基于孪生网络的天空图像辐射照度预测

辐射照度是影响太阳能输出的主要途径之一,对太阳能发电并网后输出功率的稳定性有重要影响。当辐射照度快速变化时,电网受到冲击并破坏外部整体的稳定运行,因此获得短时间内辐射照度的变化趋势对电网的实时调整具有重要的作用。基于此,利用天空图像,提出了一种基于孪生神经网络的超短期辐射照度预测方法。将相邻一段时间间隔的天空图像分为一组,两组图像分别送入权值共享的孪生神经网络中提取特征向量,以映射一段时间内的天空变化,然后将特征向量,与输入的天空图像相对的两组的辐射照度,与实时照度一起进入全连接层得到预测结果。经数据集验证,在使用不同的主干网络进行对比后,ResNet-34展示出较好的预测性能,具有一定的推广价值。

晴空与有云大气辐射分布的数值模拟及其对全天空图像云识别的应用

全天空图像自动云识别的研究相对来说是一项较新的研究领域。当前国际上较为通用的全天空图像云识别方法主要依靠图像蓝红灰度值对比的阈值方法进行判断。然而非洁净大气中气溶胶的增多给云识别增加了难度,同时太阳高度角不同天空色度分布情况也不同。文中利用Libradtran辐射传输模式,计算了不同能见度不同太阳高度角情况下3个典型波长(450,550,650nm;蓝/绿/红)无云及有云大气的天空辐亮度分布情况,并进行了比较分析。结果表明,相同太阳高度角情况下,无云及有云大气中蓝红比值随能见度的下降呈单调下降趋势。在特定的云光学厚度和能见度情况下,天空色度彼此呈现出类似的分布状况。全天空图像阈值判断云识别自适应算法的建立需要与太阳高度角、地面能见度联系起来。当前尚无法建立一个判断阈值随太阳高度角以及能见度变化的函数关系式。较为可行的办法是建立典型能见度、典型太阳高度角情况下的辐射信息库,在具体云识别时,首先确定太阳高度角,而后根据天空辐射比情况确定天空能见度,并利用辐射信息标准库做云或非云判别。该工作为全天空云识别算法提供判别依据,同时建立云识别随能见度和太阳高度角变化的判别信息库。

云背景红外天空图像的统计模型与仿真

以实测红外云背景天空图像为研究对像,重点对其傅里叶功率谱、灰度分布等统计特性进行了分析,并通过对功率谱函数和灰度分布函数的拟合构造了目标图像的参数模型.与传统的基于背景红外成像特性三要素的模型相比,本模型参数大大减少且没有冗余信息,更有利于控制和使用.为实际应用的需要和验证模型的有效性,以所构造的模型为基础,设计适当的仿真算法生成了云背景红外天空仿真图像,并对仿真图像质量进行了检验.实验结果表明,使用文中的仿真算法得到的仿真图像与具有相同模型参数的真实图像的相似度大于80%,且具有较强的视觉相似性,证明了模型的有效性.

基于全天空图像的极光活动变化检测方法研究

面对日积月累产生的海量极光数据,快速发现极光现象的发生及活动特征是研究极光的物理机制及相关动力学过程的首要问题,它为研究极光现象提供有效的自动化分析手段,从而能够提供充足而有效的事件用于统计学分析.因为太阳风是等离子体,它有着磁流体力学的特征,本文采用流体力学的连续性方程对极光运动进行建模,提取全天空极光图像序列的运动场,对极光活动进行表征,进而构造极光活动变化曲线,从而有效的检测出极光活动的变化.该方法的优势在于,基于运动场的表征方法能够有效反映极光活动的二维形态和运动特征,生成的极光活动变化曲线可以准确地指示极光发生、变化和消失的时间,为进一步研究极光的活动周期及相关物理变化奠定基础.

全天空图像分析西藏羊八井2009～2010年云量特征

运用西藏羊八井观测站2009～2010年近1年的高时空分辨率全天空图像资料分析了测站上空的日间云量特征。年平均总云量统计结果为5.2;冬夏季节云量分布差别明显,夏季平均云量大,冬季小;无云、少云天气多出现在冬季上午,而夏季午后满云情况较多;1～4月及11、12月(冬半年)云量日变化特征明显,上午逐步增加,至17:00(北京时间)左右到达高值,随后逐步下降,形成白天云量渐多夜间云量消散的"循环"过程。运用该地资料还分析了运用时间概率方法估算的点云量与实际云量的差异,小时平均结果显示无云及满云天气条件下二者云量一致性较高,而对中等云量天气二者相差较大。更长时间尺度(天平均)的统计对比表明,随着统计样本增加二者差距缩小。总体来看少云天气情况下点概率云量估算低于实际天空云量,当天空多云时点概率云量则大于实际天空云量。

