CN108510487A - 一种光伏组件远程监测装置 - Google Patents
一种光伏组件远程监测装置 Download PDFInfo
- Publication number
- CN108510487A CN108510487A CN201810275879.9A CN201810275879A CN108510487A CN 108510487 A CN108510487 A CN 108510487A CN 201810275879 A CN201810275879 A CN 201810275879A CN 108510487 A CN108510487 A CN 108510487A
- Authority
- CN
- China
- Prior art keywords
- module
- photovoltaic module
- image
- panel region
- cell piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000013507 mapping Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 22
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 11
- 238000000034 method Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003698 laser cutting Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000013083 solar photovoltaic technology Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏组件远程监测装置,与单个光伏组件电连接,包括壳体以及设置于所述壳体内的功能模块,所述功能模块包括:采样模块,用于收集光伏组件的采样数据;调整模块,用于调整光伏组件的输出电压和输出电流;中央处理模块,用于收集采样数据后控制所述调整模块对光伏组件的输出电压和电流进行调整;继电器模块,用于控制光伏组件的短路和断路;无线通讯模块,用于将采样数据、处理过的数据发送至云端服务器;缺陷检测模块,用于对采样到的光伏组件图像中的电池片进行缺陷检测。本发明可实现对光伏组件的工作状态的实时监测,还能够及时并准确的检测到异常电池片的缺陷,便于及时发现情况,进行报警。
Description
技术领域
本发明涉及光伏组件领域,特别涉及一种光伏组件远程监测装置。
背景技术
随着太阳能光伏发电技术的进一步发展及其广泛应用,光伏组件作为太阳能发电的重要设施,其组件的生产成品是否合格也越来越受到关注。在分布式光伏电站中,由于光伏组件进行串并联接,导致汇流后直流电压达到上千伏。由于没有专人负责日常管理(比如24小时巡检),导致出现异常情况,如某些组件不正常工作,甚至因温度过高或线路异常导致起火,不能及时察觉,势必会对光伏电站正常工作带来一定的影响,甚至引起火灾等事故。在发达国家,光伏电站一旦发生火灾,因为存在着直流高压,导致消防部门考虑到安全因素,不参与灭火,最后导致财产全部花为灰烬。
光伏组件在运行过程中也需要进行缺陷检测,主要用于检测光伏组件中电池片隐裂、碎片、断栅等外部缺陷。目前,缺少一种针对正在工作运行中的光伏组件中电池片的实用高效的缺陷检测方法;传统地对电池片缺陷检测均是在光伏组件出厂前,由专业技术人员目视光伏组件的拍摄图像,查找异常并识别判定,并最终将缺陷类型人工录入制造系统。对缺陷类型进行识别统计后,可针对制造系统进行改造,使得此后生产的光伏组件中出现相应缺陷类型的几率很大程度上减小。
