【技术实现步骤摘要】
本专利技术涉及光伏发电功率预测，具体涉及一种基于改进局部云遮挡指数算法的光伏功率预测方法和系统。
技术介绍
1、在当今社会，能源危机与环保问题日渐突出，传统能源已无法继续推动人类的可持续发展目标，太阳能作为最容易被发现和利用的可再生资源，愈发受到人们的关注，光伏发电技术也得到了迅猛发展。然而由于云层运动，光伏发电量的变化呈现间歇性和波动性，因而如何有效提取天空中云层信息、准确预测光伏发电量，对电网的运营和优化具有重大意义。
2、近年来，天空图像已被广泛用于光伏发电的预测，通过研究整个天空中的云层覆盖率，可以有效提取天空中的云信息。但是，传统方法只关注整个天空中的云量，并未考虑太阳周围局部的云覆盖情况，忽视了云在短时间内的快速变化，同时在处理天空图像、提取局部云量时，由于太阳光晕的存在，阳光往往会被误认为是薄云，造成错误的云量计算，从而影响光伏功率估测的精度。
3、上述问题是目前亟待解决的。
技术实现思路
1、本专利技术的目的是提供一种基于改进局部云遮挡指数算法的光伏功率预测方法和系统，用于提高预测光伏功率的精度。
2、为了要克服现有技术的上述至少一个缺点，一方面，本专利技术提供了一种基于改进局部云遮挡指数算法的光伏功率预测方法，所述方法包括：获取原始天空图像；基于所述原始天空图像根据太阳天顶角、太阳方位角和图像半径信息计算出原始天空图像中太阳坐标；根据所述原始天空图像中太阳坐标得到以太阳为中心的矩形太阳块图像；通过加入自适应参数构建优化后的二维高
3、进一步的，所述基于所述天空图像信息根据太阳天顶角、太阳方位角和图像半径信息计算出天空图像中太阳坐标包括：式中，x表示太阳在x坐标上的位置，y代表太阳在y坐标上的方位，r是天空图像半球半径，x0和y0是天空图像的中心坐标，是太阳方位角，θ是太阳天顶角。
4、进一步的，所述通过加入自适应参数构建优化后的二维高斯函数包括：所述优化后的二维高斯函数为：
5、式中，s(p,λ)表示二维高斯函数作用在日光区的每个像素的每条颜色通道上，α(λ)为颜色滤波，i表示位于太阳像素点坐标的像素强度值，β为自适应参数，d表示图像中其他像素点(m,n)与太阳像素点的中心坐标(m0,n0)之间的距离。
6、进一步的，所述通过加入自适应参数构建优化后的二维高斯函数包括：分离太阳块图像中的太阳、云层及天空，将太阳块图像转化为灰度图；对太阳块图像执行二值化操作生成待处理的太阳光晕轮廓图；利用形态学腐蚀计算太阳块图像相关参数；基于太阳块图像相关参数计算得到自适应参数；基于太阳块图像相关参数和自适应参数构建高斯函数滤波表达式。
7、进一步的，所述基于处理后的太阳块图像计算局部云遮挡指数包括：采用蓝红蓝绿比通道法，计算蓝红蓝绿比通道值分别得到太阳、云层和天空的像素；利用k均值聚类算法，使用掩模图像识别云天区域；以云天像素的灰度值作为聚类的输入进行云天识别；统计云层和天空的像素数量；通过云层像素数量除以总像素数量计算局部云遮挡指数；所述总像素数量为天空像素数量和太阳像素数量和云层像素数量的总和。
8、进一步的，所述基于太阳块图像亮度值计算太阳块图像中的关键区域亮度包括：针对rgb图像中的每一个像素点i，使用经典亮度公式计算太阳块图像亮度值：yi＝0.2126·ri+0.7152·gi+0.0722·bi；式中，ri、gi和bi分别表示红色、绿色和蓝色三个色彩通道的亮度值；对太阳块图像进行gamma校正，公式为：
9、yi′＝n(yi/n)γ；
10、式中，n为进行归一化的像素值，γ为gamma校正因子，yi′为进行gamma校正后的太阳块图像亮度值；对所有i个采样点的像素值在图像中进行平均，即为太阳块图像中的关键区域亮度，公式为：
11、
12、式中，l为太阳块图像中的关键区域亮度，n为大于1的正整数。
13、进一步的，所述以resnet18网络模型为提取原始天空图像特征的主干模型，添加非对称卷积块和se注意力机制用以优化resnet18网络结构包括：添加非对称卷积块作为resnet18的初始卷积层，并插入三层se注意力机制；其中resnet18网络模型架构设计包含五个卷积组、三个se层，最大池化层和平均池化层，以及每个残差块的捷径。
14、进一步的，所述以resnet18网络模型为提取原始天空图像特征的主干模型，添加非对称卷积块和se注意力机制用以优化resnet18网络结构包括：第一个部分包括非对称卷积块和尺寸为3×3的卷积层；第二个部分包括最大池化层、四个残差块和三个se层；第三个部分以全局平均池化层和具有relu的32路全连接层结束，对整个网络在结构上做正则化防止过拟合，汇总各个通道的特征信息，经过全连接层输出至下一个融合层。
