【技术实现步骤摘要】
基于人工智能的光伏电池功率衰减分析方法及系统
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功率衰减分析方法及系统。
技术介绍
目前，随着新能源的兴起，太阳能电池应用越来越广泛。焊带是光伏组件焊接过程中的重要原材料，焊带焊接时的好坏将直接影响到光伏电池板的发电功率。在光伏电池板生产过程中，为了提高焊接质量和效率，人们开始使用焊接机来代替普通的人工焊接，焊接机在实际工作中，需要在焊接机上设计焊带定位装置，以起到固定焊带的作用，但是，焊接机定位出现异常将造成焊带偏移，或者因电压或者其他原因，焊接机在焊接过程中或出现虚焊的问题。这会造成电池板在使用过程中，出现脱焊等问题，从而也会引起焊带偏移。当焊带偏移程度过大会时，会影响到电池板的其他部件，最终造成电池板输出功率衰减。但是焊带偏移对电池板输出功率衰减程度的影响很难直观的反映出来，所以目前针对焊带偏移对电池板输出功率衰减的影响程度，没有系统的检测分析方法。
技术实现思路
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...
【技术保护点】
1.一种基于人工智能的光伏电池功率衰减分析方法，其特征在于，包括以下步骤：/n获取电池板表面图像，并经预处理后输入深度神经网络，获得焊带区域遮罩，所述焊带区域遮罩包括焊带特征；/n将所述焊带区域遮罩结合所述电池板表面图像经过图像处理后，获取焊带边缘图像并根据焊带边缘剪切，获得单个焊带区域图像；/n切分所述单个焊带区域图像，获得焊带子图像，经图像处理，提取每个所述焊带子图像的特征信息，所述特征信息包括焊带子图像中子焊带倾斜角度、子焊带连通域的周长和中心点；/n根据所述的所述特征信息建立对应所述焊带子图像的三维特征向量，统计全部焊带子图像的三维特征向量并经过聚类处理，获得子焊带...
【技术特征摘要】
1.一种基于人工智能的光伏电池功率衰减分析方法，其特征在于，包括以下步骤：
获取电池板表面图像，并经预处理后输入深度神经网络，获得焊带区域遮罩，所述焊带区域遮罩包括焊带特征；
将所述焊带区域遮罩结合所述电池板表面图像经过图像处理后，获取焊带边缘图像并根据焊带边缘剪切，获得单个焊带区域图像；
切分所述单个焊带区域图像，获得焊带子图像，经图像处理，提取每个所述焊带子图像的特征信息，所述特征信息包括焊带子图像中子焊带倾斜角度、子焊带连通域的周长和中心点；
根据所述的所述特征信息建立对应所述焊带子图像的三维特征向量，统计全部焊带子图像的三维特征向量并经过聚类处理，获得子焊带偏移类别信息，所述子焊带偏移类别信息包括偏移等级以及每个偏移等级包含的所述焊带子图像的数量；
根据所述子焊带偏移类别信息获得焊带偏移程度，当所述焊带偏移程度大于偏移阈值时，将所述电池板表面图像输入脱层语义网络，获得电池板脱层区域面积。
根据所述电池板脱层区域面积结合所述焊带偏移程度获得电池板功率衰减程度。
2.根据权利要求1所述的基于人工智能的光伏电池功率衰减分析方法，其特征在于，所述的切分所述单个焊带区域图像，获得焊带子图像，经图像处理，提取每个所述焊带子图像的特征信息，包括以下步骤：
根据所述单个焊带区域图像中焊带的垂直方向切分图像，获得焊带子图像，并进行连通域分析，提取子焊带连通域；
获取所述子焊带连通域的中心点，利用连通域分析获取所述子焊带连通域的周长；
获取所述子焊带连通域的最小外接矩形，获取水平线与所述最小外接矩形的倾斜角度。
3.根据权利要求1所述的基于人工智能的光伏电池功率衰减分析方法，其特征在于，所述的根据所述子焊带偏移类别信息获得焊带偏移程度得方法为：对所述子焊带偏移类别信息中的偏移等级赋予权重，结合每个所述偏移等级所包含的焊带子图像数量进行加权求和，获得所述焊带偏移程度。
4.根据权利要求1所述的基于人工智能的光伏电池功率衰减分析方法，其特征在于，该方法还包括根据所述脱层区域面积获得脱层程度，结合面积阈值判定是否需要对偏移阈值进行调节。
5.根据权利要求1所述的基于人工智能的光伏电池功率衰减分析方法，其特征在于，所述的根据所述电池板脱层区域面积结合所述偏移类别信息获得电池板功率衰减程度的方法包括将所述电池板脱层区域面积S和所述偏移程度M输入功率衰减模型，获得电池板功率衰减程度；所述功率衰减模型σ为：
其中，τ为可调常数；α第一权重值，β第二权重值，且α+β＝1。
6.一种基于人工智能的光伏电池功率衰减分...
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。