【技术实现步骤摘要】
本申请涉及数据处理及深度学习领域，尤其涉及一种云图预测方法和装置。
技术介绍
1、光伏系统需要根据天空的变化进行控制，从而实现最大化发电效率。因此，预测未来的天空全景图像对于光伏控制系统的预测和控制任务具有重要意义。目前在采集天空全景图像的同时，还采集了其他气象数据，例如温度、湿度、风速和辐射等。温度、湿度、风速和辐射等气象数据与云层的变化和太阳光的遮挡都有紧密的相关性。而目前的天空全景图像预测方法中，只将采集的天空全景图像作为特征数据，未考虑相应的气象数据，导致预测的天空全景图像准确性不足。
技术实现思路
1、本申请提供一种云图预测方法和装置，以解决上述的技术问题。
2、为此，本申请实施例一方面提供一种云图预测方法，所述方法包括：
3、采集多个第一时间点的待测云图和待测气象数据，所述多个第一时间点为间隔预设时间的不同时间点；
4、基于所述第一时间点的待测云图和待测气象数据确定所述第一时间点的混合特征数据；
5、基于所述多个第一时间点的混合特征数据进行预测，得到预设预测数量个第二时间点的预测云图，所述多个第二时间点为间隔所述预设时间的不同时间点，最早的第二时间点晚于最晚的第一时间点且相隔所述预设时间。
6、其中，所述基于所述第一时间点的待测云图和待测气象数据确定所述第一时间点的混合特征数据，包括：
7、基于所述第一时间点的待测云图确定图像特征数据，所述图像特征数据为三个通道的矩阵；
8、基于所述第一
9、将所述至少一个通道的矩阵与所述图像特征数据进行合并，得到所述第一时间点的混合特征数据。
10、其中，所述基于所述多个时间点的混合特征矩阵进行预测，包括：
11、按照时间顺序对所述多个第一时间点进行遍历；
12、基于当前第一时间点的混合特征数据、上一个第一时间点的第一时间特征数据和第二时间特征数据确定当前第一时间点的第一时间特征数据和第二时间特征数据，第一个第一时间点用于计算的第一时间特征数据为预设第一时间特征数据，第二时间特征数据为预设第二时间特征数据；
13、所述遍历完成后，得到最后一个第一时间点的第一时间特征数据和第二时间特征数据。
14、其中，所述第一个第二时间点的第一时间特征数据和第二时间特征数据之后，还包括：
15、按照时间顺序对所述预设预测数量个第二时间点进行遍历；
16、基于当前第二时间点的混合特征数据、上一个第二时间点的第一时间特征数据和第二时间特征数据确定当前第二时间点的第一时间特征数据和第二时间特征数据，第一个第一时间点用于计算的第一时间特征数据为最后一个第一时间点的第一时间特征数据，第二时间特征数据为最后一个第一时间点的第二时间特征数据；
17、基于当前第二时间点的第一时间特征数据和第二时间特征数据进行预测，得到当前第二时间点的预测云图；
18、所述遍历完成后，得到预设预测数量个第二时间点的预测云图。
19、其中，所述基于当前时间点的混合特征数据、上一个时间点的第一时间特征数据和第二时间特征数据确定当前时间点的第二时间特征数据，包括：
20、基于当前时间点的混合特征数据、上一个时间点的第一时间特征数据和第二时间特征数据确定当前时间点的第一加权特征数据和第二加权特征数据；
21、基于当前时间点的混合特征数据、第一加权特征数据、第二加权特征数据和上一个时间点的第一时间特征数据确定当前时间点的第二时间特征数据。
22、其中，所述基于当前时间点的混合特征数据、上一个时间点的第一时间特征数据和第二时间特征数据确定下一个时间点的第一时间特征数据，包括：
23、基于当前时间点的混合特征数据、第二时间特征数据和上一个时间点的第一时间特征数据确定当前时间点的第三加权特征数据；
24、基于当前时间点的第三加权特征数据和第二时间特征数据确定当前时间点的第一时间特征数据。
25、本申请实施例另一方面提供一种云图预测装置，所述装置包括：
26、采集模块，用于采集多个第一时间点的待测云图和待测气象数据，所述多个第一时间点为间隔预设时间的不同时间点；
