[論文レビュー] Data acquisition and image processing for solar irradiance forecasting

Guillermo Terrén-Serrano, Manel Martínez‐Ramón|arXiv (Cornell University)|Nov 24, 2020

Image Enhancement Techniques参考文献 20被引用数 9

ひとこと要約

本稿では、太陽トレーサーに搭載された長波長赤外線（IR）カメラおよび可視光（VI）カメラを用いて、短期的な日射量予測のためのマルチセンサデータ取得および画像処理フレームワークを提案する。パリメータ補正、複数のVI露光の統合、IRデータにおける大気および窓効果のモデル化、正則化を施したLucas-Kanadeオプティカルフローの適用により、Lucas-Kanade法を用いることで、ルート平均二乗誤差（RMSE）0.3398の高精度なクリアスカイインデックス（CSI）予測が達成された。

ABSTRACT

The energy available in Micro Grid (MG) that is powered by solar energy is tightly related to the weather conditions in the moment of generation. Very short-term forecast of solar irradiance provides the MG with the capability of automatically controlling the dispatch of energy. To achieve this, we propose a method for statistical quantification of cloud features extracted from long-ware infrared (IR) images to forecast the Clear Sky Index (CSI). The images are obtained using a data acquisition system (DAQ) mounted on a solar tracker. We explain how to remove cyclostationary bias in the data caused by the devices in the own DAQ. We investigate a method to obtain the CSI, after the detrending of Global Horizontal Irradiance (GHI) measurements. We propose a method to fusion multiple exposures of circumsolar visible (VI) light images. We implement a method for extracting physical features using radiometric measurements of the IR camera. We introduce a model to remove from IR images both the effect of the atmosphere scatter radiation, and the effect of the Sun direct radiation. We explain how to model of diffuse radiation of the IR camera window, which is produce by water spots and dust particles stack to the germanium lens of the DAQ enclosure. The frames, that were used to model the camera window, are selected using an atmospheric condition model. This model classifies the sky four different categories: clear, cumulus, stratus, and nimbus. We introduce a geometric transformation of the size of the pixels to their actual dimension in a plane of the atmosphere which is at a given height. This transformation is performed according to the elevation angle of the Sun and field of view (FOV) of the camera. We compare the error between the transformation and anapproximation of transformation.

研究の動機と目的

• リアルタイムの空域画像を活用することで、マイクログリッドにおける高精度な短期的日射量予測の課題に取り組む。
• IRおよび可視センサのハードウェアアーチファクトに起因するデータ取得システムにおける周期的定常バイアスを軽減する。
• 大気効果およびカメラの窓への汚染（ほこり、水滴）をモデル化することで、IR測定値への放射効果を低減し、日射量予測の精度を向上させる。
• 外れ値を扱える正則化を施したオプティカルフロー技術を用いて、雲の運動を安定かつ正確に推定する手法を開発する。
• 太陽放射の物理モデル、大気状態、ピクセルデータの幾何的変換を統合することで、高精度な日射量予測を実現する。

提案手法

• IP66仕様のハウジング内に、長波長IRカメラ（FLIR Lepton 2.5）、可視カメラ（ELP OV5640）、太陽トレーサー、およびパリメータ計測器を搭載したカスタムデータ取得システム（DAQ）を設置する。
• 地上の熱電対センサを用いた手動キャリブレーションと組み合わせたオンボード処理による、IR画像へのフラットフィールド補正および非一様性補正を実施する。
• 露出切り替えと可視画像統合を、正規化相互相関の多項式近似を用いて実装し、ダイナミックレンジの拡大とノイズ低減を図る。
• 湿球断熱温度勾配と曇り雲底高の推定を用いて、IR画像から直接日射および散乱日射の寄与を除去することで、大気放射効果をモデル化する。
• スカイコンディション分類（晴天、積乱雲、層積雲、積乱層雲）を用い、ガーネットレーザーの表面に付着したほこりや水滴による拡散放射を補償する恒常的窓モデルを構築する。
• 太陽の仰角とカメラの視野角（FOV）に基づいた透視変換を適用し、ピクセル寸法を実際の大気平面にマッピングすることで、雲の特徴の空間スケーリングを正確に実現する。

実験結果

リサーチクエスチョン

• RQ1 IRおよび可視カメラのデータに見られる周期的定常バイアスを、日射量予測精度の向上に寄与する形で効果的に除去するにはどうすればよいか？
• RQ2 複数露光の可視光画像を統合する最適な手法は何か？これにより、太陽画像のダイナミックレンジを拡大し、ノイズを低減できるか？
• RQ3 大気および窓に起因する放射効果を、長波長赤外線画像からモデル化・除去することで、雲の特徴を正確に分離できるか？
• RQ4 正則化を施した後、Lucas-Kanade、Horn-Schunck、Farnebäckのうち、どのオプティカルフロー法が最もロバストで正確な雲速度推定を実現できるか？
• RQ5 ピクセルデータの幾何的変換は、雲の運動および日射量予測の精度をどの程度向上させるか？

主な発見

• Lucas-Kanade法は、バリデーションにおいて、Horn-Schunck（0.3452）およびFarnebäck（0.2422）を上回る、最小のRMSE（0.3398）を達成した。
• Farnebäck法は計算が高速であるが、回復不能な外れ値が多発し、正則化による補正が不十分であったため、予測の信頼性が低下した。
• 提案された窓モデルは、スカイコンディション分類と恒常的補正を組み合わせることで、ゲルマニウムレンズ表面のほこりや水滴に起因する誤差を効果的に低減した。
• 太陽の仰角と視野角（FOV）に基づく透視変換により、雲の特徴マッピングの空間的精度が向上し、より信頼性の高い雲速度推定が可能になった。
• デトレンド処理を施した全水平日射量（GHI）測定値を用いたパリメータ計測器のバイアス補正により、さまざまな大気状態下でも日射量データの一貫性が著しく向上した。
• 物理モデル、センサ統合、外れ値正則化付きオプティカルフローの統合により、最終的にLucas-Kanade法を用いた予測パイプラインは、RMSE 0.3398という高い精度を達成した。