CN113160311A - 太阳能电池板调节方法及调节装置、追日系统和存储设备 - Google Patents

太阳能电池板调节方法及调节装置、追日系统和存储设备 Download PDF

Info

Publication number
CN113160311A
CN113160311A CN202010015450.3A CN202010015450A CN113160311A CN 113160311 A CN113160311 A CN 113160311A CN 202010015450 A CN202010015450 A CN 202010015450A CN 113160311 A CN113160311 A CN 113160311A
Authority
CN
China
Prior art keywords
image
information acquisition
area
gray
optical information
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.)
Granted
Application number
CN202010015450.3A
Other languages
English (en)
Other versions
CN113160311B (zh
Inventor
张颖华
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.)
Beijing Cyberconsortium Technology Co ltd
Original Assignee
Beijing Cyberconsortium 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 Beijing Cyberconsortium Technology Co ltd filed Critical Beijing Cyberconsortium Technology Co ltd
Priority to CN202010015450.3A priority Critical patent/CN113160311B/zh
Publication of CN113160311A publication Critical patent/CN113160311A/zh
Application granted granted Critical
Publication of CN113160311B publication Critical patent/CN113160311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于光伏发电领域，涉及基于边缘计算的太阳能电池板调节方法、调节装置、追日调节系统和存储设备。该方法包括：接收包括光信息采集杆影像的图像、以及获取太阳能电池板的空间位置；对图像至少进行灰度处理以及滤波处理；对经灰度处理以及滤波处理后的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为光信息采集杆的日影区域；根据确定的光信息采集杆的日影区域，计算光信息采集杆的日影面积；根据光信息采集杆的日影面积和当前太阳能电池板的空间位置，指令对太阳能电池板向减小光信息采集杆的日影面积的空间位置进行调节，直至影面积小于设定面积阈值。其能实现太阳能电池板空间位置的智能调节，提高太阳能电池板的发电效率。

