[论文解读] 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 6

一句话总结

本文提出了一种新颖的数据处理框架，结合全球太阳辐照度（GSI）与长波红外（IR）天空图像，以提升超短期太阳能预测精度。通过消除GSI中的周期性平稳偏差，并校正红外图像中的大气散射及镜头引起的伪影，该方法可实现对天空状况（晴空、积云、层云、雨层云）的精确分类，从而增强云特征的量化，提升光伏发电预测性能。

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.

研究动机与目标

• 解决移动云影对太阳能系统中光伏（PV）发电的影响。
• 校正由季节性和昼夜变化引起的全球太阳辐照度（GSI）测量中的周期性平稳偏差。
• 消除红外相机锗透镜引起的散射效应，该效应会扭曲天空图像分析。
• 开发一种大气模型，从红外图像中分离出直接太阳辐照度与散射贡献。
• 将天空状况分类为四类——晴空、积云、层云与雨层云，以提升超短期太阳能预测性能。

提出的方法

• 应用理论晴空太阳辐照度模型，推导出晴空指数（CSI）时间序列，从实测GSI中去除季节性趋势。
• 利用CSI校正GSI时间序列中的周期性平稳偏差，提升基准辐照度的准确性。
• 开发大气模型，从红外图像中分离出直接太阳辐照度与散射效应。
• 利用晴空红外图像建模并校准锗透镜上水滴与灰尘引起的散射效应。
• 基于红外图像特征与大气建模，将天空状况分类为四类：晴空、积云、层云与雨层云。
• 将处理后的GSI与IR数据整合至统一框架中，用于超短期太阳能预测中的云特征量化。

实验结果

研究问题

• RQ1 如何有效消除全球太阳辐照度测量中的周期性平稳偏差，以提升预测精度？
• RQ2 红外相机锗透镜引起的散射效应在多大程度上扭曲天空图像分析？如何进行校正？
• RQ3 如何在长波红外图像中分离大气散射与直接太阳辐照度，以增强云特征检测？
• RQ4 能否通过处理后的IR与GSI数据可靠地实现四类天空状况分类（晴空、积云、层云、雨层云）？
• RQ5 校正后的GSI与IR数据整合如何提升超短期太阳辐照度预测性能？

主要发现

• 晴空指数（CSI）时间序列有效去除了全球太阳辐照度测量中的季节性与昼夜趋势，使基准辐照度建模更加准确。
• 大气模型成功地从红外图像中分离并消除了大气散射与直接太阳辐照度的影响，提升了特征提取效果。
• 利用晴空红外图像准确建模了锗透镜引起的散射效应，实现了对镜头伪影的校正。
• 通过整合校正后的IR与GSI数据，成功实现了对四类天空状况（晴空、积云、层云、雨层云）的可靠分类。
• 所提出的框架显著增强了云特征的统计量化能力，直接支持更精确的超短期太阳能预测。
• 该方法在处理真实传感器伪影（如镜头上的灰尘与水滴）方面表现出鲁棒性，且无需硬件修改。