15、进一步的，所述通过向所述光伏功率预测模型输入天空图像信息作为图像特征，输入关键区域亮度和局部云遮挡指数作为数值特征，进而通过光伏功率预测模型输出预测的光伏功率包括：以原始天空图像作为图像特征，局部云遮挡指数和关键区域亮度作为数值特征，结合优化后的resnet18网络模型和mlp网络模型，经过连接层实现特征融合，将优化后的resnet18网络模型输出特征与mlp网络模型输出的数值特征相结合后，输入具有1个神经元的全连接层进行最终回归，进而输出预测的光伏功率。
16、第二方面，本专利技术提供了一种基于改进局部云遮挡指数算法的光伏功率预测系统，所述系统包括：获取模块，适用于获取原始天空图像；计算太阳坐标模块，适用于基于所述原始天空图像根据太阳天顶角、太阳方位角和图像半径信息计算出原始天空图像中太阳坐标；生成太阳块图像模块，适用于根据所述原始天空图像中太阳坐标得到以太阳为中心的矩形太阳块图像；优化模块，适用于通过加入自适应参数构建优化后的二维高斯函数；生成处理后的太阳块图像模块，适用于对所述矩形太阳块图像采用优化后二维高斯函数和k均值聚类算法消除太阳光晕生成处理后的太阳块图像；计算局部云遮挡指数模块，适用于基于处理后的太阳块图像计算局部云遮挡指数；计算关键区域亮度模块，适用于基于太阳块图像亮度值计算太阳块图像中的关键区域亮度；优化resnet18网络结构模块，适用于以resnet18网本文档来自技高网...
【技术保护点】
1.一种基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述基于所述天空图像信息根据太阳天顶角、太阳方位角和图像半径信息计算出天空图像中太阳坐标包括：
3.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述通过加入自适应参数构建优化后的二维高斯函数包括：
4.根据权利要求3所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述通过加入自适应参数构建优化后的二维高斯函数包括：
5.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述基于处理后的太阳块图像计算局部云遮挡指数包括：
6.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述基于太阳块图像亮度值计算太阳块图像中的关键区域亮度包括：
7.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述以ResNet18网络模型
8.根据权利要求7所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述以ResNet18网络模型为提取原始天空图像特征的主干模型，添加非对称卷积块和SE注意力机制用以优化ResNet18网络结构包括：
9.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述通过向所述光伏功率预测模型输入天空图像信息作为图像特征，输入关键区域亮度和局部云遮挡指数作为数值特征，进而通过光伏功率预测模型输出预测的光伏功率包括：
10.一种基于改进局部云遮挡指数算法的光伏功率预测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述基于所述天空图像信息根据太阳天顶角、太阳方位角和图像半径信息计算出天空图像中太阳坐标包括：
3.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述通过加入自适应参数构建优化后的二维高斯函数包括：
4.根据权利要求3所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述通过加入自适应参数构建优化后的二维高斯函数包括：
5.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述基于处理后的太阳块图像计算局部云遮挡指数包括：
6.根据权利要求1所述的基于改进局部云遮挡指数算法的光伏功率预测方法，其特征在于，所述基于太阳块图像亮度值计算太...
【专利技术属性】
技术研发人员：郑剑锋，翟凯，赵磊，尹德扬，吴子杰，
申请(专利权)人：常州大学，
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。