-
题名基于区域自由的地基云图云种类识别方法
- 1
-
-
作者
李逸超
郭睿
张少迪
寿泽锋
陈静
刘翼飞
-
机构
国家电网上海市电力公司浦东供电公司
上海电器科学研究所(集团)有限公司上海市智能电网需求响应重点实验室
上海电力大学自动化学院
-
出处
《哈尔滨理工大学学报》
CAS
北大核心
2023年第2期128-135,共8页
-
基金
国网上海电力公司2021年营销专项(6409212000ND)
国家自然科学基金青年基金(51607111)。
-
文摘
准确识别云种类有助于提高预测光伏发电功率精度。针对地基云图云种类识别目标候选框选择复杂、识别速度慢等问题,提出了基于区域自由的地基云图云种类识别方法。首先以Center Net为地基云图云种类识别的基本架构,通过热力图预测,关键点预测、中心点预测和候选框预测构建了区域自由的地基云图云种类识别流程。然后,设计了云种类识别模型的主干网络、损失函数和候选框预测方法。最后,以CenterNet-Resdcn101为模型,从算法识别精度、候选框预测置信度和识别速度等方面与主流目标识别方法和云种类识别方法进行了分析比较。实验结果表明本文所提方法具有更高的识别精度和更快的识别速度。
-
关键词
云分类
云种类识别
区域自由
Center
Net
-
Keywords
cloud classification
cloud type recognition
anchor free
center net
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名考虑云种类特征的光伏功率超短期预测
- 2
-
-
作者
寿泽锋
黄云峰
陈静
李平
-
机构
上海电力大学
-
出处
《电力电子技术》
CSCD
北大核心
2022年第11期49-53,共5页
-
基金
国家自然科学基金青年科学基金(51607111)。
-
文摘
光伏(PV)输出功率受到云的透射率、厚度和高度的影响,同时云层在不同演化模式下对PV发电也有着不同程度的影响。针对上述云特征的影响,此处提出了考虑云种类的PV功率预测方法。首先,通过Center Net目标识别技术提取地基云图中云种类特征;其次,通过卷积编码器将地基云图高维图像特征转换成低维特征;其次,以上述特征和气象数据为输入构建了PV预测模型;最后,通过长短时记忆(LSTM)算法实现了考虑云种类的PV预测。实验表明所提云种类特征能够有效地提升PV功率预测的准确性。
-
关键词
光伏功率
云种类
超短期预测
-
Keywords
photovoltaic power
cloud-type
ultra-short-term forecast
-
分类号
TM615
[电气工程—电力系统及自动化]
-
