CN112179693A - 一种基于人工智能的光伏跟踪支架故障检测方法和装置 - Google Patents
一种基于人工智能的光伏跟踪支架故障检测方法和装置 Download PDFInfo
- Publication number
- CN112179693A CN112179693A CN202011064425.0A CN202011064425A CN112179693A CN 112179693 A CN112179693 A CN 112179693A CN 202011064425 A CN202011064425 A CN 202011064425A CN 112179693 A CN112179693 A CN 112179693A
- Authority
- CN
- China
- Prior art keywords
- angle
- solar panel
- acquiring
- target key
- actual
- 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- Withdrawn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
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 31
- 238000005286 illumination Methods 0.000 claims abstract description 33
- 238000010586 diagram Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 36
- 238000000605 extraction Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- 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
- H02S20/00—Supporting structures for PV modules
- H02S20/30—Supporting structures being movable or adjustable, e.g. for angle adjustment
- H02S20/32—Supporting structures being movable or adjustable, e.g. for angle adjustment specially adapted for solar tracking
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及一种基于人工智能的光伏跟踪支架故障检测方法和装置,获取当前时刻太阳能电池板的输出电流和光照强度,根据输出电流获取实际输出功率,根据光照强度获取目标输出功率,若实际输出功率和目标输出功率相差较大时,获取当前时刻太阳能电池板的实际角度,通过与目标角度进行比对,判定判定光伏跟踪支架是否存在故障。该基于人工智能的光伏跟踪支架故障检测方法通过监控当前时刻太阳能电池板的输出电流以及光照强度,并根据角度的差异来实时监控光伏跟踪支架是否出现故障,当光伏跟踪支架出现故障时,能够及时采取相关解决措施,避免出现当光伏跟踪支架一旦出现故障,将会影响太阳能光伏系统的发电量,降低发电效率的情况。
Description
技术领域
本发明涉及一种基于人工智能的光伏跟踪支架故障检测方法和装置。
背景技术
随着国内光伏市场的迅速崛起,光伏跟踪系统因其适合复杂地形和能有效提高发电量等优势,越来越受到国内大型光伏电站项目的青睐。光伏跟踪系统是一种通过调节光伏跟踪支架角度,来辅助光伏组件精确跟踪太阳能,提高太阳能利用的控制设备。
现有太阳能光伏跟踪系统都由支架系统、传动系统和跟踪控制系统组成。一般分为两种跟踪技术,一种是利用光学检测技术,即用光学检测传感器监视太阳的运动方向从而控制支架系统追踪太阳的运行,称为光控跟踪系统;还有一种是以计算太阳运行轨迹的方法来控制支架,称为时空跟踪系统。时空跟踪系统根据当地经纬度坐标和时间,利用天文学计算公式,计算太阳所处天空的坐标,然后驱动电机转动支架进行追踪。时空跟踪系统在对光伏组件进行安装时,已根据当地位置情况将天文学计算得到的太阳高度角与太阳方位角存入数控机构单元,通过定时触发,达到固定时刻驱动电机旋转角度,以此来保证太阳光对光伏组件始终直射。
不管采用何种太阳能光伏跟踪系统,由于长时间处于外部环境,支架系统与传动系统容易受到灰尘、雨水等的影响,导致其光伏跟踪支架不能够准确调节角度,一旦出现故障,将会影响太阳能光伏系统的发电量,降低发电效率。
发明内容
本发明的目的在于提供一种基于人工智能的光伏跟踪支架故障检测方法和装置,用以解决当光伏跟踪支架一旦出现故障,将会影响太阳能光伏系统的发电量,降低发电效率的问题。
