[發明專利]一種基于云成像的新能源發電預測方法及裝置

有效

• 申請號: 201711365173.3
• 申請日: 2017-12-18
• 公開（公告）號: CN108133182B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 向婕;雍正;呂建馳
• 申請（專利權）人: 國能日新科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06Q10/04;G06Q50/06
• 代理公司: 天津合正知識產權代理有限公司 12229
• 代理人: 李成運;李震勇

1.一種基于云成像的新能源發電預測方法，其特征在于：具體包括如下步驟：

（1）利用采集裝置采集天空圖像數據以及周圍環境數據，對拍攝到的圖像進行裁剪，去掉背景物體的干擾，讓圖像只包含天空信息；

（2）對處理后的圖像應用深度學習算法對云量進行識別，得到天空圖像云量的占比；

（3）基于WRF-3DVAR的同化方法，利用云量百分比數據，每隔3h循環同化，對數值天氣預報結果進行修正；

（4）用修正的數值天氣預報進行超短期預測；

所述步驟（1）中，具體包括如下步驟：

（11）對采集到的圖像應用小波分析進行去噪處理；

（12）初次拍攝圖像時，計算相鄰兩幅圖像的差值，提取10組差值結果，然后統計這10組結果中，同一位置為0的個數，當個數大于8時，認為該位置為背景物體，根據區域連通性形成一個閉合區域形成一個掩碼圖像，然后統計同一行中像素0的個數，當個數大于0.9倍的圖像寬度且為第一個符合要求的行時，則將此行作為上邊界的位置，最后將邊界以下部分圖像裁減掉；

（13）對于裁剪后的圖像，根據上邊確定的掩碼圖像，確定天空中背景物體所在圖像的位置，然后用周邊像素八鄰域的均值來代替背景物體所在位置的像素值，得到只包含云的圖像；

（14）對于只包含云的圖像，分別提取R、G和B通道的數據進行濾波處理，選取‘DB5’小波，對圖像數據進行分解，對分解后的系數，設計一個窗口大小為5*5的二維自適應維納濾波進行濾波，對濾波后的數據進行圖像重構，然后將濾波后各個通道的數據進行合成，得到濾波后的彩色圖像。

2.根據權利要求1所述的一種基于云成像的新能源發電預測方法，其特征在于：所述步驟（1）中，所述采集裝置包括支架及設置在支架上的氣壓傳感器、雨量傳感器、風速風向傳感器和溫度傳感器中的任意一種或幾種、和170°的超廣角攝像頭。

3.根據權利要求1所述的一種基于云成像的新能源發電預測方法，其特征在于：所述步驟（2）中具體包括：

（21）構建深度學習訓練模型的樣本庫；

（22）建立十一層深度學習網絡模型，對于建立好的網絡模型，應用caffe的開源架構對網絡模型參數進行訓練，得到對云識別的模型；

（23）將預處理后的圖像，帶入到訓練好的神經網絡模型中，得到預測結果。

4.根據權利要求3所述的一種基于云成像的新能源發電預測方法，其特征在于：所述步驟（22）中建立十一層深度學習網絡模型具體過程如下：

建立十一層深度學習網絡結構，第一層為卷階層，用128個大小為11*11的卷積核，以5個像素為步長，以“relu”函數為激活函數，經過pooling層處理，來提取天空彩色圖像的特征；

第二、三層采取與第一層類似的結構，分別將卷積核個數修改為256和512，大小修改為7*7和5*5；

第四層以1024個大小為3*3的卷積核，用“relu”函數為激活函數，對上一層的卷積圖像結果進行濾波操作，提取新的特征；

第五層與第四層的結構一樣；

第六層與第四層結構類似，但是將卷積核修改為512個；

第七層為全連接層，設置1024個神經元，以“relu”函數為激活函數，應用dropout算法來減少過擬合的情況；

第八、九和十層與第七層結構類似，但是將神經元分別設置為512、256和128；

第十一層為輸出層。

5.根據權利要求1所述的一種基于云成像的新能源發電預測方法，其特征在于：所述步驟（3）具體包括，由WRFDA模塊中的兩個模塊WPS和REAL產生首次同化所需的初始場，把拍照反演的云量數據當做觀測文件，并輸入背景誤差協方差文件，根據初始場、觀測文件以及誤差文件進行同化；同化后新的邊界條件和初始條件用來驅動WRF，WRF向前積分的結果作為下一次同化的初始場，如此循環，最后得到循環同化后的數據。