【技术实现步骤摘要】
本专利技术涉及地基遥感云量检测，尤其涉及一种基于全天空成像仪的云量实时监测方法。
技术介绍
1、相较于传统的发电方法，光伏发电具有环保、可再生、维护成本低等优势，但是此方法易受天气状态、云层遮挡等因素影响。因此，通过功率预测预判光伏组件的发电效率，对光伏电站的发电量进行科学调度也就尤为重要。
2、由于云层遮挡是影响光伏组件接收到的地面辐照度的主要因素，因而目前大多数功率预测方法都是通过监测光伏电站上空云的生消和移动来预测地面辐照度，进而完成功率预测。目前，云量监测方法可分为空基监测和地基监测两种方式。空基监测是指利用卫星云图数据对地面辐照度进行预测，但是卫星云图的时间和空间分辨率有限，可能无法精确地捕捉到云层的快速变化和小尺度的云层变化。这可能导致对光伏电厂实际辐射状况的估计不准确，从而影响功率预测的准确性。地基监测是指通过地基设备例如全天空成像仪拍摄天空实时图像，利用算法得到云量信息。由于设备放置在光伏电站范围内进行监测，相较于空基监测方法，也更能捕捉到小尺度云层的快速变化，也是目前光功率预测中，云量监测的主要方式。
3、在基于全天空成像仪的图像反演云量时，主流的反演方法是采用固定的红蓝比阈值进行像素点的识别。但是该方法在晴空及云量较少时，会将太阳附近和近地平区域高亮度的白点处理为云点，存在云量计算误差。为了解决此问题，申请号为201710832341.9的专利技术提出了一种基于地基云图的实时动态云量反演方法，该方法建立了晴空数据库，通过计算得到大气浑浊度校正因子和太阳参数来校正环境对红蓝比的影响，从而
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供一种基于全天空成像仪的云量实时监测方法，可避免由于天空亮度以及地物导致的云量计算误差，提高准确度；可以从总云量中，实时分辨厚云和薄云云量，为光功率预测提供更全面的云量信息。
2、根据本专利技术的第一方面，提供了一种基于全天空成像仪的云量实时监测方法，包括：
3、步骤1，基于全天空成像仪拍摄的图像调整摄像头的曝光度直至满足设定的要求后，获取所述全天空成像仪拍摄的实时天空图像p1；
4、步骤2，去除所述图像p1中的地物区域后得到图像p2；
5、步骤3，获取所述图像p2中各个像素点的rgb值，基于所述图像p2的rgb值得到h通道的值，将所述图像p2的r、g、b和h通道的边缘检测结果进行融合，结合纹理特征分析，得到总云量；
6、步骤4，基于设定阈值对总云量中的厚云和薄云云量进行分离。
7、在上述技术方案的基础上，本专利技术还可以作出如下改进。
8、可选的，所述步骤1中基于所述全天空成像仪拍摄的图像调整摄像头的曝光度直至满足设定要求的过程包括：
9、步骤101，将所述全天空成像仪拍摄的图像转化为灰度图像；
10、步骤102，对所述灰度图像进行边缘扩展；
11、步骤103，遍历所述灰度图像的每个像素，计算水平和垂直方向的梯度差值ex和ey；
12、步骤104，分别比较各个像素的|ex|和|ey|，取|ex|和|ey|中的较大值作为当前像素的权重；累加所有像素的权重之和w1和加权像素值之和w2，计算得到最终阈值t＝w2/w1；
13、步骤105，将所述最终阈值t与预先设置的阈值范围进行对比，不满足设定要求时调整全天空成像仪摄像头的曝光度。
14、可选的，所述步骤2中去除所述图像p1中的地物区域后得到图像p2的方法包括：手动或自动处理得到地物边界；地物边界自动处理的方法包括：
15、步骤201，获取满足安装要求的所述全天空成像仪在设定时间范围拍摄的图像p1；所述安装要求为所述全天空成像仪周围设定范围内的地物位于设定的圆环范围内；
16、步骤202，提取所述图像p1的rgb值后，将所述图像p1进行灰度化处理获得灰度值，在圆环范围内，基于灰度值和rgb通道数据进行边缘识别，确定地物覆盖区域；
17、步骤203，若超过设定天数的所述图像p1划定的地物覆盖区域相同，则在所述图像p1中剔除该地物覆盖区域，得到所述图像p2。
18、可选的，所述步骤3中基于所述图像p2的rgb值得到h通道的值的过程包括：
19、步骤301，将r、g和b各通道值除以255，映射到[0,1]范围内；
20、步骤302，找到归一化后的r、g、b值中的最大值max和最小值min；
21、步骤303，根据以下公式进行转化得到图像各点的h通道的值：
22、如果max＝min，则h＝0；
23、如果max＝r，并且g≥b，则h＝60°×(g-b)/(max-min)；
24、如果max＝r，并且g<b，则h＝60°×(g-b)/(max-min)+360°；
25、如果max＝g，则h＝60°×(b-r)/(max-min)+120°；
26、如果max＝b，则h＝60°×(r-g)/(max-min)+240°。
27、可选的，所述步骤3中计算所述图像p2的r、g、b和h通道的边缘检测结果的过程包括：
28、步骤304，对r、g、b和h通道的值进行高斯滤波去噪；
29、步骤305，定义用于检测水平方向的边缘算子sobel_x和用于检测垂直方向的边缘算子sobel_y；
30、
31、
32、步骤306，将所述sobel_x和sobel_y与滤波后的rgb通道和h通道分别进行卷积，计算梯度值：
33、g_x(x,y)＝sum_{i,j}(i(x+i,y+j)*sobel_x(i,j))
34、g_y(x,y)＝sum_{i,j}(i(x+i,y+j)*sobel_y(i,j))
35、其中，i(x,y)表示滤波后的图像，g_x(x,y)和g_y(x,y)分别为x方向和y方向上的梯度值；
36、步骤307，根据x方向和y方向上的梯度值计算各个通道的梯度幅值g(x,y)＝sqrt(g_x(x,y)^2+g_y(x,y)^2)；
37、步骤308，根据x方向和y方向上的梯度值计算各个通道的梯度方向θ(x,y)＝arctan2(g_y(x,y),g_x(x,y))；
38、其中，arctan2是反正切函数。
39、可选的，所述步骤3中将所述图像p2的r、g、b和h通道的边缘检测结果进行融合的过程包括：
4本文档来自技高网...
【技术保护点】
1.一种基于全天空成像仪的云量实时监测方法，其特征在于，所述云量实时监测方法包括：
2.根据权利要求1所述的云量实时监测方法，其特征在于，所述步骤1中基于所述全天空成像仪拍摄的图像调整摄像头的曝光度直至满足设定要求的过程包括：
3.根据权利要求1所述的云量实时监测方法，其特征在于，所述步骤2中去除所述图像P1中的地物区域后得到图像P2的方法包括：手动或自动处理得到地物边界；其中，地物边界自动处理的方法包括：
4.根据权利要求1所述的云量实时监测方法，其特征在于，所述步骤3中基于所述图像P2的RGB值得到H通道的值的过程包括：
5.根据权利要求1所述的云量实时监测方法，其特征在于，所述步骤3中计算所述图像P2的R、G、B和H通道的边缘检测结果的过程包括：
6.根据权利要求5所述的云量实时监测方法，其特征在于，所述步骤3中将所述图像P2的R、G、B和H通道的边缘检测结果进行融合的过程包括：
7.根据权利要求1所述的云量实时监测方法，其特征在于，所述步骤3中纹理特征的特征值S＝Σs(gp-gc)*2i；
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。