但是,该专业技术人员必须要经过长期培训,且业务非常熟练。对于该岗位的专业技术人员的要求非常高。另外,该专业技术人员须长时间注视拍摄图像,视觉极易疲劳,效率不高;并且还易出错,导致出现漏检或者录入的缺陷与实际缺陷不符。且对出厂后投入运行的光伏组件采取上述方法进行缺陷检测不太现实,故为避免工作运行中的光伏组件由于生产缺陷未被检测到而投入运行后可能造成安全事故与严重的经济损失,如何在工作状态下快速准确检测光伏组件中电池片是否有缺陷,及缺陷类别是一个亟待解决的问题。
发明内容
鉴于上述问题,本发明的主要目的是提供一种光伏组件远程监测装置,以快速准确检测光伏组件中电池片的状态。
本发明的目的采用以下技术方案来实现:
提供了一种光伏组件远程监测装置,与单个光伏组件电连接,包括壳体以及设置于所述壳体内的功能模块,所述功能模块包括:
采样模块,用于收集光伏组件的采样数据,采样数据包括:实时输入输出电压值、实时输入输出电流值、实时温度值、实时湿度值以及光伏组件图像;
调整模块,用于调整光伏组件的输出电压和输出电流;
中央处理模块,所述中央处理模块的输入端与所述采样模块连接,所述中央处理模块的输出端与所述调整模块连接,用于收集采样数据后控制所述调整模块对光伏组件的输出电压和电流进行调整;
继电器模块,与所述中央处理模块的输出端连接,用于控制光伏组件的短路和断路;
无线通讯模块,与所述中央处理模块的输出端连接,用于将采样数据、处理过的数据发送至云端服务器;
缺陷检测模块,所述缺陷检测模块的输入端与所述采样模块连接,所述缺陷检测模块的输出端与所述中央处理模块连接,用于对采样到的光伏组件图像中的电池片进行缺陷检测。
优选地,所述采样模块包括:计量芯片、电压采样单元、电流采样单元、温度传感器、湿度传感器以及微型摄像机,所述电压采样单元和所述电流采样单元分别通过计量芯片与所述中央处理电路的输入端连接,所述温度传感器和所述湿度传感器直接与所述中央处理电路的输入端连接;所述微型摄像机用于对单个光伏组件进行拍摄得到光伏组件图像。
优选地,所述中央处理电路包括:处理芯片、定位单元、时钟单元以及报警单元,所述处理芯片分别与所述定位单元和所述时钟单元连接,所述报警单元用于产生报警信号供无线通讯模块发送给云端服务器。
优选地,所述缺陷检测模块包括:图像储存模块、图像识别模块;所述图像识别模块用于对所采集到光伏组件图像中的电池片进行缺陷识别,确定电池片存在缺陷的光伏组件图像并分析出该电池片的缺陷类别;所述图像储存模块用来储存采集到的光伏组件图像以及储存检测后所述电池片存在缺陷的光伏组件图像、图像特征以及缺陷类别。
本发明的有益效果为:本发明提供的一种光伏组件远程监测系统,结构简单,操作便捷,实现对光伏组件的工作状态的实时监测,实现对单个组件短路和断路,便于及时发现情况,且将所有参数通过无线网络上传到云端服务器;本发明还可以快速准确检测工作状态下的光伏组件中电池片的状态,能够及时并准确的检测到异常电池片的缺陷,显著的提高了检测效率,减小了光伏组件投入运行时的安全隐患。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明一个示例性实施例中光伏组件远程监测系统的框架结构图;
图2为本发明一个示例性实施例中缺陷检测模块的框架结构图;
图3为本发明一个示例性实施例中图像储存模块的框架结构图;
图4为本发明一个示例性实施例中图像识别模块的框架结构图。
附图标记:
采样模块1、中央处理模块2、缺陷检测模块3、无线通讯模块4、调整模块5、继电器模块6、图像储存模块7、图像识别模块8、待测图像库单元701、样本图像库单元702、样本筛选单元801、电池片区域分割单元802、电池片特征提取单元803和电池片缺陷识别单元804。
具体实施方式
结合以下应用场景,参考附图对本发明的实施方式进行说明。
光伏组件(俗称太阳能电池板)由太阳能电池片(整片的两种规格125*125mm、156*156mm、124*124mm等)或由激光切割机机或钢线切割机切割开的不同规格的太阳能电池组合在一起构成。
在制作光伏组件、或光伏组件运行时间久后中,电池片可能会发生隐裂、碎片、断栅等外部缺陷。目前,传统地缺陷检测均是,专业技术人员巡视光伏组件,查找异常并识别判定,并最终将缺陷类型记录。本发明的目的就是要及时并准确的检测到电池片的缺陷,降低专业人员的人工检测时所耗的成本,以下详细介绍本发明的检测方法。