Description

太阳能电池板调节方法及调节装置、追日系统和存储设备
技术领域
本发明属于光伏发电领域，具体涉及基于边缘计算的太阳能电池板调节方法、基于边缘计算的太阳能电池板调节装置、太阳能电池板追日调节系统和存储设备。
背景技术
无论从世界还是从中国来看，常规能源都是很有限的。太阳能是人类取之不尽用之不竭的可再生能源，具有清洁、安全、长寿命、充足、经济性等优点，在长期的能源战略中具有重要地位，成为世界各国都在积极关注和大力发展的新能源。太阳能在地球上资源丰富、分布相对均衡，并且太阳能的利用过程中不会产生废物、对环境的污染小，是真正意义上的绿色能源。
一方面，太阳能存在密度低、间歇性、光照方向和强度随时间不断变化的问题，这对太阳能的收集和利用提出了更高的要求。不同的季节或是在一天之内太阳相对光伏电站的太阳能电池板的方位和倾斜角都在实时发生变化，而只有太阳能电池板的受光面接收太阳光垂直照射时才能使其最大化地接收太阳能，实时的发挥最大的发电功率。目前很多太阳能电池板都是固定安装的，或者虽安装有支架调节结构，但是只能按照根据太阳照射规律等简单的规则进行调节，实际难以调整到太阳能电池板与太阳光照射垂直的方向，不能充分利用太阳能资源，造成发电效率低下。
如何实现太阳能电池板空间位置的智能调节，提高发电效率，是目前光伏发电亟需解决的一个问题。
发明内容
本发明所要解决的技术问题是针对现有技术中存在的上述不足，为充分利用丰富的太阳能资源，提供一种基于边缘计算的太阳能电池板调节方法、基于边缘计算的太阳能电池板调节装置、太阳能电池板追日调节系统和存储设备，实现太阳能电池板空间位置的智能调节，提高太阳能电池板的发电效率。
解决本发明技术问题所采用的技术方案是该基于边缘计算的太阳能电池板调节方法，用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其包括步骤：
接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置；
对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理；
对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域；
根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积；
根据所述光信息采集杆的日影面积和当前太阳能电池板的空间位置，指令对所述太阳能电池板向减小所述光信息采集杆的日影面积的空间位置进行调节，直至所述光信息采集杆的日影面积小于设定面积阈值。
优选的是，对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理，包括：
根据灰度转换公式，将所述包括光信息采集杆影像的图像转换为灰度图像；
对所述灰度图像进行中值滤波处理。
优选的是，在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之前，还包括：裁切设定像素尺寸的所述包括光信息采集杆影像的图像作为判决图像，以所述判决图像进行灰度处理以及滤波处理得到所述灰度图像；
或者，在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之后，还包括：裁切设定像素尺寸的所述灰度图像作为判决图像，以所述判决图像进行k均值聚类法处理。
优选的是，对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域，包括：
构建像素灰度分布图，根据所述像素灰度分布图对所述灰度图进行分区；
根据所述像素灰度分布图对应的图像分区，将各分区的峰值设定为对应分区的初始聚类中心；
计算所述灰度图像中各像素点与各分区的初始聚类中心像素点的灰度差值，根据灰度差值将各像素点进行归簇；
对归簇后的每一簇中的各像素点计算灰度平均值，以灰度平均值更新聚类中心；
基于类内距离准则函数确定聚类区域，将灰度值最小的簇设定为光信息采集杆的日影区域。
优选的是，根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积的步骤中，统计光信息采集杆的日影区域内的像素点，像素点的统计总数即日影面积；
或者，在计算所述光信息采集杆的日影面积之前，还包括：计算确定的光信息采集杆的日影区域的聚类中心与簇内其他像素点之间的距离，根据相邻像素的一致性再确光信息采集杆的日影区域；
或者，在计算所述光信息采集杆的日影面积之后，还包括：根据不同月份的太阳入射角，修正所述光信息采集杆的日影面积；修正方法包括：将所述光信息采集杆的日影面积乘以一个修正系数。
优选的是，以设定时间间隔接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及当前太阳能电池板的空间位置，所述设定时间范围为5-10分钟。
一种基于边缘计算的太阳能电池板调节装置，用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其包括接收模块、处理模块、确定模块、计算模块和命令生成模块，其中：
所述接收模块，用于接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置，并将接收得到的图像信息传送至所述处理模块、位置信息传送至所述命令生成模块；
所述处理模块，用于对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理，并将处理后的图像信息传送值所述确定模块；
所述确定模块，用于对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域，并将确定后的区域信息传送至所述计算模块；
所述计算模块，用于根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积，并将日影面积信息传送至所述命令生成模块；
所述命令生成模块，用于根据所述光信息采集杆的日影面积和当前太阳能电池板的空间位置，生成将所述太阳能电池板向减小所述光信息采集杆的日影面积的空间位置进行调节的命令，并将所述命令发送至对应所述光伏发电区内的所有所述太阳能电池板，以对所述太阳能电池板进行调节，直至所述光信息采集杆的日影面积小于设定面积阈值。
优选的是，所述处理模块包括灰度转换单元和滤波单元，其中：
所述灰度转换单元，用于根据灰度转换公式，将所述包括光信息采集杆影像的图像转换为灰度图像；
所述滤波单元，用于对所述灰度图像进行中值滤波处理。
优选的是，所述处理模块还包括裁切单元，所述裁切单元用于：
在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之前，设定像素尺寸的所述包括光信息采集杆影像的图像作为判决图像，以所述判决图像进行灰度处理以及滤波处理得到所述灰度图像；
或者，在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之后，裁切设定像素尺寸的所述灰度图像作为判决图像，以所述判决图像进行k均值聚类法处理。
优选的是，所述确定模块包括构建单元、定心单元、归簇单元、更新单元和设定单元，其中：
所述构建单元，用于构建像素灰度分布图，根据所述像素灰度分布图对所述灰度图进行分区；
所述定心单元，用于根据所述像素灰度分布图对应的图像分区，将各分区的峰值设定为对应分区的初始聚类中心；
所述归簇单元，用于计算所述灰度图像中各像素点与各分区的初始聚类中心像素点的灰度差值，根据灰度差值将各像素点进行归簇；
所述更新单元，用于对归簇后的每一簇中的各像素点计算灰度平均值，以灰度平均值更新聚类中心；
所述设定单元，用于基于类内距离准则函数确定聚类区域，将灰度值最小的簇设定为光信息采集杆的日影区域。
优选的是，所述计算模块包括统计单元，所述统计单元用于统计日影区域内的像素点，日影区域内像素点的统计总数即日影面积；
或者，所述计算模块还包括再确单元，所述再确单元用于计算确定的光信息采集杆的日影区域的聚类中心与日影区域内其他像素点之间的距离，根据相邻像素的一致性再确光信息采集杆的日影区域；
