CN103106657A - 基于时段的光伏电池板遮荫部分的检测方法 - Google Patents

Abstract

本发明提出了一种基于时段的光伏电池板遮荫部分的检测方法，属于光伏发电领域，该检测方法包括以下步骤：S1.判断当前时间是否在日出之后日落之前的时间段内：如果在该时间段内则采集光伏电池板的实际图像A，否则结束操作；S2.将经灰度处理后的实际图像A与原始图像B进行比较，其中该原始图像是指不存在阴影部分的灰度图：如果相同则结束操作；如果不相同则将该实际图像A的阴影部分进行图像分割，获得该光伏电池板的遮荫区域。本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像，降低了检测能耗，并且结合K-均值聚类方法与基于一维直方图的FCM方法进行图像分割，提高了图像分割的准确度和速度。

Description

基于时段的光伏电池板遮荫部分的检测方法

技术领域

本发明涉及一种光伏发电系统，尤其涉及一种基于时段的光伏电池板遮荫部分的检测方法。

背景技术

光伏发电系统在推广普及过程中，关键在于如何提高太阳能的利用率。光伏发电系统在工作过程中不可避免的会受到树木、高楼、云朵、鸟类等阴影的遮挡，阴影的出现会使光伏电池板的发电效率大大降低，严重时会引起“热斑”效应甚至造成安全问题。在局部遮荫情况下，最大功率点跟踪方法是一种提高光伏电池板输出功率的有效方法。目前的最大功率点跟踪方法为通过假设阴影区域，使光伏电池阵列始终工作在最大功率点附近，以此实现发电效率的提高，因此传统的最大功率点跟踪方法中假设阴影区域不能真实地反映光伏电池的遮荫部分。

此外，在传统的最大功率点跟踪方法中还需要采集光伏电池板中所有光伏电池的遮荫度，这就需要采用大量的光强度传感器采集多路信号，无疑增加了光伏发电系统的使用成本。

发明内容

本发明旨在解决现有技术中存在的技术问题，特别创新地提出了一种基于时段的光伏电池板遮荫部分的检测方法，仅在日出之后日落之前的时间段内采集光伏电池板的实际图像，通过图像分割获得光伏电池板遮荫部分，降低了检测能耗。

为了实现本发明的上述目的，本发明提供了一种基于时段的光伏电池板遮荫部分的检测方法，其特征在于包括以下步骤：S1、判断当前时间是否在日出之后日落之前的时间段内：如果在该时间段内则采集光伏电池板的实际图像A，否则结束操作；

S2、将该光伏电池板的实际图像A进行灰度处理，并且将经灰度处理后的实际图像A与原始图像B进行比较，其中该原始图像是指不存在阴影部分的灰度图：如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分，结束操作；如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分，将该实际图像A的阴影部分进行图像分割，获得该光伏电池板的遮荫区域。本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像，通过图像分割获得光伏电池板遮荫部分，降低了检测能耗。

该基于时段的光伏电池板遮荫部分的检测方法还包括步骤S3、采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度。

所述步骤S1还包括确定该日出之后日落之前的时间段的过程：

S10、获取当前的日期以及该光伏电池板所在地区的经度、纬度；

S11、根据公式T_C＝T1+4k计算出该光伏电池板所在地区的日出时间T_C，其中T₁表示太阳时t在设定地区所对应的时间，k表示由东向西，该设定地区与该光伏电池板所在地区之间的经度偏差，该太阳时t＝ω/15，

δ=23.45sin[(360*(284+N)/365)]，ω表示太阳时角，φ表示该光伏电池板所在地区的纬度，δ表示太阳赤纬角，N表示当前日期在一年中的天数；

S12、根据公式T_L＝24-T_L计算出该光伏电池板所在地区的日落时间T_L；

S13、对该光伏电池板所在地区的经度、纬度、日期及其对应的日出时间T_C、日落时间T_L进行存储。

所述步骤S2中对该实际图像A的阴影部分进行图像分割后还包括以下步骤：将经图像分割后的阴影部分采用数学形态学进行处理，去除阴影部分中的细小空洞和孤立点，由此更加准确地获得了实际图像A中的阴影部分，提高了检测精度。

