基于自主巡航无人机的光伏组件残余冰雪量识别算法制造技术

本发明专利技术公开的基于自主巡航无人机的光伏组件残余冰雪量识别算法：步骤1、利用光伏电站布置的无人机采集冬季光伏组件覆冰雪图像集S1；步骤2、对采集图像集S1中任意的覆冰雪图像I1判断是否畸变：若畸变，则对I1畸变校正后依次进行预处理，获取图像I2；步骤3、对步骤2获得的图像I2采用自适应最大类间方差法进行图像分割，得到图像I3；步骤4、对步骤3得到光伏组件覆冰区域分割图像I3进行形态学修正，得到孔洞填充图I4及覆冰区域修正图I5；步骤5、图像特征提取与残余冰雪量计算。该方法对偏远地区光伏电站组件冰雪进行监测，实现光伏组件冰雪状态的远距离感知。的远距离感知。的远距离感知。

【技术实现步骤摘要】
基于自主巡航无人机的光伏组件残余冰雪量识别算法


[0001]本专利技术属于光伏组件覆冰在线监测
，具体涉及一种基于自主巡航无人机的光伏组件残余冰雪量识别算法。

技术介绍

[0002]随着国家对新能源产业的大力支持，光伏电站装机总量快速增长。但由于光伏电站多运行于荒野、山区，自然环境较为恶劣，暴雨、雷电、洪水、冰雪、地震等原因导致光伏电站受灾的报道屡见不鲜。在上述气象和地质灾害中，冰雪积聚会大幅降低光伏组件发电效率、影响组件寿命、造成组件坍塌等问题，已成为影响光伏电站冬季正常运行的最主要因素。美国、加拿大、挪威、德国、土耳其以及我国都有因冰雪积聚导致光伏电站发电效率严重降低，甚至光伏板大面积坍塌的报道。相关数据表明，因覆冰雪问题导致的光伏组件最大月度发电量损失可超过80％，年度发电损失可达30％。造成严重的经济损失，严重影响了寒冷地区光伏电站的正常运行。目前许多分布式光伏电站位于山坡、丘陵等地，雪后工作人员现场察看及清扫非常困难。

