面向光伏發(fā)電功率預(yù)報(bào)的云層圖像采集與分割研究

吳穎東，穆清萍，董 霏，侯北平，黃 俊

(浙江科技學(xué)院 自動(dòng)化與電氣工程學(xué)院，杭州 310023)

目前太陽(yáng)能作為清潔高效的可再生資源已成為世界各國(guó)重要的發(fā)展產(chǎn)業(yè)。中國(guó)太陽(yáng)能資源豐富且分布廣泛，合理有效地利用太陽(yáng)能資源成為國(guó)家發(fā)展綠色能源、建立綠色能源體系的重要標(biāo)志。中國(guó)正處在太陽(yáng)能光伏發(fā)電建設(shè)的黃金時(shí)期[1-2]。通過(guò)對(duì)太陽(yáng)的跟蹤和云層遮擋太陽(yáng)的預(yù)測(cè)能夠更有效地利用太陽(yáng)能光伏發(fā)電，因此，近幾年隨著圖像處理技術(shù)的發(fā)展與進(jìn)步，針對(duì)太陽(yáng)跟蹤、處理云層圖像的研究成為一個(gè)熱點(diǎn)[3-4]。

由于光伏發(fā)電系統(tǒng)的實(shí)際輸出功率主要受太陽(yáng)輻射的影響，而太陽(yáng)輻射又受氣溫、云層等氣象要素隨機(jī)變化的影響，具有明顯的波動(dòng)性和不確定性。光伏發(fā)電系統(tǒng)相對(duì)于地區(qū)電網(wǎng)而言是一個(gè)不可控源，其發(fā)電的波動(dòng)性和隨機(jī)性會(huì)對(duì)地區(qū)電網(wǎng)造成巨大沖擊，導(dǎo)致輸出功率的不連續(xù)和不確定，從而影響電網(wǎng)穩(wěn)定、降低電力質(zhì)量[5-6]。Edward[7]的研究表明，光伏發(fā)電量在電力系統(tǒng)中比例的突然增大會(huì)引起電網(wǎng)的波動(dòng)，當(dāng)出現(xiàn)大的波動(dòng)(如比例超過(guò)15%)時(shí)，將引起電網(wǎng)癱瘓。因此提供準(zhǔn)確的短期太陽(yáng)能光伏發(fā)電預(yù)測(cè)就成了光伏發(fā)電站并入電網(wǎng)系統(tǒng)的重要問(wèn)題[8]，而研究云層運(yùn)動(dòng)對(duì)分析光伏發(fā)電的功率預(yù)測(cè)則具有重要意義。目前對(duì)太陽(yáng)和云層的自動(dòng)識(shí)別跟蹤已取得一些進(jìn)展。耿其東等[9]利用位置敏感探測(cè)器(PSD)來(lái)實(shí)現(xiàn)自動(dòng)跟蹤太陽(yáng)。謝永華等[10]提出采用多尺度分析的地基云圖自動(dòng)識(shí)別算法，通過(guò)改進(jìn)的增強(qiáng)云圖的局部特征描述能力,其云層圖分類(lèi)識(shí)別率達(dá)到86.7%。胡學(xué)嶺等[11]在提取云層灰度共生矩陣和Gabor變換特征的基礎(chǔ)上計(jì)算云圖的多紋理組合特征，從而獲得85%的云層識(shí)別效果。陳錦源等[12]利用小波和紋理特征分析方法提取所需的特征參數(shù)，設(shè)計(jì)合適的分類(lèi)器識(shí)別檢測(cè)云層的種類(lèi)，使分類(lèi)準(zhǔn)確率高于單一識(shí)別分辨率。在跟蹤太陽(yáng)采集全景圖像過(guò)程中，重要的是能夠?qū)崟r(shí)準(zhǔn)確定位太陽(yáng)。由于實(shí)際地理環(huán)境條件和機(jī)械裝置所造成的誤差，往往不能夠精確定位并跟蹤太陽(yáng)，導(dǎo)致采集的圖像效果不理想，因此需要進(jìn)行矯正。本研究在對(duì)太陽(yáng)跟蹤采集全景天空?qǐng)D像的基礎(chǔ)上，通過(guò)對(duì)比云層天空顏色特征，提出了一種基于顏色通道信息對(duì)運(yùn)動(dòng)云層進(jìn)行實(shí)時(shí)分類(lèi)的方法，以增加魯棒性。

1 總體設(shè)計(jì)