所述步骤S2中对该实际图像A的阴影部分进行图像分割的过程为：

S20、采用K-均值聚类方法获得适用于基于一维直方图的FCM方法中的k个初始聚类中心v′₀；

S21、采用该基于一维直方图的FCM方法对该实际图像A的阴影部分进行图像分割。

所述步骤S20由以下步骤组成：

A0、将该实际图像A中像素点的灰度值表示为X={x₁，…x_l，…，x_n}，其中x_l表示该实际图像A中第l个像素点的灰度值，n表示该实际图像A中像素点的个数，0≤l≤n且l、n均为整数，并且根据公式

确定k个初始聚类中心，j依次取区间[1,k]内的整数，其中k为整数，max(X)表示该实际图像A中像素点的最大灰度值；

A1、根据公式ζ_l=||x_l-v_i||分别求取该实际图像A中每一像素点灰度值与第i次迭代后各聚类中心v_i之间的欧氏距离，并将对应的像素点灰度值归类至距离其最近的聚类中心所对应的聚类中，其中x_l表示该实际图像A中第l个像素点的灰度值，i为整数且其初始值为0；

A2、根据公式

计算出第i+1次迭代后的各聚类中心v_i+1，其中n_j表示第i次迭代后的第j个聚类中像素点灰度值的个数，x_h表示第i次迭代后的第j个聚类中第h个像素点灰度值，δ_h(x)表示第i次迭代后的第j个聚类中灰度值为x_h的像素点个数，1≤h≤n_j且h、n_j均为整数；

A3、判断第i+1次迭代后的各聚类中心v_i+1与第i次迭代后的各聚类中心v_i是否相同：如果相同，则终止迭代，将第i+1次迭代后的聚类中心作为适用于基于一维灰度直方图的FCM方法中的初始聚类中心v′₀；如果不相同，则根据公式v_i==v_i+1更新第i次迭代后的各聚类中心v_i，重复执行步骤A1～A3。

所述步骤S21由以下步骤组成：

B0、构建一维灰度直方图，根据公式

计算出该实际图像A中各灰度值出现的概率，x依次取区间[0,L-1]内的整数，L=256，其中h(x)表示该实际图像A中灰度值为x的像素点出现的概率，n(x)表示灰度值为x的像素点出现的次数，M×N表示该实际图像A中像素点的总数，且

B1、根据公式

计算出目标函数值，其中n表示该实际图像A中像素点的个数，k表示聚类中心的个数，m在区间[1.5,2.5]内取值，u_jh表示第i次迭代后的第j个聚类中第h个像素点灰度值x_h对该第j个聚类的隶属度，其表达式为：

$u_{\mathrm{jh}}=\frac{1}{\underset{f=1}{\overset{k}{\mathrm{\Σ}}}{\left[\frac{d_{\mathrm{jh}}(x_h,v_j^{\′})}{d_{\mathrm{fh}}(x_h,v_f^{\′})}\right]}^{\frac{2}{m-1}}};$

d_jh(x_h，v′_j)表示在第i次迭代后的第j个聚类中第h个像素点灰度值x_h与第j个聚类中心v′_j之间的距离，其表达式为：d_jh(x_h，v′_j)=||x_h-v′_j||，m在区间[1.5,2.5]内取值，k表示聚类中心的个数，i为整数且初始值为0；

B2、判断本次目标函数值与上次目标函数值的差值小于阈值ε是否成立：如果成立则终止迭代，表示成功完成图像分割；

如果不成立则根据公式计算出第i+1次迭代后的各聚类中心v′_i+1，根据公式v_i′＝＝v′_i+1更新第i次迭代后的各聚类中心v_i′，并且重复执行B1～B2，其中n_j表示第i次迭代后的第j个聚类中像素点灰度值的个数，x_h表示第i次迭代后的第j个聚类中第h个像素点灰度值，h(x)表示该实际图像A中灰度值为x_h的像素点出现的概率，u_jh表示第i次迭代后的第j个聚类中第h个像素点灰度值x_h对该第j个聚类的隶属度。

