CN112350657B - 基于人工智能的清洁机器人清洁速率的调整方法及装置 - Google Patents

基于人工智能的清洁机器人清洁速率的调整方法及装置 Download PDF

Info

Publication number
CN112350657B
CN112350657B CN202011216051.XA CN202011216051A CN112350657B CN 112350657 B CN112350657 B CN 112350657B CN 202011216051 A CN202011216051 A CN 202011216051A CN 112350657 B CN112350657 B CN 112350657B
Authority
CN
China
Prior art keywords
cleaning
sand
degree
output power
cleaning robot
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.)
Active
Application number
CN202011216051.XA
Other languages
English (en)
Other versions
CN112350657A (zh
Inventor
刘铮
张鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu shizuniao Intelligent Technology Co.,Ltd.
Original Assignee
Jiangsu Shizuniao Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Shizuniao Intelligent Technology Co ltd filed Critical Jiangsu Shizuniao Intelligent Technology Co ltd
Priority to CN202011216051.XA priority Critical patent/CN112350657B/zh
Publication of CN112350657A publication Critical patent/CN112350657A/zh
Application granted granted Critical
Publication of CN112350657B publication Critical patent/CN112350657B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/10—Cleaning arrangements
    • 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

  • Photovoltaic Devices (AREA)

Abstract

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的清洁机器人清洁速率的调整方法及装置。该方法包括：获取输出功率序列的波动程度和最大波动幅度；根据清沙决策模型获取输出功率受干扰程度，并设置程度阈值判断是否需要清沙；当判断结果为需要清沙时，根据沙子堆积程度模型获得沙子清洁前后的堆积程度；根据输出功率受干扰程度、沙子清洁前后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。该方法可以防止光伏电池板出现热斑或局部烧毁的情况；既保障了清洁机器人在风沙天气下不会高负载长时间工作，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。