为了解决上述问题,本发明采用以下技术方案:
一种基于人工智能的光伏跟踪支架故障检测方法,包括:
获取当前时刻太阳能电池板的输出电流,以及当前时刻的光照强度;
根据所述太阳能电池板的输出电流,获取当前时刻所述太阳能电池板的实际输出功率,根据所述当前时刻的光照强度,获取当前时刻所述太阳能电池板的目标输出功率;
获取所述实际输出功率和所述目标输出功率的功率误差值,并比较所述功率误差值与预设功率误差阈值的大小;
若所述功率误差值大于或者等于所述预设功率误差阈值,则获取当前时刻所述太阳能电池板的实际角度;
根据所述当前时刻,以及预设的角度数据库,获取所述太阳能电池板当前时刻对应的目标角度;
获取所述实际角度和所述目标角度的角度误差值,并比较所述角度误差值与预设角度误差阈值的大小;
若所述角度误差值大于或者等于所述预设角度误差阈值,则判定光伏跟踪支架存在故障;若所述角度误差值小于所述预设角度误差阈值,则判定光伏跟踪支架不存在故障。
优选地,所述获取当前时刻所述太阳能电池板的实际角度,包括:
获取所述太阳能电池板预设个数的目标关键点的三维坐标;
根据所述目标关键点的三维坐标,获取所述太阳能电池板中心点的电池板法向量以及经过所述中心点的地面法向量;
根据所述电池板法向量和所述地面法向量,计算得到所述实际角度。
优选地,所述预设个数的目标关键点为所述太阳能电池板的四个角点。
优选地,所述获取所述太阳能电池板预设个数的目标关键点的三维坐标,包括:
获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标;
将各所述目标关键点在所述太阳能电池板实际图像中的二维坐标转换成在世界坐标系中的三维坐标。
优选地,所述获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标,包括:
获取太阳能电池板样本图像;
在所述太阳能电池板样本图像中标注目标关键点;
将标注的目标关键点的散点图与高斯核进行卷积,获取目标关键点样本热力图,得到标签数据;
将所述太阳能电池板样本图像以及所述标签数据输入到太阳能电池板关键点提取网络中进行训练,得到目标关键点提取模型;
获取当前时刻的所述太阳能电池板实际图像;
将所述太阳能电池板实际图像输入至所述目标关键点提取模型中,得到目标关键点热力图;
根据目标关键点热力图,获取各所述目标关键点在所述太阳能电池板实际图像中的二维坐标。
优选地,所述太阳能电池板关键点提取网络包括编码器和解码器;
所述将所述太阳能电池板样本图像以及所述标签数据输入到太阳能电池板关键点提取网络中进行训练,得到目标关键点提取模型,包括:
将所述太阳能电池板样本图像以及所述标签数据进行归一化处理;
将归一化处理后的所述太阳能电池板样本图像输入至所述编码器中,进行特征提取,得到所述太阳能电池板样本图像的Feature map,将所述Feature map输入至所述解码器中进行上采样,输出目标关键点初始热力图;
将所述标签数据与所述目标关键点初始热力图使用交叉熵损失函数进行热力图损失计算,得到所述目标关键点提取模型。
优选地,热力图损失计算的损失函数为:
其中,Pcij代表第c类的目标关键点在位置(i,j)处的得分,得分越高就越可能是目标关键点,C表示目标关键点总类别数;ycij表示标签数据,N代表目标关键点个数,α和β为设定参数。
优选地,所述根据所述电池板法向量和所述地面法向量,计算得到所述实际角度,包括:
根据如下计算公式计算实际角度θ:
其中,地面法向量={A1,B1,C1},电池板法向量={A2,B2,C2}。
一种基于人工智能的光伏跟踪支架故障检测装置,包括:
实际参数获取模块,用于获取当前时刻太阳能电池板的输出电流,以及当前时刻的光照强度;
功率获取模块,用于根据所述太阳能电池板的输出电流,获取当前时刻所述太阳能电池板的实际输出功率,根据所述当前时刻的光照强度,获取当前时刻所述太阳能电池板的目标输出功率;
功率比较模块,用于获取所述实际输出功率和所述目标输出功率的功率误差值,并比较所述功率误差值与预设功率误差阈值的大小;
太阳能电池板实际角度获取模块,用于若所述功率误差值大于或者等于所述预设功率误差阈值,则获取当前时刻所述太阳能电池板的实际角度;
太阳能电池板目标角度获取模块,用于根据所述当前时刻,以及预设的角度数据库,获取所述太阳能电池板当前时刻对应的目标角度;
角度比较模块,用于获取所述实际角度和所述目标角度的角度误差值,并比较所述角度误差值与预设角度误差阈值的大小;
故障判定模块,用于若所述角度误差值大于或者等于所述预设角度误差阈值,则判定光伏跟踪支架存在故障;若所述角度误差值小于所述预设角度误差阈值,则判定光伏跟踪支架不存在故障。
