基于全天空成像仪的光伏电站水平面总辐射预报

准确地水平面总辐射预测是进行光伏功率预测的前提,对提高光伏发电消纳能力具有重要意义。文章基于地基云图观测,建立了云图遮挡复原和畸变还原算法,以及分类型的云团分类识别与运动预测算法,最终实现对水平面总辐射的预测。为验证提出的算法,利用南京市浦口区2012年6月的TSI-880全天空成像仪和地面总辐射计观测数据对水平面总辐射进行预测。结果表明该方法具有较高的预测精度,能够有效地预测由云遮挡造成的辐射跳变过程。     

基于地基云图图像特征的光伏功率预测

光伏输出功率主要受太阳辐照度的影响,而天空中云的生成、运动以及消融会使太阳辐照度呈现随机性和波动性。地基云图可实时记录天空状况,因此获取地基云图的图像特征是光伏功率准确预测的关键步骤。对全天空成像仪采集的地基云图展开研究。首先,修复地基云图;然后,利用图像处理技术提取影响太阳辐照度变化的图像特征,包含光照强度、高频分量、透射率、天顶距离以及云因子特征;最后,将图像特征作为输入数据,光伏功率作为输出数据,利用梯度提升决策树算法构建光伏功率预测模型,实现光伏功率的预测。实验结果表明,采用从地基云图提取的图像特征构建的光伏功率预测模型,使得光伏功率预测的均方根误差可低于1%,为光伏功率的准确预测提供了一种技术手段。     

基于地基云图的光伏功率超短期预测模型

以地基云图采集设备提供的实时日间彩色天空状况图像为研究对象,通过数字图像处理技术对时间序列图像进行了处理和分析,运用云团提取算法和跟踪学习算法实现对云团未来运动状况的预估,结合一天中太阳在云图像上的位置计算,预测未来时刻太阳的遮挡情况,进而预测辐照度和光伏功率的变化。研究结果表明,文中所述模型具有很好的可行性和实用性,为光伏电站0~4h超短期功率精确预测提供了方法。     

基于地基云图分析的光伏功率预测系统设计

光伏发电具有波动性和间歇性,直接导致输出功率的波动,从而给光伏电站输出功率预测带来巨大困难。传统的基于物理和统计模型,结合数值天气预报的光伏功率预测技术在遇到因云遮挡而导致光伏功率骤然下降的情况下,预测结果具有滞后性。文章在研究基于地基云图观测图像数据在线采集分析方法的基础上,通过云团识别、云遮挡预测、畸变校正与投影变换以及与光电转换模型、云强迫分析模型集成等关键技术环节,提出基于云图图像分析光伏电站输出功率预测系统的设计方法,理论分析和数据分析证明该方法对1h内或2~4h的光伏短期功率预测可以获得理想的精度,并具有广泛的适用性。     

地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型

光伏功率由于受到诸多局地随机突变因素的影响,其超短期预测面临很大挑战。云是引起地表辐射随机变化,进而引起光伏出力随机变化的最主要因素之一,在光伏功率预测建模中亟需将云这一因子进行量化和建模。首先,基于全天空云图,利用数字图像处理技术提取与辐射相关的图像特征;然后,将大气层外辐射、大气质量、图像亮度和云量作为输入因子,将地表辐射作为输出,建立径向基函数神经网络预测模型;最后,根据光电转换模型最终实现光伏功率超短期预测。实验结果表明:计及地基云图信息的光伏功率超短期预测模型,效果明显优于无图像信息的模型,为光伏电站超短期功率精确预测提供了重要的方法。     

基于面积校正的光伏电站地基云图云团移动预测方法

利用地基云图进行太阳辐照度估计,是对光伏电站输出功率进行准确预测的一种有效方法。针对地基云图图像的特点,提出一种基于粒子图像速度(Particle Image Velocity,PIV)约束和面积校正的云团移动预测方法,即基于云团计算位移矢量和云团面积伸缩因数,对识别出的云团运动趋势提供一种更加准确的预测方法,为光伏电站发电功率超短期准确预测提供了前提条件。基于地基云图图像的试验结果表明,这一方法在预测精度方面高于传统的PIV等云团移动预测方法。     