参见图1,本发明提供一种光伏组件远程监测装置,与单个光伏组件电连接,包括壳体以及设置于所述壳体内的功能模块,所述功能模块包括:
采样模块1,用于收集光伏组件的采样数据,采样数据包括:实时输入输出电压值、实时输入输出电流值、实时温度值、实时湿度值以及光伏组件图像;
调整模块5,用于调整光伏组件的输出电压和输出电流;
中央处理模块2,所述中央处理模块的输入端与所述采样模块1连接,所述中央处理模块的输出端与所述调整模块连接,用于收集采样数据后控制所述调整模块对光伏组件的输出电压和电流进行调整;
继电器模块6,与所述中央处理模块2的输出端连接,用于控制光伏组件的短路和断路;
无线通讯模块4,与所述中央处理模块2的输出端连接,用于将采样数据、处理过的数据发送至云端服务器;
缺陷检测模块3,所述缺陷检测模块的输入端与所述采样模块1连接,所述缺陷检测模块的输出端与所述中央处理模块2连接,用于对采样到的光伏组件图像中的电池片进行缺陷检测。
本实施例中,所述采样模块1包括:计量芯片、电压采样单元、电流采样单元、温度传感器、湿度传感器以及微型摄像机,所述电压采样单元和所述电流采样单元分别通过计量芯片与所述中央处理电路的输入端连接,所述温度传感器和所述湿度传感器直接与所述中央处理电路的输入端连接;所述微型摄像机用于对单个光伏组件进行拍摄得到光伏组件图像。
本实施例中,所述中央处理电路2包括:处理芯片、定位单元、时钟单元以及报警单元,所述处理芯片分别与所述定位单元和所述时钟单元连接,所述报警单元用于产生报警信号供无线通讯模块发送给云端服务器。
本实施例中,所述缺陷检测模块3包括:图像储存模块7、图像识别模块8;所述图像识别模块8用于对所采集到光伏组件图像中的电池片进行缺陷识别,确定电池片存在缺陷的光伏组件图像并分析出该电池片的缺陷类别;所述图像储存模块7用来储存采集到的光伏组件图像以及储存检测后所述电池片存在缺陷的光伏组件图像、图像特征以及缺陷类别。
参见图2,所述图像储存模块7包括待测图像库单元701和样本图像库单元702;其中,样本图像库单元702用来储存所述电池片存在缺陷的光伏组件图像、图像特征以及对应电池片缺陷类别;待测图像库单元701被设置为储存采集到的光伏组件图像;其中,样本图像库单元还用于储存通过人工录入的电池片具有缺陷的样本图像、图像特征以及缺陷类别。
参见图3,所述图像识别模块8包括样本筛选单元801、电池片区域分割单元02、电池片特征提取单元803和电池片缺陷识别单元804;所述样本筛选单元801用于从样本图像库单元存储的样本图像中筛选出限定数量的电池片缺陷样本图像用于缺陷识别;所述电池片区域分割单元802用于提取光伏组件图像中的电池片区域;所述电池片特征提取单元803用于对电池片区域中的电池片特征进行提取;所述电池片缺陷识别单元804用于根据所述限定数量的电池片缺陷样本图像对所述电池片特征进行分析,从而对电池片区域中的电池片的缺陷进行分类识别。
本实施例中,所述样本筛选单元801还用于将所述限定数量的电池片缺陷样本图像按缺陷类别进行分类集合。
本实施例中,所述电池片区域分割单元802用于将所述待测图像库单元701中的光伏组件图像提取出来,对所述光伏组件图像进行分割,得到所述光伏组件图像中的电池片区域,具体包括:
(1)利用一个大小确定的矩形窗口在光伏组件图像上滑动分割,得到对应于光伏组件图像的矩形块集合M,计算矩形块集合M中矩形块j对应的平均灰度值Hv(j)以及矩形块j的平均显著性Sw(j),计算公式为:
式中,k(g,l)代表矩形块j中的一点(g,l)的灰度值,其中g∈[(j-1)h,jh],l∈[(j-1)w,jw],h为矩形块j的长;w为矩形块的宽;μ,γ为设定的平衡因子,μ+γ=1;q1,q2为根据矩形块大小设置的尺度因子;M为与矩形块j邻接的矩形块数目;其中,(xi,yi)代表与矩形块j邻接的第i个矩形块的中心点坐标;(xj,yj)代表矩形块j的中心点坐标;f(xi,yi)代表矩形块i中心点灰度值;f(xj,yj)代表矩形块j中心点的灰度值;Δoij为矩形块j与所述第i个矩形块之间的欧氏距离。
