一种太阳能电池板故障检测与运行效率预测装置和方法制造方法及图纸

本发明专利技术公开了一种太阳能电池板故障检测与运行效率预测装置和方法。该装置由磁阻传感器阵列、磁阻传感器信号调理采集模块、无线数据传输模块、四轮运动装置、数据库、故障计算模块、深度学习神经网络、显示模块和报警装置组成；磁阻传感器信号调理采集模块对磁阻传感器阵列获取的磁通密度信号进行处理，由四轮运动装置带动在太阳能电池板表面逐块扫描，通过无线数据传输模块保存到远程计算机数据库中；故障计算模块判断故障是否存在，显示模块对故障的形状及位置进行成像，报警装置发出警报；深度学习神经网络对电池板的运行效率进行预测。本发明专利技术基于磁阻传感器阵列和深度学习神经网络，提供了一种新型太阳能电池板故障检测与运行效率预测方法。

【技术实现步骤摘要】
一种太阳能电池板故障检测与运行效率预测装置和方法
本专利技术涉及太阳能电池板故障检测领域，特别是一种太阳能电池板故障检测与运行效率预测装置和方法。技术背景随着传统能源的日益枯竭和环境问题的愈发严重，清洁能源已经成为了新时代的宠儿，而太阳能作为一种清洁能源备受人们关注。近些年，光伏发电得到了快速发展并在全球范围内广泛分布。太阳能电池板是光伏发电系统的基础组成部分，其安全运行至关重要。太阳能电池板长时间暴露在户外容易发生故障，需要定期检查并排除故障。然而太阳能电池板内部故障肉眼无法识别，同时由于安装环境通常为荒郊野外，人为检查费时费力。因此，一种准确、实时和高效的太阳能电池板故障检测与运行效率预测方法十分的重要。本专利技术提出了一种太阳能电池板故障检测与运行效率预测装置和方法，该装置将采用磁阻传感器阵列测量太阳能电池板表面的磁通密度，通过比较不同状态下磁通密度信号的幅值差异，来判断故障是否存在和位置，同时通过深度学习神经网络对故障存在时的数据进行预处理、特征提取和训练，从而对故障进行分类并对太阳能电池板的运行效率进行预测。本专利技术的有益效果：1)该太阳能电池板故障检测装置结构简单，成本低廉，安装方便，非接触式，不影响太阳能电池板的正常工作。2)该方法可靠性强，环境适应性强，特别是与光学感应方法相比，该方法不会因为太阳能电池板上的灰尘而影响检测，且可检测电池板内部故障问题。3)该方法检测精度高，时效性强，能够实时准确提供太阳能电池板故障信息与运行效率，从而方便工作人员的检查与维护。专利
技术实现思路
本专利技术的目的是提供一种太阳能电池板故障检测与运行效率预测装置和方法。该装置由磁阻传感器阵列、磁阻传感器信号调理采集模块、无线数据传输模块、四轮运动装置、数据库、故障计算模块、深度学习神经网络、显示模块和报警装置组成。所述磁阻传感器阵列为方形阵列，需要根据太阳能电池板的尺寸和检测分辨率要求对磁阻传感器数目和间距进行调整。磁阻传感器集成在印刷电路板(PCB)上，并与磁阻传感器信号调理采集模块连接。所述磁阻传感器信号调理采集模块对磁阻传感器阵列采集的磁通密度信号进行转换、滤波、放大及采集等处理，通过无线数据传输模块将数据传输至远程计算机的数据库中。所述磁阻传感器阵列、磁阻传感器信号调理采集模块和无线数据传输模块安装在四轮运动装置上，并在太阳能电池板表面按照固定的路线匀速运动。四轮运动装置的运动距离和路线根据太阳能电池板尺寸而定，运动速度根据信号采集和处理速度而定。所述数据库包含了太阳能电池板在未工作状态下和工作状态下的磁通密度。其中，未工作状态下的磁通密度用于消除背景地磁场的影响。工作状态下的磁通密度包括无故障状态下磁通密度和实时检测的磁通密度。所述故障计算模块从数据库中获取无故障状态下的磁通密度和实时检测的磁通密度，判断故障是否存在。所述深度学习神经网络对故障存在时的数据进行预处理、特征提取和训练等操作后，可以对故障进行分类，同时预测太阳能电池板的运行效率。本专利技术所提供的一种太阳能电池板故障检测与运行效率预测方法，其特征在于，包括如下步骤：步骤1、四轮运动装置在太阳能电池表面按照固定的路线匀速运动，磁阻传感器阵列实时获取各个位置磁通密度信号，并连接磁阻传感器信号调理采集模块进行信号调理与采集。步骤2、将步骤1中采集到的磁通密度数据通过无线数据传输模块保存到远程计算机数据库中。数据库中包含非工作状态下和工作状态下多种情况的磁通密度数据。步骤3、故障计算模块获取步骤2中数据库的磁通密度数据，通过比较实时检测的磁通密度信号与无故障状态下磁通密度信号的幅值差异，判断故障是否存在。步骤4、将步骤3中的故障状态下的磁通密度数据发送到显示模块中，通过成像算法显示故障大小和位置，并通过报警装置提醒工作人员。步骤5、多次巡检后，数据量不断增多，深度学习神将网络对故障存在时的数据进行预处理、特征提取和训练等操作后，对故障进行分类，并可以实时预测太阳能电池板的运行效率，最后将故障类型和运行效率信息发送到显示模块。所述的深度学习神经网络分为故障分类和运行效率预测功能，需要使用多种不同类型神经网络。本专利技术所提供的太阳能电池板故障检测与运行效率预测装置和方法结构简单，成本低廉，安装方便，环境适应性强，是一种新型有效的非接触式检测方法，具有广阔的应用前景。附图说明图1为太阳能电池板故障检测与运行效率预测装置示意图图中：1.太阳能电池板；2.四轮运动装置；3.磁阻传感器阵列；4.磁阻传感器信号调理采集模块；5.无线数据传输模块；6.数据库；7.故障计算模块；8显示模块；9.报警装置；10.深度学习神经网络图2为磁阻传感器阵列示意图图3为太阳能电池板故障检测方法流程图图4为深度学习神经网络数据预处理、训练和预测示意图具体实施方式本专利技术提供一种太阳能电池板故障检测与运行效率预测装置和方法，可实现太阳能电池板故障检测，图像化显示故障大小与位置，同时对故障进行分类并预测太阳能电池板的运行效率，下面结合附图对本专利技术予以说明如下：实施例如图1所示，本实施例中提供了一种太阳能电池板故障检测与运行效率装置，所述装置由四轮运动装置2、磁阻传感器阵列3、磁阻传感器信号调理采集模块4、无线数据传输模块5、数据库6、故障计算模块7、显示模块8、报警装置9和深度学习神经网络10组成。如图2所示，本实施例中所述磁阻传感器(TMR)阵列为方形阵列，每颗大小为0.3cm×0.3cm×0.145cm，一共10行，每行10颗，间距为3cm，集成在PCB上用于测量太阳能电池板上的磁通密度。如图3所示，本实施例中提供了一种太阳能电池板故障检测与运行效率预测方法，包括如下步骤：步骤1、四轮运动装置在太阳能电池板表面以3cm/s的速度从上至下做匀速扫掠，磁阻传感器阵列实时获取各个位置磁通密度信号，并连接磁阻传感器信号调理采集模块进行信号处理。步骤2、将步骤1中采集到的磁通密度数据通过无线数据传输模块保存到远程计算机数据库中。数据库中包含非工作状态下和工作状态下多种情况的磁通密度数据。步骤3、将步骤2中数据库中的磁通密度数据传输至故障计算模块中，故障计算模块通过比较实时检测的磁通密度信号与无故障状态下磁通密度信号幅值差异，判断故障是否存在。步骤4、将步骤3中的故障信号发送到显示模块中，通过成像算法显示故障大小和位置，并通过警报装置提醒工作人员。步骤5、经过多次巡检过后，故障信息数据基本充足。如图4所示，将故障信息数据预处理后，发送至卷积神经网络(CNN)进行特征提取和训练，从而对故障进行分类，将提取的特征与故障类型发送至门循环单元(GRU)神经网络中进行训练得到模型后，可以实时预测太阳能电池板的运行效率。上述实施例仅为本专利技术的较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想本文档来自技高网...

