一种基于人工智能的光伏电池板巡检系统及方法技术方案

本发明专利技术公开了一种基于人工智能的光伏电池板巡检系统及方法，属于光伏清洁技术领域。通过采集光伏电池板表面图像信息、空气灰尘浓度、环境风速和环境风向，来对光伏电池板表面灰尘积累程度进行预警；考虑到灰尘积累量不是随时间匀速增加的，季节特征、局部干扰因素或者地域自然环境影响会使得灰尘积累速度显著变化，而不同地区的季节特征虽然不同，但是季节特征带来的降水情况却是有规律的，同时将空气灰尘浓度、环境风速和环境风向等局部因素的变化趋势对光伏电池板灰尘积累的影响进行量化分析，确定影响率；从而能够实时监控和预警光伏电池板表面灰尘积累程度，使发电效率能够最大化，适用于不同环境、地区的光伏发电站。地区的光伏发电站。地区的光伏发电站。

【技术实现步骤摘要】
一种基于人工智能的光伏电池板巡检系统及方法


[0001]本专利技术涉及光伏清洁
，具体为一种基于人工智能的光伏电池板巡检系统及方法。

技术介绍

[0002]光伏电池板是光伏电站的重要核心部件，它是将太阳能转化为电能的部件，而光伏电池板要搜集光能就要在室外使用，长时间会积灰尘，影响发电效率，因此，需要对光伏电池板进行定期清洁。现有技术通常采用人工或者机械进行定期清理，缺点是，灰尘积累量不是随时间匀速增加的，季节特征、局部干扰因素或者地域自然环境影响会使得灰尘积累速度显著变化。因此，采用定期、定时除尘的工作模式无法自动适应这种变化，缺乏人工智能性，导致除尘不及时，使发电效率无法最大化。