或者，所述计算模块还包括修正单元，所述修正单元用于根据不同月份的太阳入射角，修正所述光信息采集杆的日影面积；修正方法包括：将所述光信息采集杆的日影面积乘以一个修正系数。
一种存储设备，其中存储有多条指令，所述指令用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其指令功能包括：
接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置；
对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理；
对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域；
根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积；
根据所述光信息采集杆的日影面积，指令对所述太阳能电池板向减小所述光信息采集杆的日影面积的空间位置进行调节，直至所述光信息采集杆的日影面积小于设定面积阈值。
一种太阳能电池板追日调节系统，包括空间位置调节装置，其特征在于，还包括日光侦测装置、空间位置侦测装置以及上述的基于边缘计算的太阳能电池板调节装置。
优选的是，所述日光侦测装置包括光信息采集杆和图像采集器件，其中：
所述光信息采集杆垂直设置于所述光伏发电区内的任一太阳能电池板上方，所述光信息采集杆为浅色调；
或者，所述日光侦测装置还包括参考板，所述光信息采集杆垂直设置于与所述光伏发电区内的太阳能电池板具相同空间位置状态的所述参考板上方，所述参考板表面为浅色调；
所述图像采集器件包括摄像头或照相机，所述摄像头或所述照相机与所述光信息采集杆具有固定的相对位置。
优选的是，所述空间位置侦测装置包括角度传感器，所述角度传感器安装在太阳能电池板的支架上。
本发明的有益效果是：
该基于边缘计算的太阳能电池板调节方法以及相应的基于边缘计算的太阳能电池板调节装置，通过边缘计算在贴近现场进行灰度转换、中值滤波、聚类分析、日影面积计算等密集的计算，只将最终对太阳能电池板需进行调节的方向以及范围传送至各太阳能电池板的空间位置调节装置，即可完成当前时间点该光伏发电区的太阳能电池板最佳入射角设定，实现智慧物联升级；
该太阳能电池板追日调节系统，通过人工智能算法对日光侦测装置实时采集到的图像进行处理，自动识别其中的光信息采集杆的日影长度，得到当前太阳光与太阳能电池板的对应关系；另一方面，通过空间位置侦测装置得到该光伏发电区内的太阳能电池板的空间位置；综合两方面信息，以空间位置调节装置调节当前太阳光与太阳能电池板之间的空间位置(方位角和倾斜角)使得日影长度最小为目的，通过自动反馈原理实现空间位置调节，使得太阳光尽可能垂直入射太阳能电池板，使得某一光伏发电区内的太阳能电池板均获得最大发电效率。
附图说明
图1为本发明实施例1中基于边缘计算的太阳能电池板调节方法的流程图；
图2为本发明实施例1中包括光信息采集杆影像的图像；
图3为本发明实施例1中基于边缘计算的太阳能电池板调节方法中设置光信息采集杆和摄像头/照相机的示意图；
图4为本发明实施例1中中值滤波处理的示意图；
图5为本发明实施例1中图像裁切极端情况的示意图；
图6为本发明实施例1中像素灰度分布图的示意图；
图7为本发明实施例1中日影移动模拟的示意图；
图8为本发明实施例1中基于边缘计算的太阳能电池板调节装置的结构框图；
图9为本发明实施例3中太阳能电池板追日调节系统的结构示意图；
附图标识中：
11-光信息采集杆；12-参考板；13-图像采集器件；14-光信息采集杆的日影区域；15-包括光信息采集杆影像的图像；
21-接收模块；22-处理模块；23-确定模块；24-计算模块；25-命令生成模块；
31-基于边缘计算的太阳能电池板调节装置；32-日光侦测装置；33-太阳能电池板；34-空间位置侦测装置；35-空间位置调节装置。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明基于边缘计算的太阳能电池板调节方法、基于边缘计算的太阳能电池板调节装置、太阳能电池板追日调节系统和存储设备作进一步详细描述。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明技术方案，并不用于限制本发明。
本发明的技术构思在于：一方面，通过人工智能算法对实时采集到的图像进行处理，自动识别其中的参考物的日影长度，得到当前太阳光与太阳能电池板的对应关系；另一方面，得到该光伏发电区内的太阳能电池板的空间位置；综合两方面信息，以调节当前太阳光与太阳能电池板之间的空间角度(方位角和倾斜角)使得日影长度最小为目的，通过自动反馈原理实现空间位置调节，使得太阳光尽可能垂直入射太阳能电池板，使得太阳能电池板获得最大发电效率。
基于上述技术构思，本发明提供基于边缘计算的太阳能电池板调节方法、基于边缘计算的太阳能电池板调节装置、太阳能电池板追日调节系统和存储设备，通过对位于光伏发电区内的光信息采集杆的影像进行图像处理，根据光信息采集杆的长度对太阳能电池板的空间位置进行调节，实现太阳能电池板年发电量最大化。
实施例1：
作为本发明的一方面，本实施例将结合基于边缘计算的太阳能电池板调节方法、基于边缘计算的太阳能电池板调节装置，详细说明对位于光伏发电区内的光信息采集杆的影像进行图像处理以对太阳能电池板的空间位置进行调节的方式。
如图1所示，该基于边缘计算的太阳能电池板调节方法包括步骤：
步骤S1)：接收位于光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置。
该基于边缘计算的太阳能电池板调节方法应用于太阳能电池板追日调节系统中，因此将结合太阳能电池板追日调节系统中的一些硬件设备进行详细说明。参考图2，在该步骤中，通过实时采集包括光信息采集杆影像的图像15、以及获得太阳能电池板当前的空间位置，以便于下一步通过对包括光信息采集杆影像的图像15进行处理，得到该当前太阳能电池板相对于太阳的入射光的关系，并以当前太阳能电池板的空间位置为基础，实现光伏发电区内的太阳能电池板的空间位置的调节。包括光信息采集杆影像的图像15如图2的下部分所示。
光信息采集杆11可以为浅色调的具有一定长度的、一定宽度的圆柱状物体。例如，光信息采集杆11为表面呈白色，长度范围为20-30cm，直径范围为2-2.5cm的细长杆。将光信息采集杆11为表面设置为浅色调，易于在后续图像处理过程中通过色调将日影长度(或者说识别其日影面积)区分出来；而将光信息采集杆11的长度和宽度寸设置为10-15:1左右的比例，易于在后续图像处理过程中裁切包括光信息采集杆11影像的图像并计算日影长度。
用于实时获取包括光信息采集杆影像的图像15的图像采集器件13可以为摄像头或照相机，摄像头或照相机与光信息采集杆11具有固定的相对位置。在目前摄像头日益进入安防系统的应用中，可直接借助其系统中的摄像头作为获取包括光信息采集杆影像的图像15的器件，无需专门增加专用摄像头，更增加了其灵活性能，降低了设备成本。
如图3所示为基于边缘计算的太阳能电池板调节方法中设置光信息采集杆和摄像头/照相机的示意图。接收位于光伏发电区内的包括光信息采集杆影像的图像15时，一种实施示例中，可以将光信息采集杆11垂直设置于光伏发电区内的任一太阳能电池板33上方；在一种实施示例中，可以将光信息采集杆11垂直设置于与光伏发电区内的太阳能电池板33具相同空间位置状态的参考板12上方，参考板12表面为浅色调，例如为白色。相比而言，后一实施示例中浅色调参考板12表面的影像通常为灰度或接近灰度，因此获得的包括光信息采集杆影像的图像15具有较单一的、接近白色的图像底色，能获得更快的图像处理速度、更佳的图像识别效果和更准确的图像识别度。
步骤S2)：对包括光信息采集杆影像的图像至少进行灰度处理和滤波处理。
在该步骤中，对包括光信息采集杆影像的图像15进行处理包括如下几个子步骤：
子步骤S21)：对包括光信息采集杆影像的图像15进行灰度处理，将包括光信息采集杆影像的图像15转换为灰度图像。