本实施例中,改进了平均显著性Sw(j)的计算公式,不仅考虑了矩形块j与光伏组件图像所有子块的全局纹理度对比,还考虑了与矩形块j邻接的局部纹理度显著性,得到了更为精确的平均灰度值和平均显著性。
(2)根据光伏组件图像中电池片与非电池片的先验差异特征,以及矩形块的Hv(j)和Sw(j)对每个矩形块j进行判别,判别其属于电池片区域还是非电池片区域;
(3)将所有不属于电池片区域的矩形块进行滤除,并对所有属于电池片区域的矩形块j合并,统计剩余属于电池片区域的矩形块的数目M1,然后计算出电池片区域的中心位置;
(4)利用电池片区域的先验边缘信息进行修正,并通过电池片区域的边缘信息来确定相对于电池片区域的中心位置的长、宽偏移量,以此确定电池片区域;
(5)对待测光伏组件图像进行分割,从待测光伏组件图像中提取出电池片区域。
本实施例中,对矩形块j进行判别的判别公式为:
式中,d(j)代表矩形块j的中心到待测图像中心的几何距离;λ,μ为分配的权重系数,而参数ψ则是根据电池片区域与非电池片区域的先验差异特征确定的判别因子;φ为考虑到d(j)过大时避免出现属于电池片区域的孤立矩形块的限制常数;fuop(j)为判别结果,当值为1时,矩形块j属于电池片区域。
本实施例中,所述电池片区域的中心位置的计算公式为:
式中,j=1,2,…,M1;(x0,y0)为将属于电池片区域的矩形块j合并后的区域的中心位置坐标。
本实施例中,电池片区域的中心位置的长、宽偏移量的计算公式为:
式中,px为电池片区域的中心位置横向的长偏移量;py为电池片区域的中心位置纵向的宽偏移量;v1为电池片区域的横向边缘的像素数;v2为电池片区域的纵向边缘的像素数;tx(x,y)为电池片区域的横向边缘的像素点的灰度值;ty(x,y)为电池片区域的纵向边缘的像素点的灰度值。
本优选实施例中,具体提出了一种确定光伏组件图像电池片区域的方法:设计了判别矩形块的类别的判别公式,进而计算出电池片区域的中心位置,并依据先验边缘信息进行修正得到中心位置的长、宽偏移量的计算公式;相对于现有技术直接对光伏组件图像处理,避免了光伏组件图像中其他背景区域对电池片区域内电池片缺陷的识别产生干扰,且使得对电池片区域图像的特征提取和分类识别阶段的计算耗时降低,对于提高待测电池片缺陷的检测效率具有显著地效果。
所述电池片特征提取单元803对电池片区域中的电池片的特征进行提取,具体包括:
(1)提取电池片区域的电池片端部的局部纹理特征,具体为:由待测电池片端部的先验几何连接关系可定位出电池片端部;将电池片端部进行分割得到中心子块和各邻域子块,具体采用直方图分割法,将各个子块的灰度值进行阀值化,选取阀值比较的结果作为邻域子块的像素灰度值的设定权重系数,根据设定权重系数,可得到电池片端部的局部纹理特征向量。
(2)对电池片区域的边缘梯度特征进行提取,具体为:将电池片区域图像进行颜色的归一化,转化为灰度图;然后分别计算灰度图全局内的像素点横、纵坐标方向上的梯度,将横纵坐标的梯度进行综合,则可得到每个像素点的梯度特征;依据每个像素点的梯度方向将灰度图划分为n个均匀的维度空间,在直方图中对空间单元内每个像素在其梯度方向上进行加权投影,得到这个单元的梯度方向直方图;将上述单元的梯度直方图在各空间维度进行归一化,最后根据空间维度进行划分,依次排列组合上述经过归一化的梯度直方图,就得到了电池片区域的边缘梯度特征。
本实施中,电池片端部的局部纹理特征Yt的计算公式为:
式中,由电池片端部的先验信息,可确定出端部区域的总数为R,其中i∈R,i代表电池片区域其中一个端部;T(i)为端部i的端部区域的灰度方向矢量;Bi为端部i的特征权重系数; 为光照干扰因子;N为分割端部i的端部区域得到中心子块周围的各邻域子块的总个数,其中,μ代表第μ个邻域子块,μ∈N;v(μ)为第μ个邻域子块的平均灰度值;v(μi)为端部i的中心子块的平均灰度值;σ为灰度差分阈值;p为阈值比较后的二值函数。