Description

基于人工智能的清洁机器人清洁速率的调整方法及装置
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的清洁机器人清洁速率的调整方法及装置。
背景技术
光伏电池板发电技术是一种当前较为流行的清洁能源产出技术，能够减少对大气环境的污染，解决能源消耗问题。
但沙漠中的光伏电池板经常受风沙天气的侵蚀，沙子会覆盖在光伏电池板表面上，当沙子覆盖到一定程度时使一部分光伏电池板不能接受光照，此时的光伏电池板成为耗电的负载元件，甚至会出现热斑或局部烧毁的情况，最终影响电池板的输出功率。
一般情况下，光伏电池板都会使用清洁机器人清除沙子，但大部分清洁机器人都是在无风沙的天气下工作，即使是在风沙天气下工作的清洁机器人也会受风沙的干扰，使清洁机器人高负载工作，使用寿命降低，或者不能有效的清理覆盖在光伏电池板表面的沙子。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的清洁机器人清洁速率的调整方法及装置，所采用的技术方案如下：
第一方面，本发明实施例提供了一种基于人工智能的清洁机器人清洁速率的调整方法，该方法包括以下步骤：
对光伏电池板的输出功率进行采样，得到输出功率序列，并获取所述输出功率序列的波动程度和局部输出功率的最大波动幅度；
根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；
当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；
采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；
根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。
进一步地，所述获得输出功率受干扰程度的方法如下：
所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。
进一步地，所述沙子堆积程度模型具体如下：
将所述图像转换成HSV颜色模型；
对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；
对所述连通域进行分析获取所述连通域面积和所述连通域数量；
根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；
所述沙子堆积模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。
进一步地，所述获得所述清洁机器人的清洁速率的方法包括：
根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系。
进一步地，所述获得所述清洁机器人的清洁速率的方法包括：
根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系。
进一步地，所述获得所述清洁机器人的清洁速率的方法包括：
根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。
第二方面，本发明实施例提供了一种基于人工智能的清洁机器人清洁速率的调整装置，包括：
输出功率采样模块，用于对光伏电池板的输出功率进行采样，得到输出功率序列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度；
清沙判断模块，用于根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；
清洁前堆积程度模块，用于当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；
清洁后堆积程度模块，用于采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；
清洁速率获取模块，用于根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。
进一步地，所述清沙判断模块包括：
输出功率受干扰程度单元，用于所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。
进一步地，所述清洁前堆积程度模块包括：
图像转换单元，用于将所述图像转换成HSV颜色模型；
连通域获取单元，用于对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；
连通域分析单元，用于对所述连通域进行分析获取所述连通域面积和所述连通域数量；
模型构建单元，用于根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；所述沙子堆积程度模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。
进一步地，所述清洁速率获取模块包括：
阻尼系数计算单元，用于根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系；
影响程度计算单元，用于根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系；
堆积程度比值单元，用于根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。
本发明实施例至少具有如下有益效果：
本发明实施例通过对输出功率序列进行分析，获取输出功率序列的波动程度和局部输出功率的最大波动幅度；根据波动程度、最大波动幅度、输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；该方法可以在光伏电池板输出功率下降时，及时采用清洁机器人进行清洁，防止光伏电池板出现热斑或局部烧毁的情况。
本发明实施例通过输出功率受干扰程度判断是否需要清沙；当需要清沙时，构建沙子堆积程度模型，并获取沙子清洁前后的堆积程度；根据输出功率受干扰程度、沙子清洁前后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。该方法既保障了清洁机器人不会高负载长时间工作，避免了清洁机器人出现故障，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图；
图1为本发明一个实施例所提供的一种基于人工智能的清洁机器人清洁速率的调整方法流程图；
图2为本发明一个实施例所提供的一种基于人工智能的清洁机器人清洁速率的调整系统的结构框图；
图3为本发明一个实施例所提供的输出功率序列分析的流程图；
图4为本发明一个实施例所提供的获取沙子清洁前的堆积程度的方法流程图；
图5为本发明一个实施例所提供的一种基于人工智能的清洁机器人清洁速率的调整装置的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的清洁机器人清洁速率的调整方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于人工智能的清洁机器人清洁速率的调整方法及装置的具体方案。
