地基天空圖像中云團的特征提取與辨識模型研究.pdf

1、地基天空圖像的云空辨識及云團預測是研究區(qū)域電網(wǎng)光伏發(fā)電功率分布與變化的前提，對支撐調度提高光伏發(fā)電消納比例具有重要意義。本論文在國家自然科學基金(51577067)“基于云團運動數(shù)學描述與量化表征的光伏發(fā)電功率超短期預測方法研究”、光伏發(fā)電主氣象影響因子識別優(yōu)化與功率預測模型研究和云南電網(wǎng)有限責任公司科技項目“云移動矢量場及云空辨識方法研究”的資助下，采用最大類間方差法（Otsu算法）和K-均值聚類算法開展了云空辨識模型的研究工作，并將

2、所建模型應用于云南地區(qū)天空圖像的云空辨識。
　　首先以TSI-VIS-J1006為例介紹了地基天空圖像采集設備的工作原理與采樣頻率、分辨率、文件格式等技術參數(shù)，通過人眼視覺特性引出RGB顏色模型和HSV模型。其次，在分析天空圖像中云團、晴空不同部分各自特征基礎上，分別采用Otsu和K-means算法建立了兩種云空識別模型。然后，為驗證這兩種云空辨識模型的有效性，利用云南某光伏電站全天空成像儀TSI-VIS-J1006采集的天空圖像

3、進行了仿真。最后，將兩種模型分別與固定閾值法處理效果進行對比，結果表明，紅藍波段比為固定閾值的云空辨識方法識別效果較差，誤檢率偏高。Otsu算法選取最佳閾值將天空圖像的飽和度矩陣分割成兩部分，使兩部分類間方差取最大值，即具有最大的分離性，此外通過對無云和全部為云類型的天空圖像添加附加圖像降低了由于云空像素點不平衡造成的辨識誤差，從而能更高效、準確地將云團從天空圖像中識別出來。K-means算法首先采用較高的紅藍分量比值和較低的紅藍分量比

4、值作為固定閾值分割地基天空圖像，依次提取辨識結果中的天空像素點和云像素點的位置信息并獲取原圖像中對應位置的天空像素點和云像素點的RGB值；其次對獲得的天空像素和云像素求均值并將各自均值中的紅藍分量相除獲取初始聚類中心；然后使用K-means算法，利用加權歐式距離計算每一個聚類樣本與聚類中心之間的距離，通過數(shù)次迭代得到聚類結果，進而將聚類結果還原成矩陣得到地基天空圖像的云空辨識結果圖；通過上述處理使K-means算法克服了由于聚類中心的隨