[发明专利]一种基于云成像的新能源发电预测方法及装置

说明书

本发明提供了一种基于云成像的新能源发电预测方法及装置，方法具体包括如下步骤：利用采集装置采集天空图像数据以及周围环境数据，对拍摄到的图像进行裁剪，去掉背景物体的干扰，让图像只包含天空信息；对处理后的图像应用深度学习算法对云量进行识别，得到天空图像云量的占比；基于WRF‑3DVAR的同化方法，利用云量百分比数据，每隔3h循环同化，对数值天气预报结果进行修正；用修正的数值天气预报进行超短期预测。本发明实现了对云量的识别，并利用云量的识别结果对数值天气预报结果进行修正，提高光伏超短期预测准确率，减少光伏并网对电网的冲击，提高了经济效益。

技术领域

本发明属于数值天气预报技术领域，尤其是涉及一种基于云成像的新能源发电预测方法及装置。

背景技术

太阳能作为一种清洁能源，已经被广泛的开发和应用。光伏发电是将太阳的辐射量转换成电能，被人们使用。随着开发的越来越多，光伏的大规模并网，由于其具有波动性和随机性，导致对电网的冲击比较大。目前预测系统主要依赖于数值天气预报，而单纯的依赖与数值天气预报对阴晴天、气象的实时波动等信息掌握不全面，从而导致预测精度不是很高。

数值天气预报对于阴晴天的预测准备率较低；卫星云图在时间分辨率和空间分辨率上较低，很难达到场站级的水平；而天空成像仪一般用于研究云的移动，根据云的变化来判断波动情况，由于云的生消等特性使其识别相对困难，同时设备成本较高，对于一个电站来讲，可能需要覆盖几个才能满足要求，经济效益较低。

发明内容

有鉴于此，本发明旨在提出一种基于云成像的新能源发电预测方法，以实时修正数值天气预报的结果，从而提高光伏预测的准确率。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于云成像的新能源发电预测方法，具体包括如下步骤：

(1)利用采集装置采集天空图像数据以及周围环境数据，对拍摄到的图像进行裁剪，去掉背景物体的干扰，让图像只包含天空信息；

(2)对处理后的图像应用深度学习算法对云量进行识别，得到天空图像云量的占比；

(3)基于WRF-3DVAR的同化方法，利用云量百分比数据，每隔3h循环同化，对数值天气预报结果进行修正；

(4)用修正的数值天气预报进行超短期预测。

进一步的，所述步骤(1)中，所述采集装置包括支架及设置在支架上的气压传感器、雨量传感器、风速风向传感器和温度传感器中的任意一种或几种、和170°的超广角摄像头。

进一步的，所述步骤(1)中，具体包括如下步骤：

(11)对采集到的图像应用小波分析进行去噪处理；

(12)初次拍摄图像时，计算相邻两幅图像的差值，提取10组差值结果，然后统计这10组结果中，同一位置为0的个数，当个数大于8时，认为该位置为背景物体，根据区域连通性形成一个闭合区域形成一个掩码图像，然后统计同一行中像素0的个数，当个数大于0.9倍的图像宽度且为第一个符合要求的行时，则将此行作为上边界的位置，最后将边界以下部分图像裁减掉；

(13)对于裁剪后的图像，根据上边确定的掩码图像，确定天空中背景物体所在图像的位置，然后用周边像素八邻域的均值来代替其他物体所在位置的像素值，得到只包含云的图像；

(14)对于只包含云的图像，分别提取R、G和B通道的数据进行滤波处理，选取‘DB5’小波，对图像数据进行分解，对分解后的系数，设计一个窗口大小为5*5的二维自适应维纳滤波进行滤波，对滤波后的数据进行图像重构，然后将滤波后各个通道的数据进行合成，得到滤波后的彩色图像。

进一步的，所述步骤(2)中具体包括：

(21)构建深度学习训练模型的样本库；