通常的图像为RGB彩色图像，RGB彩色图像的基本单元是由三个色块表示的像素元，三个色块分别为R、G、B。RGB彩色图像的像素点的彩色由R(红色)、G(绿色)、B(蓝色)三原色按比例混合而成，而灰度图像是用不同饱和度的黑色来表示每个像素点。自然界中的颜色本身非常容易受到光照的影响，RGB变化很大，将包括光信息采集杆影像的图像15转换为灰度图像，其中的灰度信息反而能提供更本质的信息；而且，RGB信息的三通道数据转为灰度信息的一通道数据后，运算量大大减少，更便于后续进一步的图像处理。例如，用8位0-255数字表示“灰色”程度，每个像素点只需要一个8位的灰度值即可，这样一个3×3的灰度图像，只需要9byte就能保存。
在该子步骤中，将包括光信息采集杆影像的图像15的RGB转换为灰度的公式为：
Gray＝R×0.299+G×0.587+B×0.114公式(1)
根据公式(1)，依次读取每个像素点的R、G、B值，计算对应的灰度值(转换为整型数)，将灰度值赋值给灰度图像的相应像素点位置，所有像素点遍历一遍后就完成了转换。R、G、B在0-255范围内取值，因此转换后的灰度值也将归一化到0-255范围内。
子步骤S22)：对光信息采集杆的灰度图像进行中值滤波处理。
对光信息采集杆的灰度图像进行滤波处理，以去除污物导致的噪声，其中：滤波处理方法包括中值滤波法。中值滤波(median filter)是一种非线性平滑技术，它将每一像素点的灰度值设置为该像素点某邻域窗口内的所有像素点灰度值的中值，在本实施例中用于处理灰度图像中的椒盐噪声且能够保持边界。
在一连串数字{1，4，6，8，9}中，数字6就是这串数字的中值。应用到本实施例的图像处理中时，对如图4所示的像素点，先通过公式(2)在图像矩阵中选取3×3的矩阵，该3×3矩阵包括9个像素点；接着通过公式(3)将这9个像素点的灰度进行排序，并将这个3×3矩阵的中心点赋值为这9个像素点的灰度的中间值，即图4的第2行、第2列像素点的1→23。
Figure BDA0002358702840000101
g＝median[f(x-1,y-1)f(x,y-1)f(x+1,y-1)；f(x-1,y)
f(x,y)f(x+1,y)；f(x-1,y+1)f(x,y+1)f(x+1,y+1)]
公式(3)
其中：公式(2)为取值矩阵，用于在图像矩阵中遍历，每次取出3×3矩阵的共9个像素点；
公式(3)中，g为3×3矩阵的中心点的灰度值gray，f(x,y)是取出3×3矩阵中第x行、y列坐标处的灰度值，median[]是Matlab求矩阵中值的函数。
为避免拍摄到的包括光信息采集杆影像的图像15的像素点数量较大而影响后续处理速度，优选的是，进一步包括子步骤S23)：裁切经中值滤波处理后的设定像素尺寸的灰度图像作为判决图像，以判决图像代替包括光信息采集杆影像的图像15进行k均值聚类法处理。其中：设定像素尺寸的长或宽的范围为300-500，长和宽相等，或者长和宽不等均可。仅对设定像素尺寸的灰度图像进行处理，能极大减小不必要的图像底色的数据处理，从而提高处理速度。
这里应该理解的是，子步骤S23)并非必须，并且若裁切的包括光信息采集杆11影像的灰度图像出现如图5所示的包括光信息采集杆的日影面积被部分去除的极端情况时，由于针对该判决图像而言光信息采集杆的日影面积已经为最大，因此并不会影响下一步骤中获取光信息采集杆的日影区域14并计算光信息采集杆的日影面积对触发太阳能电池板进行调节的影响。在实际应用中，可根据应用场合和处理器处理能力做选择，这里不做限定。
步骤S3)：对经灰度处理以及滤波处理后的包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为光信息采集杆的日影区域。
日影通俗地讲就是物体影子，是太阳光被物体阻挡后，在物体背离太阳的一侧形成的较暗区域。在一日之中，物体的日影与太阳高度相关，太阳高度越大，日影越短；太阳高度越小，日影越长。就某一天来看，太阳直射时，日影最短，甚至缩为一个点。例如，在每年的夏至(6月21日或6月22日)，在云南省墨江北回归线标志园中，就会出现“立竿不见影”的神奇天文景观(在夏至的日头下，你会发现自己的影子竟然可以消失不见)。
对地球而言，太阳光是平行光线，日影的长度由阳光照射的角度及物体本身的长短共同决定。这样，同一物体在同一时刻，朝向太阳光的方向或背离太阳光的方向移动，日影的大小(也就是日影面积)不变，并且该物体的日影宽度(相对于日影长度垂直的另一方向的尺寸)也是不变的。因此，获得光信息采集杆的日影区域14，就可以获得光信息采集杆的日影面积大小，也就相当于得到光信息采集杆11的日影长度。在该步骤中，就是通过k均值聚类法来获得一天中当前光信息采集杆(即物体)的日影区域14，从而通过光信息采集杆的日影区域14的面积大小来获得太阳能电池板的日影长度以及与太阳光的相对位置，进而实现太阳能电池板垂直正对太阳光的调节。
k均值聚类法(k-means)是一种用于识别图像中哪些像素点具有最相似(例如颜色、亮度、位置等属性)的特性的聚类技术。在本实施例中用于识别图像中的对象(例如光信息采集杆11、光信息采集杆的日影区域14和图像底色)的灰度值。k均值聚类法在给定k值的前提下，基于对象与聚类中心的临近度分簇。k代表分成k少个簇，聚类中心是每个簇中对象的n维属性向量的算术平均值。
在本实施例基于边缘计算的太阳能电池板调节方法中，图像中的影像对象包括光信息采集杆11的图像区域、光信息采集杆的日影区域14和图像底色(即除上述两部分之外的太阳能电池板或参考板12)，因此k＝3。根据图像的灰度特征指标聚类，可以用来定位光信息采集杆11、光信息采集杆的日影区域14和图像底色的分类，从而获得光信息采集杆的日影区域14。另外，包括光信息采集杆影像的图像15或判决图像是只有一个属性(n＝1，灰度属性)的一维场景。因此，k均值聚类法的具体计算步骤包括：
子步骤S31)：构建像素灰度分布图，根据像素灰度值对图像进行分区。
在该子步骤中，统计灰度图像中包括的像素点多少以及各像素点的灰度值、并根据灰度值对各像素进行归类，即得到灰度图像的像素灰度分布图，如图6所示。在该像素灰度分布图中，横轴x表示灰度图像中所有像素点的灰度值0-255，0为黑色，255为白色，0→255之间的中间数值即黑色向白色的过渡；纵轴y表示灰度图像中指定灰度的像素点统计总数量。从该像素灰度分布图可见，其中出现三个比较明显的分区以及每一分区对应的峰值，第一分区为灰度值较大、面积较大的区域，峰值为Peak1，该区域包含的像素量最大、且在视觉上偏亮，推断对应太阳能电池板33或浅色系的参考板12的影像；第二分区为灰度值居中、面积较小的区域，峰值为Peak2，推断对应光信息采集杆11的影像；第三分区为灰度值较大、面积居中的区域(实测中该部分面积变化范围较大，也可能小于第二分区的面积)，峰值为Peak3，在视觉上偏暗，推断对应光信息采集杆的日影区域14的影像。从图6中可见，太阳能电池板或浅色系的参考板12的偏亮峰值Peak1明显大于另两个峰值，也就是说太阳能电池板或浅色系的参考板12的面积在整个图像中是最大的，这也与实物设置一致。
子步骤S32)：根据像素灰度分布图对应的图像分区，将各分区的峰值设定为对应分区的初始聚类中心。
在该子步骤中，根据像素灰度分布图对应的图像分区，设定各分区的初始聚类中心。对于图6所示的像素灰度分布图，设定像素灰度分布图中三个分区的峰值点，也就是三个聚类中心的初始值(Peak1，Peak2，Peak3)对应的灰度值作为初始聚类中心。
子步骤S33)：计算灰度图像中各像素点与各分区的初始聚类中心像素点的灰度差值，根据灰度差值将各像素点进行归簇。
在该子步骤中，计算灰度图像中各像素点的灰度值与各分区的初始聚类中心像素点的灰度值的灰度差值，将该像素点归类为与其灰度差值最小的那个聚类中心所在的簇中。也就是说，对于除作为聚类中心的像素点之外的其余各像素点，均采用公式(4)计算该像素点与各分区的聚类中心像素点的灰度值的灰度差值，并比较各灰度差值的大小：
g＝|xi-Xk| 公式(4)
公式(4)中，g指两个像素点的灰度差值，xi为各个像素点的灰度值，Xk为各分区的聚类中心像素点的灰度值(k＝1,2,3)，也就是之前选择的Peak1、Peak2、Peak3三个点对应的像素点的灰度值。