為實(shí)現(xiàn)上述研究目標(biāo)，設(shè)計(jì)了能跟蹤太陽(yáng)的機(jī)械裝置，利用所在地的經(jīng)緯度位置信息與太陽(yáng)方位信息控制云臺(tái)工作，跟蹤太陽(yáng)，并利用高速相機(jī)與全景魚(yú)眼鏡頭采集全景天空?qǐng)D像；對(duì)采集的天空?qǐng)D像提取顏色信息，通過(guò)分析計(jì)算出合適的閾值對(duì)圖像進(jìn)行分割?？傮w設(shè)計(jì)如圖1所示。

2 全景天空?qǐng)D像采集裝置設(shè)計(jì)

利用全景相機(jī)采集天空全景圖像，將太陽(yáng)置于鏡頭的中心，使用工控機(jī)通過(guò)RS-485串口控制云臺(tái)跟蹤太陽(yáng)并采集天空?qǐng)D像。天空?qǐng)D像采集裝置放置在空曠場(chǎng)地內(nèi)，以減少非天空信息的影響，得到更多更準(zhǔn)確的天空云層圖像信息。如圖2所示，跟蹤太陽(yáng)的機(jī)械裝置在跟蹤采集圖像過(guò)程中，通過(guò)獲取地理位置、計(jì)算太陽(yáng)高度角與時(shí)間等信息確定太陽(yáng)在天空中的位置，并控制云臺(tái)跟蹤采集圖像。將采集的圖像經(jīng)過(guò)圖像處理后，利用太陽(yáng)在圖像中的位置信息進(jìn)行區(qū)域提取定位補(bǔ)償，以便在受到外界干擾情況下能夠進(jìn)行自我矯正。圖2中，σ為太陽(yáng)圓心與采集圖像中心的中心偏差。

圖2 實(shí)時(shí)采集的太陽(yáng)跟蹤校正方法流程圖Fig.2 Flow chart of solar tracking correction method for real-time acquisition

2.1 裝置結(jié)構(gòu)

圖3 太陽(yáng)跟蹤矯正系統(tǒng)裝置Fig.3 Solar tracking correction system

如圖3所示，設(shè)計(jì)的天空全景圖像采集系統(tǒng)包括支撐機(jī)構(gòu)、調(diào)節(jié)機(jī)構(gòu)、工控機(jī)、二維運(yùn)動(dòng)控制云臺(tái)、高清相機(jī)等。

設(shè)計(jì)機(jī)械固定裝置，支撐裝置與水平面成30°夾角。二維運(yùn)動(dòng)云臺(tái)采用雙電機(jī)分別控制水平轉(zhuǎn)動(dòng)和垂直轉(zhuǎn)動(dòng)，其中水平轉(zhuǎn)動(dòng)角度范圍為-180°～+180°，垂直轉(zhuǎn)動(dòng)角度范圍為-45°～+45°，能夠確保一年當(dāng)中太陽(yáng)最大高度角和最小高度角位置都能夠使用云臺(tái)跟蹤。

將太陽(yáng)置于中心點(diǎn)位采集的天空云層圖像，能夠盡可能多地顯示太陽(yáng)附近的云層信息；而垂直于天空采集的云層圖像，在廣角鏡頭邊緣部分由于相機(jī)自身原因，云層發(fā)生很大程度的畸變，影響后續(xù)的云層遮擋太陽(yáng)的預(yù)測(cè)。因此我們將魚(yú)眼鏡頭中心對(duì)準(zhǔn)太陽(yáng)采集圖像，如圖4(a)所示。而傳統(tǒng)方法[13]中都是將相機(jī)垂直于天空放置，太陽(yáng)在不同時(shí)刻出現(xiàn)于全景天空?qǐng)D像的不同位置，如圖4(b)所示。從將太陽(yáng)放置圖像中心位置與傳統(tǒng)方法這兩種不同采集方式獲取的積云、積層云、卷云3幅圖像中可以看出，太陽(yáng)越靠近天空邊緣，太陽(yáng)與天空邊緣之間的云層變化越難以觀測(cè)。通過(guò)跟蹤裝置采集圖像可以獲取更多的云層有效信息，即使在太陽(yáng)位于靠近天空邊緣部位時(shí)也能夠較好地獲得邊緣區(qū)域云層的信息。在云層從邊緣部位開(kāi)始到靠近太陽(yáng)，通過(guò)本研究設(shè)計(jì)的裝置采集的云層圖像也比傳統(tǒng)方法采集的全景天空?qǐng)D像更精確地顯示云層信息。