本发明的有益效果为:首先根据当前时刻的太阳能电池板的输出电流得到当前时刻太阳能电池板的实际输出功率,以及根据当前时刻的光照强度获取当前时刻太阳能电池板的目标输出功率,由于正常情况下,实际输出功率与目标输出功率相差不大,因此,比较实际输出功率与目标输出功率,若两者的功率误差值大于或者等于预设功率误差阈值,表示功率相差较大,初步判定异常,则接下来获取当前时刻太阳能电池板的实际角度,并根据当前时刻以及预设的角度数据库,获取当前时刻太阳能电池板的目标角度,目标角度为太阳能电池板在当前时刻通过光伏跟踪系统应当所处的角度,那么,若这两个角度的角度误差值大于或者等于预设角度误差阈值,表示角度误差较大,则判定光伏跟踪支架存在故障,相应地,若两者的角度误差值小于预设角度误差阈值,则判定光伏跟踪支架不存在故障,可能功率的差异是由其他因素造成的,就可以根据功率差异进行后续其他异常的检测。因此,该基于人工智能的光伏跟踪支架故障检测方法通过监控当前时刻太阳能电池板的输出电流以及光照强度,并根据角度的差异来实时监控光伏跟踪支架是否出现故障,当光伏跟踪支架出现故障时,能够及时采取相关解决措施,避免出现当光伏跟踪支架一旦出现故障,将会影响太阳能光伏系统的发电量,降低发电效率的情况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍:
图1是本申请实施例一提供的基于人工智能的光伏跟踪支架故障检测方法的整体流程示意图;
图2是本申请实施例一中地面法向量和电池板法向量的关系示意图;
图3是本申请实施例二提供的基于人工智能的光伏跟踪支架故障检测装置的整体结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的基于人工智能的光伏跟踪支架故障检测方法可以应用于太阳能发电系统中、太阳能电池板控制装置中、太阳能光伏跟踪系统中等等,也可以作为一个独立的终端设备运行。本申请实施例不对好基于人工智能的光伏跟踪支架故障检测方法对应的执行主体做限定。
为了说明本申请所述的技术方案,下面通过具体实施方式来进行说明。
参见图1,是本申请实施例一提供的基于人工智能的光伏跟踪支架故障检测方法的一种实现过程的流程图,为了便于说明,仅示出了与本申请实施例相关的部分。
步骤S101:获取当前时刻太阳能电池板的输出电流,以及当前时刻的光照强度:
本实施例中,由于该光伏跟踪支架故障检测方法在具体实施时,实施对象为一个太阳能电池板,因此为了便于说明该光伏跟踪支架故障检测方法,以一个太阳能电池板为例。当然,当应用对象为一个光伏阵列时,即包含多个太阳能电池板时,每一个太阳能电池板均按照该光伏跟踪支架故障检测方法的实现过程进行检测,而且,各太阳能电池板之间的检测过程相互独立。
获取当前时刻太阳能电池板的输出电流,其中,当前时刻为进行光伏跟踪支架故障检测的时刻,作为一个具体实施方式,通过设置在太阳能电池板电能输出线路上的霍尔电流传感器来检测当前时刻的输出电流。
获取当前时刻的光照强度,作为一个具体实施方式,可以通过光照强度检测器检测当前时刻的光照强度。而且,为了保证检测到的光照强度就是太阳能电池板处的光照强度,光照强度检测器与太阳能电池板的距离不易太远,但是,光照强度检测器在设置时不能遮挡太阳能电池板,即不能影响太阳能电池板的正常运行。
步骤S102:根据所述太阳能电池板的输出电流,获取当前时刻所述太阳能电池板的实际输出功率,根据所述当前时刻的光照强度,获取当前时刻所述太阳能电池板的目标输出功率:
由于太阳能电池板的输出电压基本上是固定的,因此,根据太阳能电池板的输出电流,就能够计算得到当前时刻太阳能电池板的实际输出功率,即:实际输出功率等于输出电流乘以输出电压。
由于在光伏跟踪系统的作用下,太阳能电池板始终正对着太阳,那么,光照强度与太阳能电池板的目标输出功率(目标输出功率为应当输出的功率)具有对应关系,光照强度越高,太阳能电池板的目标输出功率越高。作为一个具体实施方式,预设有一个光照强度与太阳能电池板的目标输出功率的对应关系,该对应关系包括各个光照强度,以及与各光照强度对应的目标输出功率,当然,目标输出功率的具体数值除了与光照强度相关,还与其他因素,比如太阳能电池板的面积等相关,但是,当其他因素确定后,目标输出功率的具体数值就与光照强度相关。那么,根据当前时刻的光照强度,就能够得到当前时刻太阳能电池板的目标输出功率,即正常情况下,在该光照强度下,太阳能电池板应当输出的功率。
步骤S103:获取所述实际输出功率和所述目标输出功率的功率误差值,并比较所述功率误差值与预设功率误差阈值的大小:
预设有一个功率误差阈值,该功率误差阈值的具体数值由实际需要进行设置。
得到实际输出功率和目标输出功率之后,计算两者的功率误差值,并比较该功率误差值与预设功率误差阈值的大小。
步骤S104:若所述功率误差值大于或者等于所述预设功率误差阈值,则获取当前时刻所述太阳能电池板的实际角度:
若功率误差值大于或者等于预设功率误差阈值,表示实际输出功率与目标输出功率之间具有较大的误差,初步判定存在异常,接下来获取当前时刻太阳能电池板的实际角度。
太阳能电池板的实际角度可以由相关的检测器件直接检测得到,作为一个具体实施方式,为了防止遮挡太阳能电池板,在太阳能电池板的背面设置有一个角度传感器,用于检测太阳能电池板在光伏跟踪过程中的实际角度值。
在本实施例中,为了提升检测精度和可靠性,给出一种具体的实际角度检测过程:
步骤S1041:获取所述太阳能电池板预设个数的目标关键点的三维坐标:
太阳能电池板上的目标关键点由实际需要进行设置,具体是指目标关键点的个数以及各目标关键点的具体设置位置由实际需要进行设置,本实施例中,为了便于检测和计算,目标关键点的预设个数为四个,分别是太阳能电池板的四个角点,即太阳能电池板的左上角点,太阳能电池板的左下角点,太阳能电池板的右上角点,以及太阳能电池板的右下角点。
那么,获取太阳能电池板四个目标关键点的三维坐标,即四个角点的三维坐标。应当理解,三维坐标为在世界坐标系下的三维坐标,而世界坐标系的具体构建由实际需要进行设置,本实施例不做限定。三维坐标可以通过三维坐标检测设备进行直接检测,也可以通过以下的检测过程进行检测:
步骤S10411:获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标:
在获取各目标关键点在太阳能电池板实际图像中的二维坐标时,需要采集太阳能电池板的实际图像,那么,设置有一个相机,通过该相机拍摄太阳能电池板的实际图像。本实施例中,不管是太阳能电池板实际图像还是后文中的样本图像,均为太阳能电池板的完整图像,不能有残缺。相机的布设位姿由实际需要进行设置,本实施例不做限定,拍摄区域为太阳能电池板。进一步地,为了尽量保证在白天的任何时刻拍摄到太阳能电池板的比较有效的图像,该相机可以通过固定架固定在光伏跟踪支架上,那么,当太阳能电池板转动角度时,相机也相应转动,就能够实现不管在任何时刻,均能够拍摄到太阳能电池板的正面图像。当然,相机的固定位置不能遮挡太阳能电池板。相机可以为普通相机,也可以为双目相机。
获取太阳能电池板的各目标关键点在太阳能电池板实际图像中的二维坐标,二维坐标可以通过相关的检测算法检测得到,比如:对太阳能电池板实际图像建立像素坐标系,根据各目标关键点的像素在整个图像中的位置,即在像素坐标系中的位置获取到各目标关键点在太阳能电池板实际图像中的二维坐标。为了提升检测精度和可靠性,作为一个具体实施方式,本实施例通过网络训练的方式得到二维坐标,各个步骤如下,其中,步骤(1)-(4)为网络训练过程,该网络训练过程可以事先训练好,在进行二维坐标检测时,直接使用该网络进行检测。
(1)获取太阳能电池板样本图像。应当理解,太阳能电池板样本图像为事先采集到的太阳能电池板的图像,样本图像个数由实际需要进行设置。
(2)在太阳能电池板样本图像中标注目标关键点。应当理解,可以通过相关的图像关键点标注工具在太阳能电池板样本图像中标注目标关键点(标注可以为人为标注),即标注太阳能电池板的左上角点、左下角点、右上角点以及右下角点,由于四个目标关键点均为不同的关键点,因此,得到四类目标关键点,即目标关键点包括4个类别,每一类目标关键点包括一个目标关键点。
(3)将标注的目标关键点的散点图与高斯核进行卷积,获取目标关键点样本热力图(heatmap,热力图),得到标签数据。应当理解,当样本图像只有一个时,得到的标签数据为四个目标关键点的样本热力图,当样本图像有多个时,得到的标签数据为四个通道的目标关键点的样本热力图。应当理解,高斯核大小的选取由实际需要进行设置。
(4)将太阳能电池板样本图像以及标签数据输入到太阳能电池板关键点提取网络中进行训练,得到目标关键点提取模型。
本实施例中,太阳能电池板关键点提取网络包括编码器(Encoder)和解码器(Decoder)。应当理解,编码器和解码器的设计有许多种,本实施例中,编码器和解码器套用常见的预训练骨干网络进行提取,如HRNet、Hourglass等,同时这样也更利于网络的收敛。最终在后续训练完毕后,可以采用模型压缩与优化加速技术降低网络参数冗余,提高网络的计算效率,有助于模型的应用部署。
将太阳能电池板样本图像以及标签数据输入到太阳能电池板关键点提取网络中进行训练,得到目标关键点提取模型,包括:
将太阳能电池板样本图像以及标签数据进行归一化处理。其中,将太阳能电池板样本图像进行归一化处理之后,就能够将图片矩阵的值域变为[0,1]之间的浮点数,以便模型更好地收敛。
将归一化处理后的太阳能电池板样本图像输入至编码器中,进行特征提取,得到太阳能电池板样本图像的Feature map,将Feature map输入至解码器中进行上采样,生成并输出太阳能电池板样本图像的目标关键点的热力图,定义为目标关键点初始热力图。
将标签数据(即四个目标关键点的样本热力图)与目标关键点初始热力图(即解码器输出的太阳能电池板样本图像的目标关键点的热力图)使用交叉熵损失函数进行热力图损失Heatmaps Loss计算,得到目标关键点提取模型。
热力图损失计算的损失函数为:
其中,Pcij代表第c类的目标关键点在位置(i,j)处的得分,得分越高就越可能是目标关键点,C表示目标关键点总类别数;ycij表示标签数据,N代表目标关键点个数,α和β为设定参数,可以人为设定。应当理解,由于本实施例中以一个太阳能电池板为例,则目标关键点的个数N与目标关键点的类别数C相同,均为4。
