摘要
本发明涉及DNI预测领域,公开了一种基于密集光流法和深度学习网络的DNI预测方法,包括如下步骤:对全天空成像仪采集的图像进行畸变校正;根据前后两个时刻畸变校正后的图像,利用密集光流法计算出当前图像每个像素点的速度;当最大像素速度小于指定速度阈值时,采用静止模型来预测未来时刻的DNI,否则采用运动模型来预测未来时刻的DNI;当采用运动模型时,利用训练好的深度学习网络模型预测未来时刻的晴空指数,然后将未来时刻的晴空指数与未来时刻的晴空DNI相乘即可以得到未来时刻的预测DNI。本发明所公开的方法能够更准确地反映实际DNI的变化,具有更好的预测准确度,适应性强。
技术关键词
深度学习网络模型
针孔相机
鱼眼相机
校正
ROI图像
浊度
太阳
指数
时间段
分层特征提取
卷积神经网络模型
光流法
成像仪
速度
像素
坐标
方位角
系统为您推荐了相关专利信息
智能预测方法
气候变化情景
径流
概率分布函数
长短期记忆神经网络
功能磁共振图像
结构磁共振
跨模态
多尺度特征
校正方法
视觉诱发电位
卷积循环神经网络
神经网络预测模型
运动补偿算法
指令执行单元
智能显示设备
语音交互模块
人脸识别模块
广角摄像头
自然语言理解