一种新能源电站积雪动态识别及功率预测方法及系统与流程

本发明涉及新能源发电领域，具体涉及一种新能源电站积雪动态识别及功率预测方法及系统。

背景技术：

1、目前，卫星云图技术在风电和光伏新能源场站的极端天气预测方面已经取得了显著进展。通过分析卫星云图数据，可以对云层的移动、发展和变化进行实时监测，进而预测可能对新能源场站产生影响的极端天气事件，如暴风雨、冰雹、雷暴等。这些数据通常由气象卫星提供，它们能够覆盖广泛的地理区域，并且具有高分辨率和高频率的更新能力。

2、现有的预测系统通常结合了多种气象模型和算法，例如数值天气预报模型（nwp）、机器学习和深度学习技术，以提高预测的准确性和可靠性。这些系统能够提供从小时到数天不等的预报，帮助新能源场站的运营者及时做出响应，以减少极端天气对设备和运营的潜在损害。

3、然而，现有技术在精确度、预测时效以及对复杂天气模式的适应性方面仍存在一定的局限性。例如，预测模型可能在处理小尺度天气现象时不够精确，或者在预测极端天气事件的强度和持续时间上存在误差。此外，现有系统在实时数据集成和处理方面也面临挑战，尤其是在数据量大、更新速度快的情况下。

4、公开号为cn121983947a的中国专利，公开了高精度卫星云图与地面监测融合的光伏预测方法，但其在处理小尺度天气现象时不够精确。

技术实现思路

1、本发明解决了现有技术在精确度、预测时效以及对复杂天气模式的适应性方面仍存在一定的局限性的问题，提出一种新能源电站积雪动态识别及功率预测方法及系统，不仅提升了光伏电站在复杂气象条件下的适应能力，还为光伏电站的智能化管控提供了强有力的技术支持。

2、为了实现上述目的，本发明采用以下的技术方案。

3、一种新能源电站积雪动态识别及功率预测方法，包括以下步骤：

4、s1，获取卫星云图，对包含光伏组件积雪的卫星云图进行预处理；

5、s2，结合可见光云图和短波红外波段确定图像是否存在积雪以区分积雪与云层；

6、s3，从积雪图像中提取特征，包括形状特征和大小特征；基于特征训练arima模型，通过arima模型预测得到未来积雪面积变化；

7、s4，根据未来积雪面积变化、数值天气预报信息训练lstm预测模型，通过lstm预测模型得到未来光伏电站的功率变化。

8、本技术方案中，首先对包含光伏组件积雪的卫星云图进行预处理，随后基于可见光云图和短波红外波段进行积雪判识；从图像中提取相关特征，训练并构建arima模型，进而预测光伏组件积雪面积变化，最后基于lstm预测模型来预测光伏电站功率。

9、本发明还进一步设置为：所述步骤s1包括：

10、s11，对卫星云图进行同态滤波处理，得到增强图像；

11、s12，采用自适应滤波对图像进行去噪，定量分析自适应滤波效果；

12、s13，对图像进行阈值分割，生成包含积雪和非积雪区域的二值图像。

13、本技术方案中，预处理主要包括图像增强、噪声去除以及阈值分割，以备后续积雪判识。

14、本发明还进一步设置为：所述步骤s2包括：

15、计算归一化积雪指数ndsi，ndsi为可见光波段的反射率与短波红外波段的反射率之差再除以可见光波段的反射率与短波红外波段的反射率之和；同时，将红外波段的亮温度与低临界值和高临界值比较；结合ndsi和亮温度，区分积雪与云层。

16、本技术方案中，通过结合使用可见光和1.6μm的短波红外波段进行分析，能够有效地区分积雪和云层。

17、本发明还进一步设置为：所述步骤s3包括：

18、s31，判断时间序列数据是否已平稳，若是，进入s31；若否，进入s32；

19、s32，执行差分操作；

20、s33，使用adf检验来检查时间序列的平稳性；

21、s34，采用aic或bic选择arima模型；

22、s35，各个特征参量分别拟合arima模型；

23、s36，利用arima模型预测未来积雪面积变化。

24、本技术方案中，将提取出的特征以时间序列的形式进行输入，构建arima模型预测未来积雪面积变化。

25、本发明还进一步设置为：所述步骤s4包括：

26、以未来积雪面积变化和数值天气预报信息作为lstm预测模型的输入数据训练集，同时将未来光伏电站的输出功率作为输出数据训练集；

27、完成lstm预测模型的构建后，利用lstm预测模型预测未来时段光伏电站的输出功率。

28、本发明还进一步设置为：所述卫星云图具体通过风云4号卫星获取。

29、本发明还进一步设置为：所述卫星云图包括可见光云图、水汽云图和红外云图，所述可见光云图利用云顶反射太阳光的原理制成，所述红外云图通过卫星测量地表和云面发出的红外辐射制成。

30、本发明还进一步设置为：所述定量分析自适应滤波效果采用若干个评估指标，所述评估指标包括信噪比和均方误差，通过计算滤波前后图像的信噪比和均方误差，定量分析自适应滤波器的效果。

31、本发明还进一步设置为：所述形状特征能够识别积雪区域的边界并描述其轮廓；所述大小特征为积雪区域的面积，其能够通过像素计数与图像的分辨率来量化确定。

32、一种新能源电站积雪动态识别及功率预测系统，适用于上述的一种新能源电站积雪动态识别及功率预测方法，包括：

33、图像预处理模块，对获取得到的卫星云图进行预处理；

34、积雪判识模块，通过可见光云图和短波红外波段判别积雪与云层；

35、积雪面积预测模块，通过构建arima模型预测得到未来积雪面积变化

36、光伏电站功率预测模块，通过lstm预测模型得到未来光伏电站的功率变化。

37、本技术方案中，图像预处理模块、积雪判识模块、积雪面积预测模块以及光伏电站功率预测模块依次连接，协同作用，以完成新能源电站的积雪动态识别以及功率预测。

38、本发明能够带来如下的有益效果。

39、本发明能够预测未来时段内的积雪变化，从而精确预测光伏电站的功率变化；这些预测对于电站功率的调整和管理至关重要，因为积雪的覆盖会直接影响光伏板的发电效率。通过实时监测和预测，可以有效提高光伏电站的运营效率和发电可靠性，减少因天气变化带来的发电损失，确保电力供应的稳定性和经济性。本发明不仅提升了光伏电站在复杂气象条件下的适应能力，还为光伏电站的智能化管控提供了强有力的技术支持。

1.一种新能源电站积雪动态识别及功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述步骤s1包括：

3.根据权利要求1或2所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述步骤s2包括：

4.根据权利要求3所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述步骤s3包括：

5.根据权利要求4所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述步骤s4包括：

6.根据权利要求1所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述卫星云图具体通过风云4号卫星获取。

7.根据权利要求1或2所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述卫星云图包括可见光云图、水汽云图和红外云图，所述可见光云图利用云顶反射太阳光的原理制成，所述红外云图通过卫星测量地表和云面发出的红外辐射制成。

8.根据权利要求2所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述定量分析自适应滤波效果采用若干个评估指标，所述评估指标包括信噪比和均方误差，通过计算滤波前后图像的信噪比和均方误差，定量分析自适应滤波器的效果。

9.根据权利要求1或2所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，所述形状特征能够识别积雪区域的边界并描述其轮廓；所述大小特征为积雪区域的面积，其能够通过像素计数与图像的分辨率来量化确定。

10.一种新能源电站积雪动态识别及功率预测系统，适用于权利要求1-9任一项所述的一种新能源电站积雪动态识别及功率预测方法，其特征在于，包括：