发电量损失预测方法及装置、电子设备制造方法及图纸

本发明专利技术公开了一种发电量损失预测方法及装置、电子设备。发电量损失预测方法包括：获取拍摄的光伏组件图片，并获取拍摄时的辐照度和太阳入射角；识别所述光伏组件图片中的待预测组件区域；计算所述待预测组件区域的平均灰度；根据所述待预测组件区域的平均灰度、所述辐照度和所述太阳入射角预测发电量损失。本发明专利技术实施例可以提高发电量损失的预测精度，有利于科学制定组件清洗计划。于科学制定组件清洗计划。于科学制定组件清洗计划。

【技术实现步骤摘要】
发电量损失预测方法及装置、电子设备


[0001]本专利技术实施例涉及分布式能源
，尤其涉及一种发电量损失预测方法及装置、电子设备。

技术介绍

[0002]光伏电站的组件容易附着灰尘、鸟粪、积雪等污染物，污染物不仅会影响光伏组件发电效率，造成组件发电量的损失，也会对组件的质量安全造成影响，定期进行组件的清洗是光伏运维的必要工作。如何通过衡量发电量损失与清洗成本，科学的制定清洗计划，做到智能清洗，是目前光伏运维厂商聚焦的问题，积灰组件发电量损失的评估预测则是该问题的核心内容。
[0003]目前在光伏电站的运维过程中，组件发电量损失的预测方式包括：根据气象数据和站端记录的历史数据预测与根据当前积灰程度预测两种。其中，根据气象数据和站端历史数据预测需要采集的特征点较多，且气象数据本身为预测数据，其数据精准度受采集设备的精度制约，因此，该方案难以保证发电量损失预测的精度。而对于根据当前积灰程度预测的方案，现有技术通常侧重于如何更准确的判断当前积灰程度，通过积灰程度和发电量损失的关系来进行预测，而不考虑对发电量损失的其他影响因素，因此该方案对发电量损失的预测精度也难以保证。综上所述，现有的组件发电量损失的预测方式存在发电量损失预测精度低的问题，影响组件清洗计划的制定。