综上所述，本发明中图像分割结合K-均值聚类方法与基于一维直方图的FCM方法，计算简单并且收敛速度快，即提高了图像分割的准确度和速度。

聚类中心的个数k设置为3，模糊加权指数m设置为2，阈值ε设置为0.01，采用上述参数，进一步提高了图像分割的准确度和速度。

所述步骤S3中对光伏电池板的光伏电池组件进行区域划分，使得每一区域对应于一个光强度采集器，由此降低了光强度的采集成本。

所述步骤S3中n次采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度并取平均值，由此提高了光强度的采集精度。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像，通过图像分割获得光伏电池板遮荫部分，降低了检测能耗；

2、本发明在图像分割后，采用数学形态学对图像的阴影部分进行处理，去除阴影部分中的细小空洞和孤立点，由此更加准确地获得了实际图像中的阴影部分，提高了检测精度；

3、本发明中图像分割结合K-均值聚类方法与基于一维直方图的FCM方法，计算简单并且收敛速度快，即提高了图像分割的准确度和速度；

4、本发明在光强度采集之前，对光伏电池板的光伏电池组件进行区域划分，使得每一区域对应于一个光强度采集器，由此降低了光强度的采集成本；

5、本发明在光强度采集过程中，多次采集取平均值，由此提高了光强度的采集精度。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明的流程图；

图2是太阳赤纬角的示意图；

图3是太阳方位角和太阳高度角的示意图；

图4是图像分割的流程图；

图5是光伏电池板的区域划分示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示，该基于时段的光伏电池板遮荫部分的检测方法，包括以下步骤：步骤一、判断当前时间是否在日出之后日落之前的时间段内：如果在该时间段内则采集光伏电池板的实际图像A，否则结束操作。本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像，降低了能耗。

具体地，上述步骤一中确定该日出之后日落之前的时间段的过程为：

S10、获取当前的日期以及该光伏电池板所在地区的经度、纬度。

S11、根据公式T_C＝T1+4k计算出该光伏电池板所在地区的日出时间T_C，其中T₁表示太阳时t在设定地区所对应的时间，k表示由东向西，该设定地区与该光伏电池板所在地区之间的经度偏差。在本发明的第一实施例中，如果该设定地区为北京，该设定地区的经度为120度，则在经度120度向西，每偏离一度，日出时间T_C相差4分钟。

该太阳时t＝ω/15，

δ=23.45sin[(360*(284+N)/365)]，其中ω表示太阳时角，φ表示该光伏电池板所在地区的纬度，δ表示太阳赤纬角，N表示当前日期在一年中的天数。

如图2所示，太阳赤纬角δ为日地中心线与赤道平面的夹角，当太阳照射到北半球时δ为正，南半球时δ为负，夏至和冬至时δ为±23.45°，春分秋分时δ为零。太阳赤纬角δ的计算公式为δ=23.45sin(360*(284+N)/365)，其中N表示当前日期在一年中的天数，诸如在非闰年，1月1日时N记为1，12月31时N记为365；在闰年，1月1日时N记为1，12月31时N记为366。

如图3所示，太阳高度角α为太阳射线与地平面的夹角，太阳方位角β为太阳射线在地面上的投影与正南方的夹角，该太阳时角ω为地面上任意一点与地心之间的连线在赤道平面上的投影与当地正午时日地中心连线在赤道平面上的投影的夹角，由于地球自转一周为360度且花费时间为24小时，因此太阳时角ω为每小时15度或者每分钟4度，且上午太阳时角ω为正，下午太阳时角ω为负。

太阳赤纬角δ、太阳高度角α和太阳时角ω之间的关系可表示为

其中φ表示该光伏电池板所在地区的纬度(0～90度)，可以通过GPS获取。由于当太阳从地平线上升起或落下时，太阳高度角α为零，因此太阳时角ω可表示为

S12、根据公式T_L＝24-T_C计算出该光伏电池板所在地区的日落时间T_L。

S13、对该光伏电池板所在地区的经度、纬度、日期及其对应的日出时间T_C、日落时间T_L进行存储，由此再次出现相同情况时不用重复计算日出时间和日落时间，直接调用即可，提高了检测判别速度。

