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】
本说明书涉及太阳能跟踪,尤其是涉及一种基于深度学习的太阳能跟踪方法、系统、设备及存储介质。
技术介绍
1、太阳能是一种可再生能源,可以广泛应用于发电、供热和供暖等领域。太阳能电池板是将光能转化为电能的关键设备。为了最大程度地利用阳光能量,需要利用太阳能跟踪系统尽量控制太阳能电池板能够始终面向太阳,并处于最佳角度。
2、传统的太阳能跟踪系统通常根据预定义的规则或传感器反馈来调整太阳能板的角度和方向。例如,可以使用光敏电阻、光电二极管、太阳能辐射仪等传感器来检测太阳位置和光线强度,并通过控制机构旋转和调整太阳能板的位置。然而,本申请的专利技术人发现:传统的太阳能跟踪系统中的传感器可能受到天气环境、阴影效应等因素的干扰,导致跟踪结果不准确。
技术实现思路
1、本说明书实施例的目的在于提供一种基于深度学习的太阳能跟踪方法、系统、设备及存储介质,以提高太阳能跟踪系统的跟踪准确性。
2、为达到上述目的,一方面,本说明书实施例提供了一种基于深度学习的太阳能跟踪方法,包括:
3、实时采集目标太阳能电池板在当前时刻的太阳光强度及方向数据、太阳红外图像和气象环境数据;
4、根据所述太阳光强度及方向数据、所述太阳红外图像和所述气象环境数据形成当前时刻的融合特征向量;
5、将所述融合特征向量输入至预训练的已学习融合特征与太阳位置之间的映射关系的vits模型,以预测当前时刻的太阳位置数据;
6、根据所述太阳位置数据控制所述目标太阳能电池
7、本说明书实施例的基于深度学习的太阳能跟踪方法中,根据所述太阳光强度及方向数据、所述太阳红外图像和所述气象环境数据形成当前时刻的融合特征向量,包括:
8、将所述太阳光强度及方向数据、所述红外图像和所述气象环境数据进行向量化,对应获得光强度及方向向量、红外图像向量和气象环境向量;
9、将所述光强度及方向向量、所述红外图像向量和所述气象环境向量按照预设顺序拼接为融合特征向量。
10、本说明书实施例的基于深度学习的太阳能跟踪方法中,根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角,包括:
11、根据公式确定所述目标太阳能电池板的高度角调整量和方位角调整量;
12、按照所述高度角调整量和所述方位角调整量控制所述目标太阳能电池板的高度角和方位角;
13、其中,δθ为目标太阳能电池板的高度角调整量,θs为vits模型预测的当前时刻的太阳高度角,θp为目标太阳能电池板调整前的高度角,δφ为目标太阳能电池板的方位角调整量,φs为vits模型预测的当前时刻的太阳方位角,φp为目标太阳能电池板调整前的方位角。
14、本说明书实施例的基于深度学习的太阳能跟踪方法中,在根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角之后,还包括:
15、监测所述目标太阳能电池板的实际输出功率与预期输出功率之间的偏差;
16、当所述偏差超出偏差阈值时,基于pid调节方式对所述目标太阳能电池板进行微调,直至偏差不超出所述偏差阈值。
17、本说明书实施例的基于深度学习的太阳能跟踪方法中,还包括:
18、在接收到对所述目标太阳能电池板的控制语音时,通过短时傅里叶变换将所述控制语音转换为频域信号;
19、从所述频域信号中提取目标声学特征;
20、将所述目标声学特征输入至预训练的transformer模型,以预测对应文本的概率分布;
21、使用束搜索算法将所述概率分布解码为文本指令;
22、根据所述文本指令控制所述目标太阳能电池板的高度角和方位角。
23、本说明书实施例的基于深度学习的太阳能跟踪方法中,所述气象环境数据包括:风速数据、温度数据和湿度数据。
24、另一方面,本说明书实施例还提供了一种基于深度学习的太阳能跟踪系统,包括:
25、数据采集设备,用于实时采集目标太阳能电池板在当前时刻的太阳光强度及方向数据、太阳红外图像和气象环境数据;
26、控制装置,用于根据所述太阳光强度及方向数据、所述太阳红外图像和所述气象环境数据形成当前时刻的融合特征向量;将所述融合特征向量输入至预训练的已学习融合特征与太阳位置之间的映射关系的vits模型,以预测当前时刻的太阳位置数据;根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角。
27、另一方面,本说明书实施例还提供了一种计算机设备,包括存储器、处理器、以及存储在所述存储器上的计算机程序,所述计算机程序被所述处理器运行时,执行上述方法的指令。
28、另一方面,本说明书实施例还提供了一种计算机存储介质,其上存储有计算机程序,所述计算机程序被计算机设备的处理器运行时,执行上述方法的指令。
29、另一方面,本说明书实施例还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被计算机设备的处理器运行时,执行上述方法的指令。
30、由以上本说明书实施例提供的技术方案可见,本说明书的实施例中不仅考虑了太阳光强度及方向,还考虑到太阳的太阳红外图像以及气象环境的等影响,并利用实时采集的太阳光强度及方向数据、太阳红外图像和气象环境数据形成融合特征向量,并将融合特征向量输入至已学习融合特征与太阳位置之间的映射关系的vits模型中去预测当前的太阳位置,从而可以获得更加准确的太阳位置,而根据更加准确的太阳位置去调整太阳能电池板的高度角和方位角,则可以提高太阳能跟踪系统的跟踪准确性。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的太阳能跟踪方法,其特征在于,包括:
2.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,根据所述太阳光强度及方向数据、所述太阳红外图像和所述气象环境数据形成当前时刻的融合特征向量,包括:
3.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角,包括:
4.如权利要求3所述的基于深度学习的太阳能跟踪方法,其特征在于,在根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角之后,还包括:
5.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,还包括:
6.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,所述气象环境数据包括:风速数据、温度数据和湿度数据。
7.一种基于深度学习的太阳能跟踪系统,其特征在于,包括:
8.一种计算机设备,包括存储器、处理器、以及存储在所述存储器上的计算机程序,其特征在于,所述计算机程序被所述处理器运行时,执行根据权利要求1-6任意一项所述方法的
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机设备的处理器运行时,执行根据权利要求1-6任意一项所述方法的指令。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被计算机设备的处理器运行时,执行根据权利要求1-6任意一项所述方法的指令。
...【技术特征摘要】
1.一种基于深度学习的太阳能跟踪方法,其特征在于,包括:
2.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,根据所述太阳光强度及方向数据、所述太阳红外图像和所述气象环境数据形成当前时刻的融合特征向量,包括:
3.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角,包括:
4.如权利要求3所述的基于深度学习的太阳能跟踪方法,其特征在于,在根据所述太阳位置数据控制所述目标太阳能电池板的高度角和方位角之后,还包括:
5.如权利要求1所述的基于深度学习的太阳能跟踪方法,其特征在于,还包括:
6.如权利要求1所述的基于深度学习的...
【专利技术属性】
技术研发人员:杨之乐,顾鋆涛,张琳昕,杨谨宁,郭媛君,
申请(专利权)人:中国科学院深圳先进技术研究院,
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。