System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及光伏供能,尤其涉及一种基于人工智能及光伏供能的智能监控系统。
技术介绍
1、光伏供能是指采用光伏组件将太阳光辐射能直接转换为电能的发电系统,对于户外监控来说,其适用的场景包括户外环境监控、无人化农业养殖管控、野外作战等。例如在野外作战过程中所需的手持、对话机、指挥、观瞄、侦察等装备在使用时耗费电力,装备在电量低时需对其电池进行充电,而装备充电的电力来源就依靠光伏供能系统供电。
2、然而,由于影响光伏发电的因素众多,包括天气、温度等,因此现有的基于光伏供能的户外监控系统很难做到长时间的持续监控,且同时由于智能化程度较低,其监控得到的数据质量并不理想,如由于光线较暗导致采集的视频模糊,无法监控到有效信息等。因此,有必要提供一种能够续航时间长、且监控质量好的基于光伏供能的智能监控系统。
技术实现思路
1、为了解决上述提出的至少一个技术问题,本专利技术提供一种基于人工智能及光伏供能的智能监控系统。
2、本专利技术提供了一种基于人工智能及光伏供能的智能监控系统,所述系统包括:
3、光伏发电终端以及监控中心;
4、所述光伏发电终端用于通过光伏发电为所述监控中心供电;所述光伏发电终端包括光伏组件和储能箱;所述光伏组件可折叠,用于随着太阳辐射的变化规律自适应调整倾角,所述储能箱用于当光伏组件发电量低于第一预设值时提供电力支持;
5、所述监控中心包括监控设备以及上位机;
6、所述上位机用于发送启动指令和配置指令至监
7、所述监控设备用于执行所述启动指令,并根据第一配置指令配置设备的运行参数;还用于对监控数据进行加密,并将加密后的数据发送至上位机;所述监控数据包括视频数据、位置数据和环境数据;
8、所述上位机用于对加密后的数据进行解密,并对解密后的视频数据的画面清晰度进行评估;在确定所述画面清晰度低于第二预设值时,将所述环境数据和目标画面清晰度输入至训练好的自适应神经网络模型,生成第二配置指令;
9、所述监控设备用于接收所述第二配置指令,并根据所述第二配置指令更新设备的运行参数以对周围环境持续监控。
10、在一个优选地实施方式中,所述上位机还用于计算光伏组件的最佳倾角以控制所述光伏组件的折叠角度,包括:
11、计算倾斜角为时的太阳辐射量:
12、;
13、;
14、式中,表示水平面上的太阳直接辐射量;表示水平面上的太阳散射辐射量;表示辐射因子;表示地面反射率;表示日照稳定数因子;表示一年12个月;表示一年中日照时长最多月份中日照时长大于5小时的天数,表示一年中日照时长最少月份中日照时长大于5小时的天数;
15、求解最大时对应的倾斜角,并发送至所述光伏发电终端,所述光伏发电终端用于控制所述光伏组件折叠倾斜角进行发电。
16、在一个优选地实施方式中,所述上位机还用于:
17、计算光伏组件发电量,并判断所述发电量是否小于第一预设值;
18、当确定所述发电量小于第一预设值时,控制启动储能箱进行供能,并计算当前的太阳辐射量;
19、判断当前的太阳辐射量是否大于第三预设值;
20、当确定所述太阳辐射量大于第三预设值时,生成检测指令并对所述光伏组件进行el测试,以判断所述光伏组件是否发生故障。
21、在一个优选地实施方式中,所述监控设备用于对监控数据进行加密,包括:
22、对视频数据和/或位置数据进行一级加密,所述一级加密包括利用rsa算法对监控设备和上位机进行双向身份认证;
23、当认证通过时,利用aes算法对视频数据和/或位置数据进行处理,生成第一密钥;
24、利用哈希函数对视频数据生成的时间戳和/或位置数据生成的时间戳进行加密,并利用迭代函数迭代,生成第二密钥;
25、利用第一密钥和第二密钥生成组合密钥。
26、在一个优选地实施方式中,所述监控设备用于对监控数据进行加密,还包括:
27、对环境数据进行二级加密,所述二级加密包括使用私钥对环境数据进行数字签名。
28、在一个优选地实施方式中,所述上位机还用于根据视频数据进行风险预警,包括:
29、对解密后的视频数据进行图像识别,提取视频中的人员信息和车辆信息;
30、根据人员或车辆出现在视频中的时长和频率,判断是否将所述人员或车辆锁定为可疑目标;
31、当确定所述人员或车辆为可疑目标时,利用yolov3目标检测算法对当前可疑目标进行定位追踪,并触发报警提示。
32、在一个优选地实施方式中,所述上位机还用于根据环境数据进行风险预警,包括:
