(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 202111261372.6 (22)申请日 2021.10.28 (71)申请人 山东电力建 设第三工程有限公司 地址 266100 山东省青岛市崂山区同安路 882-1号鸿泰大厦 (72)发明人 韩兆辉　宋秀鹏　江宇　 (74)专利代理 机构 青岛华慧泽专利代理事务所 (普通合伙) 37247 代理人 刘娜 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06F 119/02(2020.01) (54)发明名称 一种用于 塔式光热电站的DN I预测方法 (57)摘要 本发明公开了一种用于塔式光热电站的DNI 预测方法， 包括图像格式化、 图像切割、 云团检 测、 训练VGG ‑16卷积神经网络识别云团透光率和 预测半小时DNI共五个步骤。 本发明首次将该类 型神经网络应用于超短期光功率预测， 对云团分 类更精细化， 使用实测DNI序列进行云遮判定， 有 效避免了太阳光晕与薄云之间的误检。 本发明可 以提前预测出DNI的变化， 可以给定日镜的投入 数量给出指导建议， 防止出现云层突然离开造成 镜场能量突升， 对吸热器造成的冲击； 因此有助 于延长吸热器的使用寿 命。 权利要求书2页 说明书7页 附图5页 CN 114021442 A 2022.02.08 CN 114021442 A 1.一种用于塔式光热电站的DN I预测方法， 其特 征在于， 包括如下步骤： (1)将全天空成像仪拍摄到的全天空图像序列进行格式化处理， 得到格式化后的全天 空图像Iformat序列； (2)根据当地任一时刻的太阳位置确定出任一时刻太阳在图像Iformat中的位置， 然后在 图像Iformat中以太阳为中心裁剪出一定大小的方形区域， 得到太阳周围区域的切割图像Icut 序列； (3)利用当地的晴空DNI序列和太 阳辐射测量仪实测的DNI序列找 到发生云遮的时刻 t0， 并在切割图像Icut序列中找出拍摄时刻与t0最接近的图像 然后等间隔提取t0时刻前一 段时间的N幅图像， 并将N幅图像 的透光率都标记为时刻t0的云团透光率； 然后基于红蓝通 道阈值法， 识别出切割图像Icut中的云团轮廓； (4)使用VGG ‑16卷积神经网络建立光功率预测模型， 将发生云遮前的N幅图像和其透光 率输入光功率预测模型进行训练； (5)根据当前时刻t1时的云速和当前时刻t1时云团中心在图像 中的位置， 以太阳为 静止参考系， 计算未来时刻t时云团中心在图像 中的位置； 根据太阳与云团中心的相对 位置以及云团轮廓， 判断是否发生云遮， 如果未发生云遮， 则预报的时刻t时的DNI等于时刻 t时的晴空DNI； 如果发生云遮， 则利用训练好的光功率预测模型预测时刻t时云团的透光 率， 预报的时刻t时的DN I＝时刻t时的晴空DN I*时刻t时的云团透光 率。 2.根据权利 要求1所述的一种用于塔 式光热电站的DNI预测方法， 其特征在于， 步骤(1) 中格式化处 理包括去除图像边 缘畸变、 纵轴偏差矫 正和RGB归一 化。 3.根据权利要求2所述的一种用于塔式光热电站的DNI预测方法， 其特征在于， 去除图 像边缘畸变时， 选择去除视角 α >8 0°的像素点， α 为入射光线与Z轴的夹角， Z轴为全天空成像 仪的视轴。 4.根据权利要求2所述的一种用于塔式光热电站的DNI预测方法， 其特征在于， 纵轴偏 差矫正的方法如下： (1)挑选多张太阳位于不同位置处的无云遮图像， 计算图像中太阳的方位角； (2)通过太阳位置模型计算该时刻太阳的实际方位角， 计算全天空成像仪纵轴偏移角 δ， 取平均值作为纵轴补偿角度； (3)将全天空图像逆时针旋转纵轴补偿角度。 5.根据权利 要求2所述的一种用于塔 式光热电站的DNI预测方法， 其特征在于， RGB归一 化的方法为将红、 绿、 蓝三 通道图像除以25 5， 使图像数值在0～1之间。 6.根据权利 要求1所述的一种用于塔 式光热电站的DNI预测方法， 其特征在于， 步骤(2) 中， 图像Icut的确定方法如下： 在图像Iformat中以太阳为中心裁剪出384*384的方形区域， 如 有缺失， 以0填补。 7.根据权利 要求1所述的一种用于塔 式光热电站的DNI预测方法， 其特征在于， 步骤(3) 中， 云团透光 率的计算方法如下： 其中， κ为云团透光率， DNImeasure为太阳辐射测量仪实测的DNI， 为当地的晴空权　利　要　求　书 1/2 页 2 CN 114021442 A 2DNI， 使用REST2模型计算得到； 当κ <0.8时， 判定为发生云遮； 以5分钟为间隔， 提取t0时刻前半小时的6幅图像。 8.根据权利 要求1所述的一种用于塔 式光热电站的DNI预测方法， 其特征在于， 步骤(3) 中， 红蓝通道阈值法的具体方法如下： 其中， RB为红蓝通道比， R为像素点红色通道灰度 值， B为像素点蓝色通道灰度值， ε为设 定阈值。 9.根据权利 要求1所述的一种用于塔 式光热电站的DNI预测方法， 其特征在于， 步骤(4) 中， VGG‑16卷积神经网络包 含1个输入层、 13个卷积层、 3个全连接层和1个输出层共18层。 10.根据权利要求1所述的一种用于塔式光热电站的DNI预测方法， 其特征在于， 步骤 (5)中， 计算未来时刻t时云团在图像Icut中的位置方法如下： 其中 ， 为未来时 刻t时 ， 云团中 心在图 像 中的 像素位置 ， 为当前时刻t1时， 云团中心在图像 中的像素位置， vx为沿x轴的云速， vy为 沿y轴的云速， 为未来时刻t时， 太阳在图像 中的像素位置， 为当前 时刻t1时， 太阳在图像 中的像素位置 。权　利　要　求　书 2/2 页 3 CN 114021442 A 3