请参阅图1和图2，图1示出了本发明一个实施例提供的一种基于人工智能的清洁机器人清洁速率的调整方法流程图，图2示出了本发明一个实施例提供的一种基于人工智能的清洁机器人清洁速率的调整系统的结构框图，该清洁速率调整方法包括如下步骤：
步骤S101：对光伏电池板的输出功率进行采样，得到输出功率系列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度。
步骤S102：根据波动程度、最大波动幅度、输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙。
步骤S103：当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得沙子清洁前的堆积程度。
步骤S104：采集清洁机器人运动方向反方向的光伏电池板表面的图像，并根据沙子堆积程度模型获取沙子清洁后的堆积程度。
步骤S105：根据输出功率受干扰程度、沙子清洁前的堆积程度、沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。
请参阅图3，优选的，本实施例中步骤S101的具体步骤如下：
步骤S301：对光伏电池板的输出功率进行采样，得到输出功率序列。
当气象监控中心检测到光伏电站所在区域为有风沙天气时，则每隔一段时间对光伏电池板的输出功率进行采样，设N次采样后获得的光伏电池板的输出功率序列为
Figure DEST_PATH_IMAGE001
。
步骤S302，获取输出功率序列的整体波动情况。
Figure DEST_PATH_IMAGE003
其中，
Figure 549893DEST_PATH_IMAGE004
为波动程度，
Figure DEST_PATH_IMAGE005
为输出功率序列
Figure 312706DEST_PATH_IMAGE006
的平均输出功率，
Figure 623601DEST_PATH_IMAGE004
越大说明输出功率序列
Figure 815548DEST_PATH_IMAGE006
波动的越厉害。
步骤S303：对输出功率序列进行滤波，获得输出功率序列的局部变化特征。
第一步，使用1×K的滤波核，对输出功率序列
Figure 911811DEST_PATH_IMAGE006
进行滤波。
设以
Figure DEST_PATH_IMAGE007
为中心锚点的滤波核内的数据为：
Figure DEST_PATH_IMAGE011
其中，K为奇数，具体到本实施例中K=7。
滤波核输出的结果为：
Figure DEST_PATH_IMAGE013
其中，
Figure 701651DEST_PATH_IMAGE014
为输出功率的局部波动幅度，表示的是滤波核内的数据的最大值与最小值的差值。
输出功率序列的滤波结果为：
Figure 516154DEST_PATH_IMAGE016
第二步，获取局部输出功率的最大波动幅度F2。
Figure 511792DEST_PATH_IMAGE018
优选的，本实施例中步骤S102的具体步骤如下：
第一步，通过光强传感器获取采样时间段内的光照强度，并计算平均光照强度
Figure DEST_PATH_IMAGE019
。
第二步，通过风速传感器获取采样时间段内的风速，并计算平均风速
Figure 760764DEST_PATH_IMAGE020
。
第三步，构建清沙决策模型，获取输出功率受干扰程度。
输出功率受干扰程度与风沙干扰系数、平均光照强度与输出功率最大时的光照强度之差的绝对值、平均输出功率与最大输出功率之差的平方、波动程度和最大波动幅度呈正相关关系；风沙干扰系数与平均风速呈负相关关系。
清沙决策模型如下：
Figure 550865DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
为输出功率受干扰程度，
Figure 383823DEST_PATH_IMAGE024
为光伏电池板输出功率最大时的光照强度，
Figure DEST_PATH_IMAGE025
为光伏电池板的最大输出功率，
Figure 448731DEST_PATH_IMAGE026
为风沙干扰系数。
风沙干扰系数
Figure 18122DEST_PATH_IMAGE026
的公式如下：
Figure 244704DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE029
为预设的清洁机器人所能承载的最大风速，清洁机器人在最大风速下无法以额定功率进行长时间工作时，有可能出现故障。
第四步，设置程度阈值th0，判断是否需要清沙。
当输出功率受干扰程度D大于设置的程度阈值th0时，说明在一定光照强度下，光伏电池板的输出功率波动大，需要清沙。
请参阅图4，优选的，本实施例中步骤S103的具体步骤如下：
步骤S401：采集清洁机器人运动方向的光伏电池板表面的图像。
第一摄像头朝向清洁机器人的运动方向，俯视向下采集光伏电池板表面的图像。
步骤S402：将采集的图像转换成HSV颜色模型，并对色相和饱和度进行阈值分割获取沙子的连通域。
第一步，将图像转换成HSV模型，转换公式如下：
Figure DEST_PATH_IMAGE031
Figure DEST_PATH_IMAGE033
Figure DEST_PATH_IMAGE035
其中，
Figure 941789DEST_PATH_IMAGE036
为色相，
Figure DEST_PATH_IMAGE037
为饱和度，
Figure 810388DEST_PATH_IMAGE038
为亮度。
第二步，对色相
Figure 735749DEST_PATH_IMAGE036
进行阈值分割去除光伏电池板背景区域。
Figure 867653DEST_PATH_IMAGE040
其中，
Figure DEST_PATH_IMAGE041
为黄褐色色相的阈值范围，具体到本实施例中
Figure 439318DEST_PATH_IMAGE041
的取值范围为
Figure 314870DEST_PATH_IMAGE042
。
第三步，对饱和度
Figure 360318DEST_PATH_IMAGE037
进行阈值分割去除光伏电池板的栅线和焊带等饱和度低的区域。
Figure 194281DEST_PATH_IMAGE044
其中，th2为沙子在光伏电池板上的饱和度，具体到本实施例中
Figure DEST_PATH_IMAGE045
的取值范围为
Figure 549232DEST_PATH_IMAGE046
。
第四步，获取沙子的连通域，并滤除噪声。
沙子的连通域
Figure DEST_PATH_IMAGE047
为：
Figure DEST_PATH_IMAGE049
先采用
Figure 307104DEST_PATH_IMAGE050
的模板对沙子的连通域
Figure 456325DEST_PATH_IMAGE047
进行闭运算，过滤掉小的、孤立的、灰度值为0的噪点区域；然后再采用
Figure 195611DEST_PATH_IMAGE050
的模板进行开运算，过滤掉小的、孤立的、灰度值为1的噪点区域。