27、计算模块，用于基于所述第一时间点的待测云图和待测气象数据确定所述第一时间点的混合特征数据；
28、深度学习模块，用于基于所述多个第一时间点的混合特征数据进行预测，得到预设预测数量个第二时间点的预测云图，所述多个第二时间点为间隔所述预设时间的不同时间点，最早的第二时间点晚于最晚的第一时间点且相隔所述预设时间。
29、其中，还包括：
30、所述计算模块，还用于基于所述第一时间点的待测云图确定图像特征数据，所述图像特征数据为三个通道的矩阵；
31、所述计算模块，还用于基于所述第一时间点的待测气象数据和所述图像特征数据的矩阵大小确定至少一个通道的矩阵；
32、处理模块，用于将所述至少一个通道的矩阵与所述图像特征数据进行合并，得到所述第一时间点的混合特征数据。
33、其中，所述计算模块，还用于按照时间顺序对所述多个第一时间点进行遍历；
34、所述计算模块，还用于基于当前第一时间点的混合特征数据、上一个第一时间点的第一时间特征数据和第二时间特征数据确定当前第一时间点的第一时间特征数据和第二时间特征数据，第一个第一时间点用于计算的第一时间特征数据为预设第一时间特征数据，第二时间特征数据为预设第二时间特征数据；
35、所述计算模块，还用于所述遍历完成后，得到最后一个第一时间点的第一时间特征数据和第二时间特征数据。
36、其中，所述计算模块，还用于按照时间顺序对所述预设预测数量个第二时间点进行遍历；
37、所述计算模块，还用于基于当前第二时间点的混合特征数据、上一个第二时间点的第一时间特征数据和第二时间特征数据确定当前第二时间点的第一时间特征数据和第二时间特征数据，第一个第一时间点用于计算的第一时间特征数据为最后一个第一时间点的第一时间特征数据，第二时间特征数据为最后一个第一时间点的第二时间特征数据；
38、所述深度学习模块，还用于基于当前第二时间点的第一时间特征数据和第二时间特征数据进行预测，得到当前第二时间点的预测云图；
39、所述计算模块，还用于所述遍历完成后，得到预设预测数量个第二时间点的预测云图。
本文档来自技高网...【技术保护点】
1.一种云图预测方法，所述方法包括：
2.根据权利要求1所述的云图预测方法，所述基于所述第一时间点的待测云图和待测气象数据确定所述第一时间点的混合特征数据，包括：
3.根据权利要求1所述的云图预测方法，所述基于所述多个时间点的混合特征矩阵进行预测，包括：
4.根据权利要求3所述的云图预测方法，所述第一个第二时间点的第一时间特征数据和第二时间特征数据之后，还包括：
5.根据权利要求3或4所述的云图预测方法，所述基于当前时间点的混合特征数据、上一个时间点的第一时间特征数据和第二时间特征数据确定当前时间点的第二时间特征数据，包括：
6.根据权利要求5所述的云图预测方法，所述基于当前时间点的混合特征数据、上一个时间点的第一时间特征数据和第二时间特征数据确定下一个时间点的第一时间特征数据，包括：
7.一种云图预测装置，所述装置包括：
8.根据权利要求7所述的云图预测装置，还包括：
9.根据权利要求7所述的云图预测装置，包括：
10.根据权利要求9所述的云图预测装置，包括：
【技术特征摘要】
1.一种云图预测方法，所述方法包括：
2.根据权利要求1所述的云图预测方法，所述基于所述第一时间点的待测云图和待测气象数据确定所述第一时间点的混合特征数据，包括：
3.根据权利要求1所述的云图预测方法，所述基于所述多个时间点的混合特征矩阵进行预测，包括：
4.根据权利要求3所述的云图预测方法，所述第一个第二时间点的第一时间特征数据和第二时间特征数据之后，还包括：
5.根据权利要求3或4所述的云图预测方法，所述基于当前时间点的混合特征数据、上...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：领鞅科技杭州有限公司，
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。