[發明專利]一種基于典型云層遮擋輻照差異的超短期輻照預測方法

有效

• 申請號: 202010558199.5
• 申請日: 2020-06-18
• 公開（公告）號: CN111738327B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 邵璽;張臻;伍敏燕;徐國安;杜聚鑫
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/762;G06V10/764;G06V10/82;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 何春廷

1.一種基于典型云層遮擋輻照差異的超短期輻照預測方法，其特征在于，

獲取即時的同一觀測點的地基云圖與輻照數據；

從地基云圖中獲得子圖像，根據子圖像分類模型對子圖像進行分類；

對地基云圖進行特征數據提取；

根據子圖像的分類結果，選擇預先訓練好的預測模型，根據輻照數據和提取的特征數據確定輸入量，將輸入量輸入到所述預測模型，輸出超短輻照預測值；

所述子圖像分類模型采用基于支持向量機構建的模型，模型建立包括：子圖像定標簽、子圖像分類模型訓練、即時子圖像分類；

所述子圖像定標簽包括：對前期積累的地基云圖進行區塊劃分獲得若干子圖像，并對子圖像所屬的云類型給定標簽值；所述云類型包括：無云、卷云、卷層云、高積云、積云、層云，分別對應云類型標簽值0～5；

所述子圖像分類模型訓練包括：

建立子圖像訓練樣本集，所述建立子圖像訓練樣本集的過程為：

建立單個子圖像對應的輸入量p＝[ME_R，ME_B，SD_B，SK_B，D_ij，EN_B，CON_B，ENT_B，HOM_B，CC]，將輸入量p與子圖像類型標簽值g組成訓練樣本集T0為：

T0＝{(p¹,g₁),(p²,g₂),...,(pⁿ,g_n)}

其中，(p¹,g₁)為第一個子圖像輸入量與其類型標簽值組成的單個訓練樣本，n為參與訓練的子圖像總數目；

R通道及B通道平均灰度值：

B通道標準差SD_B：

B通道偏度SK_B：

灰度偏差D_ij：

D_ij＝ME_i-ME_j；

其中，i,j∈{R，G，B}，a_li表示像素l在i通道對應的灰度值，l∈{0,…,(N－1)}，N表示單個子圖像的總像素數目；

B通道能量EN_B：

B通道對比度CON_B：

B通道熵ENT_B：

B通道逆方差HOM_B：

其中，M表示圖像灰度級數，P^Δ(a,b)表示圖像灰度共生矩陣中兩點灰度值a和b的像素距離；

區塊云層覆蓋率：CC＝N_cloud/N；

其中，N_cloud為單個子圖像中云像素點的數目；

將構建的子圖像訓練集T0中的子圖像輸入量與類型標簽值通過支持向量機進行樣本集數據邊界劃分，建立子圖像分類模型。

2.根據權利要求1所述的基于典型云層遮擋輻照差異的超短期輻照預測方法，其特征在于，所述子圖像采用基于正方形網格的劃分方式，將地基云圖進行等大小區塊劃分。

3.根據權利要求1所述的基于典型云層遮擋輻照差異的超短期輻照預測方法，其特征在于，所述對地基云圖進行特征數據提取的過程包括：

計算地基云圖中總云量占比，得到二值化云圖；判別云層運動方向，在運動反方向上劃分網格，求取各網格內的云量占比。

4.根據權利要求3所述的基于典型云層遮擋輻照差異的超短期輻照預測方法，其特征在于，所述總云量占比的計算方法采用利用最小交叉熵法確定云圖的歸一化紅藍比最佳閾值來判斷云層與天空，判斷得到的云層總像素點與云圖總像素數目的比值為總云量占比C。