(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110986339.3 (22)申请日 2021.08.26 (71)申请人 安徽吉电新能源 有限公司 地址 230088 安徽省合肥市高新区柏堰科 技园明珠大道198号 (72)发明人 王浩　 (74)专利代理 机构 北京中南长风知识产权代理 事务所(普通 合伙) 11674 代理人 穆丽红 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06F 119/02(2020.01) (54)发明名称 一种多维混合气象下光伏电站云层分布状 态预测方法 (57)摘要 本发明属于光伏电站运行环境预测技术领 域， 特别是涉及一种多维混合气象下光伏电站云 层分布状态预测方法， 包括： 步骤1， 采用追踪太 阳当前位置的拍摄方式获取多维混合气象条件 下的云层图像； 步骤2， 基于 所述云层图像对太阳 周边云层的遮挡情况进行分析和预判； 步骤2包 括： 步骤21， 提取所述云层图像中能够表征当前 辐射变化的图像特征量； 步骤22， 将所述图像特 征量作为神经网络输入因子建立超短期辐射度 预测模型； 步骤23， 基于所述地面辐射预测模型 预测光伏电站所在的云层分布状态。 权利要求书4页 说明书9页 附图1页 CN 113887124 A 2022.01.04 CN 113887124 A 1.一种多维混合气象下光伏电站云层分布状态预测方法， 其初始的多维混合气象条件 特征由全天空成像仪获得， 其特 征在于， 包括以下步骤： 步骤1， 采用追踪太阳当前位置的拍摄方式获取多维混合气象条件下的云层图像； 步骤2， 基于所述云层图像对太阳周边云层的遮挡情况进行分析和预判。 2.根据权利要求1所述的一种多维混合气象下光伏电站云层分布状态预测方法， 其特 征在于， 所述 步骤2包括： 步骤21， 提取 所述云层图像中能够表征当前辐射变化的图像特 征量； 步骤22， 将所述图像特 征量作为神经网络 输入因子建立超短期辐射度预测模型； 步骤23， 基于所述 地面辐射预测模型 预测光伏电站所在的云层分布状态。 3.根据权利要求2所述的一种多维混合气象下光伏电站云层分布状态预测方法， 其特 征在于， 所述 步骤21包括： (1)计算图像亮度， 所述云层图像为RGB图像， 将这三种单色按不同比例进行混合就能 够形成自然界中的各种颜色， 每张云层图像都是 由一定数量的像素点构成， 每个像素点都 被赋予了一定的RGB特征值， 具体表现为红、 绿、 蓝三个通道的灰度值； 假设每张云层图像I 由M×N′个像素点组成， 其中1≤i≤ M且1≤j≤N， 通过如下公式计算图像的整体亮度Br： 式中， R(i， j)、 G(i， j)、 B(i， j)分别为任一像素点在三个颜色通道中的灰度值； 云层图 像的整体亮度Br能够简介反映地 面辐射度的变化， 将其作为云层分析的一个特 征量； (2)计算遮光区域， 可以采用两种方法： 基于云层散射原理和云层特 征提取方法； (3)云层图像的特 征提取： 以某一时间段内典型的云层遮挡过程为优选实施方式， 首先将拍摄到的RGB图像I处理 为灰度图像IG， 每个像素的颜色通道由3个降低至1个， 此时像素点灰度值IG(i， j)的范围为 0‑255， 灰度值越高的点越亮。 每张图像中以太阳及其周边部分 的区域亮度最高， 而遮光云 所影响的正是 此片区域； 为了将该区域像 素点提取出来， 对IG中的每个像素点进行重新赋值， 此时每张灰度图像 的分辨率没有改变， 仍 为M×N个像素点， 赋值后的图像为 IG_new， 赋值的原理如下公式所示： 式中α 为灰度阈值， IG_new的意义在于将图像中灰度值大于α 的像素点提出 并形成黑色区 域。 优选的， 将α值设定为 值得注意的时， 此处将灰度 阈值设置为与IG中的最大 灰度值相关的比例系数；权　利　要　求　书 1/4 页 2 CN 113887124 A 2当t(1)时刻无云层遮挡时， 黑色区域即为阳光直射区， 其形状相对规则、 面积相对恒 定； 当t(2)时刻遮光云出现时， 黑色区域为阳光衍射区， 其形状开始发生变化、 面积开始增 大； 当t(3)时刻遮光云继续遮挡时， 黑色区域仍为阳光衍射区， 其形状继续发生变化， 面积 相对t(1)时刻仍保持增长状态； 当t(4)时刻遮光云消失后， 黑色区域恢复为阳光直射区， 其 形状和面积也恢复为t(1)时刻的状态； 通过对上述典型云层遮挡 过程的分析可知， 阳光衍 射区即为遮光区域， 对该区域的面积进行计算即可提取 出云层图像的第二个特 征； 继续对IG_new中的灰度值进行重新分配， 可得到二值图Ibinary， 二值图使用0和1组成的二 维逻辑矩阵表示图像， 这两个值分别对应于黑色遮光区域和白色非遮光区域， 图像分割原 理为： 对二值图Ibinary中的像素点进行统计分析， Ibinary(i， j)＝0的像素点为遮光区域， 其个 数为nblock； Ibinary(i， j)＝1的像素点为非遮光区域， 其个数为nnon‑block， 通过以上公式得到图 像中的遮光区域计算 值CV。 4.根据权利要求3所述的一种多维混合气象下光伏电站云层分布状态预测方法， 其特 征在于所述云层特征提取方法包括： 利用遮光云的当光线穿越云层后发生衍射， 会在图像 中产生发散效果， 利用遮光云在图像中的这一机理特征， 提取云层分析的另一特征量， 即遮 光区域。 5.根据权利要求2所述的一种多维混合气象下光伏电站云层分布状态预测方法， 其特 征在于所述步骤22包括： 太阳辐 射在传播至地面之前需要穿越大气层， 而多维混合气象下 大气层存在大量气体分子、 气溶胶以及细小水滴或冰晶聚合物， 因此辐 射的传输过程往往 伴随着吸收、 发散、 折射现象， 导致其在穿越大气层后产生随机波动； 太阳辐 射在进入大气 层前的辐射量能够通过理论推导计算， 基于天文气象学理论可知， 大气层外辐 射度与赤纬 角 δ、 时角ω和天顶角 θZ密切相关， 其计算原理如下： ω＝15° ×(t‑12) 式中， d代表观测日在一年当中的序号； t代表观测时间单位(小时)； 采标观测地点座 标出维度； 在计算出观测点的赤纬角 δ、 时角ω和天顶角 θZ后， 可通过如下公式得到大气层 外辐射R的理论计算 值：权　利　要　求　书 2/4 页 3 CN 113887124 A 3