[发明专利]基于云团边缘识别的云团位移矢量计算方法及装置

说明书

本发明实施例提供一种基于云团边缘识别的云团位移矢量计算方法及装置，该方法包括：从当前云图中分割出云团区域；提取每个云团区域的外边缘；在每个云团区域的外边缘上确定沿所述外边缘分布的各块区域的中心点，并根据各块区域的中心点确定各块区域的位置；根据各块区域的位置，基于块匹配算法计算各块区域的位移矢量。本发明实施例使得各个云团不同位置的位移矢量信息得以表达，并提高计算效率与精度。

技术领域

本发明涉及位移矢量计算技术领域，尤其涉及一种基于云团边缘识别的云团位移矢量计算方法及装置。

背景技术

光伏功率预测主要有四种分类方式，即预测时间尺度、预测空间尺度、预测过程和预测方法。云团的遮挡是影响光伏出力的主要因素。当光伏电站上空存在云团遮挡时，部分光照无法穿过云层，进而导致电站光伏板接收的太阳辐照度减少，使得该电站的光伏功率出现骤降。云团的移动和生消形变是导致光伏出力出现不确定波动的根本原因之一。基于云图对云团位移矢量进行计算与预测，是光伏功率预测的重要环节。

目前主要的云团位移矢量计算方法包括两个步骤，云团识别和云位移矢量计算。云团识别的主要目的是将代表云团的像素与背景区分开，进而排除像素亮度差异对位移矢量计算的干扰，其实质上是一个将灰度图或者彩色图转化为二值图像的过程。云位移矢量计算是算法的核心环节，由于云团在运动过程中存在生消形变，因此传统的运动矢量计算方法，如计算重心移动距离等往往不再适用。

目前，基于云图数据的云运动矢量计算方法主要有块匹配法、Lucas–Kanade光流法和相位相关算法三种。块匹配法是运动估计的常用方法，广泛应用于二维图像数据的运动分析。其基本原理是基于当前帧中一定大小的分区域，按照一定的度量方法，在当前帧的前后帧的一定范围内寻找最佳匹配分区域。其中，互相关系数(Cross-correlationCoefficient，CCC)、绝对值差值总和(Sum of Absolute Valued Differences，SAVD)和平方差值总和(Sum of Squared Difference，SSD)是三种常用的度量方法。Lucas–Kanade光流法是一种光流估计的差分方法，它计算了两帧图像在t到t+δt时间内每个像素点位置的移动，广泛应用于图像速度计算当中。相位相关算法是一种利用傅立叶变换的性质的图像配准方法。图像的特征矩阵经过傅立叶变换后，时域上的相关运算就可以转化为频域上的运算。图像发生平移时，对应的幅值谱不变，相位相关算法就是根据这一原理提出的。

上述三种云位移矢量计算方法存在着三方面的缺陷。第一，计算效率较低，当前的三种计算方法均是对云图全域进行位移矢量计算，计算的数据量相对较大，特别是对像素点众多的卫星云图而言，分析一张云图的时间极长，无法满足超短期预测实时性的要求。第二，计算精度较低，由于云团在运动过程中存在着生消形变现象，且这三种算法在计算位移矢量时无法准确定位云团位置，因此得到的位移矢量结果往往与实际存在较大偏差。第三，得到的信息量少，Lucas–Kanade光流法和相位相关算法得到的是整张云图的位移矢量结果，块匹配法得到的是云图各紧列的块区域的位移矢量值，而云图内各云团是随机分布的，且各云团间及同一云团不同区域的速度都有所不同，目前算法得到的信息并无法反映这一现象。

发明内容

本发明实施例提供一种基于云团边缘识别的云团位移矢量计算方法及装置，用以解决现有技术中云位移矢量计算的效率低、精度低，且得到的信息量少的缺陷，实现获取云团不同位置的位移矢量，并提高了计算效率和精度。

本发明实施例提供一种基于云团边缘识别的云团位移矢量计算方法，包括：

从当前云图中分割出云团区域；

提取每个云团区域的外边缘；

在每个云团区域的外边缘上确定沿所述外边缘分布的各块区域的中心点，并根据各块区域的中心点确定各块区域的位置；

根据各块区域的位置，基于块匹配算法计算各块区域的位移矢量。