本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的光伏电池板结冰的清洁方法与系统。该方法包括以下步骤：采集每个电池板的初始数据，初始数据为电池板表面图像数据、红外图像数据和超声波数据；将初始数据通过DNN网络获取积雪厚度和初始结冰等级；利用积雪厚度和环境因素与初始结冰等级建立映射模型；将每个电池板的积雪厚度输入映射模型，预测每个电池板表面的积雪开始结冰时间t0和一段时间后的结冰等级K；根据结冰等级K调整清洁模式，清洁模式包括清雪模式和清冰模式。利用映射模型较为准确地预测一段时间后的结冰等级，从而根据结冰等级自适应地调整清洁模式，防止清洁不彻底导致电池板使用寿命的减少。防止清洁不彻底导致电池板使用寿命的减少。防止清洁不彻底导致电池板使用寿命的减少。
【技术实现步骤摘要】
基于人工智能的光伏电池板结冰的清洁方法与系统
[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的光伏电池板结冰的清洁方法与系统。
技术介绍
[0002]雪天之后，光伏电站的电池板表面会被积雪覆盖。在各种环境因素的影响下，当积雪量达到一定的厚度时，积雪会缓慢的融化，然后再次结为冰。光伏电站的电池板表面结冰不仅会降低电池板的输出功率，还会减少电池板的使用寿命。
[0003]专利文献CN111112270A公开了一种基于雪量感知的光伏智能清洁控制系统和方法，该方法通过视觉传感器和雪量传感器来预测光伏组件所在环境的雪量，并结合气象数据库及时且准确地判定是否开始下雪，清洁机器人及时地对光伏组件进行自动扫雪清洁，防止积雪导致的丧失发电量使光伏组件能正常进行光电转化。
[0004]专利技术人在实践中，发现上述方法不能准确地检测出每个电池板上的积雪厚度，而且没有考虑到电池板表面结冰的情况，从而不能相应地对每个电池板进行彻底地清洁。
技术实现思路
[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的光伏电池板结冰的清洁方法与系统，所采用的技术方案具体如下：
[0006]第一方面，本专利技术一个实施例提供了一种基于人工智能的光伏电池板结冰的清洁方法，该方法包括以下步骤：
[0007]采集每个电池板的初始数据，所述初始数据为电池板表面图像数据、红外图像数据和超声波数据；
[0008]将所述初始数据通过DNN网络获取积雪厚度和初始结冰等级；<br/>[0009]利用所述积雪厚度和环境因素与所述初始结冰等级建立映射模型；
[0010]将每个电池板的积雪厚度输入所述映射模型，预测每个电池板表面的积雪开始结冰时间t0和一段时间后的结冰等级K；
[0011]根据所述结冰等级K调整清洁模式，所述清洁模式包括清雪模式和清冰模式；
[0012]所述映射模型为：
[0013][0014][0015]其中，T＞0；T0为常数，表示在正常环境下电池板工作时的最佳温度；t0表示电池板表面的积雪开始结冰的时间；t表示时刻；T
c
表示结冰因子；T
b
表示融雪因子；α、β、γ为常数；H表示电池板表面的积雪厚度，T表示环境温度和M表示环境湿度；
[0016]当t<t0时，K等于0，调整为清雪模式；
[0017]当t>t0时，根据K的取值，调整相应的清冰模式。
[0018]所述DNN网络包括电池板语义分割网络和积雪厚度检测网络，获取所述积雪厚度的步骤包括：
[0019]利用所述电池板语义分割网络，获取每个电池板的语义区域；
[0020]结合所述语义区域和所述超声波数据，获取每个电池板对应的超声波信号；
[0021]将电池板的所述语义区域、所述电池板表面图像数据和对应的所述超声波信号输入所述积雪厚度检测网络，得到每个电池板的所述积雪厚度。
[0022]所述DNN网络还包括结冰等级评估网络，获取所述初始结冰等级的步骤包括：
[0023]将每个电池板的所述语义区域、所述电池板表面图像数据、所述红外图像数据输入所述结冰等级评估网络中，得到每个电池板的所述初始结冰等级。
[0024]所述结冰因子T
c
的计算公式：
[0025][0026]其中，H
na
表示第a个时刻电池板n的积雪厚度；H
nt
表示第t个时刻电池板n的积雪厚度；
[0027]表示在[a，t]时刻内的平均温度；表示在[a，t]时刻内的平均湿度；θ为平衡因子，是常数。
[0028]所述融雪因子T
b
的计算公式：
[0029][0030]其中，H
n1
表示第1个时刻电池板n的积雪厚度；H
na
表示第a个时刻电池板n的积雪厚度；表示在[1,a]时刻内的平均温度；表示在[1,a]时刻内的平均湿度；θ为平衡因子，是常数。
[0031]第二方面，本专利技术另一个实施例提供了一种基于人工智能的光伏电池板结冰的清洁系统，该系统包括：
[0032]采集单元，用于采集每个电池板的初始数据，所述初始数据为电池板表面图像数据、红外图像数据和超声波数据；