应当理解,损失函数经过网络不断的训练迭代,直到网络的损失足够小即满足训练得到的热力图与标签数据足够接近,即与样本热力图足够接近,网络到此训练完成。需要注意的是,由于热力图本身的特点,网络输出的热力图其像素值符合高斯分布,其值域在[0,1]之间。
(5)获取当前时刻太阳能电池板实际图像。应当理解,通过相机采集当前时刻的太阳能电池板实际图像。
(6)将采集得到的太阳能电池板实际图像输入至上述建立好的目标关键点提取模型中,得到目标关键点热力图,应当理解,得到的目标关键点热力图为损失函数值足够小的目标关键点热力图。
(7)根据得到的目标关键点热力图,获取各目标关键点在太阳能电池板实际图像中的二维坐标。本实施例中,使用soft-argmax算法求取目标关键点热力图对应的目标关键点在太阳能电池板实际图像上的二维坐标信息,即(x,y)信息。
步骤S10412:将各所述目标关键点在所述太阳能电池板实际图像中的二维坐标转换成在世界坐标系中的三维坐标:
得到各目标关键点在太阳能电池板实际图像中的二维坐标之后,将其转换成在世界坐标系中的三维坐标。应当理解,将图像中的二维坐标转换成世界坐标系下的三维坐标的转换过程属于常规技术手段,比如张正友标定法,在张正友标定法中,相机成像系统涉及四个坐标系,分别是:世界坐标系、相机坐标系、图像坐标系和像素坐标系,那么,通过这四个坐标系之间的转换关系就能够将图像中的二维坐标转换成世界坐标系下的三维坐标。应当理解,在进行坐标转换时,还需要获取相机的相关参数,比如内部参数和外部参数等。
作为一个具体实施方式,以下给出一种具体坐标转换过程:
在通过相机采集太阳能电池板的实际图像时,相机为左右双目相机,那么,采集到的太阳能电池板实际图像为太阳能电池板的左右目实际图像,使用双面标定工具对双目相机进行标定,得到相机的内外参数;进行双目矫正去畸变和立体校正,得到左右目矫正图像;然后,根据双目矫正图像,通过BM或SGM等立体匹配算法,对其进行立体匹配,计算视差图;最后,根据视差图通过几何关系计算深度值,并利用相机内参计算四个目标关键点的三维坐标(x,y,z)。
由于将图像中的二维坐标转换成世界坐标系下的三维坐标的转换过程属于常规技术手段,因此,除了上述给出的两种实现过程之外,还可以采用现有技术中已公开的其他实现过程。
步骤S1042:根据所述目标关键点的三维坐标,获取所述太阳能电池板中心点的电池板法向量以及经过所述中心点的地面法向量:
根据三维坐标获取相关平面的法向量的实现过程属于常规技术手段,现有技术中已公开了根据同属一个平面的三个点计算法向量的计算过程,那么,根据同属一个平面的四个点计算法向量同样属于常规技术手段。作为一个具体实施方式,以下给出一种具体实现过程:将左上角的目标关键点与右下角的目标关键点进行连接,获得向量A;将右上角的目标关键点与左下角的目标关键点进行连接,获得向量B;通过向量A与向量B进行联合建立平面方程组,得到太阳能电池板的平面方程及其法向量,该法向量为太阳能电池板中心点的电池板法向量n2。
而经过中心点的地面法向量n1为经过中心点的始终垂直向上的法向量,其求取过程也属于常规技术手段,不再赘述。
地面法向量n1和电池板法向量n2的关系如图2所示。
步骤S1043:根据所述电池板法向量和所述地面法向量,计算得到所述实际角度:
作为一个具体实施方式,根据如下计算公式计算实际角度θ:
其中,地面法向量n1={A1,B1,C1},电池板法向量n2={A2,B2,C2}。
步骤S105:根据所述当前时刻,以及预设的角度数据库,获取所述太阳能电池板当前时刻对应的目标角度:
由于光伏跟踪系统用于控制太阳能电池板始终被太阳正面照射,因此,太阳能电池板的角度随着时间的变化而变化,因此,在不同时刻,太阳能电池板就具有对应的角度,该角度能够实现太阳能电池板始终被太阳正面照射。那么,预设有一个角度数据库,该角度数据库包括一天当中的各个时刻,以及各个时刻太阳能电池板所对应的目标角度,目标角度是指太阳能电池板被太阳正面照射的角度。应当理解,该角度数据库是事先建立好的,比如在光伏跟踪系统正常运行的情况下,记录一天当中各个时刻所对应的太阳能电池板的角度,并根据记录的数据建立该角度数据库。
那么,根据当前时刻,以及预设的角度数据库,获取太阳能电池板当前时刻对应的目标角度。
步骤S106:获取所述实际角度和所述目标角度的角度误差值,并比较所述角度误差值与预设角度误差阈值的大小:
预设有一个角度误差阈值,该预设角度误差阈值的具体数值由实际需要进行设置。
得到太阳能电池板当前时刻的实际角度和目标角度之后,计算两者的角度误差值,并比较该角度误差值与预设角度误差阈值的大小。
步骤S107:若所述角度误差值大于或者等于所述预设角度误差阈值,则判定光伏跟踪支架存在故障;若所述角度误差值小于所述预设角度误差阈值,则判定光伏跟踪支架不存在故障:
若角度误差值大于或者等于预设角度误差阈值,表示当前时刻,太阳能电池板的实际角度与目标角度的误差较大,即太阳能电池板的实际角度与此时应当所处的角度相差较大,太阳能电池板没有转动到正确的角度,则判定光伏跟踪支架存在故障;相应地,若角度误差值小于预设角度误差阈值,表示太阳能电池板的实际角度与目标角度的误差较小,则判定光伏跟踪支架不存在故障。