对包括光信息采集杆影像的图像15或判决图像中的所有像素点均应用公式(4)进行灰度差值计算并归类，即可实现归簇。相对通用的k均值聚类法中采用随机点作为初始聚类中心的方式，本实施例将各分区的峰值设定为分区的初始聚类中心，可以加快聚类速度，更快、更准确地得到聚类中心，满足太阳能电池板快速调节的应用。
子步骤S34)：对归簇后的每一簇中的各像素点计算灰度平均值，以灰度平均值更新聚类中心。
在该子步骤中，重新计算每个簇中的各像素点的灰度平均值，得到新的簇灰度平均值(X1，X2，X3)，更新每个簇的聚类中心，以便于通过后续的类内距离准则函数确定聚类区域。
子步骤S35)：基于类内距离准则函数确定聚类区域，将灰度值最小的簇设定为光信息采集杆的日影区域14。
在该子步骤中，基于类内距离准则函数为：
Figure BDA0002358702840000141
公式(5)中，E为准则函数，k为聚类类别数量，本实施例中k＝3；i为进行确定的不同簇(第i簇)，i为1-k之间的自然数；Ci为之前处理得到的不同簇的数据集。
当基于类内距离准则函数收敛(准则函数值不再发生变化)时，输出聚类区域结果，否则重复子步骤S33)-子步骤S35)，直至准则函数收敛。
公式(5)为误差平方和准则，目标是令E取最小。当然，基于类内距离准则函数可以视情况使用加权类内距离准则，这里不做限定。
在本实施例中，每一簇即具有相同或相近灰色调的图像区域。从而，通过k均值聚类法即可实现图像的聚类分区，再结合图像中光信息采集杆的日影区域14的灰度值最小(灰度值越小越接近黑色；不管太阳光强弱，阴影区域总是暗于非阴影区域)的特点，即可区分并确定光信息采集杆的日影区域14。
步骤S4)：根据确定的光信息采集杆的日影区域，计算光信息采集杆的日影面积。
在该步骤中，包括光信息采集杆影像的图像15最终分成的三个簇的像素点分别进行统计得到的像素总数就是每个分区图像的面积值。以聚类中心的灰度值最小的簇作为光信息采集杆的日影区域14，统计光信息采集杆的日影区域14内的像素点，像素点的统计总数即日影面积。
为了防止因光信息采集杆11的图像区域、图像底色之外还有其他零散杂物摄入而对光信息采集杆的日影区域14的计算造成误判，计算光信息采集杆的日影面积前优选包括子步骤S41)：根据确定的光信息采集杆的日影区域14的聚类中心与簇内其他像素点之间的距离，根据相邻像素的一致性再确光信息采集杆的日影区域14。
在该子步骤中，对光信息采集杆的日影区域14进行像素甄别，剔除灰度值接近聚类中心、但是物理空间分离在簇以外的像素点。具体的，在前述通过各像素点与聚类中心的灰度差值进行簇归类的基础上，通过距离对各簇分区进行确认：以聚类中心像素点位置为起点，计算簇内与其相邻的像素点之间的距离；在距离仅为1个像素间距时，将该像素点与起点融合形成聚类中心集；以新的聚类中心集作为起点继续对簇内的其他像素点计算距离，若簇内的其他像素点与该新的聚类中心集内的任一像素点之间的距离为1个像素间距时，则将该像素点计入新的聚类中心集，……。以此类推，形成一个以聚类中心像素点为起点逐级向外蔓延的聚类中心集，直到簇内剩余的像素点因为距离较远无法与之融合，则将这些剩余的像素点从簇内剔除，保留聚类中心集中的像素点为最终的簇，从而实现精确计算光信息采集杆的日影区域14。
具体的，以前述的光信息采集杆的日影区域14对应的簇作为目标考察数据集C，构造聚类中心集R和生长数据集A，生长数据集A作为一个中间过渡集合，将目标考察数据集C中的像素点阶段性地向聚类中心集R转移，保证聚类中心集R内像素点的单纯性。
聚类中心集R最初仅包括灰度值最小的簇的聚类中心，通过两点间距离公式计算灰度值最小的簇中除聚类中心以外的其余各像素点到聚类中心的距离逐步扩展。两点间距离公式如下：
Figure BDA0002358702840000151
公式(6)中，|AB|为聚类中心像素点与该簇内与其他像素点之间的距离；(x1,y1)为聚类中心集R中一个像素点的图像坐标值；(x2,y2)为目标考察数据集C中一个像素点的图像坐标值。
遍历目标考察数据集C中的所有像素点，当其中的任何一像素点与聚类中心集R中的任何一个像素点之间的距离为1时(说明为相邻像素)，将该像素点从目标考察数据集C中移入生长数据集A中。在对所有像素点完成一次遍历结束后，如果生长数据集A不为空，则将生长数据集A中的像素点并入聚类中心集R中，由此得到聚类中心集R逐步向外围扩张的一圈像素点集合，实现聚类中心集合的向外蔓延，也就形成了新的聚类中心集R。重复多轮目标考察数据集C中的所有像素点的遍历，直到在对所有像素点完成遍历结束后生长数据集A为空，也就是目标考察数据集C中再无像素点与聚类中心集R中的任何像素点相邻，此时得到的聚类中心集R就是剔除远离光信息采集杆的日影区域14的其他小阴影和杂质形成的像素点，得到纯净的光信息采集杆的日影区域14。
一年中不同的季度或月份，日影的长度不同主要体现在正午的日影长短上，与正午太阳高度直接相关。就一个地点来看，在一年中正午太阳高度增大时，日影逐渐缩短。正午太阳高度越大，日影越短；正午太阳高度达到最大时，日影最短，甚至缩为一个点。正午太阳高度越小，日影越长；正午太阳高度最小时，日影最长。一年中不同季节或月份，日影的最小长度也是不同的。优选的是，在计算光信息采集杆的日影面积的步骤之后，还包括子步骤S42)：根据不同月份与光伏发电区所处地理位置，修正光信息采集杆的日影面积。一种简单的修正方法包括：将光信息采集杆的日影面积乘以一个修正系数。例如，3月-9月的修正系数大于等于1而小于1.5，10月-来年2年的修正系数小于1。
步骤S5)：根据光信息采集杆的日影面积和当前太阳能电池板的空间位置，将太阳能电池板向减小光信息采集杆的日影面积的方向进行调节，直至光信息采集杆的日影面积小于设定面积阈值。
太阳能电池板由支架支撑，支架上可设置空间位置调节装置调节太阳能电池板的方位角和倾斜角。不同的季节或月份、一天中不同的时间，太阳光入射太阳能电池板的角度不同，反映在光信息采集杆11在太阳能电池板或参考板12上的日影位置和日影面积/日影长度不同，由此通过调节光信息采集杆11在太阳能电池板或参考板12上的日影位置和日影面积/日影长度，即可实现太阳光与太阳能电池板的入射关系的调节。
在该步骤中，将太阳能电池板向减小光信息采集杆的日影面积的方向进行调节，为使得太阳能电池板平面与太阳光入射垂直的过程。在调节过程中，可通过使得日影面积缩小(也就是日影长度缩短)的方向，以设定面积阈值为参考调节太阳能电池板的空间位置，设定面积阈值可以为近段时期(例如一个月)在当前时间段计算得到的日影面积或日影面积均值。当光信息采集杆的日影面积小于设定面积阈值时，即认为光信息采集杆11的日影长度已经缩为当前时间段的最小值，可视为太阳能电池板与太阳光入射方向为垂直方向。
在实际操作过程中，在计算得到光信息采集杆的日影面积的基础上，比较不同时间间隔获得的日影面积的固定点，以及不同时间间隔的光信息采集杆的日影区域14的聚类中心移动，即可获得光信息采集杆11的日影移动方向。操作太阳能电池板的支架上的空间调节装置，相对日影增大的移动趋势反向调节，即可实现太阳能电池板垂直太阳光入射的调节。
例如，如图7所示的日影移动模拟示意，圆盘代表时间表盘，圆盘中间的柱状图形代表光信息采集杆11，条状的箭头代表光信息采集杆11的影子，太阳移动到不同的时间处，就可以看到该时间下光信息采集杆11影子的方向和位置。操作太阳能电池板的支架时，向影子行进的反方向、向影子面积减小的趋势进行调节。或者，可以根据当前的光信息采集杆的日影面积进行模拟计算，获得最小日影面积的空间位置或获得应调节角度或方位，辅以生成调节命令。甚至，可以通过积累以年为单位的光信息采集杆的日影面积，以实现调节方式的自主深度学习。具体的调节方式可结合太阳能电池板的方位角和倾斜角进行操作，现有技术中已经有通过电机和转动机构对太阳能电池板方位角和倾斜角的操作方式，这里不再详述。
太阳能电池板空间位置调节完毕后，更新太阳能电池板的空间位置记录。在进行太阳能电池板下一轮的空间位置调节时，可通过空间位置侦测装置(角度传感器)获得当前太阳能电池板的空间位置，也可以直接读取该更新的太阳能电池板的空间位置记录。在某种程度上，将角度传感器获得的空间位置和更新的太阳能电池板的空间位置记录进行比较，也是对该方法不同步骤执行结果进行校验的一种方式，这里不再详述。