步骤S403：对沙子的连通域进行分析，获取连通域面积和连通域数量。
步骤S404：构建沙子堆积程度模型。
堆积程度模型为：
Figure 679551DEST_PATH_IMAGE052
其中，
Figure DEST_PATH_IMAGE053
为堆积程度，A为连通域面积，
Figure 428064DEST_PATH_IMAGE054
为连通域数量，c为缩放系数，具体到本实施例中c=0.4。
堆积程度H与
Figure DEST_PATH_IMAGE055
呈正相关关系，
Figure 244842DEST_PATH_IMAGE055
越大说明较小的沙子连通域数量
Figure 889449DEST_PATH_IMAGE054
有较大的沙子面积A，说明沙子分布的较为集中，沙子越厚。
步骤S405：根据沙子堆积程度模型获取沙子清洁前的堆积程度
Figure 129194DEST_PATH_IMAGE056
。
优选的，本实施例中步骤S104的具体步骤如下：
第二摄像头朝向清洁机器人的运动方向的反方向，俯视向下采集清洁后的光伏电池板表面的图像，并根据沙子堆积程度模型获取沙子清洁后的堆积程度
Figure DEST_PATH_IMAGE057
。
优选的，本实施例中步骤S105的具体步骤如下：
清洁机器人在清洁沙子时，毛刷运转速度是固定的，当清洁机器人在没有风沙的天气清洁沙子时，清洁机器人的速度只需根据沙子的堆积程度进行调节即可，沙子堆积程度越大，清扫速度要越慢，保证将沙子清洁掉。当在风沙天气中清洁沙子时需要考虑到风向和风速等因素。如果沙子清洁后的堆积程度越高则需要提高清洁机器人的清扫速度，加快清洁；当风向与清洁机器人运动方向的夹角越大，风对清洁机器人的阻力也越大，此时需要放慢清洁速度，以免清洁机器人负载过大。
清洁机器人的清洁速率为：
Figure DEST_PATH_IMAGE059
其中，
Figure 963289DEST_PATH_IMAGE060
表示清洁机器人空载时的额定速率，
Figure DEST_PATH_IMAGE061
为阻尼系数，
Figure 352682DEST_PATH_IMAGE062
为风沙对光伏电池板的影响程度，a、b为待定系数，采用最小二乘法拟合获得。
清洁机器人的速率
Figure DEST_PATH_IMAGE063
与风沙对光伏电池板的影响程度
Figure 479776DEST_PATH_IMAGE062
、阻尼系数
Figure 439773DEST_PATH_IMAGE061
、沙子清洁前后的堆积程度的比值
Figure 264509DEST_PATH_IMAGE064
和清洁机器人的额定速率
Figure 977251DEST_PATH_IMAGE060
呈正相关关系。
阻尼系数
Figure 481438DEST_PATH_IMAGE061
的计算公式如下：
Figure 912419DEST_PATH_IMAGE066
其中，
Figure 275267DEST_PATH_IMAGE026
为风沙干扰系数，
Figure DEST_PATH_IMAGE067
为风向与清洁机器人运动方向的夹角
Figure 921143DEST_PATH_IMAGE067
，通过安装在清洁机器人身上的风向传感器获取，c、d为待定系数，采用最小二乘法拟合获得。
阻尼系数
Figure 78455DEST_PATH_IMAGE061
与风沙干扰系数
Figure 511579DEST_PATH_IMAGE026
和夹角
Figure 412539DEST_PATH_IMAGE067
呈负相关关系。
风沙对光伏电池板的影响程度
Figure 99873DEST_PATH_IMAGE062
的计算公式如下：
Figure DEST_PATH_IMAGE069
其中，
Figure 241135DEST_PATH_IMAGE023
为输出功率受干扰程度，
Figure 381129DEST_PATH_IMAGE070
为程度阈值。
风沙对光伏电池板的影响程度与输出功率受干扰程度
Figure 603557DEST_PATH_IMAGE023
呈正相关关系。
综上所述，本发明实施例通过输出功率受干扰程度判断是否需要清沙；当需要清沙时，构建沙子堆积程度模型，并获取沙子清洁前后的堆积程度；根据输出功率受干扰程度、沙子清洁前后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。该方法在光伏电池板输出功率下降时，及时采用清洁机器人对光伏电池板进行清洁，防止光伏电池板出现热斑或局部烧毁的情况；保障了清洁机器人在风沙天气下不会高负载长时间工作，避免了清洁机器人出现故障，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。
基于与上述方法相同的发明构思，本发明实施例中还提供一种基于人工智能的清洁机器人清洁速率的调整装置。
请参阅图5，具体的，本发明实施例中提供了一种基于人工智能的清洁机器人清洁速率的调整装置100，包括输出功率采样模块10、清沙判断模块20、清洁前堆积程度模块30、清洁后堆积程度模块40和清洁速率获取模块50。
具体的，输出功率采样模块10，用于对光伏电池板的输出功率进行采样，得到输出功率序列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度；
清沙判断模块20，用于根据波动程度、最大波动幅度、输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；
清洁前堆积程度模块30，用于当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得沙子清洁前的堆积程度；
清洁后堆积程度模块40，用于采集清洁机器人运动方向反方向的光伏电池板表面的图像，并根据沙子堆积程度模型获取沙子清洁后的堆积程度；
清洁速率获取模块50，用于根据输出功率受干扰程度、沙子清洁前的堆积程度、沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。
进一步地，清沙判断模块20包括：
输出功率受干扰程度单元，用于输出功率受干扰程度与风沙干扰系数、平均光照强度与输出功率最大时的光照强度之差的绝对值、平均输出功率与最大输出功率之差的平方、波动程度和最大波动幅度呈正相关关系；风沙干扰系数根据平均风速得到。
进一步地，清洁前堆积程度模块30包括：
图像转换单元，用于将图像转换成HSV颜色模型；
连通域获取单元，用于对HSV颜色模型中的色相和饱和度进行阈值分割，获取沙子的连通域；
连通域分析单元，用于对连通域进行分析获取连通域面积和连通域数量；
模型构建单元，用于根据连通域面积和连通域数量构建沙子堆积程度模型；沙子堆积程度模型中的堆积程度与连通域面积和连通域数量的比值呈正相关关系。
进一步地，清洁速率获取模块50包括：
阻尼系数计算单元，用于根据阻尼系数得到清洁速率，阻尼系数与清洁速率呈正相关关系，与风沙干扰系数和夹角呈负相关关系；
影响程度计算单元，用于根据风沙对光伏电池板的影响程度得到清洁速率，风沙对光伏电池板的影响程度与清洁速率、输出功率受干扰程度呈正相关关系；
