(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211095046.7 (22)申请日 2022.09.05 (71)申请人 河海大学 地址 210024 江苏省南京市 鼓楼区西康路1 号 (72)发明人 臧海祥　刘璟璇　张越　李叶阳　 孙国强　朱瑛　周亦洲　黄蔓云　 韩海腾　陈胜　卫志农　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 李淑静 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/46(2022.01) G06V 10/82(2022.01)G06V 10/80(2022.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于稀疏时空特征描述子的超短期太阳辐 射预测方法及系统 (57)摘要 本发明公开了一种基于稀疏时空特征描述 子的超短期太阳辐射预测方法及系统， 方法包 括： 通过Cuboid稀疏时空特征描述子提取待预测 时刻前第一时间段内的连续灰度地基云图的隐 藏特征， 形成时空特征描述向量； 通过空间金字 塔池化网络对时空特征描述向量进行编码， 得到 云图动态编码特征； 通过密集连接卷积网络对待 预测时刻前第二时间段内的RGB色彩地基云图进 行特征提取， 得到云图静态编码特征， 其中第二 时间段小于第一时间段； 将两种特征与历史数据 进行融合， 通过多层感知机， 输出太阳辐射预测 值。 本发明显著提高了超短期太阳辐射预测精 度。 权利要求书2页 说明书8页 附图3页 CN 115457389 A 2022.12.09 CN 115457389 A 1.一种基于稀疏时空特征描述子的超短期太阳辐射预测方法， 其特征在于， 包括以下 步骤： (1)通过Cuboid稀疏 时空特征描述子提取待预测时刻 前第一时间段内的连续灰度地基 云图的隐藏特 征， 形成时空特 征描述向量； (2)通过空间金字塔池化网络对时空特 征描述向量进行编码， 得到云图动态编码特 征； (3)通过密集连接卷积网络对待预测时刻前第二时间段内的RGB色彩地基云图进行特 征提取， 得到云图静态编码特 征， 其中第二时间段小于第一时间段； (4)将云图动态编码特征、 云图静态编码特征与历史数据进行融合， 通过多层感知机， 输出太阳辐射预测值， 用以预测未来10分钟至30分钟的太阳辐射， 其中所述历史数据包括 历史太阳辐射数据和历史气象数据。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤(1)包括以下步骤： (1.1)应用可分离线性滤波器对连续灰度云图进行时空滤波， 搜寻局部最大值的点作 为潜在的兴趣点， 对每一个 检测出的潜在兴趣点， 提取包 含时空窗口像素值的长方体； (1.2)通过非极大值抑制方法决定保留有效的Cubo id描述子； (1.3)基于Farneback稠密 光流计算方法， 对有效的Cuboid描述子进行由像素点至光流 图的逐帧转 化； (1.4)将每个有效的Cuboid描述子展开平铺成一维向量， 在各个样本内聚合平铺得到 的一维向量， 最后得到一个二维的描述向量 来表征提取 得到的时空特 征。 3.根据权利 要求2所述的方法， 其特征在于， 所述步骤(1.3)包括： 首先计算Coboid邻帧 Farneback 光流场， 然后将x轴向与y轴向的光 流场融合， 其中Farneback 光流场的计算包括： 将地基云图用二次多项式来近似表示： I(X)～XTAX+bTX+c， 其中， X指的是像素的空间位 置表示(x,y)T， A、 b、 c为 二次多项式系数； 基于相邻云图的亮度不变性假设， 匹配相邻帧云图的二次多项式系数， 并作实用性调 整： I1(X)≈I2(X) 由此得到Farneback稠密光 流计算方法的目标函数， 其 函数公式为： 对目标函数进行梯度下降， 得到连续云图帧的稠密光 流解。 4.根据权利要求1所述的方法， 其特 征在于， 所述 步骤(2)包括： (2.1)空间金字塔池化网络接收所述时空特征描述向量作为输入， 通过卷积网络使其 缩放到合 适的尺寸； (2.2)对缩放得到的特 征向量分别经 过三种尺寸的金字塔池化； (2.3)将池化后的向量融合成具有固定尺寸的特征向量， 作为云图动态编码特征 Fdynamic。权　利　要　求　书 1/2 页 2 CN 115457389 A 25.根据权利要求1所述的方法， 其特 征在于， 所述 步骤(3)包括： (3.1)将预测时刻前第二时间段内RGB云图作为密集连接卷积网络的输入X0， 对于后续 连接的第l层， 接受前面所有层X0,X1...,Xl‑1作为输入， 计算公式为： Xl＝Hl([X0,X1...,Xl‑1]) 其中[X0,X1...,Xl‑1]指的是第0,1...,l ‑1层的特征的融合结果， 所述的密集连接卷积 网络定义Hl(·)为三个连续运算的复合函数： 批 处理归一化， 线性校正单元， 和一个3 ×3卷 积； (3.2)将密集连接卷积网络的输出 Xl， 作为云图静态编码特 征Fstatic。 6.根据权利要求1所述的方法， 其特征在于， 所述步骤(4)中多层感知机模型的计算公 式为： 其中， 为输出的太阳辐射预测值， f( ·)为激活函数， w为多层感知机隐藏层的权重， Fdynamic,Fstatic,Xhis分别为云图动态编码特 征、 云图静态编码特 征、 历史数据， b为偏置 。 7.根据权利要求1所述的方法， 其特征在于， 所述地基云图来自采用无遮挡臂鱼眼镜头 的全天空成像仪ASI ‑16， 数据颗粒度为10分钟， 图像 分辨率为300 ×300像素， 所述第一时间 段为160分钟， 所述第二时间段为10分钟。 8.一种基于稀疏时空特征描述子的超短期太阳辐射预测系统， 其特征在于， 包括编码 模块和解码模块， 其中， 编码模块包括三个特征编码通道： 云图动态特征通道， 云图静态特 征通道， 历史数据通道， 其中， 云图动态特征通道接受预测时刻前第一时间段内的连续灰度 云图， 通过稀疏时空特征提取得到时空特征描述子， 输入空间金字塔池化网络得到云图动 态编码特征； 云图静态特征通道接受预测时刻前第二时间段内RGB云图， 输入密集连接卷积 网络得到云图静态编码特征， 其中第二时间段小于第一时间段； 历史数据通道接受历史太 阳辐射数据与历史气象数据， 其中， 解码模块将编 码模块三个通道得到的编 码特征融合后， 通过多层感知机得到模型的预测输出， 用以预测未来10分钟至 30分钟的太阳辐射。 9.一种计算机设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器； 以及 一个或多个程序， 其中所述一个或多个程序被存储在所述存储器中， 并且被配置为由 所述一个或多个处理器执行， 所述程序被处理器执行时实现如权利要求1 ‑7中任一项所述 的基于稀疏时空特 征描述子的超短期太阳辐射预测方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求 1‑7中任一项 所述的基于稀疏时空特征描述子的超短期太 阳辐射预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115457389 A 3