基于深度学习从天空图像推断地表太阳辐照度
计算机视觉与模式识别
2018-12-27 v1 人工智能
机器学习
摘要
我们提出一种新颖的方法，用于执行地表太阳辐照度的地基估计与预测，以期预测光伏能源生产。我们提议使用小批量 k-means 聚类从低成本鱼眼镜头相机拍摄的天空图像中提取特征，称为每簇像素数（PCNP）。这些特征首先用于通过单隐藏层神经网络将天空分类为晴朗或多云；分类准确率达 99.7%。若天空被分类为多云，我们提议使用以 PCNP 为输入特征的深度神经网络来预测太阳辐照度的小时内变率。为此目标，本文聚焦于建立关联 PCNP 特征与太阳辐照度的深度神经网络模型，这是执行预测任务前的重要一步。所提出的基于深度学习的估计方法被证明具有 95% 的准确率。
引用
@article{arxiv.1812.09793,
title = {Deep Learning for Inferring the Surface Solar Irradiance from Sky Imagery},
author = {Mehdi Zakroum and Mounir Ghogho and Mustapha Faqir and Mohamed Aymane Ahajjam},
journal= {arXiv preprint arXiv:1812.09793},
year = {2018}
}