋秀鹏，江宇，
申请(专利权)人：山东电力建设第三工程有限公司，
类型：发明
国别省市：