本优选实施例中,通过这一新的权值选取公式计算得到的投影的权值,相较于现有技术直接将该像素点的梯度幅值作为投影的权值,能够使得到的梯度特征更好更精确的反映电池片区域的整体信息。
本实施例中,加权投影的权值计算公式为:
式中,x为一空间单元内像素点的个数,i为单元内的像素点,ci为像素点i的灰度值,wi为像素点i在在直方图中进行加权的权值;μi为每个像素点的随机权重,∑i∈xμi=1。
本优选实施例中,提出了电池片端部的局部纹理特征的计算公式,针对多个端部区域对电池片端部的局部纹理特征的影响,设立了特征权值系数,并具体限定了该系数的计算公式,降低了光照的干扰,减少了提取过程中的冗余信息与随机特征。
(3)将上述计算得到的边缘梯度特征与局部纹理特征进行互补融合,就得到了电池片的特征SN,其中,特征融合公式为:
式中,ρ,β代表特征权重因子,Xt为电池片区域的边缘梯度特征,Yt为电池片端部的局部纹理特征。
通过对这个两类图像特征进行融合,得到更精确的电池片特征向量。
所述电池片缺陷识别单元804被设置为基于样本筛选单元801获取的限定数量的电池片缺陷样本图像的图像特征来表征所述电池片特征提取单元803得到的电池片特征,对特征表征的相似度进行比较,来识别电池片的缺陷类别,具体为:
(1)将样本筛选单元获取的限定数量的电池片缺陷样本图像按电池片的缺陷类型分类为C个类别不同的表示样本集,还提取出各个类别中的电池片缺陷样本图像中电池片的特征向量;
(2)根据电池片缺陷样本图像中电池片的特征向量对电池片区域中电池片特征的相似度大小,筛选出最近邻表示样本;
(3)基于筛选出最近邻表示样本对所述电池片的特征进行分类识别,得到电池片的缺陷类型;
(4)将分类识别出来的光伏组件缺陷图像及缺陷类别发送至中央处理模块。
本实施例中,最近邻表示样本的筛选步骤为:
(1)用缺陷样本图像中的电池片的特征向量线性表示电池片特征,具体有:
式中,SNi为所述电池片区域中电池片的特征向量SN在第i类表示样本集的表示,i∈C,C表示所有表示样本集对应的类别数;表示样本集各类类别里含有数量为K个的表示样本,j∈K;Yij表示第i类第j个表示样本的特征向量,bj表示所述电池片特征用表示样本特征向量Yij表示的系数;
(2)依据上式进而计算第i类第j个表示样本在线性表示电池片特征SN方面的相似度函数,相似度函数具体计算为:
式中,为较小的修正量;γ为一个很小的修正因子;用Yi=[Yij]来表示在第i类的表示样本的特征向量矩阵;SN为电池片的特征向量;Yij表示第i类第j个表示样本的特征向量;C表示所有表示样本集对应的类别数;
在第i类K个表示样本集合内,比较各个样本的相似度函数值将其按照大小进行排列,获取其中前L个值较小的样本,这些样本即为第i类中表示当下所述电池片特征向量的L个相似度最大的表示样本,也就是最近邻表示样本,进而剔除第i类中其余的表示样本。
本优选实施例中,将电池片的特征向量由所有第i类表示样本集内的电池片缺陷样本图像表示,设置了相似度函数,且设计了修正因子,选出表示样本特征向量对电池片特征的表示能力强的,在此基础上,选出较大相似度的K个最近邻表示样本,使得表示样本显著减少,计算复杂度显著降低,显著的提高了识别的速度与效率。
本实施例中,对所述电池片的特征进行分类识别的具体步骤为:
(1)将所述电池片的特征向量同样用上述得到的每一类别下的L个最近邻表示样本的特征向量线性表示,获取线性表示系数,然后计算各个类别下,最近邻表示样本特征在线性表示所述电池片的特征向量上的类间表示差,当类间表示差越小,表示该类样本在线性表示所述电池片的特征描述上的相似度越大,以此来分类识别所述电池片的特征类别属于该类样本的缺陷类别;其中,对所述电池片的特征向量SN进行分类识别的计算公式为:
式中,为设定的修正量,τ为修正因子;E为单位矩阵;在第i类选中的这L个相似度最大的最近邻表示样本下,将所述电池片的特征向量用上面获取的L个相似度最大的最近邻表示样本进行线性表示,线性表示时每个表示样本的特征为Yij‘’,Yij‘’表示第i类第j个表示样本的特征向量;所述电池片的特征向量用最近邻表示样本的特征Yij‘’表示的系数为bj′;其中j∈L;SN为电池片的特征向量;CDL表示待测光伏组件图像中电池片缺陷类型的识别结果。