圖4 兩種方法采集天空的圖像比較Fig.4 Comparison of two kinds of sky image acquisition

2.2 基于經(jīng)緯度信息的太陽(yáng)自動(dòng)跟蹤

機(jī)械裝置跟蹤太陽(yáng)采集圖像需要通過(guò)經(jīng)緯度等方位信息來(lái)確定天空中太陽(yáng)的準(zhǔn)確位置，因此要計(jì)算出太陽(yáng)相關(guān)地理信息和經(jīng)緯度信息。太陽(yáng)高度角是地平線與太陽(yáng)光線入射方向的夾角，太陽(yáng)方位角是太陽(yáng)在地面投影和地經(jīng)線的夾角。太陽(yáng)高度角和方位角相結(jié)合能夠確定太陽(yáng)在天空中的具體方位，利用太陽(yáng)高度角和方位角來(lái)確定太陽(yáng)在天空中的位置是太陽(yáng)定位的常用方法[14-16]。

當(dāng)前時(shí)刻太陽(yáng)的日角β為：

(1)

式(1)中：n為檢測(cè)當(dāng)天對(duì)應(yīng)的一年中累積總天數(shù)，例如以公歷為例，1月1日為天數(shù)n=1，1月2日為天數(shù)n=2，以此類(lèi)推，12月31日為天數(shù)n=365。

計(jì)算當(dāng)?shù)卣嫣?yáng)時(shí)的時(shí)間t1：

e=0.017 2+0.428 1cosβ-7.317 5sinβ-3.349 5cos2β-9.361 9sin2β，

(2)

(3)

式(3)中：λ為當(dāng)?shù)氐牡乩砦恢媒?jīng)度信息；t為北京時(shí)間，min。

計(jì)算當(dāng)?shù)卮丝痰奶?yáng)高度角α及方位角γ：

α=arcsin(sinφsinδ+cosφcosδcosψ)，

(4)

式(4)中：ψ為太陽(yáng)時(shí)角。

根據(jù)太陽(yáng)高度角α及方位角γ來(lái)確定太陽(yáng)當(dāng)前的位置，并通過(guò)控制單元控制二維運(yùn)動(dòng)控制平臺(tái)和攝像機(jī)采集太陽(yáng)圖像。

2.3 基于太陽(yáng)圖像提取定位補(bǔ)償方法

跟蹤太陽(yáng)的機(jī)械裝置受到外界因素干擾后對(duì)太陽(yáng)跟蹤產(chǎn)生偏差，因此，采用太陽(yáng)區(qū)域提取定位補(bǔ)償能夠更好地對(duì)太陽(yáng)進(jìn)行跟蹤采集圖像。圖像經(jīng)過(guò)形態(tài)學(xué)處理、灰度化、二值化后，根據(jù)連通域的最小外接圓篩選出太陽(yáng)對(duì)應(yīng)的連通域。確定太陽(yáng)的圓心O，太陽(yáng)的圓心就是太陽(yáng)對(duì)應(yīng)的連通域的質(zhì)心：

(5)

(6)

通過(guò)上述補(bǔ)償計(jì)算后，跟蹤太陽(yáng)的機(jī)械裝置即使在受到外界晃動(dòng)干擾后，跟蹤采集圖像太陽(yáng)未在中心區(qū)域，或在采集圖像過(guò)程中由于機(jī)械轉(zhuǎn)動(dòng)和人為調(diào)整出現(xiàn)跟蹤采集圖像不精確等，這些情況都能夠通過(guò)自身矯正來(lái)調(diào)整機(jī)械裝置恢復(fù)到正常采集。

3 云層圖像分割

在圖像采集的基礎(chǔ)上，有效提取云層信息至關(guān)重要。一般對(duì)圖像預(yù)處理包括灰度信息處理、HSV信息處理和RGB信息處理。通過(guò)對(duì)比分析發(fā)現(xiàn)，圖像中RGB信息對(duì)分割云層與天空有很好的效果，一幅普通RGB彩色云層圖像可以看作是彩色像素的一個(gè)m×n×3的數(shù)組，每個(gè)彩色像素點(diǎn)在特定的空間位置對(duì)應(yīng)彩色圖像中的紅色通道(R)、綠色通道(G)、藍(lán)色通道(B)。