基于云图特征自识别的光伏超短期预测模型

光伏电池超短期输出功率变化的主要原因来源于云层的无规则运动,会在1～2min的时间尺度内显著地影响输出功率,因此提出了天空云图预测方法提高光伏超短期功率预测的准确性。首先,采用云层灰度鉴别对云图提取云形状、云透射率等信息。然后,通过云点跟踪对云运动进行还原,得到云层的位移和速度等信息。接下来提出了云图特征联想和长短期记忆(cloudfeatureassociation-longshort-term memory,CFA-LSTM)模型,通过在LSTM模型中加入图像特征联想(cloud feature association,CFA),从而将光伏超短期输出功率与天空云图关联起来。最后基于云增强现象(cloud enhancement model,CEM),提出了由晴空辐照度作为标准的CEM-LSTM切换模型。实验证明,CEM-LSTM切换模型在全气候条件下不仅可以满足光伏超短期功率预测高精度的准确性需求,还可以满足光伏超短期功率预测高精度、高稳定性的可靠性需求,为光伏电站的高效经济运行提供了可能。     

组合数值天气预报与地基云图的光伏超短期功率预测模型

为减轻光伏电站被云团遮挡导致发电功率突然衰减所造成的影响,提高光伏超短期的预测精度和预测有效时间长度,文中提出数值天气预报与地基云图相结合的光伏超短期功率预测模型。该模型首先基于临近晴空工况光伏超短期功率预测方法实现未来4h预测,接着使用数值天气预报云量信息和地基云图等方法预测未来4h内云团遮挡电站导致的功率衰减,并进行临近校正,以提高光伏超短期功率预测的精度。研究结果表明,文中所述模型具有很好的可行性和实用性,为光伏电站0~4h超短期功率精确预测提供了一种方法。     

基于卫星云图特征区域定位的超短期光伏功率预测方法

卫星可见光云图中的信息可以用来量化云的运动以及厚薄情况,已逐步被应用于光伏功率预测领域。为应对卫星云图处理过程中公式参数的选择大多基于人工经验的问题,提出了一种经验参数的通用选择方法,并在此基础上建立了一种基于卫星云图特征区域定位的超短期光伏功率预测模型,以在云图中精准地实现对遮挡太阳光线的云区域的定位。首先,通过对卫星可见光云图进行标准化处理及去底化处理,去除了可见光云图的日内差异性特征;其次,基于云图区域定位算法,在云图中实时定位云遮挡区域,并通过卷积神经网络获取云遮挡影响特征;最后,融合云遮挡特征与其他影响因素,建立其与光伏功率的映射关系以实现预测。结果表明:所提模型可有效解决云图的日内差异性问题并实现云图特征区域的精准定位,且模型展示出了较好的预测性能。论文研究可为基于云图的光伏预测提供参考。     

考虑云层遮挡的光伏发电功率超短期预测技术

云层对光伏电站的遮挡会导致光伏发电功率的随机波动，进而给电网稳定运行带来挑战，特别是在新能源渗透率不断提升的战略背景下，电网安全性和稳定性所面临的挑战更为严峻。为解决云遮挡下光伏功率快速波动预测精度低的难题，基于卫星云图提出一种考虑云遮挡的光伏功率超短期预测法。首先，根据场站位置信息提取目标区域具有潜在影响的云团，并通过云轨迹跟踪算法确定其移动矢量，实现超短期尺度下移动轨迹预测；然后，结合太阳–云–光伏电站的位置关系建立云遮挡评估模型，准确判断目标时刻下不同层高云团对光伏电站的遮挡情况，进而完成量化评估；最后，通过光电转换模型实现光伏发电功率超短期预测。结果显示，所提模型能准确预估未来云移动轨迹及云遮挡下的功率衰减系数，展示出较好的预测性能，具有一定的推广价值。     

The Actuality and Progress of Whole Sky Infrared Cloud Remote Sensing Techniques

Clouds are crucial regulators of both weather and climate. Properties such as the amount, type, height, distribution and movement of them have an impact on the earth''s radiation budget and the hydrological cycle, thus cloud observation is very important. The disadvantages of zenith pointing measuring instruments and whole sky visible imagers limit the application of them. A summary of the actuality and application of ground-based whole sky infrared cloud measuring instruments and analyses of the techniques of radiometric calibrations, removal of atmospheric emission and calculation of cloud cover, amount, type are conducted to promote the automatically observation of the whole sky. Fully considering whole sky infrared cloud sounding theories, techniques and applications, there are still a lot of studies on improving the properties of instruments, enhancing the techniques of cloud base height measurements and establishing instrumental cloud classification criterion before actual operations.     