本优选实施例中,计算由这K个最近邻表示样本表示电池片特征向量的类间表示差,重新设计了修正因子,使得对电池片的缺陷检测的识别率显著提高,识别率高达97.8%,实现了对电池片的缺陷进行高可靠性的分类。
中央处理模块接受后产生报警信号无线发送给远程的云服务器端。
通过以上的方法,能够及时并准确的检测到光伏组件中电池片的缺陷类别,从而能够及时排除安全隐患;且说明书所记载的仅仅是示例,本领域技术人员在理解了本发明的基础上可以作出任意的组合和变更。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种光伏组件远程监测装置,与单个光伏组件电连接,包括壳体以及设置于所述壳体内的功能模块,其特征在于,所述功能模块包括:
采样模块,用于收集光伏组件的采样数据,采样数据包括:实时输入输出电压值、实时输入输出电流值、实时温度值、实时湿度值以及光伏组件图像;
调整模块,用于调整光伏组件的输出电压和输出电流;
中央处理模块,所述中央处理模块的输入端与所述采样模块连接,所述中央处理模块的输出端与所述调整模块连接,用于收集采样数据后控制所述调整模块对光伏组件的输出电压和电流进行调整;
继电器模块,与所述中央处理模块的输出端连接,用于控制光伏组件的短路和断路;
无线通讯模块,与所述中央处理模块的输出端连接,用于将采样数据、处理过的数据发送至云端服务器;
缺陷检测模块,所述缺陷检测模块的输入端与所述采样模块连接,所述缺陷检测模块的输出端与所述中央处理模块连接,用于对采样到的光伏组件图像中的电池片进行缺陷检测。
2.根据权利要求1所述的一种光伏组件远程监测装置,其特征在于,所述采样模块包括:计量芯片、电压采样单元、电流采样单元、温度传感器、湿度传感器以及微型摄像机,所述电压采样单元和所述电流采样单元分别通过计量芯片与所述中央处理电路的输入端连接,所述温度传感器和所述湿度传感器直接与所述中央处理电路的输入端连接;所述微型摄像机用于对单个光伏组件进行拍摄得到光伏组件图像。
3.根据权利要求1所述的一种光伏组件远程监测装置,其特征在于,所述中央处理电路包括:处理芯片、定位单元、时钟单元以及报警单元,所述处理芯片分别与所述定位单元和所述时钟单元连接,所述报警单元用于产生报警信号供无线通讯模块发送给云端服务器。
4.根据权利要求1所述的一种光伏组件远程监测装置,其特征在于,所述的缺陷检测模块包括:图像储存模块、图像识别模块;所述图像识别模块用于对所采集到光伏组件图像中的电池片进行缺陷识别,确定电池片存在缺陷的光伏组件图像并分析出该电池片的缺陷类别;所述图像储存模块用来储存采集到的光伏组件图像以及储存检测后所述电池片存在缺陷的光伏组件图像、图像特征以及缺陷类别。
5.根据权利要求4所述的一种光伏组件远程监测装置,所述图像储存模块包括待测图像库单元和样本图像库单元;其中,样本图像库单元用来储存所述电池片存在缺陷的光伏组件图像、图像特征以及对应电池片缺陷类别;待测图像库单元被设置为储存采集到的光伏组件图像;其中,样本图像库单元还用于储存通过人工录入的电池片具有缺陷的样本图像、图像特征以及缺陷类别。
6.根据权利要求4所述的一种光伏组件远程监测装置,所述图像识别模块包括样本筛选单元、电池片区域分割单元、电池片特征提取单元和电池片缺陷识别单元;所述样本筛选单元用于从样本图像库单元存储的样本图像中筛选出限定数量的电池片缺陷样本图像用于缺陷识别;所述电池片区域分割单元用于提取光伏组件图像中的电池片区域;所述电池片特征提取单元用于对电池片区域中的电池片特征进行提取;所述电池片缺陷识别单元用于根据所述限定数量的电池片缺陷样本图像对所述电池片特征进行分析,从而对电池片区域中的电池片的缺陷进行分类识别。
7.根据权利要求6所述的一种光伏组件远程监测装置,所述样本筛选单元还用于将所述限定数量的电池片缺陷样本图像按缺陷类别进行分类集合。
8.根据权利要求6所述的一种光伏组件远程监测装置,所述提取光伏组件图像的电池片区域,具体包括:
(1)利用一个大小确定的矩形窗口在光伏组件图像上滑动分割,得到对应于光伏组件图像的矩形块集合M,计算矩形块集合M中矩形块j对应的平均灰度值Hv(j)以及矩形块j的平均显著性Sw(j);
(2)根据光伏组件图像中电池片与非电池片的先验差异特征,以及矩形块的Hv(j)和Sw(j)对每个矩形块j进行判别,分类其属于电池片区域还是非电池片区域,判别公式为:
式中,d(j)代表矩形块j的中心到待测图像中心的几何距离;λ,μ为分配的权重系数,而参数ψ则是根据电池片区域与非电池片区域的先验差异特征确定的判别因子;φ为考虑到d(j)过大时避免出现属于电池片区域的孤立矩形块的限制常数;fuop(j)为判别结果,当值为1时,矩形块j属于电池片区域;
(3)将所有不属于电池片区域的矩形块进行滤除,并对所有属于电池片区域的矩形块j合并,统计剩余属于电池片区域的矩形块的数目M1,然后计算电池片区域的中心位置,公式为:
式中,j=1,2,…,M1;(x0,y0)为将属于电池片区域的矩形块j合并后的区域的中心位置坐标;
(4)确定相对于电池片区域的中心位置的长、宽偏移量,以此确定电池片区域;
(5)对光伏组件图像进行分割,提取出电池片区域。
9.根据权利要求8所述的一种光伏组件远程监测装置,其特征是:所述电池片区域中的中心位置的长、宽偏移量的计算公式分别为:
式中,px为电池片区域的中心位置横向的长偏移量;py为电池片区域的中心位置纵向的宽偏移量;v1为电池片区域的横向边缘的像素数;v2为电池片区域的纵向边缘的像素数;tx(x,y)为电池片区域的横向边缘的像素点的灰度值;ty(x,y)为电池片区域的纵向边缘的像素点的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810275879.9A CN108510487A (zh) | 2018-03-30 | 2018-03-30 | 一种光伏组件远程监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810275879.9A CN108510487A (zh) | 2018-03-30 | 2018-03-30 | 一种光伏组件远程监测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510487A true CN108510487A (zh) | 2018-09-07 |
Family
ID=63379549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810275879.9A Withdrawn CN108510487A (zh) | 2018-03-30 | 2018-03-30 | 一种光伏组件远程监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510487A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109672861A (zh) * | 2018-12-17 | 2019-04-23 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 光伏电站运行环境检测装置 |
CN113470016A (zh) * | 2021-08-31 | 2021-10-01 | 江苏裕荣光电科技有限公司 | 一种基于人工智能的光伏电池板异常检测方法及装置 |
CN114581407A (zh) * | 2022-03-06 | 2022-06-03 | 扬州晶华新能源科技有限公司 | 一种光伏模块的自适应缺陷检测方法 |
CN114972150A (zh) * | 2021-02-24 | 2022-08-30 | 正泰集团研发中心(上海)有限公司 | 光伏组件尺寸缺陷检测方法 |
-
2018