【技术保护点】
1.一种太阳能电池板故障检测与运行效率预测装置和方法，其特征在于，所述装置由磁阻传感器阵列、磁阻传感器信号调理采集模块、无线数据传输模块、四轮运动装置、数据库、故障计算模块、深度学习神经网络、显示模块和报警装置组成。/n

【技术特征摘要】
1.一种太阳能电池板故障检测与运行效率预测装置和方法，其特征在于，所述装置由磁阻传感器阵列、磁阻传感器信号调理采集模块、无线数据传输模块、四轮运动装置、数据库、故障计算模块、深度学习神经网络、显示模块和报警装置组成。


2.根据权利要求1所述的太阳能电池板故障检测与运行效率预测装置，其特征在于，所述磁阻传感器阵列为方形阵列，需要根据太阳能电池板的尺寸和检测分辨率要求对磁阻传感器数目和间距进行调整。磁阻传感器集成在印刷电路板(PCB)上，并与磁阻传感器信号调理采集模块连接。


3.根据权利要求2所述的磁阻传感器信号调理采集模块，其特征在于，所述磁阻传感器信号调理采集模块对磁阻传感器阵列采集的磁通密度信号进行转换、滤波、放大及采集等处理，通过无线数据传输模块将数据传输至远程计算机的数据库中。


4.根据权利要求1所述的太阳能电池板故障检测与运行效率预测装置，其特征在于，所述磁阻传感器阵列、磁阻传感器信号调理采集模块和无线数据传输模块安装在四轮运动装置上，并在太阳能电池板表面按照固定的路线匀速运动。四轮运动装置的运动距离和路线根据太阳能电池板尺寸而定，运动速度根据信号采集和处理速度而定。


5.根据权利要求1所述的太阳能电池板故障检测与运行效率预测装置，其特征在于，所述数据库包含了太阳能电池板在未工作状态下和工作状态下的磁通密度。其中，未工作状态下的磁通密度用于消除背景地磁场的影响。工作状态下的磁通密度包括无故障状态下磁通密度和实时检测的磁通密度。


6.根据权利要求1所述的太阳能电池板故障检测与运行效率预测...

【专利技术属性】
技术研发人员：张文彪，刘瑶瑶，马永华，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11