堆积程度比值单元，用于根据沙子清洁前后的堆积程度的比值得到清洁速率，清洁速率与沙子清洁前后的堆积程度的比值呈正相关关系。
综上所述，本发明实施例提供了一种基于人工智能的清洁机器人清洁速率调整测装置100，该装置通过输出功率采样模块10得到输出功率序列的波动程度和局部输出功率的最大波动幅度；通过清沙判断模块20得到输出功率受干扰程度，并设置程度阈值判断是否需要清沙；清洁前堆积程度模块30根据沙子堆积程度模型得到沙子清洁前的堆积程度；根据清洁后堆积程度模块40得到沙子清洁后的堆积程度；通过清洁速率获取模块50得到清洁机器人的清洁速率。该装置在光伏电池板输出功率下降时，及时采用清洁机器人对光伏电池板进行清洁，防止光伏电池板出现热斑或局部烧毁的情况；保障了清洁机器人在风沙天气下不会高负载长时间工作，避免了清洁机器人出现故障，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，该方法包括以下步骤：
对光伏电池板的输出功率进行采样，得到输出功率序列，并获取所述输出功率序列的波动程度和局部输出功率的最大波动幅度；
根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；
当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；
采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；
根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。
2.根据权利要求1所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得输出功率受干扰程度的方法如下：
所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。
3.根据权利要求1所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述沙子堆积程度模型具体如下：
将所述图像转换成HSV颜色模型；
对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；
对所述连通域进行分析获取所述连通域面积和所述连通域数量；
根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；
所述沙子堆积模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。
4.根据权利要求2所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得所述清洁机器人的清洁速率的方法包括：
根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系。
5.根据权利要求4所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得所述清洁机器人的清洁速率的方法包括：
根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系。
6.根据权利要求5所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得所述清洁机器人的清洁速率的方法包括：
根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。
7.一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，包括：
输出功率采样模块，用于对光伏电池板的输出功率进行采样，得到输出功率序列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度；
清沙判断模块，用于根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；
清洁前堆积程度模块，用于当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；
清洁后堆积程度模块，用于采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；
清洁速率获取模块，用于根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。
8.根据权利要求7所述的一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，所述清沙判断模块包括：
输出功率受干扰程度单元，用于所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。
9.根据权利要求7所述的一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，所述清洁前堆积程度模块包括：
图像转换单元，用于将所述图像转换成HSV颜色模型；
连通域获取单元，用于对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；
连通域分析单元，用于对所述连通域进行分析获取所述连通域面积和所述连通域数量；
模型构建单元，用于根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；所述沙子堆积程度模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。
10.根据权利要求8所述的一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，所述清洁速率获取模块包括：
阻尼系数计算单元，用于根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系；
影响程度计算单元，用于根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系；
堆积程度比值单元，用于根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。
CN202011216051.XA 2020-11-04 2020-11-04 基于人工智能的清洁机器人清洁速率的调整方法及装置 Active CN112350657B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011216051.XA CN112350657B (zh) 2020-11-04 2020-11-04 基于人工智能的清洁机器人清洁速率的调整方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011216051.XA CN112350657B (zh) 2020-11-04 2020-11-04 基于人工智能的清洁机器人清洁速率的调整方法及装置

