【技术实现步骤摘要】
本专利技术涉及光伏发电，具体为一种基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法。
技术介绍
1、与风力发电、生物质能发电和核电等新型发电技术相比，光伏发电以其过程简单、不消耗燃料、无排放无污染成为最具可持续发展理想特征的可再生能源发电技术。然而，光伏发电功率会受到昼夜变化、气候环境因素的影响，呈现出不稳定性与波动性的特征。在众多气象因素中，短时间内的云层的运动状态预测对光伏功率预测至关重要。随着卫星技术的发展，气象卫星可以提供高分辨率的卫星云图观测结果。实现对卫星观测云图的预测可以有效提升短期云层运动状态预测的精度。
2、传统的卫星云图外推方法包括基于数值模式预报的云图外推方法和基于深度学习的方法。然而数值模式预报受限于初始场精度不高以及对大气物理过程解析的限制，在短期高分辨率预报中精度表现不高；已有专利申请(申请号：cn202211657656.1)构建基于历史卫星观测数据的深度学习模型，然而深度学习需要大量标注数据用于训练，没有足量标注数据时容易出现模型过拟合的问题，且对计算资源要求较高。专利申请(申请号：cn202210948863.6)提出基于计算机视觉的光流法计算连续运动图像中的像素运动信息，但是传统的光流法只能处理云图间运动相对较小的目标，在处理大位移时可能出现较大误差，并且难以处理运动场不连续的情况。
3、本专利技术利用结合金字塔算法的光流计算方法提取相邻帧之间的运动场，并将运动场作为初始状态使用离散卡尔曼滤波器进行状态预测。金字塔光流法能够对卫星图像进行金字塔层级处理，从而有效地获取
技术实现思路
1、为解决上述问题，本专利技术提出了一种基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法。该方法通过结合金字塔算法，有效避免了传统光流法无法处理大位移的情况，并利用离散卡尔曼滤波自适应调整滤波器参数，提高了卫星云图预测的精度。
2、本专利技术具体为基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，具体步骤如下：
3、步骤1：获取历史时刻的卫星云图数据，对卫星云图进行预处理；
4、步骤2：从预处理的卫星云图结果中，取出t张连续卫星云图作为历史数据。构建金字塔图像分层；
5、步骤3：对于每两张相邻云图，从金字塔最顶层图像开始计算光流运动场uv(i)，将上一层的光流运动场作为下一层图像的初始运动场，迭代计算新的光流运动场uv(i-1)，，若i-1层是最底层图像，则输出光流场作为最终结果，否则重复上述的步骤，共计算出t-1个光流运动场；
6、步骤4：将t-1个光流场输入离散卡尔曼滤波器中作为初始状态，对t个时刻的卫星云图进行预测，将真实卫星云图输入与离散卡尔曼滤波预测的状态进行比较，更新离散卡尔曼滤波器的状态向量和状态协方差矩阵；
7、步骤5：将t个时刻的卫星云图输入已训练好的离散卡尔曼滤波器，得到t+1到2t时刻的卫星云图预测结果。
8、进一步的，所述步骤1中卫星云图预处理，具体包括以下步骤：
9、11、对原始卫星数据进行辐射定标，将原始卫星数据转换为辐射或辐射亮度值，消除仪器响应和大气影响，使得数据具有可比性和可量化性。辐射定标公式为：
10、l_toa＝(dn-dn_dark)*gains/integrationtime-l_lambda_ref (1)
11、其中，l_toa是辐射值，dn是原始数据数字数值，dn_dark是暗电流数值，gains是增益系数，integrationtime是积分时间，l_lambda_ref是参考辐射值。
12、12、对辐射定标后的辐射值进行大气校正，得到真实地表反射率。大气校正公式为：
13、ρ＝(l_toa-l_sat*π*d^2)/(l_atm*π*d^2)*esun (2)
14、其中，ρ为地表反射率，l_sat为卫星观测到的地表辐射值，d为太阳到地表的距离(太阳天顶角的余弦值)，l_atm为大气辐射，esun为太阳入射辐射。l_atm可以通过大气传输模型(例如6s模型)计算得到，esun可根据卫星传感器和波段进行选择。
15、13、将完成校正后的卫星数据进行投影转换为等经纬度投影，并按照需要进行卫星云图外推区域的经纬度范围进行裁剪。
16、14、选择用于进行卫星云图外推的单个卫星通道bandi，将选取的卫星单通道bandi按照时间顺序排列，得到完成预处理后的卫星观测云图数据集合
17、进一步的，所述步骤2中构建金字塔图像分层包括以下步骤：
18、21、设定金字塔层数为n。将选择的卫星云图作为起始计算图像，即金字塔最底层图像。对图像进行高斯平滑以降低图像中的高频噪声和细节信息，减少混叠现象，并提高后续降采样后的图像的质量。高斯平滑的公式为：
19、g(x,y)＝∑[∑(i(u,v)*k(x-u,y-v))] (3)
20、其中，(x,y)为目标像素的坐标，(u,v)为邻域像素的坐标，k(x-u,y-v)为高斯核函数，表示像素(x,y)与邻域像素(u,v)之间的权重。高斯核函数的表达式为：
21、k(x,y)＝(1/(2πσ^2))*exp(-(x^2+y^2)/(2σ^2)) (4)
22、其中，σ是高斯核的标准差，控制了高斯核的宽度，σ越大，平滑效果越明显；σ越小，平滑效果越细致。
23、22、对高斯平滑后的图像进行降采样。利用平均池化的方式，将图像中每个池化窗口内的像素值进行平均，用该平均值代替该区域内的所有像素。利用平均池化进行降采样的公式如下：
24、n(x,y)＝(i(2x,2y)+i(2x+1,2y)+i(2x,2y+1)+i(2x+1,2y+1))/4 (5)
25、其中，n(x,y)是降采样后图像中位置(x,y)处的像素值，i(x,y)是原始图像中位置(x,y)处的像素值。通过降采样得到第二层图像。
26、23、重复以上步骤直到达到图像层数达到设定的金字塔层数n。
27、进一步的，所述步骤3中，对每两张相邻图像进行光流场计算的具体步骤如下：
28、31、选择t-1时刻以及t时刻的卫星云图，根据步骤二中金字塔构建步骤得到两幅金字塔图像lt-1和lt。
29、32、从最顶层(第n层)开始计算光流场。对于第i层金字塔图像，计算光流场的公式为：
本文档来自技高网...【技术保护点】
1.基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述方法的具体步骤如下：
2.根据权利要求1所述的基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述步骤1中卫星云图预处理，具体包括以下步骤：
3.根据权利要求1所述的基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述步骤2中，构建金字塔图像包括以下步骤：
4.根据权利要求1所述的基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述步骤3中，对每两张相邻图像进行光流场计算包括以下步骤：
5.根据权利要求1所述的基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述步骤4中，将光流场输入离散卡尔曼滤波器进行云图预测，并与对应时刻真实卫星云图进行对比更新包括以下步骤：
【技术特征摘要】
1.基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述方法的具体步骤如下：
2.根据权利要求1所述的基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述步骤1中卫星云图预处理，具体包括以下步骤：
3.根据权利要求1所述的基于金字塔光流法与离散卡尔曼滤波的卫星云图外推方法，其特征在于，所述步骤2中，构建金字塔图像包括以...
【专利技术属性】
技术研发人员：郝雨辰，霍雪松，潘书磊，孙勇，柴赟，柏晶晶，戴强晟，梅雪峰，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。