步骤二、将该光伏电池板的实际图像A进行灰度处理，并且将经灰度处理后的实际图像A与原始图像B进行比较，其中该原始图像是指不存在阴影部分的灰度图：如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分，结束操作；如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分，将该实际图像A的阴影部分进行图像分割，并且将经图像分割后的阴影部分采用数学形态学进行处理，去除阴影部分中的细小空洞和孤立点，从而获得该光伏电池板的遮荫区域。

具体地，上述步骤二中对实际图像A的阴影部分进行图像分割的过程为：

S20、采用K-均值聚类方法获得适用于基于一维直方图的FCM方法中的k个初始聚类中心v′₀。

S21、采用该基于一维直方图的FCM方法对该实际图像A的阴影部分进行图像分割。

如图4所示，该步骤S20由以下步骤组成：

(01)、将该实际图像A中像素点的灰度值表示为X={x₁,…x_l，3，x_n}，其中x_l表示该实际图像A中第l个像素点的灰度值，n表示该实际图像A中像素点的个数，0≤l≤n且l、n均为整数，并且根据公式

确定k个初始聚类中心，j依次取区间[1,k]内的整数，其中k为整数，max(X)表示该实际图像A中像素点的最大灰度值。

(02)、根据公式ζ_l=||x_l-v_i||分别求取该实际图像A中每一像素点灰度值与第i次迭代后各聚类中心v_i之间的欧氏距离，并将对应的像素点灰度值归类至距离其最近的聚类中心所对应的聚类中，其中x_l表示该实际图像A中第l个像素点的灰度值，i为整数且其初始值为0。应注意的是：聚类中心与聚类为一一对应的关系，诸如第j个聚类中心对应于第j个聚类。

(03)、根据公式计算出第i+1次迭代后的各聚类中心v_i+1，其中n_j表示第i次迭代后的第j个聚类中像素点灰度值的个数，x_h表示第i次迭代后的第j个聚类中第h个像素点灰度值，δ_h(x)表示第i次迭代后的第j个聚类中灰度值为x_h的像素点个数，1≤h≤n_j且h、n_j均为整数。

(04)、判断第i+1次迭代后的各聚类中心是否与第i次迭代后的各聚类中心相同：如果相同，则终止迭代，将第i+1次迭代后的聚类中心作为适用于基于一维灰度直方图的FCM方法中的初始聚类中心v′₀；如果不相同，则根据公式v_i==v_i+1更新第i次迭代后的各聚类中心v_i，重复执行步骤(02)至(04)。

如图4所示，该步骤S21由以下步骤组成：

(001)、构建一维直方图，根据公式

计算出该实际图像A中各灰度值出现的概率，x依次取区间[0,L-1]内的整数，L=256，其中h(x)表示该实际图像A中灰度值为x的像素点出现的概率，n(x)表示灰度值为x的像素点出现的次数，M×N表示该实际图像A中像素点的总数，且

(002)、根据公式

计算出目标函数值，其中n表示该实际图像A中像素点的个数，k表示聚类中心的个数，m在区间[1.5,2.5]内取值，u_jh表示第i次迭代后的第j个聚类中第h个像素点灰度值x_h对该第j个聚类的隶属度，其表达式为：

$u_{\mathrm{jh}}=\frac{1}{\underset{f=1}{\overset{k}{\mathrm{\Σ}}}{\left[\frac{d_{\mathrm{jh}}(x_h,v_j^{\′})}{d_{\mathrm{fh}}(x_h,v_f^{\′})}\right]}^{\frac{2}{m-1}}};$

d_jh(x_h，v′_j)表示在第i次迭代后的第j个聚类中第h个像素点灰度值x_h与第j个聚类中心v′_j之间的距离，其表达式为：d_jh(x_h，v′_j)=||x_h-v′_j||，m在区间[1.5,2.5]内取值，k表示聚类中心的个数，i为整数且初始值为0。