光伏发电系统的发电量受温度的影响很小，直接影响发电量的因素是辐照强度和日照时长，辐照强度与太阳能电池板的空间位置相关。太阳能电池的安装具有聚集性，在一定的区域范围内的太阳能电池板阵列，受日照状况基本相同，环境状况也基本相同，因此处于相同区域范围内的太阳能电池板阵列可以采用相同的调节策略；而且，即使是在正午，在较短的一段时间段内，太阳能电池板阵列的空间位置虽然变化，但是经一定时间间隔才有明显变化，因此无需时刻对太阳能电池板阵列进行调节，而间隔一段时间进行调节即可。在本实施例中，以设定时间间隔接收位于光伏发电区内的包括光信息采集杆影像的图像15、以及当前太阳能电池板的空间位置，设定时间范围为5-10分钟。
在该基于边缘计算的太阳能电池板调节方法中，通过使得光信息采集杆的日影面积最小来实现空间位置调节，以使得太阳能电池板获得尽可能大的辐照强度。以该基于边缘计算的太阳能电池板调节方法实现的基于边缘计算的太阳能电池板调节装置，以一日光侦测信息、空间位置侦测信息作为信息接口，可以实现位于同一光伏发电区内的所有太阳能电池板的空间位置的控制。
基于上述基于边缘计算的太阳能电池板调节方法，本实施例还构建基于边缘计算的太阳能电池板调节装置，通过边缘计算在贴近现场进行灰度转换、中值滤波、聚类分析、面积计算等密集的计算，只将最终对太阳能电池板需进行调节的方向以及范围传送至各太阳能电池板的空间位置调节装置，即可完成当前时间点该光伏发电区的太阳能电池板的最佳入射角设定，实现智慧物联升级。
如图8所示，以该基于边缘计算的太阳能电池板调节方法相对应的基于边缘计算的太阳能电池板调节装置，用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其包括接收模块21、处理模块22、确定模块23、计算模块24和命令生成模块25，其中：
接收模块21，用于接收位于光伏发电区内的包括光信息采集杆影像的图像15、以及获取当前太阳能电池板的空间位置，并将接收得到的图像信息传送至处理模块22、位置信息传送至命令生成模块25；
处理模块22，用于对包括光信息采集杆影像的图像15至少进行灰度处理以及滤波处理，并将处理后的图像信息传送值确定模块23；
确定模块23，用于对经灰度处理以及滤波处理后的包括光信息采集杆影像的图像15进行k均值聚类，将聚类中心的灰度值最小的簇确定为光信息采集杆的日影区域14，并将确定后的区域信息传送至计算模块24；
计算模块24，用于根据确定的光信息采集杆的日影区域14，计算光信息采集杆的日影面积，并将日影面积信息传送至命令生成模块25；
命令生成模块25，用于根据光信息采集杆的日影面积和当前太阳能电池板的空间位置，生成将太阳能电池板向减小光信息采集杆的日影面积的空间位置进行调节的命令，并将命令发送至对应光伏发电区内的所有太阳能电池板，以对太阳能电池板进行调节，直至光信息采集杆的日影面积小于设定面积阈值。
处理模块22包括灰度转换单元和滤波单元，其中：
灰度转换单元，用于根据灰度转换公式，将包括光信息采集杆影像的图像15转换为灰度图像；
滤波单元，用于对灰度图像进行中值滤波处理。
为避免拍摄到的包括光信息采集杆影像的图像15像素点数量较大而影响后续处理速度，优选的是，处理模块22还包括裁切单元，裁切单元用于：
在对包括光信息采集杆影像的图像15至少进行灰度处理以及滤波处理之前，设定像素尺寸的包括光信息采集杆影像的图像15作为判决图像，以判决图像进行灰度处理以及滤波处理得到灰度图像；
或者，在对包括光信息采集杆影像的图像15至少进行灰度处理以及滤波处理之后，裁切设定像素尺寸的灰度图像作为判决图像，以判决图像进行k均值聚类法处理。
确定模块23包括构建单元、定心单元、归簇单元、更新单元和设定单元，其中：
构建单元，用于构建像素灰度分布图，根据像素灰度分布图对灰度图进行分区；
定心单元，用于根据像素灰度分布图对应的图像分区，将各分区的峰值设定为对应分区的初始聚类中心；
归簇单元，用于计算灰度图像中各像素点与各分区的初始聚类中心像素点的灰度差值，根据灰度差值将各像素点进行归簇；
更新单元，用于对归簇后的每一簇中的各像素点计算灰度平均值，以灰度平均值更新聚类中心；
设定单元，用于基于类内距离准则函数确定聚类区域，将灰度值最小的簇设定为光信息采集杆的日影区域14。
计算模块24包括统计单元，统计单元用于统计光信息采集杆的日影区域14内的像素点，光信息采集杆的日影区域14内像素点的统计总数即日影面积；
或者，计算模块24还包括再确单元，再确单元用于计算确定的光信息采集杆的日影区域14的聚类中心与簇内其他像素点之间的距离，根据相邻像素的一致性再确光信息采集杆的日影区域14；
或者，计算模块24还包括修正单元，修正单元用于根据不同月份的太阳入射角，修正光信息采集杆的日影面积；修正方法包括：将光信息采集杆的日影面积乘以一个修正系数。
根据本发明的实施方式，上述的两个或更多模块功能可以在一个模块中具体化。同样，上述的一个模块的特征和功能也可以进一步划分为由多个模块来具体化，这里不做限定。
该基于边缘计算的太阳能电池板调节装置，与该光伏发电区内的太阳能电池板形成一个网状结构的微型数据中心，可在本地处理或存储关键数据，进行基本数据计算，处理和分析更靠近生成数据源的数据，例如接近零延迟、降低图像数据管理成本、以及及时处理图像数据并实时响应等优势，实现光伏发电区内的太阳能电池板的空间位置的智能调节。
实施例2：
作为本发明的一方面，本实施例提供一种存储设备，其中存储有多条指令，指令用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其指令功能包括：
接收位于光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置；
对包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理；
对经灰度处理以及滤波处理后的包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为光信息采集杆的日影区域；
根据确定的光信息采集杆的日影区域，计算光信息采集杆的日影面积；
根据光信息采集杆的日影面积，指令对太阳能电池板向减小光信息采集杆的日影面积的空间位置进行调节，直至光信息采集杆的日影面积小于设定面积阈值。进一步的，更新太阳能电池板的空间位置记录数据。
这里应该理解的是，本实施例的存储设备，可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
实施例3：
作为本发明的一方面，本实施例提供一种太阳能电池板追日调节系统，如图9所示，其包括空间位置调节装置35，还包括日光侦测装置32、空间位置侦测装置34以及上述的基于边缘计算的太阳能电池板调节装置31。
日光侦测装置32包括光信息采集杆11和图像采集器件13，其中：
光信息采集杆11垂直设置于光伏发电区内的任一太阳能电池板33上方，光信息采集杆11为浅色调；
或者，日光侦测装置32还包括参考板12，光信息采集杆11垂直设置于与光伏发电区内的太阳能电池板33具相同空间位置状态的参考板12上方，参考板12表面为浅色调；
图像采集器件13包括摄像头或照相机，摄像头或照相机与光信息采集杆11具有固定的相对位置。
空间位置侦测装置34包括角度传感器，角度传感器安装在太阳能电池板33的支架上。
空间位置调节装置35安装在太阳能电池板33的支架上，可以包括使得太阳能电池板相对水平面倾斜转动的机构，以及使得太阳能电池相对于支架的支撑轴在周向旋转的机构，具体的控制其转动/旋转方法因目前在太阳能电池板的安装中已经有使用，这里不再详述。而根据基于边缘计算的太阳能电池板调节方法得到的对太阳能电池板向减小光信息采集杆的日影面积的空间位置进行调节的指令，可与控制其转动/旋转的使动装置(例如可编程器控制器PLC)等配合，这里也不再详述。
该太阳能电池板追日调节系统，通过人工智能算法对日光侦测装置实时采集到的图像进行处理，自动识别其中的光信息采集杆的日影长度，得到当前太阳光与太阳能电池板的对应关系；另一方面，通过空间位置侦测装置得到该光伏发电区内的太阳能电池板的空间位置；综合两方面信息，以空间位置调节装置调节当前太阳光与太阳能电池板之间的空间位置(方位角和倾斜角)使得日影长度最小为目的，通过自动反馈原理实现空间位置调节，使得太阳光尽可能垂直入射太阳能电池板，使得某一光伏发电区内的太阳能电池板均获得最大发电效率。
