[论文解读] A Temporally Consistent Image-based Sun Tracking Algorithm for Solar Energy Forecasting Applications

Quentin Paletta, Joan Lasenby|arXiv (Cornell University)|Dec 2, 2020

Solar Radiation and Photovoltaics参考文献 27被引用 4

一句话总结

本文提出了一种数据驱动、仅使用图像的时序一致太阳追踪方法，用于鱼眼天空图像中的太阳轨迹估计，通过饱和像素检测与时间插值实现，无需相机标定或外部数据。在图像空间中实现了小于1%的平均绝对误差，从而在公开可用的数据集上实现了鲁棒的太阳辐照度预测。

ABSTRACT

Improving irradiance forecasting is critical to further increase the share of solar in the energy mix. On a short time scale, fish-eye cameras on the ground are used to capture cloud displacements causing the local variability of the electricity production. As most of the solar radiation comes directly from the Sun, current forecasting approaches use its position in the image as a reference to interpret the cloud cover dynamics. However, existing Sun tracking methods rely on external data and a calibration of the camera, which requires access to the device. To address these limitations, this study introduces an image-based Sun tracking algorithm to localise the Sun in the image when it is visible and interpolate its daily trajectory from past observations. We validate the method on a set of sky images collected over a year at SIRTA's lab. Experimental results show that the proposed method provides robust smooth Sun trajectories with a mean absolute error below 1% of the image size.

研究动机与目标

• 克服传统太阳追踪方法依赖相机标定和外部数据的局限性。
• 仅使用天空图像实现精确的太阳轨迹估计，促进在公开可用数据集上的开放研究。
• 即使太阳间歇性可见，也能提供时序一致的太阳位置估计。
• 通过可靠追踪鱼眼图像中太阳的运动，支持高分辨率太阳辐照度预测。
• 减少太阳能能量预测系统中对专用硬件和标定程序的依赖。

提出的方法

• 基于像素强度阈值的二元分类器用于判断太阳是否可见，利用短曝光图像的蓝色通道以获得最佳对比度。
• 当太阳可见时，通过饱和像素的中值滤波定位太阳位置，再经高斯滤波从耀斑中分离出太阳区域。
• 该方法利用太阳轨迹在多日内的平滑时序演化特性，通过历史观测插值预测未来位置。
• 使用监督学习模型在历史太阳位置上进行训练，以预测每日轨迹，确保时序一致性。
• 通过方位等距投影对图像进行预处理，以减少镜头畸变，提升定位精度。
• 该方法完全依赖图像数据，无需GPS、姿态信息或镜头标定参数。

实验结果

研究问题

• RQ1 纯基于图像的方法能否在鱼眼天空图像中以高精度和时序一致性估计太阳位置？
• RQ2 仅使用同一位置的历史观测数据，未来太阳轨迹的预测性能如何？
• RQ3 该方法在无相机标定条件下，对公开可用数据集的鲁棒性如何？
• RQ4 该方法能否有效处理因云层遮挡或图像伪影导致的数据缺失和异常值？
• RQ5 与传统依赖标定的方法相比，该纯图像方法的性能表现如何？

主要发现

• 所提方法在定位太阳位置时，平均绝对误差小于图像尺寸的1%。
• 即使太阳间歇性可见，该算法仍能生成平滑且时序一致的太阳轨迹。
• 该方法仅需少量历史数据（少于一周）即可生成可靠的轨迹预测。
• 由于在饱和区域使用中值和高斯滤波，该方法对图像噪声和伪影（如镜头耀斑）具有鲁棒性。
• 该方法无需相机标定或外部数据，即可在公开可用的天空图像数据集上实现精确的太阳追踪。
• 该技术通过提供云运动分析的稳定参考点，支持长期太阳辐照度预测。