[發(fā)明專利]太陽能直射輻射強度信息預測方法和系統

有效

• 申請?zhí)枺?/td>: 201710103508.8
• 申請日: 2017-02-24
• 公開（公告）號: CN106897998B
• 公開（公告）日: 2020-09-04
• 發(fā)明（設計）人: 褚英昊;顧天昊
• 申請（專利權）人: 深圳市微埃智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 劉艷麗;鐘杰婷

1.一種太陽能直射輻射強度信息預測方法，其特征在于，包括以下步驟：

獲取目標區(qū)域內云層信息圖像和目標區(qū)域內太陽輻射值；

利用圖像特征提取法提取所述目標區(qū)域內云層信息圖像的圖像特征值；

根據所述目標區(qū)域內太陽輻射值和所述目標區(qū)域內云層信息的圖像特征值，通過人工神經網絡模型、支持向量機模型或最近鄰居法模型進行訓練學習，獲取直射輻射強度預測模型；

將實測的目標區(qū)域內的云層信息圖像的圖像特征值輸入直射輻射強度預測模型計算目標區(qū)域內目標時間段的太陽能直射輻射強度值和直射輻射強度方差；

根據所述目標區(qū)域內目標時間段的太陽能直射輻射強度值和所述直射輻射強度方差利用高斯分布模型確定太陽能輻射強度概率分布和太陽能直射輻射強度概率分布的置信區(qū)間；

其中，太陽能直射輻射強度信息包括所述目標區(qū)域內目標時間段的太陽能直射輻射強度值、所述直射輻射強度方差、所述太陽能直射輻射強度概率分布以及所述太陽能直射輻射強度概率分布的置信區(qū)間。

2.根據權利要求1所述的太陽能直射輻射強度信息預測方法，其特征在于，利用圖像特征提取法提取所述目標區(qū)域內云層信息圖像的圖像特征值的過程中，包括以下步驟：

提取目標區(qū)域內云層信息圖像的所有像素的紅藍比值；

根據所有像素的紅藍比值確定云層信息圖像的圖像特征值，所述云層信息圖像的圖像特征值包括所有像素的紅藍比值的平均值、方差值以及熵值。

3.根據權利要求1所述的太陽能直射輻射強度信息預測方法，其特征在于，所述圖像特征提取法包括Fourier變換法、窗口Fourier變換(Gabor)、小波變換法或最小二乘法。

4.根據權利要求1所述的太陽能直射輻射強度信息預測方法，其特征在于，所述目標區(qū)域為光伏發(fā)電站所在位置區(qū)域。

5.根據權利要求1所述的太陽能直射輻射強度信息預測方法，其特征在于，在提取所述目標區(qū)域內云層信息圖像的圖像特征值之前，還包括以下步驟：

同步化所述目標區(qū)域內云層信息圖像和所述目標區(qū)域內太陽輻射值，并組建統一的時間序列；

提取所述目標區(qū)域內云層信息圖像的圖像特征值的步驟包括：

根據時間序列提取目標區(qū)域內云層信息圖像的圖像特征值。

6.根據權利要求1所述的太陽能直射輻射強度信息預測方法，其特征在于，所述獲取目標區(qū)域內云層信息圖像和目標區(qū)域內太陽輻射值的步驟，包括：

獲取至少300小時的所述目標區(qū)域內云層信息圖像和所述目標區(qū)域內太陽輻射值。

7.一種太陽能直射輻射強度信息預測系統，其特征在于，包括：

信息獲取模塊，用于獲取目標區(qū)域內云層信息圖像和目標區(qū)域內太陽輻射值；

特征值提取模塊，用于利用圖像特征提取法提取所述目標區(qū)域內云層信息圖像的圖像特征值；

預測模型獲取模塊，用于根據所述目標區(qū)域內的太陽輻射值和所述目標區(qū)域內云層信息的圖像特征值，通過人工神經網絡模型、支持向量機模型或最近鄰居法模型進行訓練學習，獲取直射輻射強度預測模型；

直射輻射強度信息確定模塊，用于將實測的目標區(qū)域內的云層信息圖像的圖像特征值輸入直射輻射強度預測模型計算目標區(qū)域內目標時間段的太陽能直射輻射強度值和直射輻射強度方差；根據所述目標區(qū)域內目標時間段的太陽能直射輻射強度值和所述直射輻射強度方差利用高斯分布模型確定太陽能輻射強度概率分布和太陽能直射輻射強度概率分布的置信區(qū)間；

其中，太陽能直射輻射強度信息包括所述目標區(qū)域內目標時間段的太陽能直射輻射強度值、所述直射輻射強度方差、所述太陽能直射輻射強度概率分布以及所述太陽能直射輻射強度概率分布的置信區(qū)間。

8.根據權利要求7所述的太陽能直射輻射強度信息預測系統，其特征在于，所述特征值提取模塊還包括：

像素比值提取模塊，用于提取目標區(qū)域內云層信息圖像的所有像素的紅藍比值；

特征值計算模塊，用于根據所有像素的紅藍比值確定云層信息圖像的圖像特征值，所述云層信息圖像的圖像特征值包括所有像素的紅藍比值的平均值、方差值以及熵值。