需要理解的是，本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、系统、或计算机程序产品。因此，本发明可采用结合软件和硬件方面的实施例的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
同时，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种基于边缘计算的太阳能电池板调节方法，用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其特征在于，包括步骤：
接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置；
对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理；
对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域；
根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积；
根据所述光信息采集杆的日影面积和当前太阳能电池板的空间位置，指令对所述太阳能电池板向减小所述光信息采集杆的日影面积的空间位置进行调节，直至所述光信息采集杆的日影面积小于设定面积阈值。
2.根据权利要求1所述的基于边缘计算的太阳能电池板调节方法，其特征在于，对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理，包括：
根据灰度转换公式，将所述包括光信息采集杆影像的图像转换为灰度图像；
对所述灰度图像进行中值滤波处理。
3.根据权利要求2所述的基于边缘计算的太阳能电池板调节方法，其特征在于，
在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之前，还包括：裁切设定像素尺寸的所述包括光信息采集杆影像的图像作为判决图像，以所述判决图像进行灰度处理以及滤波处理得到所述灰度图像；
或者，在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之后，还包括：裁切设定像素尺寸的所述灰度图像作为判决图像，以所述判决图像进行k均值聚类法处理。
4.根据权利要求1所述的基于边缘计算的太阳能电池板调节方法，其特征在于，对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域，包括：
构建像素灰度分布图，根据所述像素灰度分布图对所述灰度图进行分区；
根据所述像素灰度分布图对应的图像分区，将各分区的峰值设定为对应分区的初始聚类中心；
计算所述灰度图像中各像素点与各分区的初始聚类中心像素点的灰度差值，根据灰度差值将各像素点进行归簇；
对归簇后的每一簇中的各像素点计算灰度平均值，以灰度平均值更新聚类中心；
基于类内距离准则函数确定聚类区域，将灰度值最小的簇设定为光信息采集杆的日影区域。
5.一种基于边缘计算的太阳能电池板调节装置，用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，其特征在于，包括接收模块、处理模块、确定模块、计算模块和命令生成模块，其中：
所述接收模块，用于接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置，并将接收得到的图像信息传送至所述处理模块、位置信息传送至所述命令生成模块；
所述处理模块，用于对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理，并将处理后的图像信息传送值所述确定模块；
所述确定模块，用于对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域，并将确定后的区域信息传送至所述计算模块；
所述计算模块，用于根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积，并将日影面积信息传送至所述命令生成模块；
所述命令生成模块，用于根据所述光信息采集杆的日影面积和当前太阳能电池板的空间位置，生成将所述太阳能电池板向减小所述光信息采集杆的日影面积的空间位置进行调节的命令，并将所述命令发送至对应所述光伏发电区内的所有所述太阳能电池板，以对所述太阳能电池板进行调节，直至所述光信息采集杆的日影面积小于设定面积阈值。
6.根据权利要求5所述的基于边缘计算的太阳能电池板调节装置，其特征在于，所述处理模块包括灰度转换单元和滤波单元，其中：
所述灰度转换单元，用于根据灰度转换公式，将所述包括光信息采集杆影像的图像转换为灰度图像；
所述滤波单元，用于对所述灰度图像进行中值滤波处理。
7.根据权利要求6所述的基于边缘计算的太阳能电池板调节装置，其特征在于，所述处理模块还包括裁切单元，所述裁切单元用于：
在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之前，设定像素尺寸的所述包括光信息采集杆影像的图像作为判决图像，以所述判决图像进行灰度处理以及滤波处理得到所述灰度图像；
或者，在对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理之后，裁切设定像素尺寸的所述灰度图像作为判决图像，以所述判决图像进行k均值聚类法处理。
8.根据权利要求5所述的基于边缘计算的太阳能电池板调节装置，其特征在于，所述确定模块包括构建单元、定心单元、归簇单元、更新单元和设定单元，其中：
所述构建单元，用于构建像素灰度分布图，根据所述像素灰度分布图对所述灰度图进行分区；
所述定心单元，用于根据所述像素灰度分布图对应的图像分区，将各分区的峰值设定为对应分区的初始聚类中心；
所述归簇单元，用于计算所述灰度图像中各像素点与各分区的初始聚类中心像素点的灰度差值，根据灰度差值将各像素点进行归簇；
所述更新单元，用于对归簇后的每一簇中的各像素点计算灰度平均值，以灰度平均值更新聚类中心；
所述设定单元，用于基于类内距离准则函数确定聚类区域，将灰度值最小的簇设定为光信息采集杆的日影区域。
9.一种存储设备，其中存储有多条指令，其特征在于，所述指令用于对位于光伏发电区内的太阳能电池板的空间位置进行调节，指令功能包括：
接收位于所述光伏发电区内的包括光信息采集杆影像的图像、以及获取当前太阳能电池板的空间位置；
对所述包括光信息采集杆影像的图像至少进行灰度处理以及滤波处理；
对经灰度处理以及滤波处理后的所述包括光信息采集杆影像的图像进行k均值聚类，将聚类中心的灰度值最小的簇确定为所述光信息采集杆的日影区域；
根据确定的所述光信息采集杆的日影区域，计算所述光信息采集杆的日影面积；
根据所述光信息采集杆的日影面积，指令对所述太阳能电池板向减小所述光信息采集杆的日影面积的空间位置进行调节，直至所述光信息采集杆的日影面积小于设定面积阈值。
10.一种太阳能电池板追日调节系统，包括空间位置调节装置，其特征在于，还包括日光侦测装置、空间位置侦测装置以及权利要求5-8任一项所述的基于边缘计算的太阳能电池板调节装置。
CN202010015450.3A 2020-01-07 2020-01-07 太阳能电池板调节方法及调节装置、追日系统和存储设备 Active CN113160311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010015450.3A CN113160311B (zh) 2020-01-07 2020-01-07 太阳能电池板调节方法及调节装置、追日系统和存储设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010015450.3A CN113160311B (zh) 2020-01-07 2020-01-07 太阳能电池板调节方法及调节装置、追日系统和存储设备