基于特征算法的塔式光热电站镜场云识别技术研究

地表太阳辐照度是塔式光热电站稳定运行的关键影响因素。针对电站镜场云层遮挡会影响地表辐照度数值，带来设备安全与集热量之间的矛盾问题，利用全天空成像仪对镜场上空云层进行实时监测。结合Otsu、Surf和HOG算法，提出颜色、边缘和纹理组合视觉特征算法。根据真实采集云层图像对所提组合算法与单一算法进行准确率对比分析。结果表明，组合算法对各类云状识别准确率远高于单一算法，验证了所提方法的有效性和优越性。     

卫星云图修复方法研究与实现

针对卫星云图中不可避免的丢线现象,基于中值滤波的基本思想,提出一种结合霍夫变换的图像修复方法.该方法在定位丢线位置的基础上,仅采集垂直方向邻域像素点,并根据窗内异常点个数自适应调整窗口尺寸进行修复.从卫星云图处理实时性要求高、主观视觉效果和客观评价标准3个方面,对传统整体变分、自适应滑动平均、结合霍夫变换的自适应中值滤波3种修复方法进行比较.通过仿真结果表明,这种根据丢线分布特征改进后的中值滤波方法更适合修复卫星云图中的丟线.     

针对纵向纹理的图像自适应滤波算法

在对纸张或电池片计数时,采集的侧边图像呈纵向条纹状。在对其滤波时,传统滤波算法往往造成边缘图像模糊。为解决上述问题,设计了一种针对电池片纵向纹理的自适应模板滤波算法,根据图像灰度确定阈值,寻找边缘像素点进行排除,并对其余部分根据周边像素点灰度值建立自适应模板。从滤波前后的灰度值曲线图可见,算法在边缘位置的处理效果好,处理后的图像灰度平滑性高,具有实用价值。     

微弧线性菲涅尔太阳能集热器的设计

分析了微弧线性菲涅尔太阳能集热器镜场安装布置原则,提出了一种微弧线性菲涅尔反射式太阳能集热器设计方法。设计了一套带有光电式太阳单轴跟踪器的集热器,装置中微弧形反射镜能实时跟踪太阳,使反射光线反射到固定安装的吸热器上。并利用Trace Pro光学软件建立了光学模型,通过仿真处于不同角度光照下的镜场布置和光学性能,验证了镜场设计方法的正确性。     

一种低复杂度光伏系统太阳光斑位置检测算法

日光跟踪技术能明显提高光伏系统的效率,传统的光电检测日光跟踪技术的跟踪精度低,基于图像处理的日光检测跟踪技术精度虽高但算法复杂,系统成本高。通过图像处理进行太阳光斑检测跟踪的一般方法,包括太阳光斑图像的二值化、形心提取、差量计算等算法的分析,提出了一种简化的形心提取方法,通过与传统形心提取算法比较,误差很小并不足以对跟踪精度造成实质性的影响,最后用ARM-CortexM3内核的芯片作为载体实现了对太阳光斑图像的检测跟踪算法。     

基于改进MSER算法的电力设备红外故障区域提取方法

红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下。为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果。首先,从灰度相似度聚类出发,采用Meanshift算法对分割区域的邻域像素进行聚类。其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息。实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度。     

遥感云图纹理特征提取算法实时加速设计

为了解决灰度共生矩阵对遥感云图特征提取实时图像处理过程中算法复杂度高,运算时间长,数据运算量大等问题,提出了一种Vivado HLS实现卫星遥感云图特征提取算法的硬件加速方法。通过对灰度共生矩阵纹理特征提取算法以及Vivado HLS硬件加速设计进行研究,利用Vivado HLS对灰度共生矩阵纹理特诊提取进行硬件加速,并且封装为可调用的IP核,将PC端遥感云图处理结果与Zynq7020硬件加速后的处理结果进行比较,实验结果表明,该方法能够快速的解算遥感云图纹理特征,加快遥感云图处理速度,同时克服了FPGA设计图像算法难度大的缺点。     

基于TV-Stokes方程的快速图像修复算法

提出一种快速的分裂Bregman TV-Stokes修复算法,对图像的缺损部分进行快速自动修复.该算法运用一个能量极小化模型和零散度条件得到一个非线性的TV-Stokes方程,获得图像的等照度线方向;再利用分裂Bregman方法使修复按此等照度线方向进行.实验结果表明:与基于TV-Stokes方程的图像修复算法相比,本文算法在修复速度、峰值信噪比和相对误差方面都更具优势.