33、判断所述环境数据是否处于安全阈值内,当检测到任意一种或几种环境数据处于安全阈值之外时,触发报警提示;其中,所述环境数据包括温湿度、光照强度、气压和声音。
34、在一个优选地实施方式中,所述上位机还用于获取训练好的自适应神经网络模型,其中训练所述自适应神经网络模型包括:
35、获取历史监控采集到的环境数据、监控设备的运行参数以及视频数据的画面清晰度,作为训练集;
36、利用t-sne算法对所述画面清晰度进行特征降维,利用自适应集成算法对降维后的特征进行拟合,从拟合结果中筛选出相关性最大的特征量;
37、将所述环境数据与所述特征量进行融合,作为自适应神经网络模型的输入,将对应的监控设备的运行参数作为自适应神经网络模型的输出,以进行模型训练;其中,所述自适应神经网络模型的采用rnn网络。
38、在一个优选地实施方式中,所述上位机在训练所述自适应神经网络模型时,还用于根据均方误差和交叉熵的加权平均来构建损失函数。
39、与现有技术相比,本专利技术的有益效果在于:
40、1)本专利技术采用的光伏发电终端包括了光伏组件和储能箱,由于储能箱的作用,能够在光伏组件发电量低于第一预设值时提供额外的电力支持,从而保证长时间续航。其次,本专利技术中采用的光伏组件为可折叠的设备,能够感知太阳辐射变化去自动调节布控角度,以从光源角度去提高光伏组件的发电量和转化率,进一步保证了的长时间供电能力。
41、2)本专利技术通过在采集数据后,会对画面清晰度进行评估,在确定画面清晰度低于第二预设值时,会将环境数据和画面清晰度输入至训练好的自适应神经网络模型,生成第二配置指令,而监控设备能够基于第二配置指令自动更新当前的运行参数,从而保证了监控画面的质量,提高了监控工作的有效性;另外,通过对监控数据进行加密,同时提高了监控数据的安全性。
42、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
本文档来自技高网...【技术保护点】
1.一种基于人工智能及光伏供能的智能监控系统,其特征在于,所述系统包括:
2.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于计算光伏组件的最佳倾角以控制所述光伏组件的折叠角度,包括:
3.根据权利要求2所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于:
4.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述监控设备用于对监控数据进行加密,包括:
5.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述监控设备用于对监控数据进行加密,还包括:
6.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于根据视频数据进行风险预警,包括:
7.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于根据环境数据进行风险预警,包括:
8.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于获取训练好的自适
9.根据权利要求8所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机在训练所述自适应神经网络模型时,还用于根据均方误差和交叉熵的加权平均来构建损失函数。
...【技术特征摘要】
1.一种基于人工智能及光伏供能的智能监控系统,其特征在于,所述系统包括:
2.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于计算光伏组件的最佳倾角以控制所述光伏组件的折叠角度,包括:
3.根据权利要求2所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述上位机还用于:
4.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述监控设备用于对监控数据进行加密,包括:
5.根据权利要求1所述的基于人工智能及光伏供能的智能监控系统,其特征在于,所述监控设备用于对监控数据进行加密,还包括:
【专利技术属性】
技术研发人员:杨永清,樊黎,余守华,
申请(专利权)人:广东永浩信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。