(003)、判断本次目标函数值与上次目标函数值的差值小于阈值ε是否成立：如果成立则终止迭代，表示成功完成图像分割；

如果不成立则根据公式

计算出第i+1次迭代后的各聚类中心v′_i+1，根据公式v_i′＝＝v′_i+1更新第i次迭代后的各聚类中心v_i′，并且重复执行B1～B2，其中n_j表示第i次迭代后的第j个聚类中像素点灰度值的个数，x_h表示第i次迭代后的第j个聚类中第h个像素点灰度值，h(x)表示该实际图像A中灰度值为x_h的像素点出现的概率，u_jh表示第i次迭代后的第j个聚类中第h个像素点灰度值x_h对该第j个聚类的隶属度。

在本发明的第一实施例中，聚类中心的个数k设置为3，模糊加权指数m设置为2，阈值ε设置为0.01。

步骤三、采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度。

在步骤三中对光伏电池板的光伏电池组件进行区域划分，使得每一区域对应于一个光强度采集器，而非每一光伏电池组件对应于一个光强度采集器，由此降低了光强度的采集成本。

如图5所示，在具有36个光伏电池组件的典型的光伏电池板中，将光伏电池板分为8个区域，每四个光伏电池组件构成一个区域，诸如将第一行与第一二列相交处的光伏电池组件以及第二行与第一二列相交处的光伏电池组件划分为第1个区域，将第一行与第三四列相交处的光伏电池组件以及第二行第三四列相交处的光伏电池组件划分为第2个区域，第三行与第一二列相交处的光伏电池组件以及第四行与第一二列相交处的光伏电池组件划分为第3个区域，将第三行与第三四列相交处的光伏电池组件以及第四行与第三四列相交处的光伏电池组件划分为第4个区域，以此类推。

此外，在步骤三中n次采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度并取平均值，由此本发明可以减小由于天气变化及环境干扰引起的采样数据的波动，提高了光强度采集数据的精度。应注意的是：n通常取3～8次，n值不宜过大，过大则会造成检测滞后，给系统增加负担。

在各次光强度采集之间存在延迟时间，该延时时间可以根据系统所处当地的太阳辐射和气候环境而定，通常取几秒到几十秒。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种基于时段的光伏电池板遮荫部分的检测方法，其特征在于包括以下步骤：S1、判断当前时间是否在日出之后日落之前的时间段内：如果在该时间段内则采集光伏电池板的实际图像A，否则结束操作；

S2、将该光伏电池板的实际图像A进行灰度处理，并且将经灰度处理后的实际图像A与原始图像B进行比较，其中该原始图像是指不存在阴影部分的灰度图：如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分，结束操作；如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分，将该实际图像A的阴影部分进行图像分割，获得该光伏电池板的遮荫区域。

2.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于还包括步骤S3、采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度。

3.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于：所述步骤S1还包括确定该日出之后日落之前的时间段的过程：

S10、获取当前的日期以及该光伏电池板所在地区的经度、纬度；

S11、根据公式T_C＝T1+4k计算出该光伏电池板所在地区的日出时间T_C，其中T₁表示太阳时t在设定地区所对应的时间，k表示由东向西，该设定地区与该光伏电池板所在地区之间的经度偏差，该太阳时t＝ω/15，

δ=23.45sin[(360*(284+N)/365)]，ω表示太阳时角，φ表示该光伏电池板所在地区的纬度，δ表示太阳赤纬角，N表示当前日期在一年中的天数；

S12、根据公式T_L＝24-T_C计算出该光伏电池板所在地区的日落时间T_L；

S13、对该光伏电池板所在地区的经度、纬度、日期及其对应的日出时间T_C、日落时间T_L进行存储。

4.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于所述步骤S2中对该实际图像A的阴影部分进行图像分割后还包括以下步骤：将经图像分割后的阴影部分采用数学形态学进行处理，去除阴影部分中的细小空洞和孤立点。

5.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于所述步骤S2中对该实际图像A的阴影部分进行图像分割的过程为：S20、采用K-均值聚类方法获得适用于基于一维直方图的FCM方法中的k个初始聚类中心v′₀；

S21、采用该基于一维直方图的FCM方法对该实际图像A的阴影部分进行图像分割。

6.根据权利要求5所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于所述步骤S20由以下步骤组成：

A0、将该实际图像A中像素点的灰度值表示为X={x₁，…x_l，…，x_n}，其中x_l表示该实际图像A中第l个像素点的灰度值，n表示该实际图像A中像素点的个数，0≤l≤n且l、n均为整数，并且根据公式