基于相位相关的天空图像云团运动速度计算方法研究

光伏电站天空图像中云团运动速度的快速准确计算是进行光伏功率分钟级超短期预测的前提基础。针对目前采用图像分割匹配计算方法耗时较长的缺点,基于分钟级时间尺度下相邻天空图像中云团形变较小的条件,根据图像相位差的周期分布特性,提出一种基于傅里叶相位相关理论的云团分钟级运动速度计算方法,并定义针对其计算结果准确性的评估指标。实际算例对比结果表明,在相同计算精度前提下,该方法较现有方法可大幅减少运算时间,且鲁棒性与抗干扰能力更强。

服务于区域光伏预测的天空图像K-means云空辨识模型

地基天空图像的云空辨识及云团预测是研究区域电网光伏发电功率分布与变化的前提,对支撑调度提高光伏发电消纳比例具有重要意义。首先分别采用较高的红蓝分量比值和较低的红蓝分量比值作为固定阈值分割地基天空图像,依次提取辨识结果中的天空像素点和云像素点的位置信息并获取原图像中对应位置的天空像素点和云像素点的RGB值;其次对获得的天空像素和云像素求均值并将各自均值中的红蓝分量相除获取初始聚类中心;然后使用K-means算法,利用加权欧式距离计算每一个聚类样本与聚类中心之间的距离,通过数次迭代得到聚类结果,进而将聚类结果还原成矩阵得到地基天空图像的云空辨识结果图;最后利用云南某光伏电站全天空成像仪TSI-VIS-J1006采集的天空图像进行仿真,结果表明该方法较固定阈值法的收敛速度更快、聚类精度更高,能够有效实现地基天空图像的云空辨识。

一种基于神经网络的天空图像到太阳辐照度的映射模型

由于太阳辐射的随机波动性,大型光伏并网发电会给电力系统的稳定运行带来严重影响。为了实现基于天空图像的超短期光伏功率预测,提高电网对光伏功率的消纳能力,一个能够将天空图像映射到相应地表太阳辐射的精确模型具有重要意义。因此,提出了一种基于神经网络的天空图像到太阳辐照度的映射模型。首先,结合地外太阳辐照度和大气光学厚度理论计算值,建立净空表面辐照度模型;其次,对全天空成像仪观测到的天空图像进行处理,提取与太阳辐照度相关的图像特征;最后,利用历史天空图像和太阳辐照度数据,建立基于神经网络的辐照度模型。仿真结果表明,该模型能够准确地将不同天气条件下的天空图像特征映射到地表太阳辐照度,验证了该模型的有效性和实用性。

基于星点的全天空极光图像参数标定及其验证

全天空极光成像仪是地基极光观测研究的重要仪器设备,从其拍摄的全天空图像数据中能获得极光形态、尺度、激发强度等重要物理参数,因而精确标定全天空图像,对准确获取极光相关物理参数极为重要.本文提出了一种基于星点位置信息对全天空图像进行标定的方法,通过该方法可以确定全天空图像参数(天顶在全天空图像中的像素点位置,地理方位以及视野范围内成像半径与天顶角的关系).利用电离层卫星探测到的极光沉降电子能谱中的"倒V"结构与极光弧之间的对应关系,对星点标定方法获取的全天空图像参数进行了验证.结果显示卫星穿越的"倒V"结构宽度(60±6km、102±6km)与同时全天空极光成像仪观测到的卫星穿越的极光弧宽度(64.7±7km、111.6±7km)几乎一致,这表明本文提出的全天空极光图像参数的星点标定方法是有效和准确的.

极光全天空视频图像分析系统

全天空成像观测是目前极光地面观测和反演磁层结构与动力学行为最有效的手段之一，本文介绍在参照WDC－C2极光数据中心ADPRS（AuroralDataProcessing＆RetrievingSystem）系统功能的基础上，采用视频图像采集技术，首次在微机上开发成功的一个极光全天空视频图像分析系统．该系统在图像处理用户界面的构建上采用了视窗编程技术，在全天空图像到地磁坐标／地理坐标的投影变换中首次引入了强度修正因子，其功能可与ADPRS系统媲美．

全天空云识别阈值法的数值模拟初步研究

利用Libradtran辐射传输模式,分别计算不同能见度和不同云型分布条件下蓝红 (450 nm,650 nm)波段辐亮度比值的全天空分布,分析得出云识别辐射比的最优阈值蓝红比为 1．30．分析了选取该阈值时不同能见度下云的有效识别范围．结果表明近地平天空云识别误差较大．能见度小于2 km时,阈值法进行云识别不可行．

基于机器学习的极光图像自动分割方法

极光是太阳风能量注入到极区的指示器,从观测视野中准确分割出极光区域对研究极光演变如亚暴过程有非常重要的意义.本文基于全卷积神经网络提出了一种弱监督极光图像自动分割策略,数据标记时仅需指定极光区域的一个像素点即可,极大解决了机器学习人工标注数据的压力.首先利用简单单弧状极光图像训练一个初始分割模型Model 1,然后基于该模型,结合热点状和复杂多弧状极光图像获得一个增强的分割模型Model 2,最后对分割结果做进一步优化.本文对2003—2007年北极黄河站越冬观测的2715幅极光图像进行了分割,并和最新论文结果及人工标签进行了定量和定性比较,其中分割结果与人工标签的“交并比”高达60%,证明了本文方法的有效性.