技术实现思路

[0003]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巡检系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：
[0005]一种基于人工智能的光伏电池板巡检方法，该方法包括以下步骤：
[0006]步骤S100：获取历史数据中光伏电池板表面图像信息，根据所述图像信息生成光伏电池板表面灰度值，计算光伏电池板表面灰度值增长率；
[0007]步骤S200：获取历史数据中光伏电池板所在区域的空气灰尘浓度和环境风值，所述环境风值包括环境风速和环境风向，计算光伏电池板表面灰度值增长的影响率；
[0008]步骤S300：根据所述光伏电池板表面灰度值增长率和光伏电池板表面灰度值增长的影响率，计算光伏电池板表面灰尘积累速度；
[0009]步骤S400：获取当前光伏电池板表面图像信息，获取当前光伏电池板表面灰度值；根据所述当前光伏电池板表面灰度值和光伏电池板表面灰尘积累速度，建立光伏电池板表面灰尘积累预测模型，对光伏电池板表面灰尘积累量进行人工智能预测，输出预警信息；
[0010]步骤S500：获取历史数据中光伏电池板所在区域的气象信息，所述气象信息为光伏电池板所在区域的降水量；根据所述降水量建立雨水清洗模型，计算雨水清洗后光伏电池板的表面灰度值，对所述预警信息进行人工智能校准，输出校准信息；
[0011]在上述方法中，计算出的光伏电池板表面灰度值增长率为不包含降水情况下，因为光伏电站通常不会建设在雨水频繁的地区，光伏电站需要建设在阳光充足，采光时间长的地区；而空气灰尘和环境风带来的影响却是频繁发生甚至每天发生，风有时会吹走光伏电池板表面灰尘，同时也会把空气中的灰尘带入到光伏电池板表面，空气灰尘和环境风是影响光伏电池板表面灰尘积累的主要因素，所以需要把空气灰尘浓度和环境风值考虑在内，把降水情况视为特殊情况，同时降水可以冲走光伏电池板表面一部分灰尘。
[0012]进一步的，所述计算光伏电池板表面灰度值增长率的具体实施过程包括：
[0013]将所述光伏电池板表面灰度值记为H
i
，其中i表示第i次巡检时采集光伏电池板表面图像信息生成光伏电池板表面灰度值，计算光伏电池板表面灰度值增长率的具体计算公式如下：
[0014][0015]其中，L表示光伏电池板表面灰度值增长率，m表示采集光伏电池板表面图像信息生成光伏电池板表面灰度值的总次数，R
i
‑1表示第i
‑
1次巡检时采集光伏电池板表面图像信息生成光伏电池板表面灰度值，S
i
表示第i次巡检到第i
‑
1次巡检采集光伏电池板表面图像信息生成光伏电池板表面灰度值之间的时长，i
‑
1≥1；
[0016]在上述方法中，灰尘积累量不是随时间匀速增加的，所以需要将每次巡检的灰度值进行依次相减，从而将灰度变化进行细分化，使数据分析更加精确；巡检可通过无人机进行。
[0017]进一步的，所述计算光伏电池板表面灰度值增长的影响率的具体实施过程包括：
[0018]步骤S201：获取历史数据中检测到的光伏电池板所在区域的环境风值，以平行于光伏电池板方向为固定方向，所述光伏电池板方向为光伏电池板倾斜向下的方向；将光伏电池板所在区域的环境风向分解为平行于固定方向和垂直于固定方向的两个环境风向量，并且将平行于固定方向的环境风向量记为平行环境风向，同时将平行环境风向的分解夹角记为θ，且θ∈[0，180]；
[0019]在上述方法中，环境风向可以通过风向标轻易获取，将环境风进行分解，旨在研究环境风作用于光伏电池板时产生的影响，其中平行环境风向是吹走或带入光伏电池板表面灰尘的关键影响因素，而垂直于固定方向的环境风向量属于法向量的力，在作用力上起到的作用可忽略不计，因此两个环境风向量需要重点研究平行环境风。
[0020]步骤S202：将空气灰尘浓度记为P
j
，将环境风速记为V
j
，将环境风向记为W
j
，其中j表示第i次到第i
‑
1巡检期间的第j次监测；以光伏电池板所在区域的空气灰尘浓度、环境风值和光伏电池板表面灰度值为自变量，以光伏电池板表面灰度值增长的影响率为因变量，建立训练模型，具体计算公式如下：
[0021][0022]其中，K表示光伏电池板表面灰度值增长的影响率，θ
j
和θ
j
‑1分别表示第j次和第j
‑
1次监测的平行环境风向的分解夹角，n表示第i次到第i
‑
1巡检期间监测的总次数，α1、α2、α3和α4表示训练系数值，P
j
‑1、V
j
‑1和W
j
‑1分别表示第j
‑
1次监测的空气灰尘浓度、环境风速和环境风向，j
‑
1≥1；
[0023]在上述方法中，训练模型计算公式的分母实际是多元线性模型算法思想，将影响光伏电池板灰尘积累速度的三个因素，空气灰尘浓度、环境风速和环境风向作为自变量进行训练，可以得到光伏电池板表面灰尘积累波动与三个环境因素变化之间的关系，确定三个因素的变化趋势对光伏电池板灰尘积累的影响；计算出来的光伏电池板表面灰度值增长率实际是包含空气灰尘浓度、环境风速和环境风向所带来的影响的，因此需要将光伏电池板表面灰度值增长的影响率进行训练换算。
[0024]进一步的，所述计算光伏电池板表面灰尘积累速度的具体计算公式如下：
[0025]G＝(K
‑
1)
×
L+K
[0026]其中，G表示光伏电池板表面灰尘积累速度；
[0027]在上述方法中，如果只用光伏电池板表面灰度值增长率来表示灰尘积累速度，则无法避免空气灰尘浓度、环境风速和环境风向所带来的不确定的影响，使数据分析不准确；因此公式(K
‑
1)
×
L+K实际是将光伏电池板表面灰度值增长率进行拆开分析，公式(K
‑
1)
×
L表示是排除空气灰尘浓度、环境风速和环境风向所带来的影响。
[0028]进一步的，所述建立光伏电本文档来自技高网...