本实施例中,若角度误差值小于预设角度误差阈值,表示光伏跟踪支架不存在故障,那么,就可能存在其他的缺陷而造成输出功率相差较大,则可以对太阳能电池板实际图像进行图像分析,确定太阳能电池板表面是否存在相关的缺陷,比如存在灰尘或者存在污点,进而控制光伏清洁机器人动作,对太阳能电池板表面进行清洁,该部分的技术过程不再赘述。
对应于上文中的基于人工智能的光伏跟踪支架故障检测方法实施例中所述的基于人工智能的光伏跟踪支架故障检测方法,图3示出了本申请实施例二提供的基于人工智能的光伏跟踪支架故障检测装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图3,基于人工智能的光伏跟踪支架故障检测装置200包括:
实际参数获取模块201,用于获取当前时刻太阳能电池板的输出电流,以及当前时刻的光照强度;
功率获取模块202,用于根据所述太阳能电池板的输出电流,获取当前时刻所述太阳能电池板的实际输出功率,根据所述当前时刻的光照强度,获取当前时刻所述太阳能电池板的目标输出功率;
功率比较模块203,用于获取所述实际输出功率和所述目标输出功率的功率误差值,并比较所述功率误差值与预设功率误差阈值的大小;
太阳能电池板实际角度获取模块204,用于若所述功率误差值大于或者等于所述预设功率误差阈值,则获取当前时刻所述太阳能电池板的实际角度;
太阳能电池板目标角度获取模块205,用于根据所述当前时刻,以及预设的角度数据库,获取所述太阳能电池板当前时刻对应的目标角度;
角度比较模块206,用于获取所述实际角度和所述目标角度的角度误差值,并比较所述角度误差值与预设角度误差阈值的大小;
故障判定模块207,用于若所述角度误差值大于或者等于所述预设角度误差阈值,则判定光伏跟踪支架存在故障;若所述角度误差值小于所述预设角度误差阈值,则判定光伏跟踪支架不存在故障。
需要说明的是,上述装置/模块之间的信息交互、执行过程等内容,由于与本申请基于人工智能的光伏跟踪支架故障检测方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见基于人工智能的光伏跟踪支架故障检测方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将所述基于人工智能的光伏跟踪支架故障检测装置200的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述中各功能模块的具体工作过程,可以参考前述基于人工智能的光伏跟踪支架故障检测方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于人工智能的光伏跟踪支架故障检测方法,其特征在于,包括:
获取当前时刻太阳能电池板的输出电流,以及当前时刻的光照强度;
根据所述太阳能电池板的输出电流,获取当前时刻所述太阳能电池板的实际输出功率,根据所述当前时刻的光照强度,获取当前时刻所述太阳能电池板的目标输出功率;
获取所述实际输出功率和所述目标输出功率的功率误差值,并比较所述功率误差值与预设功率误差阈值的大小;
若所述功率误差值大于或者等于所述预设功率误差阈值,则获取当前时刻所述太阳能电池板的实际角度;
根据所述当前时刻,以及预设的角度数据库,获取所述太阳能电池板当前时刻对应的目标角度;
获取所述实际角度和所述目标角度的角度误差值,并比较所述角度误差值与预设角度误差阈值的大小;
若所述角度误差值大于或者等于所述预设角度误差阈值,则判定光伏跟踪支架存在故障;若所述角度误差值小于所述预设角度误差阈值,则判定光伏跟踪支架不存在故障。
2.根据权利要求1所述的基于人工智能的光伏跟踪支架故障检测方法,其特征在于,所述获取当前时刻所述太阳能电池板的实际角度,包括:
获取所述太阳能电池板预设个数的目标关键点的三维坐标;
根据所述目标关键点的三维坐标,获取所述太阳能电池板中心点的电池板法向量以及经过所述中心点的地面法向量;
根据所述电池板法向量和所述地面法向量,计算得到所述实际角度。
3.根据权利要求2所述的基于人工智能的光伏跟踪支架故障检测方法,其特征在于,所述预设个数的目标关键点为所述太阳能电池板的四个角点。
4.根据权利要求2或3所述的基于人工智能的光伏跟踪支架故障检测方法,其特征在于,所述获取所述太阳能电池板预设个数的目标关键点的三维坐标,包括:
获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标;
将各所述目标关键点在所述太阳能电池板实际图像中的二维坐标转换成在世界坐标系中的三维坐标。
5.根据权利要求4所述的基于人工智能的光伏跟踪支架故障检测方法,其特征在于,所述获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标,包括:
获取太阳能电池板样本图像;
在所述太阳能电池板样本图像中标注目标关键点;
将标注的目标关键点的散点图与高斯核进行卷积,获取目标关键点样本热力图,得到标签数据;
