一种基于人工智能的光伏设备控制方法及系统技术方案

本发明专利技术涉及光伏设备领域，特别是一种基于人工智能的光伏设备控制方法及系统

【技术实现步骤摘要】
一种基于人工智能的光伏设备控制方法及系统


[0001]本专利技术涉及光伏设备领域，特别是一种基于人工智能的光伏设备控制方法及系统
。

技术介绍

[0002]在大面积光伏设备的布局地区光照强度充足，光照覆盖面积广，因此无需对光伏设备进行移动或者转向即可全天候的获取阳光照射，而在有些特殊应用环境区域（例如农村或者山区）或者光伏设备小范围的布局地区，光伏设备是无法获得全天候的阳光照射，因此光照强度和光照覆盖面积没有达到一定的强度，因此如何提高特殊环境下光伏设备的自动控制程度，以提升光伏设备的发电效率是现阶段丞待解决的技术问题
。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种基于人工智能的光伏设备控制方法及系统
。
[0004]实现上述目的本专利技术的技术方案为，进一步，在上述一种基于人工智能的光伏设备控制方法中，所述光伏设备控制方法包括以下步骤：通过图像采集装置获取光伏设备周围的光照图像数据，得到光伏设备历史光照图像数据，对所述光伏设备历史光照图像数据进行数据预处理，得到光伏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的光伏设备控制方法，其特征在于，所述光伏设备控制方法包括以下步骤：通过图像采集装置获取光伏设备周围的光照图像数据，得到光伏设备历史光照图像数据，对所述光伏设备历史光照图像数据进行数据预处理，得到光伏设备历史光照图像数据集；基于
ResNet
神经网络建立
ResNet
图像识别神经网络模型，在所述
ResNet
图像识别神经网络模型的卷积层后引入
SE
注意力机制模块，得到目标
ResNet
图像识别神经网络模型；将所述光伏设备历史光照图像数据集输入至所述目标
ResNet
图像识别神经网络模型进行识别，得到光伏设备光照状态数据；根据光伏设备光照状态数据判断光伏设备的光照强度，若判断为光伏设备无光照强度，则通过所述光伏设备光照状态数据生成光伏设备控制指令；利用所述光伏设备控制指令对光伏设备进行移动转向控制，并基于图像采集装置获取光伏设备周围的实时光照图像数据，得到光伏设备实时光照图像数据集；将所述光伏设备实时光照图像数据集输入至所述目标
ResNet
图像识别神经网络模型进行识别，得到光伏设备实时光照状态数据，根据所述光伏设备实时光照状态数据对所述光伏设备进行实时移动转向控制
。2.
如权利要求1所述的一种基于人工智能的光伏设备控制方法，其特征在于，所述通过图像采集装置获取光伏设备周围的光照图像数据，得到光伏设备历史光照图像数据，对所述光伏设备历史光照图像数据进行数据预处理，得到光伏设备历史光照图像数据集，包括：通过图像采集装置获取光伏设备周围的光照图像数据，得到光伏设备历史光照图像数据；对所述光伏设备历史光照图像数据进行图像降噪处理，得到光伏设备降噪光照图像数据；对所述光伏设备降噪光照图像数据进行数据增强处理，得到光伏设备增强光照图像数据，所述数据增强处理至少包括图像旋转
、
图像缩放
、
图像裁剪
、
色彩调整
、
随机割裂和中心裁剪；对所述光伏设备增强光照图像数据进行归一化处理，得到光伏设备归一化光照图像数据；利用随机水平翻转
、
随机对比度调整
、
随机亮度调整
、
随机微角度旋转和随机裁剪缩放方法扩充所述光伏设备归一化光照图像数据的数据集，得到扩充光伏设备光照图像数据；利用
FCM
模糊聚类算法对所述光伏设备光照图像数据进行聚类，得到光伏设备历史光照图像数据集
。3.
如权利要求1所述的一种基于人工智能的光伏设备控制方法，其特征在于，所述基于
ResNet
神经网络建立
ResNet
图像识别神经网络模型，在所述
ResNet
图像识别神经网络模型的卷积层后引入
SE
注意力机制模块，得到目标
ResNet
图像识别神经网络模型，包括：基于
ResNet
神经网络建立
ResNet
图像识别神经网络模型，利用 Swish
激活函数取替代所述
ResNet
图像识别神经网络模型中的
ReLU
激活函数；将均方差损失函数和交叉熵损失函数设置为所述
ResNet
图像识别神经网络模型的损失函数；
扩大所述
ResNet
图像识别神经网络模型中卷积层范围，在卷积层后加入批量归一化层；在所述
ResNet
图像识别神经网络模型的卷积层后引入
SE
注意力机制模块，利用
SE
注意力机制模块连接卷积层和批量归一化层；利用贝叶斯优化算法对所述
ResNet
图像识别神经网络模型的超参数进行调节，得到目标
ResNet
图像识别神经网络模型
。4.
如权利要求1所述的一种基于人工智能的光伏设备控制方法，其特征在于，所述将所述光伏设备历史光照图像数据集输入至所述目标
ResNet
图像识别神经网络模型进行识别，得到光伏设备光照状态数据，包括：所述目标
ResNet
图像识别神经网络模型为已训练好的图像识别神经网络模型；所述光伏设备光照状态数据为光伏设备的光照覆盖面积数据和光伏设备的光照强度数据；所述光伏设备光照状态数据还包括光伏设备的位置数据和光伏设备的光伏面板朝向数据
。5.
如权利要求1所述的一种基于人工智能的光伏设备控制方法，其特征在于，所述根据光伏设备光照状态数据判断光伏设备的光照强度，若判断为光伏设备无光照强度，则通过所述光伏设备光照状态数据生成光伏设备控制指令，包括：根据光伏设备光照状态数据判断光伏设备的光照强度，若光伏设备的光照覆盖面积数据小于光伏面板的
70%
，则判断为弱光照强度，若光伏设备的光照覆盖面积数据小于光伏面板的
30%
，则判断为无光照强度；若光伏设备的光照强度数据小于设定光照强度阈值的
80%
，则判断为弱光照强度，若光伏设备的光照强度数据小于设定光照强度阈值的
50%
，则判断无光照强度；若判断为光伏设备无光照强度，则通过对所述光伏设备光照状态数据还包括光伏设备的位置数据和所述光伏设备的光伏面板朝向数据进行数据分析，得到光伏设备...

【专利技术属性】
技术研发人员：桂广利，
申请(专利权)人：科莱克芯电科技深圳有限公司，
类型：发明
国别省市：