【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巡检方法，其特征在于，该方法包括以下步骤：步骤S100：获取历史数据中光伏电池板表面图像信息，根据所述图像信息生成光伏电池板表面灰度值，计算光伏电池板表面灰度值增长率；步骤S200：获取历史数据中光伏电池板所在区域的空气灰尘浓度和环境风值，所述环境风值包括环境风速和环境风向，计算光伏电池板表面灰度值增长的影响率；步骤S300：根据所述光伏电池板表面灰度值增长率和光伏电池板表面灰度值增长的影响率，计算光伏电池板表面灰尘积累速度；步骤S400：获取当前光伏电池板表面图像信息，获取当前光伏电池板表面灰度值；根据所述当前光伏电池板表面灰度值和光伏电池板表面灰尘积累速度，建立光伏电池板表面灰尘积累预测模型，对光伏电池板表面灰尘积累量进行人工智能预测，输出预警信息；步骤S500：获取历史数据中光伏电池板所在区域的气象信息，所述气象信息为光伏电池板所在区域的降水量；根据所述降水量建立雨水清洗模型，计算雨水清洗后光伏电池板的表面灰度值，对所述预警信息进行人工智能校准，输出校准信息。2.根据权利要求1所述的一种基于人工智能的光伏电池板巡检方法，其特征在于，所述计算光伏电池板表面灰度值增长率的具体实施过程包括：将所述光伏电池板表面灰度值记为H
i
，其中i表示第i次巡检时采集光伏电池板表面图像信息生成光伏电池板表面灰度值，计算光伏电池板表面灰度值增长率的具体计算公式如下：其中，L表示光伏电池板表面灰度值增长率，m表示采集光伏电池板表面图像信息生成光伏电池板表面灰度值的总次数，H
i
‑1表示第i
‑
1次巡检时采集光伏电池板表面图像信息生成光伏电池板表面灰度值，S
i
表示第i次巡检到第i
‑
1次巡检采集光伏电池板表面图像信息生成光伏电池板表面灰度值之间的时长，i
‑
1≥1。3.根据权利要求2所述的一种基于人工智能的光伏电池板巡检方法，其特征在于，所述计算光伏电池板表面灰度值增长的影响率的具体实施过程包括：步骤S201：获取历史数据中检测到的光伏电池板所在区域的环境风值，以平行于光伏电池板方向为固定方向，所述光伏电池板方向为光伏电池板倾斜向下的方向；将光伏电池板所在区域的环境风向分解为平行于固定方向和垂直于固定方向的两个环境风向量，并且将平行于固定方向的环境风向量记为平行环境风向，同时将平行环境风向的分解夹角记为θ，且θ∈[0，180]；步骤S202：将空气灰尘浓度记为P
j
，将环境风速记为B
j
，将环境风向记为W
j
，其中j表示第i次到第i
‑
1巡检期间的第j次监测；以光伏电池板所在区域的空气灰尘浓度、环境风值和光伏电池板表面灰度值为自变量，以光伏电池板表面灰度值增长的影响率为因变量，建立训练模型，具体计算公式如下：
其中，K表示光伏电池板表面灰度值增长的影响率，θ
j
和θ
j
‑1分别表示第j次和第j
‑
1次监测的平行环境风向的分解夹角，n表示第i次到第i
‑
1巡检期间监测的总次数，α1、α2、α3和α4表示训练系数值，P
j
‑1、V
i
‑1和W
j
‑1分别表示第j
‑
1次监测的空气灰尘浓度、环境风速和环境风向，j
‑
1≥1。4.根据权利要求3所述的一种基于人工智能的光伏电池板巡检方法，其特征在于，所述计算光伏电池板表面灰尘积累速度的具体计算公式如下：G＝(K
‑
1)
×
L+K其中，G表示光伏电池板表面灰尘积累速度。5.根据权利要求4所述的一种基于人工智能的光伏电池板巡检方法，其特征在于，所述建立光伏电池板表面灰尘积累预测模型，对光伏电池板表面灰尘积累量进行人工智能预测，输出预警信息的具体实施过程包括：步骤S401：采集当前光伏电池板表面图像信息，将当前光伏电池板表面图像信息生成光伏电池板表面灰度值；根据当前光伏电池板表面灰度值和光伏电池板表面灰尘积累速度，以时间为单位，建立光伏电池板表面灰尘积累预测模型，具体计算公式如下：其中，Y(t)表示光伏电池板表面灰度值关于时间的函数，Y(T)表示当前光伏电池板表面灰度值，T表示当前时间，G(t)表示光伏电池板表面灰尘积累速度G关于时间的函数，t1表示光伏电池板表面灰尘需要清理的预警时间；步骤S402：设置光伏电池板表面灰度的预警值，记为Y0；如果Y(t)≥Y0，则对光伏电池板表面灰尘积累量进行人工智能预测，输出预警信息，提示工作人员在t1时间内对光伏电池板表面进行人工智能清理；如果Y(t)＜Y0，则继续执行步骤S401。6.根据权利要求5所述的一种基于人工智能的光伏电池板巡检方法，其特征在于，根据所述降水量建立雨水清洗模型，对所述预警信息进行人工智能校准，输出校准信息的具体实施过程包括：步骤S501：获取历史数据中光伏电池板所在区域的每次降水的降水量，记为Q，获取每次降水的持续时长，记为q；以每次降水的降水量和持续时长为自变量，以每次降水后光伏电池板的表...

【专利技术属性】
技术研发人员：罗群芳，宋程希，肖洁，文栋，
申请(专利权)人：优得新能源科技宁波有限公司，
类型：发明
国别省市：