[发明专利]一种基于全天空图像云指数的地表辐射预测方法

权利要求书

1.一种地表辐射预测方法，其特征在于：包括下属步骤：

步骤1)提取全天空图像的图像特征；

步骤2)确定全天空图像的指数LOS；

步骤3)历史地表辐照度的归一化；

步骤4)预测地表辐射；

步骤5)还原地表辐射；

步骤1)所述图像特征包括图像的亮度特征和图像的平滑度特征；

步骤2)所述全天空图像的指数LOS如下式所示：

其中，L为图像的亮度特征，S为图像的平滑度特征；

步骤3)所述历史地表辐照度的归一化如下式所示：

其中，I为历史地表辐照度，min(I)和max(I)分别为最小和最大历史地表辐照度；

所述地表辐射的预测包括下述步骤：

4-1，建立多元回归模型：历史全天空图像云指数和历史辐射数据基于最小二乘法；

4-2，建立目标函数：

4-3，确定其与辐射衰减率的计算关系：用最小二乘法确定目标函数中的最优系数；

步骤5)所述地表辐射还原包括归一化的逆过程：

I(t)'＝I(t)·(max(I)-min(I))+min(I)

其中，I(t)为辐射衰减率原始预测值，I(t)'为辐射衰减率还原值，I为历史地表辐照度。

2.如权利要求1所述的地表辐射预测方法，其特征在于：所述图像的亮度特征L如下式所示：

其中，彩色全天空图像的红，绿，蓝通道灰度值分别为R,G,B,图像大小为M×N。

3.如权利要求1所述的地表辐射预测方法，其特征在于：所述图像的平滑度特征S如下式所示：

其中，全天空图像对应的灰度图的灰度标准差SD如下式所示：

其中，全天空图像对应的灰度图的灰度均值ME如下式所示：

其中，z_i灰度值，p(z_i)是灰度值的频度分布，K为灰度层级数。

4.如权利要求1所述的地表辐射预测方法，其特征在于：步骤4-1所述多元回归模型如下式所示：

I(t)＝α₀+α₁LOS_t-1+α₂LOS_t-2+α₃LOS_t-3+α₄LOS_t-4

建立的目标函数如下式所示：

所述最优系数为与辐射衰减率的关系如下式所示：

其中，t为当前时刻，α₀、α₁、α₂、α₃、α₄为回归系数；n为样本个数。