CN114898232B - 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 - Google Patents

基于光伏组串数据分析的光伏电站无人机巡检方法及系统 Download PDF

Info

Publication number
CN114898232B
CN114898232B CN202210474004.8A CN202210474004A CN114898232B CN 114898232 B CN114898232 B CN 114898232B CN 202210474004 A CN202210474004 A CN 202210474004A CN 114898232 B CN114898232 B CN 114898232B
Authority
CN
China
Prior art keywords
photovoltaic
string
aerial vehicle
unmanned aerial
power station
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
CN202210474004.8A
Other languages
English (en)
Other versions
CN114898232A (zh
Inventor
张宇佳
付万豪
刘文杰
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 Zhongke Lifeng Technology Co ltd
Zhongke Yunshang Nanjing Intelligent Technology Co ltd
Original Assignee
Beijing Zhongke Lifeng Technology Co ltd
Zhongke Yunshang Nanjing 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 Beijing Zhongke Lifeng Technology Co ltd, Zhongke Yunshang Nanjing Intelligent Technology Co ltd filed Critical Beijing Zhongke Lifeng Technology Co ltd
Priority to CN202210474004.8A priority Critical patent/CN114898232B/zh
Publication of CN114898232A publication Critical patent/CN114898232A/zh
Application granted granted Critical
Publication of CN114898232B publication Critical patent/CN114898232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G06T2207/10048—Infrared 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10052—Images from lightfield camera
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • 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

Abstract

本发明公开了一种基于光伏组串数据分析的光伏电站无人机巡检方法，建立光伏电站关于光伏组串分布的电子地图，建立各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；在虚拟场景仿真地图中映射出疑似故障组串的物理位置，规划无人机航线，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；根据光伏组串运行数据计算故障对所述光伏组串发电量的影响，得出运维措施决策；本申请实现无人机对疑似故障光伏组串进行自动巡检，根据光伏组串的红外、可见光图像判定光伏组串的故障类型并将故障进行分级，并结合该光伏组串发电量数据提供的运维策略支持，极大地提高运维自动化的程度，提高巡检的效率和精度。

