基于云团运动数学描述与量化表征的光伏发电功率超短期预测方法研究

The change of solar irradiance caused by cloud motion is the fundamental reason of photovoltaic(PV) power variation. Under cloudy and fast fluctuation weather conditions, the current PV power forecast method based on power and meteorological data shows very low accuracy or even failure because the method cannot reflect the cloud motion and fast change of irradiance directly and accurately due to the limitations of its modeling principle. This issue already became the most important problem demanding prompt solution in the domain of PV power forecasting.. Aim at cloud, the key factor for the fluctuation of irradiance and PV power, the research on mathematical description and quantified characterization of cloud motion using sky image are studied based on deep analysis on the evolution law and dynamics mechanism of cloud formation, disappearance and motion. According to the complex morphological characteristics of cloud and its motion, three aspects including static characteristic of single image, dynamical pattern of image sequence and predictive approach of future trajectory are studied using feature extraction, clustering segmentation, manifold learning, and phase space reconstruction: 1. Statistical learning theory based pattern recognition model of cloud classification and cloud-sky identification; 2. Multi-pattern nonlinear forecast approaches for cloud motion are studied through the diffeomorphism phase space of cloud dynamical system reconstructed by image data sequence; 3. Considering factors including the spatial position of sun, atmospheric transparency, cloud type, cloud shape, and cloud height, the PV power minutely ultra short-term forecast can be realized based on the mapping model of “Sky image-Surface radiation-PV Power”.

云团运动引起的辐照度改变是导致光伏发电出力波动的根本原因。现有基于功率和气象数据的预测方法受建模原理所限无法直接准确反映云团运动，不能及时捕捉辐照度的快速变化，在多云和快速波动天气下准确性急剧下降、甚至完全失效，这已成为光伏功率预测目前亟待解决的主要问题。.针对“云团”这一关键要素,在深入分析其生消、演化内在规律与动力学机理基础上,通过天空图像数据研究提出云团运动的数学描述与量化表征方法,根据其形态运动复杂多变的特点，从单幅图像的静态特征、图像序列的动态模式、未来轨迹的预测方法三个方面开展研究：1、基于统计学习理论建立适于复杂云场景的云空辨识与云团分类模型；2、利用图像数据序列重构与云动力系统微分同胚的相空间，研究云团运动的多模式非线性预测方法；3、综合考虑太阳空间方位、大气透明度及云类、云状、云高等参数建立“天空图像-地表辐射-光伏功率”出力映射模型，并以此为基础实现光伏功率超短期预测。

云团运动引起的辐照度改变是导致光伏发电出力波动的根本原因。现有基于功率和气象数据的预测方法受建模原理所限无法直接准确反映云团运动，不能及时捕捉辐照度的快速变化，在多云和快速波动天气下准确性急剧下降、甚至完全失效，这已成为光伏发电功率预测目前亟待解决的主要问题。.针对“云团”这一关键要素，在深入分析其生消、演化内在规律与动力学机理基础上，通过天空图像数据研究提出云团运动的数学描述与量化表征方法，根据其形态运动复杂多变的特点，从单幅图像的静态特征、图像序列的动态模式、未来轨迹的预测方法三个方面开展研究：1、基于统计学习理论建立适于复杂云场景的云空辨识与云团分类模型；2、综合考虑天空图像时域与频域特征提出面向云团复杂运动模式的云团位移预测方法；3、综合考虑太阳空间方位、大气透明度及云类、云状、云高等参数建立“天空图像-地表辐射-光伏功率”出力映射模型，并以此为基础实现光伏功率超短期预测。.项目研究成果包括：1、基于k均值聚类与最大类间方差的天空图像云团像素辨识方法；2、基于天空图像灰度与纹理动态特征的云团分类识别模型；3、基于图像相移不变特性的云团位移矢量快速计算方法；4、基于云团动态特征分类的云团运动多模式组合预测方法；5、基于“天空图像-地表辐射-光伏功率”出力映射模型的光伏发电功率超短期预测模型。项目执行期间发表SCI、EI收录期刊论文12篇，获授权发明专利4项，出版学术专著1部；执行期间负责人王飞基于本项目研究成果获省部级科研奖励3项：2018年度河北省技术发明一等奖（排名第1）、2019年度河北省专利奖三等奖（排名第1）、2018年度中国电力科技进步三等奖（排名第6）；人才培养方面：培养博士2名、硕士6名；执行期间负责人王飞晋升教授并获博士研究生指导教师资格，同时获聘国际学术期刊IET Renewable Power Generation (SCI, IF=3.65)的Associat Editor、IEEE Open Access Journal of Power and Energy的Editor和Protection and Control of Modern Power Systems的编委。