将所述太阳能电池板样本图像以及所述标签数据输入到太阳能电池板关键点提取网络中进行训练,得到目标关键点提取模型;
获取当前时刻的所述太阳能电池板实际图像;
将所述太阳能电池板实际图像输入至所述目标关键点提取模型中,得到目标关键点热力图;
根据目标关键点热力图,获取各所述目标关键点在所述太阳能电池板实际图像中的二维坐标。
6.根据权利要求5所述的基于人工智能的光伏跟踪支架故障检测方法,其特征在于,所述太阳能电池板关键点提取网络包括编码器和解码器;
所述将所述太阳能电池板样本图像以及所述标签数据输入到太阳能电池板关键点提取网络中进行训练,得到目标关键点提取模型,包括:
将所述太阳能电池板样本图像以及所述标签数据进行归一化处理;
将归一化处理后的所述太阳能电池板样本图像输入至所述编码器中,进行特征提取,得到所述太阳能电池板样本图像的Feature map,将所述Feature map输入至所述解码器中进行上采样,输出目标关键点初始热力图;
将所述标签数据与所述目标关键点初始热力图使用交叉熵损失函数进行热力图损失计算,得到所述目标关键点提取模型。
9.一种基于人工智能的光伏跟踪支架故障检测装置,其特征在于,包括:
实际参数获取模块,用于获取当前时刻太阳能电池板的输出电流,以及当前时刻的光照强度;
功率获取模块,用于根据所述太阳能电池板的输出电流,获取当前时刻所述太阳能电池板的实际输出功率,根据所述当前时刻的光照强度,获取当前时刻所述太阳能电池板的目标输出功率;
功率比较模块,用于获取所述实际输出功率和所述目标输出功率的功率误差值,并比较所述功率误差值与预设功率误差阈值的大小;
太阳能电池板实际角度获取模块,用于若所述功率误差值大于或者等于所述预设功率误差阈值,则获取当前时刻所述太阳能电池板的实际角度;
太阳能电池板目标角度获取模块,用于根据所述当前时刻,以及预设的角度数据库,获取所述太阳能电池板当前时刻对应的目标角度;
角度比较模块,用于获取所述实际角度和所述目标角度的角度误差值,并比较所述角度误差值与预设角度误差阈值的大小;
故障判定模块,用于若所述角度误差值大于或者等于所述预设角度误差阈值,则判定光伏跟踪支架存在故障;若所述角度误差值小于所述预设角度误差阈值,则判定光伏跟踪支架不存在故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011064425.0A CN112179693A (zh) | 2020-09-30 | 2020-09-30 | 一种基于人工智能的光伏跟踪支架故障检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011064425.0A CN112179693A (zh) | 2020-09-30 | 2020-09-30 | 一种基于人工智能的光伏跟踪支架故障检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112179693A true CN112179693A (zh) | 2021-01-05 |
Family
ID=73947966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011064425.0A Withdrawn CN112179693A (zh) | 2020-09-30 | 2020-09-30 | 一种基于人工智能的光伏跟踪支架故障检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112179693A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837411A (zh) * | 2021-02-26 | 2021-05-25 | 由利(深圳)科技有限公司 | 一种扫地机双目摄像机实现运动三维重建的方法及系统 |
CN113112783A (zh) * | 2021-04-13 | 2021-07-13 | 国网冀北电力有限公司廊坊供电公司 | 一种变压器有载调压遥控装置及遥控方法 |
CN115062806A (zh) * | 2022-08-18 | 2022-09-16 | 山东龙普太阳能股份有限公司 | 一种太阳能数据监控管理系统及方法 |
CN115082385A (zh) * | 2022-06-06 | 2022-09-20 | 华能大理风力发电有限公司洱源分公司 | 基于光伏组件倾斜角的光伏电站缺陷预警方法及装置 |
CN117367771A (zh) * | 2023-10-08 | 2024-01-09 | 天合光能股份有限公司 | 跟踪支架老化测试方法和装置 |
-
2020
- 2020-09-30 CN CN202011064425.0A patent/CN112179693A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837411A (zh) * | 2021-02-26 | 2021-05-25 | 由利(深圳)科技有限公司 | 一种扫地机双目摄像机实现运动三维重建的方法及系统 |