确定k个初始聚类中心，j依次取区间[1，k]内的整数，其中k为整数，max(X)表示该实际图像A中像素点的最大灰度值；

A1、根据公式ζ_l=||x_l-v_i||分别求取该实际图像A中每一像素点灰度值与第i次迭代后各聚类中心v_i之间的欧氏距离，并将对应的像素点灰度值归类至距离其最近的聚类中心所对应的聚类中，其中x_l表示该实际图像A中第l个像素点的灰度值，i为整数且其初始值为0；

A2、根据公式计算出第i+1次迭代后的各聚类中心v_i+1，其中n_j表示第i次迭代后的第j个聚类中像素点灰度值的个数，x_h表示第i次迭代后的第j个聚类中第h个像素点灰度值，δ_h(x)表示第i次迭代后的第j个聚类中灰度值为x_h的像素点个数，1≤h≤n_j且h、n_j均为整数；

A3、判断第i+1次迭代后的各聚类中心v_i+1与第i次迭代后的各聚类中心v_i是否相同：如果相同，则终止迭代，将第i+1次迭代后的聚类中心作为适用于基于一维灰度直方图的FCM方法中的初始聚类中心v′₀；如果不相同，则根据公式v_i==v_i+1更新第i次迭代后的各聚类中心v_i，重复执行步骤A1～A3。

7.根据权利要求5所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于所述步骤S21由以下步骤组成：

B0、构建一维灰度直方图，根据公式

计算出该实际图像A中各灰度值出现的概率，x依次取区间[0，L-1]内的整数，L=256，其中h(x)表示该实际图像A中灰度值为x的像素点出现的概率，n(x)表示灰度值为x的像素点出现的次数，M×N表示该实际图像A中像素点的总数，且

B1、根据公式

计算出目标函数值，其中n表示该实际图像A中像素点的个数，k表示聚类中心的个数，m在区间[1.5，2.5]内取值，u_jh表示第i次迭代后的第j个聚类中第h个像素点灰度值x_h对该第j个聚类的隶属度，其表达式为：

$u_{\mathrm{jh}}=\frac{1}{\underset{f=1}{\overset{k}{\mathrm{\Σ}}}{\left[\frac{d_{\mathrm{jh}}(x_h,v_j^{\′})}{d_{\mathrm{fh}}(x_h,v_f^{\′})}\right]}^{\frac{2}{m-1}}};$

d_jh(x_h，v′_j)表示在第i次迭代后的第j个聚类中第h个像素点灰度值x_h与第j个聚类中心v′_j之间的距离，其表达式为：d_jh(x_h，v′_j)=||x_h-v′_j||，m在区间[1.5，2.5]内取值，k表示聚类中心的个数，i为整数且初始值为0；

B2、判断本次目标函数值与上次目标函数值的差值小于阈值ε是否成立：如果成立则终止迭代，表示成功完成图像分割；

如果不成立则根据公式

计算出第i+1次迭代后的各聚类中心v′_i+1，根据公式v_i′＝＝v′_i+1更新第i次迭代后的各聚类中心v_i′，并且重复执行B1～B2，其中n_j表示第i次迭代后的第j个聚类中像素点灰度值的个数，x_h表示第i次迭代后的第j个聚类中第h个像素点灰度值，h(x)表示该实际图像A中灰度值为x_h的像素点出现的概率，u_jh表示第i次迭代后的第j个聚类中第h个像素点灰度值x_h对该第j个聚类的隶属度。

8.根据权利要求6或7所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于：聚类中心的个数k设置为3，模糊加权指数m设置为2，阈值ε设置为0.01。

9.根据权利要求2所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于所述步骤S3中对光伏电池板的光伏电池组件进行区域划分，使得每一区域对应于一个光强度采集器。

10.根据权利要求2或9所述的基于时段的光伏电池板遮荫部分的检测方法，其特征在于所述步骤S3中n次采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度并取平均值。

Images