[論文レビュー] Processing of Global Solar Irradiance and Ground-Based Infrared Sky Images for Very Short-Term Solar Forecasting

Guillermo Terrén-Serrano, Manel Martínez‐Ramón|arXiv (Cornell University)|Jan 21, 2021

Solar Radiation and Photovoltaics参考文献 43被引用数 6

ひとこと要約

本論文は、グローバル・ソーラー放射照度（GSI）と長波赤外（IR）スカイ画像を組み合わせることで、非常に短期間の太陽光発電予測を向上させる、新しいデータ処理フレームワークを提案する。GSIに含まれる周期的定常バイアスを除去し、IR画像における大気散乱およびレンズ由来のアーティファクトを補正することで、晴れ空、積乱雲、層積雲、積雲の4つのスカイコンディションを正確に分類可能となり、雲の特徴の定量的評価が向上し、PV発電予測の精度が向上する。

ABSTRACT

The projection of shadows from moving clouds in the troposphere impacts energy generation in power grids using Photovoltaic (PV) systems. This investigation proposes an efficient method of data processing for the statistical quantification of cloud features using long-wave Infrared (IR) images and Global Solar Irradiance (GSI) measurements. The infrared images are obtained using a Data Acquisition System (DAQ) mounted on a solar tracker. We explain how to remove cyclostationary biases in global solar irradiance measurements. Seasonal trends are removed from the global solar irradiance time series, using the theoretical global solar irradiance to obtain the Clear Sky Index (CSI) time series. We introduce an atmospheric model to remove the effect of atmospheric scattering and the effect of the Sun's direct irradiance from infrared images. Scattering is produced by water spots and dust particles on the germanium lens of the enclosure. We explain how to remove the scattering effect produced by the germanium lens attached to the data acquisition system enclosure window of the infrared camera. An atmospheric condition model classifies the sky-conditions in four different categories: clear-sky, cumulus, stratus and nimbus. When an infrared image is classified in the category of clear-sky, it is used to model the scattering effect of the germanium lens.

研究の動機と目的

• 太陽光発電システムにおける移動する雲の影がPV発電に与える影響を軽減すること。
• 季節的および時間的変動に起因するグローバル・ソーラー放射照度（GSI）測定値に生じる周期的定常バイアスを補正すること。
• 赤外カメラのゲルマニウムレンズに起因する散乱効果を除去し、スカイ画像解析の歪みを是正すること。
• 赤外画像内での直接日射照度と散乱成分の寄与を分離する大気モデルを構築すること。
• スカイコンディションを4つのカテゴリに分類する—晴れ空、積乱雲、層積雲、積雲—ことで、より正確な短期間の太陽光予測を実現すること。

提案手法

• 理論的晴れ空日射照度モデルを適用して、季節的トレンドを除去したクリアスカイインデックス（CSI）時系列を導出する。
• CSIを用いてGSI時系列の周期的定常バイアスを補正し、基盤となる日射照度の精度を向上させる。
• 大気モデルを構築し、赤外画像内での直接日射照度と散乱効果を分離する。
• クリアスカイIR画像を活用して、ゲルマニウムレンズに付着した水滴やほこりが引き起こす散乱効果をモデル化・キャリブレーションする。
• IR画像の特徴と大気モデルを統合し、4つのカテゴリに分類するスカイコンディション分類を実施する—晴れ空、積乱雲、層積雲、積雲。
• 処理済みのGSIとIRデータを統合したフレームワークを構築し、非常に短期間の太陽光予測における雲の特徴の定量的評価を実現する。

実験結果

リサーチクエスチョン

• RQ1 グローバル・ソーラー放射照度測定値に生じる周期的定常バイアスを、予測精度の向上に寄与する形で効果的に除去する方法は何か？
• RQ2 赤外カメラのゲルマニウムレンズに起因する散乱効果が、スカイ画像解析をどの程度歪めるのか。また、その補正方法は何か？
• RQ3 長波赤外画像において、大気散乱と直接日射照度をどのように分離できるか。これにより雲の特徴検出がどの程度向上するか？
• RQ4 処理済みのIRおよびGSIデータを用いて、4カテゴリのスカイコンディション分類（晴れ空、積乱雲、層積雲、積雲）を信頼性高く実現できるか？
• RQ5 補正済みのGSIとIRデータを統合することで、非常に短期間の太陽放射照度予測性能がどの程度向上するか？

主な発見

• クリアスカイインデックス（CSI）時系列は、グローバル・ソーラー放射照度測定値から季節的および時間的トレンドを効果的に除去し、より正確な基盤日射照度モデルの構築を可能にする。
• 大気モデルにより、赤外画像内での大気散乱および直接日射照度の影響が的確に分離・除去され、特徴抽出の精度が向上した。
• ゲルマニウムレンズに生じる散乱効果は、クリアスカイIR画像を用いて正確にモデル化され、レンズ由来のアーティファクト補正が可能となった。
• 補正済みのIRおよびGSIデータの統合により、スカイコンディションを4カテゴリ（晴れ空、積乱雲、層積雲、積雲）に信頼性高く分類することができた。
• 提案されたデータ処理フレームワークにより、雲の特徴の統計的定量評価が向上し、より正確な非常に短期間の太陽光予測に直接寄与した。
• 本手法は、レンズへのほこりや水滴といった実世界のセンサーアーティファクトに対しても、ハードウェアの変更なしに高い耐性を示した。