Publications (2)

Publication Number Publication Date
CN112350657A CN112350657A (zh) 2021-02-09
CN112350657B true CN112350657B (zh) 2022-01-07

Family

ID=74428233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011216051.XA Active CN112350657B (zh) 2020-11-04 2020-11-04 基于人工智能的清洁机器人清洁速率的调整方法及装置

Country Status (1)

Country Link
CN (1) CN112350657B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114419461A (zh) * 2022-01-19 2022-04-29 周琦 利用卫星通信的状态解析平台及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827195A (zh) * 2016-03-18 2016-08-03 许继集团有限公司 一种光伏组件清洗方法
CN105871323A (zh) * 2016-05-18 2016-08-17 东南大学 一种太阳能面板智能除污融冰装置
US10587120B1 (en) * 2017-07-24 2020-03-10 Manhal Aboudi Solar energy harvest
KR20200080503A (ko) * 2018-12-27 2020-07-07 주식회사 엘지씨엔에스 연료전지 발전사업의 설계방법 및 설계장치
CN111726081A (zh) * 2020-07-22 2020-09-29 邱鑫梅 一种基于大数据的太阳能光伏板智能检测处理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827195A (zh) * 2016-03-18 2016-08-03 许继集团有限公司 一种光伏组件清洗方法
CN105871323A (zh) * 2016-05-18 2016-08-17 东南大学 一种太阳能面板智能除污融冰装置
US10587120B1 (en) * 2017-07-24 2020-03-10 Manhal Aboudi Solar energy harvest
KR20200080503A (ko) * 2018-12-27 2020-07-07 주식회사 엘지씨엔에스 연료전지 발전사업의 설계방법 및 설계장치
CN111726081A (zh) * 2020-07-22 2020-09-29 邱鑫梅 一种基于大数据的太阳能光伏板智能检测处理系统

Also Published As

Publication number Publication date
CN112350657A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN112350657B (zh) 基于人工智能的清洁机器人清洁速率的调整方法及装置
CN108322187A (zh) 光伏电站监测与运维一体化系统
CN106952260A (zh) 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法
CN102609951A (zh) 光伏电池板遮荫部分的检测方法
CN112329618A (zh) 一种基于人工智能的光伏清洁机器人控制方法及系统
WO2021157765A1 (ko) 해양관측 부이용 영상촬영 카메라를 이용한 파랑관측 방법 및 시스템
CN112734766A (zh) 基于人工智能的光伏清洁机器人清洁参数调整方法与系统
CN112588764A (zh) 基于人工智能的光伏组件上多机器人协同清洁方法及装置
CN108572011B (zh) 一种基于机器视觉的光伏电池板积灰状态监测系统及计算方法
CN112232532A (zh) 基于视觉感知的光伏电池板夜间清洁方案自动生成方法
CN115082744B (zh) 一种基于人工智能的太阳能集热效率分析方法及系统
CN105592258B (zh) 自动聚焦方法及装置
CN116030409A (zh) 一种基于自适应图像分割的光伏板积灰状态识别方法
CN108111124A (zh) 一种光伏组件灰尘遮挡检测系统
CN108008633A (zh) 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法
CN110545071A (zh) 一种太阳能光伏板自动清洁系统及设备
CN116800172B (zh) 一种光电转换方法及储能系统
CN117392054A (zh) 一种光伏组件积灰检测方法及系统
CN207706127U (zh) 一种光伏组件灰尘遮挡检测系统
CN111696142A (zh) 一种快速人脸检测方法及系统
CN108898080B (zh) 一种基于山脊线邻域评价模型的裂缝连接方法
CN115689939A (zh) 用于输电线路可视化检测场景的视频稳像方法
CN114463208A (zh) 基于限制对比度自适应直方图均衡方法的建维监控视频图像增强方法
CN114359259A (zh) 一种基于深度学习的变电站光伏板污染检测方法及系统
CN113629574A (zh) 基于视频监测技术的强风沙地区输电导线舞动预警系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211217

Address after: 224000 room 404, building 5, No. 96, Xinyuan Road, Yannan high tech Zone, Yancheng City, Jiangsu Province

Applicant after: Jiangsu shizuniao Intelligent Technology Co.,Ltd.

Address before: Room 11104, building 1, Ziwei Longteng new world, No.1 Keji Road, Yanta District, Xi'an City, Shaanxi Province, 710000

Applicant before: Liu Zheng

GR01 Patent grant
GR01 Patent grant