一种光伏板清扫机器人清扫系统的自动控制方法技术方案

本发明专利技术公开了一种光伏板清扫机器人清扫系统的自动控制方法，涉及太阳能光伏板的清洁领域，基于神经网络智能算法和物联网技术将上位机、手机、通讯模块、光伏板清扫机器人通过现场总线或物联网技术融为一个整体，实现远程、就地控制，通过神经网络等智能算法使机器人具有记忆学习功能，实时检测分析光伏阵列灰尘覆盖率是否超过阈值，当灰尘覆盖率超过阈值达到清洗条件时，实现自动清扫，记录清扫周期，彻底解决目前光伏板清扫机器人清扫系统存在的问题；无需工作人员人工现场观测，节约人工，极大提高了光伏电站的安全清扫环境；清扫效果好，并对整个清扫系统的各个状态和运行轨迹详细记录存储，便于查看，确保信息传递实时性、共享性、准确性。准确性。准确性。

【技术实现步骤摘要】
一种光伏板清扫机器人清扫系统的自动控制方法


[0001]本专利技术涉及太阳能光伏板的清洁领域，具体的说是一种光伏板清扫机器人清扫系统的自动控制方法。

技术介绍

[0002]随着对化石能源的利用大幅减少，发展可再生能源已是大势所趋。光伏能源作为其重要组成部分，得到了国家的大量政策支持，越来越多的光伏电站投入到实际运行。然而光伏发电存在一个严重问题，即当一些灰尘和其他污垢积累光伏板表面时，光伏系统的发电性能下降严重。当灰尘相对密度为5g/
㎡
的时候，相对发电率为无遮挡时的93％，当灰尘相对密度为15g/
㎡
时，发电率降为无遮挡时的79％，灰尘通过衰减入射的太阳辐射、降低表面透过率、引入部分遮挡效应和提高太阳能电池板的温度，导致光伏电池板的效率下降。因此，有效的光伏板清洁是一项重要任务。尽管目前也有人工清洁、相关机构研制的部分光伏清洁装置等方案试图解决光伏板表面的污染物积累问题，但仍存在一定局限性：
[0003]1、仍会存在灰尘、鸟粪等污染物累积的现象，对这些不同的污染物清洁效果不一。且部分光伏电站在设计时空间排列密集，一些大型清洁机械无法在内工作。
[0004]2、光伏板安装时考虑到土地利用、搭建成本、地理位置等问题，光伏板实际安装倾角也会不同，部分清洁机器人无法适应不同地区、不同倾角的光伏板完成清洁工作。
[0005]3、当下光伏板清扫机器人智能化程度普遍不高，大多还要需现场进行操控，仍存在许多不足，例如适用性差，续航不够，功能单一，虽然也有遥控功能，但其控制系统大都为控制光伏板清扫机器人在其光伏阵列的移动和清扫，还没有一款产品做到以神经网络等智能算法分析学习，实时检测分析光伏板灰尘覆盖率，实现装置自动清扫，最大限度地保证光伏阵列的发电效率。