技术实现思路

[0004]本专利技术实施例提供了一种发电量损失预测方法及装置、电子设备，以提高发电量损失的预测精度，有利于科学制定组件清洗计划。
[0005]第一方面，本专利技术实施例提供了一种发电量损失预测方法，包括：/>[0006]获取拍摄的光伏组件图片，并获取拍摄时的辐照度和太阳入射角；
[0007]识别所述光伏组件图片中的待预测组件区域；
[0008]计算所述待预测组件区域的平均灰度；
[0009]根据所述待预测组件区域的平均灰度、所述辐照度和所述太阳入射角预测发电量损失。
[0010]可选地，所述待预测组件区域通过组件识别模型识别；
[0011]所述组件识别模型的获取过程包括：
[0012]获取光伏组件图片集；其中，所述光伏组件图片集中的部分图片作为训练集，其余图片作为测试集；
[0013]训练所述训练集，得到初步识别模型；
[0014]根据所述测试集判断所述初步识别模型是否符合指标要求；若是，则将所述初步识别模型作为所述组件识别模型；否则，继续训练所述训练集。
[0015]可选地，在训练所述训练集之前，还包括：对所述光伏组件图片集进行预处理；
[0016]相应地，在识别所述光伏组件图片中的待预测组件区域之前，还包括：采用相同的处理方法对所述光伏组件图片进行预处理。
[0017]可选地，所述预处理包括：图像增强处理、归一化处理和尺度变换中的至少一种。
[0018]可选地，采用发电量损失预测模型预测所述发电量损失；
[0019]所述发电量损失预测模型的获取过程包括：
[0020]获取发电量损失数据集；其中，所述发电量损失数据集包括不同积灰程度下的光伏组件图片、对应的发电量损失数据、对应的辐照度和对应的太阳入射角；
[0021]提取所述光伏组件图片中的组件区域，并计算所述组件区域的平均灰度；
[0022]根据所述组件区域的平均灰度、所述辐照度、所述太阳入射角和所述发电量损失数据，得到所述发电量损失预测模型。
[0023]可选地，所述获取发电量损失数据集，包括：
[0024]选取一清洁组件，获取拍摄的清洁组件图片，并获取拍摄时所述清洁组件的发电量损失数据、辐照度和太阳入射角；
[0025]选取一对照组件，进行积灰试验；每隔预设时间获取拍摄的对照组件图片，并获取拍摄时所述对照组件的发电量损失数据、辐照度和太阳入射角。
[0026]可选地，获取拍摄时的太阳入射角，包括：
[0027]根据拍摄时的真太阳时计算时角；
[0028]根据拍摄时距离当年一月一日的天数计算太阳赤纬角；
[0029]根据所述太阳赤纬角、组件的地理纬度和所述时角计算太阳高度角；
[0030]根据所述太阳高度角、所述组件的地理纬度和所述太阳赤纬角计算太阳方位角；
[0031]根据所述太阳高度角、组件安装与地面夹角、所述太阳方位角和组件方位角计算所述太阳入射角。
[0032]可选地，在计算所述待预测组件区域的平均灰度之前，还包括：
[0033]对所述待预测组件区域进行后处理。
[0034]可选地，所述后处理包括：组件轮廓提取、噪音点去除、误识别区域去除和组件区域精细提取中的至少一种。
[0035]第二方面，本专利技术实施例还提供了一种发电量损失预测装置，包括：
[0036]获取模块，用于获取拍摄的光伏组件图片，并获取拍摄时的辐照度和太阳入射角；
[0037]识别模块，用于识别所述光伏组件图片中的待预测组件区域；
[0038]计算模块，用于计算所述待预测组件区域的平均灰度；
[0039]预测模块，用于根据所述待预测组件区域的平均灰度、所述辐照度和所述太阳入射角预测发电量损失。
[0040]第三方面，本专利技术实施例还提供了一种电子设备，包括：
[0041]拍摄设备，用于拍摄光伏组件图片；
[0042]存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；所述处理器执行所述程序时实现如本专利技术任意实施例所提供的发电量损失预测方法。
[0043]本专利技术实施例所提供的发电量损失预测方法，在利用待预测组件区域的平均灰度表示组件积灰程度的基础上，引入光伏组件图片拍摄时刻的辐照度和太阳入射角作为组件发电量损失预测的参量，相当于考虑到了不同时间段光伏面太阳入射角对于积灰组件辐照
衰减率的影响，可以提高发电量损失预测的精度。同时，相比于现有技术，本专利技术实施例引入太阳入射角参量，避免了直接使用时间戳作为参量造成的不同经纬度地区因存在时差导致方案适用性差的问题，使该预测方法具有高通用性、普适性以及实用性。因此，与现有技术相比，本专利技术实施例可以提高发电量损失的预测精度，有利于科学制定组件清洗计划。
附图说明
[0044]图1是本专利技术实施例提供的一种发电量损失预测方法的流程示意图；
[0045]图2是本专利技术实施例提供的一种组件识别模型的获取流程示意图；
[0046]图3是本专利技术实施例提供的另一种组件识别模型的获取流程示意图；
[0047]图4是本专利技术实施例提供的一种发电量损失预测模型的获取流程示意图；
[0048]图5是本专利技术实施例提供的另一种发电量损失预测方法的流程示意图；
[0049]图6是本专利技术实施例提供的一种发电量损失预测装置的结构示意图；
[0050]图7是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0051]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发电量损失预测方法，其特征在于，包括：获取拍摄的光伏组件图片，并获取拍摄时的辐照度和太阳入射角；识别所述光伏组件图片中的待预测组件区域；计算所述待预测组件区域的平均灰度；根据所述待预测组件区域的平均灰度、所述辐照度和所述太阳入射角预测发电量损失。2.根据权利要求1所述的发电量损失预测方法，其特征在于，所述待预测组件区域通过组件识别模型识别；所述组件识别模型的获取过程包括：获取光伏组件图片集；其中，所述光伏组件图片集中的部分图片作为训练集，其余图片作为测试集；训练所述训练集，得到初步识别模型；根据所述测试集判断所述初步识别模型是否符合指标要求；若是，则将所述初步识别模型作为所述组件识别模型；否则，继续训练所述训练集。3.根据权利要求2所述的发电量损失预测方法，其特征在于，在训练所述训练集之前，还包括：对所述光伏组件图片集进行预处理；相应地，在识别所述光伏组件图片中的待预测组件区域之前，还包括：采用相同的处理方法对所述光伏组件图片进行预处理。4.根据权利要求3所述的发电量损失预测方法，其特征在于，所述预处理包括：图像增强处理、归一化处理和尺度变换中的至少一种。5.根据权利要求1所述的发电量损失预测方法，其特征在于，采用发电量损失预测模型预测所述发电量损失；所述发电量损失预测模型的获取过程包括：获取发电量损失数据集；其中，所述发电量损失数据集包括不同积灰程度下的光伏组件图片、对应的发电量损失数据、对应的辐照度和对应的太阳入射角；提取所述光伏组件图片中的组件区域，并计算所述组件区域的平均灰度；根据所述组件区域的平均灰度、所述辐照度、所述太阳入射角和所述发电量损失数据，得到所述发电量损失预测模型。6.根据权利要求5所述的发电量损失预测方法，其特征在于，所述获取发电量损...

【专利技术属性】
技术研发人员：方振宇，高超，周冰钰，高伟，张锐，
申请(专利权)人：合肥阳光智维科技有限公司，
类型：发明
国别省市：