太空望远镜绘制全天图像展示暗淡银河系

北京时间2月16日消息，科学家利用普朗克太空望远镜的观测数据绘制了一组全天空图像，展示暗淡的银河系带。这些图像揭示了一系列神秘细节，例如银河系难以探测的“寒冷核心”。在这一区域，恒星在接近绝对零度的极度低温条件下形成。

面向光伏发电功率预报的云层图像采集与分割研究

设计了一种跟踪太阳的机械装置,能够利用全景相机采集天空图像,并确保太阳在图像的中心区域,以获取更多更有效的云层信息。依据采集图像中白色云层与蓝色天空所含颜色分量的不同,提出一种基于颜色特征的云层检测方法,可以将云层从全景图像中分割出来,并对不同类型的云层进行处理。试验结果表明,设计的图像采集装置能有效获取太阳能电站区域的天空全景图像,设计的图像处理算法能有效分割云层区域,从而为后续的太阳能预报打下基础。

基于聚类的极光形态分类的探索性研究

极光形态为研究日地物理过程提供了显著、直观和具有可识别性的特征。合理分类对研究各类极光现象与磁层动力学过程之间的关系尤为重要。极光形态分类机制的选择问题是极光有监督分类研究被主要诟病的问题之一。有监督分类实验中人工标记的工作量非常浩大,而且不能保证标记的准确性。更重要的是,高分类正确率只能说明自动分类符合人的认识,有监督分类结果无法验证分类机制的正确性。现有的分类机制是否为极光数据空间的真实划分,是否存在更为合理的分类机制都是我们应该探讨的问题。针对该问题,基于已有的全天空极光图像表征方法,引入聚类算法探究极光特征空间的结构,利用了9种聚类有效性函数选择适合极光数据的聚类个数。实验结果表明,对于从2003—2004年北极黄河站观测的全天空极光数据中随机选取的6 000幅极光图像,两类和四类的划分方式最为合适。两类的划分可以看作是分离度较好的极光类型,并且根据两类分布曲线呈现午前-午后双峰的分布特点,这一类极光可能是弧状极光。对于四类的情况,虽然通过肉眼观察无法用一幅典型的极光图像代表每一类,但是这些由聚类得出的极光类型具有各自的时间分布特点,这一结果从无监督的角度证明了极光类型在形态上是可分的。

空海一体虚拟战场环境构建技术

针对海军空海一体虚拟战场环境仿真平台演练需求,构建了3种仿真计算模型,即天空场景仿真模型、海浪场景仿真模型和海面光照模型。利用通用天空标准亮度分布模型,进行亮度计算、颜色空间转换、颜色校正和顶点颜色映射,实现不同经纬度地域、不同时间、不同天气状况下天空动态场景的实时仿真;通过对方向谱进行离散采样,提取单元波振幅、频率、传播方向等参数,构造FFT计算模式快速合成大量单元波实时生成海浪;建立海面光照模型,应用GPU着色技术,将动态天空的变化在海浪场景中得以体现,表达了环境之间的依存性与随动性。仿真效果表明:该技术途径可逼真模拟空海一体战场环境,在工程上具有较强的实用价值。

探空资料所测云高和激光云高仪所测云高的对比分析

对GTS1型探空仪资料分析云高和CL51激光云高仪所测云高进行对比,分析两者的云高差异。结果表明,2种探测系统在中云的判断上,所测云高吻合度最高,具有较好的相关性;对低云、高云的云高判断存在差距。要提高这2种探测系统对云高的测量准确度,需要在地面高湿情况下,对阈值法和温度露点法的应用进行优化;在雾霾和大雨天气下,对激光云高仪测云性能加以提高;在低温下对探空仪湿度传感器的性能加以改进。

基于显著性检测的极光弧分割算法

针对全天空极光图像低对比度、边缘模糊的特点,提出一种基于显著性检测的极光弧分割算法。通过直方图统计全天空极光图像视野内的灰度信息,计算出视野内像素间的欧氏距离,以凸显极光弧区域,并生成极光弧显著图,再利用模糊C均值聚类分割算法对显著图进行分割,得到极光弧分割结果。采用中国北极黄河站观测的2000余张极光弧图像进行实验,视觉效果及利用分割图计算极光弧倾斜角与人工标注的对比结果均表明,与基于显著性的分割算法与最大类间方差法、模糊C均值聚类法、局部模糊C均值聚类法等分割算法相比较,具有较好的抗噪声性能和分割结果。