[论文解读] 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 9

一句话总结

本文提出了一种基于长波红外（IR）和可见光（VI）相机的多传感器数据采集与图像处理框架，用于短期太阳辐照度预测。通过校正pyranometer偏差、融合多张VI图像、建模大气与镜头对IR数据的影响，并应用带正则化的Lucas-Kanade光流法，该系统实现了准确的晴空指数（CSI）预测，其均方根误差（RMSE）为0.3398，采用Lucas-Kanade方法。

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.

研究动机与目标

• 通过实时天空成像技术，解决微电网中准确短期太阳辐照度预测的挑战。
• 减轻由红外与可见光传感器硬件缺陷引起的周期性偏差。
• 通过建模大气效应及相机镜头污染（如灰尘、水滴）对红外测量的影响，提升辐照度预测精度。
• 开发一种鲁棒的云运动估计方法，采用光流技术并引入正则化以处理异常值。
• 通过整合太阳辐射的物理模型、大气条件与像素数据的几何变换，实现精确的辐照度预测。

提出的方法

• 部署一套定制的数据采集系统（DAQ），包含长波红外相机（FLIR Lepton 2.5）、可见光相机（ELP OV5640）、太阳能跟踪器及pyranometer，全部置于IP66防护外壳中。
• 利用机载处理与热电堆传感器手动校准，对红外图像应用平场校正与非均匀性校正。
• 通过归一化互相关函数的多项式逼近，实现曝光切换与可见光图像融合，以增强动态范围并降低噪声。
• 通过使用湿绝热递减率与云底高度估计，从红外图像中去除直接太阳辐射与散射辐射贡献，以建模大气辐射效应。
• 开发一种持续窗口模型，通过分类天空状况（晴朗、积云、层云、雨云）来补偿锗透镜上灰尘与水滴引起的漫射辐射。
• 利用太阳高度角与相机视场角（FOV）进行透视变换，将像素尺寸映射至真实大气平面，实现云特征的空间精确缩放。

实验结果

研究问题

• RQ1 如何有效消除红外与可见光相机数据中的周期性偏差，以提升辐照度预测精度？
• RQ2 何种方法可最优地融合多张可见光图像曝光，以增强动态范围并降低太阳成像中的噪声？
• RQ3 如何对长波红外图像中的大气与镜头诱导辐射效应进行建模与去除，以分离云特征？
• RQ4 在正则化后，Lucas-Kanade、Horn-Schunck与Farnebäck三种光流算法中，哪一种能提供最鲁棒且准确的云速度估计？
• RQ5 像素数据的几何变换在多大程度上提升了云运动与辐照度预测的准确性？

主要发现

• Lucas-Kanade光流法在验证中取得最低的RMSE（0.3398），优于Horn-Schunck（0.3452）与Farnebäck（0.2422），尽管Farnebäck计算速度更快。
• 尽管Farnebäck方法计算高效，但产生了过多异常值，正则化无法有效恢复，导致预测可靠性下降。
• 所提出的窗口模型通过分类天空状况并应用持续校正，有效降低了锗透镜上灰尘与水滴引起的误差。
• 基于太阳高度角与FOV的透视变换显著提升了云特征映射的空间准确性，从而支持更可靠的云速度估计。
• 利用去趋势化全球水平辐照度（GHI）测量对pyranometer偏差进行校正，显著提升了不同大气条件下辐照度数据的一致性。
• 物理建模、传感器融合与带异常值正则化的光流方法相结合，形成了一条鲁棒的预测流程，最终采用Lucas-Kanade方法实现RMSE为0.3398。