光伏短期功率预测：云图特征提取与云移估计工程方案

3.3 辐射定标/归一化（可选但强烈建议）

• 不同季节、太阳高度角变化会导致可见光亮度分布变化
• 如果直接用原始亮度做特征，模型会把'太阳高度角变化'当成云变化
• 建议引入：太阳高度角/方位角作为辅助特征，或做通道归一化

4. 云图特征提取：从'像素'到'可用特征'的三层结构

工程上推荐'三层特征'组合，而不是只用一个 CNN 黑盒。

4.1 第一层：物理/统计特征（低成本、可解释）

从云产品或云图通道直接构造：

• 云量（Cloud Cover）
• 云顶温度（IR）
• 云光学厚度（COT）或云反照率代理
• ROI 内均值/方差/分位数（P10/P50/P90）
• 云边界强度（梯度幅值统计）
• '遮挡指数'proxy：电站 ROI 内高云像素占比

优势：可解释、鲁棒、易监控，适合做基线与回退。

4.2 第二层：结构特征（形态学/纹理）

对云图做分割或边缘提取，提取：

• 云团连通域数量、面积、周长
• 云边界长度、边缘方向分布
• 纹理特征（GLCM 等，或简化的频域能量）

这些特征非常适合解释'云边效应'和'碎云导致的快速波动'。

4.3 第三层：深度特征（CNN/ViT）

用 CNN/ViT 对云图序列编码，输出 embedding：

• 单帧 CNN（ResNet/U-Net encoder）
• 时序 CNN（3D CNN）
• CNN + Transformer（时空编码）

建议：深度特征别单独用，最好与第一层/第二层拼接融合，提高稳健性与可解释性。

5. 云移估计：短临预测的'发动机'（两类主流路线）

云移估计的目的：得到云团运动矢量场 V(x,y)，用于把当前云图推演到未来。

路线 A：光流法 Optical Flow（通用强、工程成熟）

• Lucas–Kanade（稀疏光流）
• Farnebäck（稠密光流）
• TV-L1（鲁棒、适合光照变化）
• 深度光流（RAFT 等，效果强但成本高）

输出：像素级速度矢量场（dx/dt, dy/dt）

工程注意点：

• 云图亮度变化不全来自运动，云厚变化会干扰光流
• 需要做通道选择（红外云顶温度通道通常更稳定）
• 需要对矢量场做平滑与异常剔除（避免局部噪声速度爆炸）

路线 B：相关匹配/块匹配 Cross-correlation（更可控、更易解释）

做法：

• 将 ROI 分成多个块
• 计算相邻两帧的相关系数最大位移
• 得到每块的位移向量

优势：

• 解释性强
• 对噪声更稳（若配合多尺度）
• 易于做质量评分（相关峰值强度）

推荐实践：

• 多尺度金字塔（粗到细）
• 相关峰值 < 阈值 → 判为不可信区域
• 对不可信区域使用邻域插值或回退全局风场

6. 云图推演与遮挡预测：从'云在动'到'辐照会怎么变'

拿到云移矢量场后，下一步通常是：

• 对云图（或云产品）做平流推演（advection）
• 得到未来 5/15/30/60 分钟的'云覆盖演化'

关键工程点：云不仅移动，还会发展/消散（云厚变化）。因此建议：

• 运动项：由云移矢量场驱动
• 强度项：用简单的增长/衰减模型或残差学习（学习云厚变化趋势）

如果有多通道（如红外云顶温度 + 可见光），可以更好区分'云移动'和'云厚变化'。

7. 从云到功率：两阶段映射比'一步到位'更稳

工程上最推荐的方式不是'云图直接预测功率'，而是：

7.1 阶段 1：云 → 辐照（或等效辐照）

先预测未来辐照（GHI/DNI 或等效辐照）：

• 云覆盖、云厚、太阳高度角 → 辐照变化
• 云边界强度 → 辐照波动增强风险

7.2 阶段 2：辐照 → 功率（结合温度与设备状态）

再用电站侧模型做功率映射：

• 温度影响效率
• 逆变器削顶（clipping）导致非线性饱和
• 可用容量变化（AvailCap）决定上限

这样做的好处：

• 物理一致性更好
• 更容易解释与验收
• 设备状态变化不至于'污染云图模型'

8. 概率预测与 ramp 事件：短临必须'风险化输出'

8.1 为什么要 P10/P90？

云变天的不确定性极高，点预测再准也会在某些天崩。 区间预测能直接服务：

• 备用配置
• 储能 SOC 预留
• 风险提示（confidence）

实现方法（工程可落地）：

• 分位数回归（Pinball loss）输出 P10/P50/P90
• 或用集合方法（多模型/多初始化/多气象扰动）构造分布

8.2 ramp 预警（爬坡预测）

短临最值钱的是提前识别'突降/突升'窗口：

输出建议包括：

• ramp_prob：未来 15–60 分钟发生突降/突升概率
• ramp_amp：幅度区间
• ramp_t0：预计触发时刻
• lead_time：提前量（用于评估系统价值）

9. 系统工程：可用性比最优精度更重要（监控与回退必须有）

短临系统真实运行一定会遇到：

• 云图延迟、缺帧、断流
• 夜间可见光不可用（需用红外或直接切到 NWP/功率基线）
• 极端对流云快速发展（运动估计不稳定）

因此必须内置三类机制：

9.1 数据质量监控

• 云图到达延迟
• 缺帧率
• ROI 裁剪是否异常
• 云移估计质量评分（光流一致性/相关峰值）

9.2 置信度输出

当质量评分下降时：

• 自动扩大区间（更保守）
• 降低点预测权重
• 提醒调度'当前不确定性高'

9.3 回退策略（Fallback）

• 云图不可用 → 回退到功率持久性 + NWP 短期修正
• 云移不可信 → 回退全局运动（平均矢量）或多源融合
• 夜间/低太阳高度角 → 以物理模型与历史形态为主

10. 验收指标：别只看 nRMSE，要看短临'事件价值'

建议短临至少验收：

• 关键时段误差（多云窗口）
• ramp 命中率、提前量、幅度误差
• P10/P90 覆盖率与区间宽度
• 峰值/谷值偏差与发生时刻偏差

对光伏短期预测来说，'ramp 提前量'通常比'全天 nRMSE'更能体现价值。

Q1：为什么晴天光伏功率预测很准，多云就不准？ A：多云本质是空间传播问题。缺少卫星云图与云移估计时，模型只能用历史功率外推，必然滞后且容易失效。

Q2：云移估计用光流还是相关匹配更好？ A：光流更通用、细节更丰富；相关匹配更稳、更可解释。工程上常用'相关匹配做基线 + 光流做增强'，再做质量评分与回退。

Q3：云图模型能直接预测功率吗？ A：可以，但更推荐'云→辐照→功率'的两阶段方案，更符合物理一致性，也更利于处理逆变器削顶、可用容量等工程因素。

结语：光伏短期预测要想'云一来不跳'，关键是把云当成'可运动的空间系统'

真正可落地的光伏短临预测体系，通常具备：

• 卫星云图（高频）接入
• 云图特征提取（物理 + 结构 + 深度）
• 云移估计（光流/相关匹配 + 质量评分）
• 平流推演 + 强度变化修正
• 两阶段映射（云→辐照→功率）
• 概率区间输出 + ramp 预警
• 监控与回退机制

做到这些，'云一来就跳'才能从根上被解决，预测系统才能真正服务调度、储能与交易。