CN113112783A (zh) * | 2021-04-13 | 2021-07-13 | 国网冀北电力有限公司廊坊供电公司 | 一种变压器有载调压遥控装置及遥控方法 |
CN115082385A (zh) * | 2022-06-06 | 2022-09-20 | 华能大理风力发电有限公司洱源分公司 | 基于光伏组件倾斜角的光伏电站缺陷预警方法及装置 |
CN115062806A (zh) * | 2022-08-18 | 2022-09-16 | 山东龙普太阳能股份有限公司 | 一种太阳能数据监控管理系统及方法 |
CN117367771A (zh) * | 2023-10-08 | 2024-01-09 | 天合光能股份有限公司 | 跟踪支架老化测试方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112179693A (zh) | 一种基于人工智能的光伏跟踪支架故障检测方法和装置 | |
Li et al. | An unmanned inspection system for multiple defects detection in photovoltaic plants | |
CN111860404A (zh) | 一种光伏板热斑定位方法及系统 | |
CN111740699A (zh) | 一种光伏板故障检测识别方法、装置和无人机 | |
CN112446863A (zh) | 基于图像处理的光伏阵列热斑检测方法和检测系统 | |
CN109712084A (zh) | 一种图像修复方法、图像修复系统及平板探测器 | |
CN114743115A (zh) | 一种光伏电子设备的遮挡物识别方法及故障预警系统 | |
CN115546716A (zh) | 一种基于双目视觉的输电线路周边火灾源头定位方法 | |
CN113936031A (zh) | 一种基于机器视觉的云影轨迹预测方法 | |
Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
Kaycı et al. | Deep learning based fault detection and diagnosis in photovoltaic system using thermal images acquired by UAV | |
CN102323828B (zh) | 一种太阳能发电跟踪器追日误差的计算方法及专用设备 | |
CN116664549A (zh) | 一种基于特征感知的光伏电站热斑缺陷检测方法 | |
CN113160236B (zh) | 一种光伏电池阴影遮挡的图像识别方法 | |
Lan | Development and performance test of a novel solar tracking sensor | |
CN113470014A (zh) | 一种基于人工智能的太阳能电池板的故障检测方法 | |
Rodrigo et al. | Cloud images capturing system for solar power level prediction | |
Amaral et al. | Fault detection in trackers for PV systems based on a pattern recognition approach | |
Baig et al. | Recognition of faulty modules in a photovoltaic array using image processing techniques | |
CN101551245B (zh) | 一种光源方位探测器用采光结构 | |
CN115035282B (zh) | 基于轨道相机高质量光伏电池板正射图像采集方法及系统 | |
Jin et al. | Image Recognition of Photovoltaic Cell Occlusion Based on Subpixel Matching | |
JP7378564B1 (ja) | 風力発電装置のスマートパトロールシステム及び方法 | |
CN117079157B (zh) | 一种山区光伏面板单体提取方法 | |
CN114355977B (zh) | 一种基于多旋翼无人机的塔式光热电站镜场巡检方法及装置 |
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 |
Application publication date: 20210105 |
|
WW01 | Invention patent application withdrawn after publication |