技术实现思路

[0006]为解决上述存在的技术问题，本专利技术提供了一种光伏板清扫机器人清扫系统的自动控制方法，针对光伏板清扫机器人的清扫系统设计了自动清扫的控制方法，基于神经网络智能算法和物联网技术，使光伏板清扫机器人的清扫系统实现自动清扫，并具有更强的包容性和适应性。
[0007]为达到上述目的，本专利技术所采用的技术方案是：
[0008]一种光伏板清扫机器人清扫系统的自动控制方法，该控制方法基于神经网络智能算法和物联网技术实现，具体步骤如下：
[0009]1)搭建上位机平台，上位机为光伏板清扫机器人提供神经网络智能算法分析，通过各类传感器检测数据的输入，获得不同角度光照、温度、湿度、灰尘浓度、表面光洁度的实时数据，采用神经网络多输入单输出长短期记忆LSTM模型整体分析灰尘覆盖浓度，并且以神经网络算法将采集的信息进行分析学习，确定最佳清洗周期，控制光伏板清扫机器人的动作，展示光伏板清扫机器人的当前状态并作记录；
[0010]2)组建通讯模块的网络连接，实现光伏清洗机器人与上位机、手机、以及遥控器之间的双向信息传递；
[0011]3)利用物联网感知层、应用层、网络层的体系构架搭建整个光伏板清扫机器人自动清扫系统，
[0012]所述感知层包含有各类无线传感器，形成无线传感网络，协作地感知、采集和处理网络覆盖区域中光伏板清扫机器人信息数据，并通过通讯模块将光伏板清扫机器人连接到网络层和应用层；
[0013]所述网络层采用NB
‑
Iot窄带物联网的带内部署方式，实现上位机和光伏板清扫机器人之间信息的传递、路由和控制；
[0014]所述应用层嵌入式综合了计算机软硬件、传感器技术、集成电路技术和电子应用技术，实现光伏板清扫机器人和应用软件之间的物理隔离和无缝连接，提供数据的高效汇聚与存储，利用云计算对光伏板清扫机器人的数据进行存储和分析，实现对光伏板清扫机器人的实时动态管理和智能分析；
[0015]4)神经网络预测模型的构建和训练：
[0016]第一阶段：神经网络预测模型的构建与数据采集，所述神经网络预测模型由输入层、隐含层和输出层构成，输入层神经元设置为光伏板清扫机器人所采集的传感器数据，包括三个不同角度光照值、温湿度、灰尘浓度、表面光洁度，输出层神经元设置为分析算出光伏板灰尘覆盖率，输入节点为6个，输出节点为1个；隐含层的神经元个数设置为7，对所需要的输入输出数据进行采集，记录n组数据，得到对应的样本数据；
[0017]第二阶段：神经网络预测模型的训练，训练过程主要包括信号的正向传播和误差的反向传播两个过程；
[0018]神经网络预测模型的搭建，输入向量为X＝(x1，x2，
…
，x
i
，
…
，x
n
)
T
，其中x0是为隐含层神经元引入阈值而设置的；隐含层输出的量为Y＝(y1，y2，
…
，y
j
，
…
，y
m
)
T
，其中y0是为输出层神经元引入阈值而设置的；输出层输出向量为O＝(o1)
T
，期望输出向量d＝(d1，d2，
…
，d
k
，
…
，d
l
)
T
；输入层到隐含层之间的权值矩阵用V表示V＝(V1，V2，
…
，V
j
，
…
，V
m
)，其中列向量V
j
为隐含层第j个神经元对应的权向量；隐含层到输出层之间的权值矩阵有W表示，W＝(W1，W2，
…
，W
k
，
…
，W
l
)；
[0019]对于输出层，有o
k
＝f(net
k
)k＝1,
[0020][0021]对于隐含层，有y
j
＝f(net
j
)j＝1,2,
…
，7
[0022][0023]以上两式中，变换函数f(x)均为单极性Sigmoid函数
[0024]f(x)具有连续、可导的特点，且有f
′
(x)＝f(x)[1
‑
(x)]；
[0025]根据应用需要，也可以采用双极性Sigmoid函数
[0026]i为输入层神经元个数，j为隐含层神经元个数，k为输出层神经元个数，η为学习速率，Vij，Wjk分别为输入层与隐含层以及隐含层与输出层之间的连接权值，f为连续可导的Sigmoid函数；
[0027]用测试集数据对前述神经网络预测模型进行验证，结果表明神经网络对光伏板灰尘覆盖率输出的预测值与真实值相差较小，说明该模型能够较为精确的反应输入输出之间的非线性映射关系，能够较为准确的说明光伏板清扫机器人综合检测灰尘覆盖率与实际灰尘浓度之间的内在联系。
[0028]所述通讯模块采用有线+无线的混合组网方式，多种通信技术融合，实现更大的包容性，所述光伏清洗机器人具备远方自动控制和就本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏板清扫机器人清扫系统的自动控制方法，其特征在于，该控制方法基于神经网络智能算法和物联网技术实现，具体步骤如下：1)搭建上位机平台，上位机为光伏板清扫机器人提供神经网络智能算法分析，通过各类传感器检测数据的输入，获得不同角度光照、温度、湿度、灰尘浓度、表面光洁度的实时数据，采用神经网络多输入单输出长短期记忆LSTM模型整体分析灰尘覆盖浓度，并且以神经网络算法将采集的信息进行分析学习，确定最佳清洗周期，控制光伏板清扫机器人的动作，展示光伏板清扫机器人的当前状态并作记录；2)组建通讯模块的网络连接，实现光伏清洗机器人与上位机、手机、以及遥控器之间的双向信息传递；3)利用物联网感知层、应用层、网络层的体系构架搭建整个光伏板清扫机器人自动清扫系统，所述感知层包含有各类无线传感器，形成无线传感网络，协作地感知、采集和处理网络覆盖区域中光伏板清扫机器人信息数据，并通过通讯模块将光伏板清扫机器人连接到网络层和应用层；所述网络层采用NB
‑
Iot窄带物联网的带内部署方式，实现上位机和光伏板清扫机器人之间信息的传递、路由和控制；所述应用层嵌入式综合了计算机软硬件、传感器技术、集成电路技术和电子应用技术，实现光伏板清扫机器人和应用软件之间的物理隔离和无缝连接，提供数据的高效汇聚与存储，利用云计算对光伏板清扫机器人的数据进行存储和分析，实现对光伏板清扫机器人的实时动态管理和智能分析；4)神经网络预测模型的构建和训练：第一阶段：神经网络预测模型的构建与数据采集，所述神经网络预测模型由输入层、隐含层和输出层构成，输入层神经元设置为光伏板清扫机器人所采集的传感器数据，包括三个不同角度光照值、温湿度、灰尘浓度、表面光洁度，输出层神经元设置为分析算出光伏板灰尘覆盖率，输入节点为6个，输出节点为1个；隐含层的神经元个数设置为7，对所需要的输入输出数据进行采集，记录n组数据，得到对应的样本数据；第二阶段：神经网络预测模型的训练，训练过程主要包括信号的正向传播和误差的反向传播两个过程；神经网络预测模型的搭建，输入向量为X＝(x1，x2，
…
，x
i
，
…
，x
n
)
T
，其中x0是为隐含层神经元引入阈值而设置的；隐含层输出的量为Y＝(y1，y2，
…
，y
j
，
…
，y
m
)
T
，其中y0是为输出层神经元引入阈值而设置的；输出层输出向量为O＝(o1)
T
，期望输出向量d＝(d1，d2，
…
，d
k
，
…
，d
l
)
T
；输入层到隐含层之间的权值矩阵用V表示V＝(V1，V2，
…
，V
j
，
…
，V
m
)，其中列向量V
j
为隐含层第j个神经元对应的权向量；隐含层到输出层之间的权值矩...

【专利技术属性】
技术研发人员：吴士涛，叶蔚，汤建泉，杨婕，宗贵聪，吴更，张晶晶，魏海涛，邹坤，赵玉斌，范丰裕，阴俊涛，王俊杰，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：