Publications (2)

Publication Number Publication Date
CN113160311A true CN113160311A (zh) 2021-07-23
CN113160311B CN113160311B (zh) 2024-09-17

Family

ID=76881570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010015450.3A Active CN113160311B (zh) 2020-01-07 2020-01-07 太阳能电池板调节方法及调节装置、追日系统和存储设备

Country Status (1)

Country Link
CN (1) CN113160311B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470014A (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太阳能电池板的故障检测方法
CN114020049A (zh) * 2021-11-05 2022-02-08 江扬科技(无锡)有限公司 一种单轴追踪式光伏系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859149A (zh) * 2010-05-25 2010-10-13 无锡中星微电子有限公司 一种太阳能电池板角度自动调整的方法和太阳能电池系统
CN107292898A (zh) * 2017-05-04 2017-10-24 浙江工业大学 一种基于hsv的车牌阴影检测和去除方法
JP2019022251A (ja) * 2017-07-11 2019-02-07 米沢電気工事株式会社 太陽電池診断方法及び太陽電池診断システム
CN109540900A (zh) * 2018-09-25 2019-03-29 浙江浙能技术研究院有限公司 一种光伏组件隐裂判定方法
CN109981051A (zh) * 2017-12-27 2019-07-05 Imec 非营利协会 光伏系统的仿真

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859149A (zh) * 2010-05-25 2010-10-13 无锡中星微电子有限公司 一种太阳能电池板角度自动调整的方法和太阳能电池系统
CN107292898A (zh) * 2017-05-04 2017-10-24 浙江工业大学 一种基于hsv的车牌阴影检测和去除方法
JP2019022251A (ja) * 2017-07-11 2019-02-07 米沢電気工事株式会社 太陽電池診断方法及び太陽電池診断システム
CN109981051A (zh) * 2017-12-27 2019-07-05 Imec 非营利协会 光伏系统的仿真
CN109540900A (zh) * 2018-09-25 2019-03-29 浙江浙能技术研究院有限公司 一种光伏组件隐裂判定方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470014A (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太阳能电池板的故障检测方法
CN114020049A (zh) * 2021-11-05 2022-02-08 江扬科技(无锡)有限公司 一种单轴追踪式光伏系统
CN114020049B (zh) * 2021-11-05 2024-02-23 江扬科技(无锡)有限公司 一种单轴追踪式光伏系统

Also Published As

Publication number Publication date
CN113160311B (zh) 2024-09-17

Similar Documents

Publication Publication Date Title
CN109416413B (zh) 太阳能预报
CN108923738B (zh) 一种基于天气类型判别的双跟踪光伏发电系统控制方法
CN114758252B (zh) 基于图像的分布式光伏屋顶资源分割与提取方法及系统
CN107145846A (zh) 一种基于深度学习的绝缘子识别方法
CN103164695B (zh) 一种基于多源图像信息融合的果实识别方法
WO2017193172A1 (en) "solar power forecasting"
CN104166999B (zh) 一种基于地基云图强度分层的云团提取方法
CN113160311A (zh) 太阳能电池板调节方法及调节装置、追日系统和存储设备
CN107133685A (zh) 光伏发电系统发电量的预测方法及预测系统
CN109034184A (zh) 一种基于深度学习的均压环检测识别方法
WO2020199453A1 (zh) 光照精准预测的苗床调度方法、系统及介质
CN107168049A (zh) 光伏阵列输出特性曲线实时获取方法
CN114078218B (zh) 一种自适应融合的森林烟火识别数据增广方法
CN117541887A (zh) 水分亏缺检测模型训练及水分亏缺检测方法、装置、设备
CN113936031A (zh) 一种基于机器视觉的云影轨迹预测方法
CN114237309A (zh) 一种光伏组件的角度调节方法和装置
CN118097445A (zh) 一种基于开源卫星地图和深度学习的城市建筑屋面光伏应用潜力评估方法
CN115423758B (zh) 一种全场精细化dni预测方法
CN115049815B (zh) 基于自注意力蒸馏和图像增强的水下目标检测方法及系统
CN115655157A (zh) 基于鱼眼图像的叶面积指数测算方法
Chen et al. Improving fractional vegetation cover estimation with shadow effects using high dynamic range images
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
CN103106657B (zh) 基于时段的光伏电池板遮荫部分的检测方法
CN110362133B (zh) 一种日光温室光照强度控制方法及系统
Martins et al. Systematic Literature Review on Forecasting/Nowcasting based upon Ground-Based Cloud Imaging

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
GR01 Patent grant
GR01 Patent grant