3.1 顏色通道分離

通過(guò)像素通道G和B兩通道相減，得到云層灰度圖像。由于太陽(yáng)附近受到陽(yáng)光的干擾難以很好地分割附近云層，并且相機(jī)通過(guò)魚(yú)眼鏡頭采集天空云層圖像時(shí)，難免將地面建筑和山峰拍攝到，因此均會(huì)對(duì)云層圖像處理產(chǎn)生影響，需要對(duì)圖像的非云層信息進(jìn)行分割處理。

將采集圖像分別提取云層圖像的RGB三通道像素。通過(guò)對(duì)比單通道圖像信息，在圖像中天空顯示藍(lán)色，云層基本上顯示白色。因此采集的圖像中云層和天空所包含的三通道顏色信息存在差別，根據(jù)三通道中存在的顏色通道信息的差別可以有效地將云層與天空分割。因此，可以通過(guò)閾值分割提取云層的位置和形狀信息[17-19]。如圖5所示，對(duì)采集的積云、積層云、卷云、層積云4幅圖像進(jìn)行歸一化處理，分別提取RGB圖像的紅色通道圖像、藍(lán)色通道圖像和綠色通道圖像。從綠色通道信息與藍(lán)色通道信息的對(duì)比可知，在云層中綠色通道與藍(lán)色通道的像素值差值的絕對(duì)值很小，天空中藍(lán)色通道像素值遠(yuǎn)大于綠色。因此，使用藍(lán)色分量值減去綠色分量值的絕對(duì)值能夠很好地將云層與天空分割。

圖5 單通道圖像處理結(jié)果比較Fig.5 Comparison of single channel image processing results

3.2 分割閾值的確定

通過(guò)最大類(lèi)間方差法(OTSU)找到合適的閾值，對(duì)于單通道圖像，前景(云層)和背景(天空)的分割閾值記作T，則有：

μ=ω0μ0+ω1μ1，

(7)

g=ω0(μ0-μ)2+ω1(μ1-μ)2。

(8)

式(7)～(8)中：ω0為前景的像素點(diǎn)數(shù)占整幅圖像的比例，其平均灰度μ0；ω1為背景像素點(diǎn)數(shù)占整幅圖像的比例，其平均灰度為μ1；μ為圖像的總平均灰度；g為類(lèi)間方差。圖像的前景較暗，并且圖像的大小為M×N，通過(guò)分析得到等價(jià)公式：

采用遍歷的方法得到最大類(lèi)間方差g即為所求最大的閾值T。經(jīng)過(guò)對(duì)比后通過(guò)形態(tài)學(xué)處理，使用合適閾值進(jìn)行圖像二值化，結(jié)果如圖6所示。

圖6 不同處理結(jié)果圖像比較Fig.6 Image comparison of different processing results

3.3 試驗(yàn)結(jié)果分析

由3.1應(yīng)用處理，通過(guò)3種顏色分量對(duì)比運(yùn)算得到云層與天空的對(duì)比處理圖像，如圖7所示。

圖7 處理結(jié)果圖像Fig.7 Image of processing results

%

選取各種類(lèi)型云層的50張圖片進(jìn)行測(cè)試，人工分割每張圖片的云層圖像，并計(jì)算云層像素點(diǎn)個(gè)數(shù)。經(jīng)過(guò)3種通道相互運(yùn)算后分割云層圖像，計(jì)算像素點(diǎn)個(gè)數(shù)。對(duì)計(jì)算顏色信息處理后的云層像素點(diǎn)所占原圖像云層像素點(diǎn)數(shù)的比例進(jìn)行分析，如表1所示。通過(guò)分析可知，G(綠色)分量與B(藍(lán)色)分量差值運(yùn)算得到的處理效果在積云、積層和卷云天氣情況下明顯優(yōu)于其他通道運(yùn)算所得效果。在層積云的處理結(jié)果中，B分量與G分量的差值運(yùn)算與其他通道運(yùn)算處理結(jié)果基本上相同。

4 結(jié) 論

本研究設(shè)計(jì)出的太陽(yáng)跟蹤矯正采集天空?qǐng)D像系統(tǒng)，將采集的天空云圖像進(jìn)行預(yù)處理分割提取，通過(guò)采集系統(tǒng)實(shí)時(shí)采集圖像，經(jīng)過(guò)灰度化、二值化后，根據(jù)提取出所有連通域擬合出太陽(yáng)輪廓，找到太陽(yáng)中心點(diǎn)，進(jìn)行跟蹤矯正，并對(duì)不同云層采用不同處理方法，經(jīng)過(guò)圖像形態(tài)學(xué)、最大類(lèi)間方差法等對(duì)圖像進(jìn)行預(yù)處理，能夠較好地提取云層信息。