[0033]DNN网络单元，用于将所述初始数据通过DNN网络获取积雪厚度和初始结冰等级；
[0034]建模单元，用于利用所述积雪厚度和环境因素与所述初始结冰等级建立映射模型；
[0035]预测单元，用于将每个电池板的积雪厚度输入所述映射模型，预测每个电池板表面的积雪开始结冰时间t0和一段时间后的结冰等级K；以及
[0036]调节单元，用于根据所述结冰等级K调整清洁模式，所述清洁模式包括清雪模式和清冰模式；
[0037]所述映射模型为：
[0038][0039][0040]其中，T＞0；T0为常数，表示在正常环境下电池板工作时的最佳温度；t0表示电池板表面的积雪开始结冰的时间；t表示时刻；T
c
表示结冰因子；T
b
表示融雪因子；α、β、γ为常数；H表示电池板表面的积雪厚度，T表示环境温度和M表示环境湿度；
[0041]当t<t0时，K等于0，调整为清雪模式；
[0042]当t>t0时，根据K的取值，调整相应的清冰模式。
[0043]所述DNN网络单元，还包括：
[0044]电池板语义分割网络单元，用于获取每个电池板的所述语义区域；
[0045]积雪厚度检测网络单元，用于获取每个电池板的所述积雪厚度；以及
[0046]结冰等级评估网络单元，用于获取每个电池板的所述初始结冰等级。
[0047]所述建模单元，还包括：
[0048]结冰因子单元，用于获取所述结冰因子T
c
，所述结冰因子单元为：
[0049][0050]其中，H
na
表示第a个时刻电池板n的积雪厚度；H
nt
表示第t个时刻电池板n的积雪厚度；
[0051]表示在[a，t]时刻内的平均温度；表示在[a，t]时刻内的平均湿度；θ为平衡因子，是常数。
[0052]所述建模单元，还包括：
[0053]融冰因子单元，用于获取所述融冰因子T
b
，所述融冰因子单元为：
[0054][0055]其中，H
n1
表示第1个时刻电池板n的积雪厚度；H
na
表示第a个时刻电池板n的积雪厚度；表示在[1,a]时刻内的平均温度；表示在[1,a]时刻内的平均湿度；θ为平衡因子，是常数。
[0056]所述预测单元，还包括：
[0057]时间预测单元，用于预测每个电池板表面的积雪所述开始结冰时间t0；
[0058]等级预测单元，用于预测每个电池板表面的积雪的所述结冰本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的光伏电池板结冰的清洁方法，其特征在于，该方法包括以下步骤：采集每个电池板的初始数据，所述初始数据为电池板表面图像数据、红外图像数据和超声波数据；将所述初始数据通过DNN网络获取积雪厚度和初始结冰等级；利用所述积雪厚度和环境因素与所述初始结冰等级建立映射模型；将每个电池板的积雪厚度输入所述映射模型，预测每个电池板表面的积雪开始结冰时间t0和一段时间后的结冰等级K；根据所述结冰等级K调整清洁模式，所述清洁模式包括清雪模式和清冰模式；所述映射模型为：所述映射模型为：其中，T＞0；T0为常数，表示在正常环境下电池板工作时的最佳温度；t0表示电池板表面的积雪开始结冰的时间；t表示时刻；T
c
表示结冰因子；T
b
表示融雪因子；α、β、γ为常数；H表示电池板表面的积雪厚度，T表示环境温度和M表示环境湿度；当t<t0时，K等于0，调整为清雪模式；当t>t0时，根据K的取值，调整相应的清冰模式。2.如权利要求1所述的方法，其特征在于，所述DNN网络包括电池板语义分割网络和积雪厚度检测网络，获取所述积雪厚度的步骤包括：利用所述电池板语义分割网络，获取电池板的语义区域；结合所述语义区域和所述超声波数据，获取每个电池板对应的超声波信号；将电池板的所述语义区域、所述电池板表面图像数据和对应的所述超声波信号输入所述积雪厚度检测网络，得到每个电池板的所述积雪厚度。3.如权利要求2所述的方法，其特征在于,所述DNN网络还包括结冰等级评估网络，获取所述初始结冰等级的步骤包括：将每个电池板的所述语义区域、所述电池板表面图像数据、所述红外图像数据输入所述结冰等级评估网络中，得到每个电池板的所述初始结冰等级。4.如权利要求1所述的方法，其特征在于，所述结冰因子T
c
的计算公式：其中，H
na
表示第a个时刻电池板n的积雪厚度；H
nt
表示第t个时刻电池板n的积雪厚度；表示在[a，t]时刻内的平均温度；表示在[a，t]时刻内的平均湿度；θ为平衡因子，是常数。5.如权利要求1或者4所述的方法，其特征在于，所述融雪因子T
b
的计算公式：
其中，H
n1
表示第1个时刻电池板n的积雪厚度；H
na
表示第a个时刻电池板n的积雪厚度；表示在[1,a]时刻内的平均温度；表示在[1,a]时刻内的平均湿度；θ为平衡因子，是常数。6.一种...
【专利技术属性】
技术研发人员：徐尔灵，钟竞，
申请(专利权)人：郑州迈拓信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。