一种面向分布式光伏功率预测的云分类方法和系统与流程

文档序号:37336539发布日期:2024-03-18 18:01阅读:23来源:国知局
一种面向分布式光伏功率预测的云分类方法和系统与流程

本发明专利申请属于新能源发电,具体涉及一种面向分布式光伏功率预测的云分类方法和系统。


背景技术:

1、目前,随着分布式光伏装机在新能源装机中的占比日益增多,分布式光伏出力预测越来越引起重视。由于云的运动可以引起光伏系统输出功率的瞬时波动,当云快速移动经过太阳光照射区域时,系统的输出功率可能会迅速增加或减少;且不同的云对辐照度的折损程度相差很大,所以准确预测云的类型可以提高光伏功率预测的准确性和可靠性,进而优化光伏发电系统的运行和电网调度。

2、现有技术中将地基云图应用于光伏功率预测是一项重要且有效的方法,地基云图是通过使用地面观测设备(如相机或雷达)对天空进行连续监测和记录而生成的图像,用于描述云的分布、类型和运动。分布式光伏区域也开始安装气象监测装置,可以采集的信息包括全天空成像仪拍摄到的地基云图、辐照度、温度、湿度等实时气象要素值,但是通过这类方法受限于全天空成像仪的畸变作用、拍摄清晰度、天气质量等的影响,通过提取地基云图中的纹理特征和光谱特征判断云类型具有很大的局限性,且云类型受当前的天气情况影响很大,当天气情况不好时,极易使得对云类型划分准确率降低,导致光伏预测精度不高。


技术实现思路

1、为克服上述现有技术的不足,本发明专利申请提出一种面向分布式光伏功率预测的云分类方法,包括:

2、根据云体的地基云图数据,计算所述云体的云图特征数据和云高;

3、根据所述云体的站点监测数据,得到所述云体的辐照度折损系数;

4、基于所述云体的云图特征数据、云高和辐照度折损系数,利用云分类器,得到所述云体的分类类型。

5、优选的,所述地基云图数据包括下述的一种或多种:云体轮廓、云体清晰度、云体大小、云体纤维性程度、云体边缘信息、云图拍摄的天空区域半径、云图拍摄的站点之间的距离数据和拍摄角度数据;

6、所述云图特征数据包括下述的一种或多种:云覆盖率、熵值、亮度通道偏斜度和蓝色通道偏斜度。

7、优选的,所述基于所述云体的云图特征数据、云高和辐照度折损系数,利用云分类器,得到所述云体的分类类型,包括:

8、当所述云体的辐照度折损系数小于等于折损系数最低阈值或者所述辐照度折损系数大于等于折损系数最高阈值,且熵值为正,且云高处于第一设定高度范围,且云覆盖率处于第一设定云覆盖范围时,所述云体的分类类型为积云;

9、当所述云体的熵值为正,且云高处于第二设定高度范围时,所述云体的分类类型为高积云;

10、当所述云体的辐照度折损系数大于等于折损系数最高阈值,且云高处于第三设定高度范围,且亮度通道偏斜度为负,且云覆盖率处于第二设定云覆盖范围时,所述云体的分类类型为雨云;

11、当所述云体的辐照度折损系数小于等于折损系数最低阈值或者所述辐照度折损系数大于等于折损系数最高阈值,且云高大于等于第一云高设定阈值,且蓝色通道偏斜度为正,且云覆盖率处于第三设定云覆盖范围时,所述云体的分类类型为卷云;

12、当所述云体的辐照度折损系数小于等于折损系数最低阈值,且云高大于等于第二云高设定阈值,且蓝色通道偏斜度为正,且云覆盖率处于第四设定云覆盖范围时,所述云体的分类类型为晴空。

13、优选的,所述云覆盖率对应的计算式如下:

14、

15、其中,f表示云覆盖率;ncloudy表示云图像素数;nclear表示云图像素总数。

16、优选的,所述熵值对应的计算式如下:

17、

18、其中,ent表示熵值;i为像素点位置的横坐标;j为像素点位置的纵坐标;p(i,j)表示像素点位置为(i,j)时的像素值。

19、优选的,所述亮度通道偏斜度对应的计算式如下:

20、

21、其中,sv表示亮度通道偏斜度;m表示横坐标方向的像素点个数;i=1...m;n表示纵坐标方向的像素点个数;j=1...n;v(i,j)表示像素点位置为(i,j)时的亮度通道的像素值;表示亮度通道中所有像素值的平均值;σv表示亮度通道中所有像素值的方差。

22、优选的,所述蓝色通道偏斜度对应的计算式如下:

23、

24、其中,sb表示蓝色通道偏斜度;m表示横坐标方向的像素点个数;i=1...m;n表示纵坐标方向的像素点个数;j=1...n;b(i,j)表示像素点位置为(i,j)时的蓝色通道的像素值;b表示蓝色通道中所有像素值的平均值;σb表示蓝色通道中所有像素值的方差。

25、优选的,所述辐照度折损系数对应的计算式如下:

26、

27、其中,k表示辐照度折损系数;t表示当前时刻;t-t表示t小时前的时刻;pa实际表示监测站点在a时刻的监测辐照度数据;pa理论表示a时刻的理论辐照度数据。

28、优选的,所述云高对应的计算式如下:

29、

30、其中,h表示云高;l表示地基云图数据中的站点之间的距离数据;θ表示站点的拍摄最大角度;r表示地基云图数据中的天空区域半径;d1表示地基云图数据中的云团到云图中心的距离;b1表示地基云图数据中的云团到云图中心与两个站点连线的夹角;d2表示地基云图数据中的云团到云图边缘的距离;b2表示地基云图数据中的云团到云图边缘与两个站点连线的夹角。

31、基于同一发明构思,本发明专利申请还提供了一种面向分布式光伏功率预测的云分类系统,包括:

32、特征数据计算模块:用于根据云体的地基云图数据,计算所述云体的云图特征数据和云高;

33、折损系数计算模块:用于根据所述云体的站点监测数据,得到所述云体的辐照度折损系数;

34、云分类模块:用于基于所述云体的云图特征数据、云高和辐照度折损系数,利用云分类器,得到所述云体的分类类型。

35、优选的,所述特征数据计算模块中的地基云图数据包括下述的一种或多种:云体轮廓、云体清晰度、云体大小、云体纤维性程度、云体边缘信息、云图拍摄的天空区域半径、云图拍摄的站点之间的距离数据和拍摄角度数据;

36、所述云图特征数据包括下述的一种或多种:云覆盖率、熵值、亮度通道偏斜度和蓝色通道偏斜度。

37、优选的,所述云分类模块,具体用于:

38、当所述云体的辐照度折损系数小于等于折损系数最低阈值或者所述辐照度折损系数大于等于折损系数最高阈值,且熵值为正,且云高处于第一设定高度范围,且云覆盖率处于第一设定云覆盖范围时,所述云体的分类类型为积云;

39、当所述云体的熵值为正,且云高处于第二设定高度范围时,所述云体的分类类型为高积云;

40、当所述云体的辐照度折损系数大于等于折损系数最高阈值,且云高处于第三设定高度范围,且亮度通道偏斜度为负,且云覆盖率处于第二设定云覆盖范围时,所述云体的分类类型为雨云;

41、当所述云体的辐照度折损系数小于等于折损系数最低阈值或者所述辐照度折损系数大于等于折损系数最高阈值,且云高大于等于第一云高设定阈值,且蓝色通道偏斜度为正,且云覆盖率处于第三设定云覆盖范围时,所述云体的分类类型为卷云;

42、当所述云体的辐照度折损系数小于等于折损系数最低阈值,且云高大于等于第二云高设定阈值,且蓝色通道偏斜度为正,且云覆盖率处于第四设定云覆盖范围时,所述云体的分类类型为晴空。

43、优选的,所述特征数据计算模块中的云覆盖率对应的计算式如下:

44、

45、其中,f表示云覆盖率;ncloudy表示云图像素数;nclear表示云图像素总数。

46、优选的,所述特征数据计算模块中的熵值对应的计算式如下:

47、

48、其中,ent表示熵值;i为像素点位置的横坐标;j为像素点位置的纵坐标;p(i,j)表示像素点位置为(i,j)时的像素值。

49、优选的,所述特征数据计算模块中的亮度通道偏斜度对应的计算式如下:

50、

51、其中,sv表示亮度通道偏斜度;m表示横坐标方向的像素点个数;i=1...m;n表示纵坐标方向的像素点个数;j=1...n;v(i,j)表示像素点位置为(i,j)时的亮度通道的像素值;表示亮度通道中所有像素值的平均值;σv表示亮度通道中所有像素值的方差。

52、优选的,所述特征数据计算模块中的蓝色通道偏斜度对应的计算式如下:

53、

54、其中,sb表示蓝色通道偏斜度;m表示横坐标方向的像素点个数;i=1...m;n表示纵坐标方向的像素点个数;j=1...n;b(i,j)表示像素点位置为(i,j)时的蓝色通道的像素值;b表示蓝色通道中所有像素值的平均值;σb表示蓝色通道中所有像素值的方差。

55、优选的,所述折损系数计算模块中的辐照度折损系数对应的计算式如下:

56、

57、其中,k表示辐照度折损系数;t表示当前时刻;t-t表示t小时前的时刻;pa实际表示监测站点在a时刻的监测辐照度数据;pa理论表示a时刻的理论辐照度数据。

58、优选的,所述特征数据计算模块中的云高对应的计算式如下:

59、

60、其中,h表示云高;l表示地基云图数据中的站点之间的距离数据;θ表示站点的拍摄最大角度;r表示地基云图数据中的天空区域半径;d1表示地基云图数据中的云团到云图中心的距离;b1表示地基云图数据中的云团到云图中心与两个站点连线的夹角;d2表示地基云图数据中的云团到云图边缘的距离;b2表示地基云图数据中的云团到云图边缘与两个站点连线的夹角。

61、与最接近的现有技术相比,本发明专利申请具有的有益效果如下:

62、本发明专利申请提供了一种面向分布式光伏功率预测的云分类方法和系统,包括:根据云体的地基云图数据,计算所述云体的云图特征数据和云高;根据所述云体的站点监测数据,得到所述云体的辐照度折损系数;基于所述云体的云图特征数据、云高和辐照度折损系数,利用云分类器,得到所述云体的分类类型;本发明专利申请针对采集的地基云图数据进行云图特征和云高的计算,结合辐照度折损系数,利用云分类器,进行云类型辨识,能够实现云分类的自动化处理,准确预测云的类型,进而能够提高分布式光伏功率预测的准确度和可靠性,优化光伏发电系统的运行和电网调度。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1