技术实现思路

[0003]本专利技术的目的是提供一种基于自主巡航无人机的光伏组件残余冰雪量识别算法，该方法对偏远地区光伏电站组件冰雪进行监测，实现光伏组件冰雪状态的远距离感知。
[0004]本专利技术所采用的技术方案是，基于自主巡航无人机的光伏组件残余冰雪量识别算法，具体按照以下步骤实施：
[0005]步骤1、利用光伏电站布置的无人机采集冬季光伏组件覆冰雪图像集S1；
[0006]步骤2、对采集图像集S1中任意的覆冰雪图像I1判断是否畸变：若畸变，则对I1畸变校正后依次进行预处理，获取图像I2；
[0007]步骤3、对步骤2获得的图像I2采用自适应最大类间方差法进行图像分割，得到图像I3；
[0008]步骤4、对步骤3得到光伏组件覆冰区域分割图像I3进行形态学修正，由于经过分割后的光伏板覆冰图像覆冰曲线不平滑，且覆冰区域内有些许孔洞，故对I3进行形态学修正，得到孔洞填充图I4及覆冰区域修正图I5；
[0009]步骤5、图像特征提取与残余冰雪量计算，选择颜色特征和形状特征两种特征量与光伏组件覆冰区域相关；选取覆冰区域面积、覆冰区域形状因子和光伏板冰雪覆盖率作为参数，实现对光伏组件残余冰雪量的计算。
[0010]本专利技术的特征还在于，
[0011]步骤1中无人机对光伏组件进行巡检的流程为：在光伏阵列安全范围外起飞无人机，通过手动或自动方式控制无人机飞行到达光伏组件上方，并沿着光伏组件阵列飞行并采集光伏组件的图像信息，当所有检查点的图像都采集完毕得到图像集S1后无人机返回出发点。
[0012]步骤2的具体实施方式为：
[0013]2.1)将采集图像进行畸变校正
[0014]用仿射变换的方法对图像I1进行畸变校正，在二维空间中，点(x,y)经过仿射变换到点(x＇,y＇)的计算式如下：
[0015][0016]其中(T
x
,T
y
)表示平移量，而参数A
ij
，其中i＝0、1，j＝0、1，则反映了图像旋转及缩放变化；将参数T
x
，T
y
，A
ij
计算出，即可得到变换后图像的坐标变换关系。
[0017]2.2)将彩色图像灰度化
[0018]将图像I1中的三通道R、G、B分量的亮度值根据各自的重要性，乘以不同的权值，将每个通道的权值进行加权平均，计算式如下：
[0019]Gray(x,y)＝0.30R(x,y)+0.59G(x,y)+0.11B(x,y)
ꢀꢀ
(2)
[0020]其中，R(x，y)、G(x，y)和B(x，y)为图像R、图像G、图像B在(x，y)处的像素值；
[0021]2.3)进行直方图规定化处理
[0022]采用直方图规定化方法对图像I1进行图像增强，首先将图像I1进行灰度均衡化：
[0023][0024]其中s
k
表示图像I1进行均衡化后的灰度值，r
k
是表示在k灰度级上图像I1的灰度，对r
k
施加对应法则T，记作T(r
k
),p
r
(r)表示输入图像的概率密度函数，n
j
表示在k灰度级上的像素点个数，n为像素点总个数，L表示总灰度级数；
[0025]然后将目标图像也进行灰度均衡化：
[0026][0027]其中v
k
表示目标图像进行均衡化后的灰度值；z
k
表示在k灰度级上希望规定化后图像的灰度，对z
k
施加对应法则G，记作G(r
k
),p
z
(z)表示希望输出图像具有的概率密度函数，这样，p
r
(r)和p
z
(z)就具有同样的均匀密度，即v
k
＝s
k
针对式(4)的逆变换函数，将s
k
代入，所以可以依据图像I1均衡化后的图像的灰度值得到目标图像的灰度级z
k
:
[0028]z
k
＝G
‑1(v
k
)＝G
‑1(s
k
)
ꢀꢀ
(5)
[0029]G(v
k
)和G(s
k
)表示目标函数，将结果带入即可得到预处理的图像I2。
[0030]步骤4的具体实施方式为：
[0031]4.1)建立一个平面圆盘形的结构元素，结构元素大小的不同将导致滤波效果，对图像I3进行开运算，除去孤立的小点，毛刺和小桥，最终去除背景中白色栅栏，同时保持剩余冰雪形态也不变；
[0032]4.2)处理覆冰区域孔洞
[0033]从上一步得到的图像中删除少于P所有连通分量，得到初步覆冰区域孔洞填充的图片，并生成孔洞填充图I4；其中P为判断是否图像背景中亮噪点的阈值；
[0034]4.3)将光伏板边框去除，采用人机交互式方法输入参数或直接输入参数，保留参
数所在区域内图片，最终得到覆冰区域修正图I5，为下一步计算残余冰雪量做准备。
[0035]步骤5的具体实施方式为：
[0036]方法一、当用于连续光伏组件覆冰区域面积计算时：采用统计像素点个数法进行残余冰雪量计算，具体方法如下：
[0037]统计覆冰区域修正图I5的覆冰区域前景目标的像素数、光伏组件总像素数，并计算前景图像像素数占整个图像像素数的百分比，将百分比数乘以覆冰区域修正图I5的实际面积数，乘积即为覆冰区域面积S，计算公式如下：
[0038][0039]式中：S为覆冰区域面积，P
a
为覆冰雪区域像素数，p
t
为光伏组件总像素数，R
a
为覆冰区域修正图I5的实际面积；
[0040]其中公式(11)中：
[0041]光伏组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自主巡航无人机的光伏组件残余冰雪量识别算法，其特征在于，具体按照以下步骤实施：步骤1、利用光伏电站布置的无人机采集冬季光伏组件覆冰雪图像集S1；步骤2、对采集图像集S1中任意的覆冰雪图像I1判断是否畸变：若畸变，则对I1畸变校正后依次进行预处理，获取图像I2；步骤3、对步骤2获得的图像I2采用自适应最大类间方差法进行图像分割，得到图像I3；步骤4、对步骤3得到光伏组件覆冰区域分割图像I3进行形态学修正，得到孔洞填充图I4及覆冰区域修正图I5；步骤5、图像特征提取与残余冰雪量计算，选择颜色特征和形状特征两种特征量与光伏组件覆冰区域相关；选取覆冰区域面积、覆冰区域形状因子和光伏板冰雪覆盖率作为参数，实现对光伏组件残余冰雪量的计算。2.根据权利要求1所述的基于自主巡航无人机的光伏组件残余冰雪量识别算法，其特征在于，步骤1中无人机对光伏组件进行巡检的流程为：在光伏阵列安全范围外起飞无人机，通过手动或自动方式控制无人机飞行到达光伏组件上方，并沿着光伏组件阵列飞行并采集光伏组件的图像信息，当所有检查点的图像都采集完毕得到图像集S1后无人机返回出发点。3.根据权利要求1所述的基于自主巡航无人机的光伏组件残余冰雪量识别算法，其特征在于，步骤2的具体实施方式为：2.1)将采集图像进行畸变校正用仿射变换的方法对图像I1进行畸变校正，在二维空间中，点(x,y)经过仿射变换到点(x＇,y＇)的计算式如下：其中(T
x
,T
y
)表示平移量，而参数A
ij
，其中i＝0、1，j＝0、1，则反映了图像旋转及缩放变化；将参数T
x
，T
y
，A
ij
计算出，即可得到变换后图像的坐标变换关系；2.2)将彩色图像灰度化将图像I1中的三通道R、G、B分量的亮度值根据各自的重要性，乘以不同的权值，将每个通道的权值进行加权平均，计算式如下：Gray(x,y)＝0.30R(x,y)+0.59G(x,y)+0.11B(x,y)
ꢀꢀꢀꢀꢀ
(2)其中，R(x，y)、G(x，y)和B(x，y)为图像R、图像G、图像B在(x，y)处的像素值；2.3)进行直方图规定化处理采用直方图规定化方法对图像I1进行图像增强，首先将图像I1进行灰度均衡化：其中s
k
表示图像I1进行均衡化后的灰度值，r
k
是表示在k灰度级上图像I1的灰度，对r
k
施加对应法则T，记作T(r
k
),p
r
(r)表示输入图像的概率密度函数，n
j
表示在k灰度级上的像素点个数，n为像素点总个数，L表示总灰度级数；
然后将目标图像也进行灰度均衡化：其中v
k
表示目标图像进行均衡化后的灰度值；z
k
表示在k灰度级上希望规定化后图像的灰度，对z
k
施加对应法则G，记作G(r
k
),p
z
(z)表示希望输出图像具有的概率密度函数，这样，p
r
(r)和p

【专利技术属性】
技术研发人员：朱永灿，王佳文，黄新波，高梧，李科锋，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：