- 2018-03-30 CN CN201810275879.9A patent/CN108510487A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109672861A (zh) * | 2018-12-17 | 2019-04-23 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 光伏电站运行环境检测装置 |
CN114972150A (zh) * | 2021-02-24 | 2022-08-30 | 正泰集团研发中心(上海)有限公司 | 光伏组件尺寸缺陷检测方法 |
CN114972150B (zh) * | 2021-02-24 | 2023-12-05 | 正泰集团研发中心(上海)有限公司 | 光伏组件尺寸缺陷检测方法 |
CN113470016A (zh) * | 2021-08-31 | 2021-10-01 | 江苏裕荣光电科技有限公司 | 一种基于人工智能的光伏电池板异常检测方法及装置 |
CN114581407A (zh) * | 2022-03-06 | 2022-06-03 | 扬州晶华新能源科技有限公司 | 一种光伏模块的自适应缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
CN108510487A (zh) | 一种光伏组件远程监测装置 | |
CN108537154B (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN111949809B (zh) | 一种输电线路红外巡检数据智能处理方法 | |
CN106022509B (zh) | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
CN108711148B (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
CN110070530A (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN109544501A (zh) | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 | |
CN111832398B (zh) | 一种无人机影像的配电线路杆塔导地线断股图像检测方法 | |
CN104463196A (zh) | 一种基于视频的天气现象识别方法 | |
CN109118548A (zh) | 一种综合智能水质识别方法 | |
CN112183438B (zh) | 基于小样本学习神经网络的违规行为的图像识别方法 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN104331710A (zh) | 开关状态识别系统 | |
CN113869162A (zh) | 一种基于人工智能的违章识别方法及系统 | |
CN113344745A (zh) | 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台 | |
CN111339927B (zh) | 一种电力营业厅人员工作状态智能识别系统 | |
CN114066848A (zh) | 一种fpca外观缺陷视觉检测系统 | |
CN105303162A (zh) | 一种基于目标建议算法的航拍图像绝缘子识别算法 | |
CN114399719A (zh) | 一种变电站火灾视频监测方法 | |
CN113935364A (zh) | 基于YOLOv4网络的无人机火焰检测方法及系统 | |
CN117455917B (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
CN114694130A (zh) | 基于深度学习的铁路沿线电线杆及杆号检测方法和装置 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180907 |