Description

基于光伏组串数据分析的光伏电站无人机巡检方法及系统
技术领域
本发明涉及光伏发电领域，具体涉及一种基于光伏组串运行数据分析的光伏电站无人机运维方法及系统。
背景技术
近年来，随着具备电压电流测量功能的光伏汇流箱和组串逆变器等设备的普及，电站运维人员在集控室内通过监控系统就可以掌握电站每一个组串的运行信息，大部分监控系统可以实现对电压电流数据低于阈值范围的组串进行告警。上述工作模式无法精准定位故障组串中的失配光伏组串/组件，且缺乏对故障组串的物理信息的描述，后续运维决策需借助其他检测设备，难度大，自动化程度低，效率低下。
现有技术中，无人机巡检成为了当前最常见的光伏电站运维手段之一。通过无人机搭载可见光及红外双光传感器可以对全站范围内的光伏组串进行无差别检测，该模式缺乏针对性，检测结果为提示光伏组串有无故障以及其故障类型，为定性结果，无法对巡检识别的光伏组串故障进行发电量的影响的定量分析。
发明内容
本发明的目的在于：提供一种基于光伏组串运行数据分析的无人机运维方法，建立光伏电站关于光伏组串位置的仿真地图后，只需获取疑似故障光伏组串的逻辑位置，根据光伏组串映射的物理位置规划航线，实现无人机对疑似故障光伏组串进行自动巡检，根据光伏组串的红外、可见光图像判定光伏组串的故障类型并将故障进行分级，并结合该光伏组串发电量数据提供的运维策略支持，整个无人机巡检过程无需人工参与，可极大地提高运维自动化的程度，提高巡检的效率和精度。
一种基于光伏组串数据分析的光伏电站无人机巡检方法，包括以下步骤：
步骤一、建立光伏电站关于光伏组串分布的电子地图：由光伏电站鸟瞰图像生成光伏组串分布的虚拟场景仿真地图，虚拟场景仿真地图包括各光伏组串相应物理位置上的示意图标和相应的GPS坐标信息；在虚拟场景仿真地图中标注光伏监控系统中各光伏组串的逻辑位置，使得各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；
步骤二、采集光伏电站各光伏组串的运行数据，对运行数据进行集中处理，判断运行数据中的异常值，异常值对应的光伏组串为疑似故障组串，在虚拟场景仿真地图中将疑似故障组串的逻辑位置标记出，并映射出疑似故障组串的物理位置；
步骤三、将虚拟场景仿真地图中疑似故障组串的物理位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；
步骤四、根据无人机检测图像，确定光伏组串或所属光伏组件的故障类型和故障等级，并根据光伏组串运行数据计算故障对所述光伏组串发电量的影响，得出运维措施决策；通过虚拟场景仿真地图中的标记的疑似故障组串的逻辑位置获取故障组串相应的物理位置，建立导航路线，基于疑似故障组串的物理位置并根据运维措施决策进行运维工作。
在虚拟场景仿真地图标注光伏监控系统中各光伏组串的逻辑位置，使得各光伏组串的逻辑位置与电站监控系统中各光伏组串的物理位置一一对应，对应关系由该电站的施工设计图纸中的组串布置图获得，鉴于电站建设过程中可能面临的不可控因素影响，施工图纸中光伏组串的物理位置与实际物理位置可能会有若干偏差，必要时，需要进行光伏组串物理位置的人工核对，发现不符合时，在仿真地图上对光伏组串物理位置对应的逻辑位置进行更新。
光伏组串物理位置的人工核对是通过改变光伏组串的运行状态，使光伏组串呈现出不同于其他光伏组串的红外特征，以核对施工设计图纸上该光伏组串逻辑位置对应的物理位置是否与实际的物理位置相一致。
步骤二具体包括以下步骤：
从电站监控系统中获取光伏组串的运行数据，运行数据包括：各光伏组串电压、电流和发电量，各光伏组串对应区域的辐照度；
对运行数据进行集中处理具体包括以下步骤：提取每个光伏汇流箱或组串式逆变器所属的光伏组串在不同时刻的电流值，同一光伏汇流箱或组串式逆变器同一时刻的各光伏组串的电流值组成一个数据集，提取出各数据集中的异常值。
检查各数据集中是否存在异常值采用Dixon检验法，具体包括以下步骤：
1)将数据集{Xn}中数据排列成次序统计量；
2)计算Dixon上的统计量Dn和D′n：{Xn}是建立的数据集，Dn是检验高端离群值，D′n是检验低端离群值，n表示样本数；
3)根据Dixon检验法检验离群值计算式计算检验低端离群值；
表1 Dixon检验法检验离群值计算式
4)确定显著性水平α，根据Dixon检验法临界值查询相应临界值；
5)将Dn和D′n与临界值比较，判别离群值：
a)当Dn＞D′n且Dn大于临界值，D′n小于或等于临界值，判定xn为离群值；剔除xn后进入下一轮检验；
b)当D′n＞Dn且D′n大于临界值，Dn小于或等于临界值，判定x1为离群值；剔除x1后进入下一轮检验；
c)当Dn＞D′n且D′n大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；
d)当D′n＞Dn且Dn大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；
e)当D′n＝Dn且Dn大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；否则判未发现离群值。
步骤三所述飞行参数包括无人机的飞行高度、飞行速度和云台姿态；
规划无人机航线根据遗传算法规划基于最短路径的无人机航线，规划航线的航点包括无人机初始和结束点的物理位置的GPS坐标位置以及虚拟场景仿真地图中疑似故障组串的物理位置的GPS坐标位置，应用无人机采用预先设定的飞行速度、飞行高度进行所规划航线的飞行巡检，采集疑似故障组串的双光图像，双光图像包括红外光图像和可见光图像。
步骤四所述的确定光伏组串或所属光伏组件的故障类型和故障等级具体包括以下步骤：，将红外光图像中单块光伏组串的区域与其他区域存在温度差异或单块光伏组串与其他邻近光伏组串存在温度差异的光伏组串识别为故障，结合可见光图像，将故障进行分类。
步骤四所述的故障对光伏组串发电量的影响的具体计算方法为：
根据采集的光伏组串发电量计算组串发电损失率其中Ep异常为故障组串当月的累计发电量，/>为同区域相同型号的光伏组串无故障组串当月累计发电量的平均值；
根据采集的各光伏区域的辐照度数据计算电站年理论发电小时数其中G为一年内光伏方阵倾斜面单位面积的总辐照量，G0为标准条件下的辐照度；
计算故障组串年发电量损失ΔEp＝P组串×η×K×YR，其中K为当前光伏电站综合效率系数，P组串为组串的额定功率。
一种基于光伏组串数据分析的光伏电站无人机巡检系统，包括：电站监控后台主机，正向隔离装置，智能运维系统主机，通信装置，无人机及无人机控制装置，手持式运维终端；
电站监控后台主机采集光伏电站逆变器、无功补偿装置的有功无功数据和开关状态信息的，并进行数据处理；
正向隔离装置用于实现电站监控后台主机至智能运维系统主机的数据的单向传输，满足了电站的二次系统安全防护的要求；
智能运维系统主机包括光伏组串运行数据处理模块、无人机航线规划模块和双光图像智能诊断模块，智能运维系统主机用于对电站组串运行数据和无人机巡检数据进行处理，通过人工智能算法识别缺陷，根据缺陷物理位置进行无人机航线规划，并进行故障点发电量损失分析，依据分析结果进行运维措施决策，将数据推送至手持式运维终端；
通信装置用于实现智能运维系统主机与无人机及无人机控制装置、手持式运维终端之间的通信连接；
无人机及无人机控制装置包括无人机和无人机控制装置，无人机控制装置包括无人机飞行控制装置，RTK(Real time kinematic)测量装置，红外/可见光双光图像传感器和数据传输模块，无人机控制装置控制无人机按照规划航线自动飞行并拍摄光伏电站双光图像；
手持式运维终端是便携式电子设备(是手机或平板电脑)，显示电站仿真地图和光伏组串运行信息，实现故障点信息查询及故障点地理位置一键导航，并提示相应故障点的运维措施。
电站监控后台主机采集光伏电站各光伏组串的运行数据；
光伏组串运行数据处理模块根据由光伏电站鸟瞰图像生成有关光伏组串分布的虚拟场景仿真地图，建立光伏电站关于光伏组串分布的电子地图，虚拟场景仿真地图包括各光伏组串示意图标和相应的GPS坐标信息；在虚拟场景仿真地图中标注光伏监控系统中逻辑位置，使得各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；根据电站监控后台主机采集的光伏电站各光伏组串的运行数据，对运行数据进行集中处理，判断运行数据中的异常值，异常值对应的光伏组串为疑似故障组串，将疑似故障组串的逻辑位置标记出，并在虚拟场景仿真地图中映射出疑似故障组串的逻辑位置；
无人机航线规划模块将虚拟场景仿真地图中疑似故障组串的逻辑位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；
双光图像智能诊断模块将虚拟场景仿真地图中疑似故障组串的物理位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；根据无人机检测图像，确定光伏组串或所属光伏组串的故障类型和故障等级，并根据光伏组串运行数据计算故障对该组串发电量的影响，得出运维措施决策；通过虚拟场景仿真地图中的标记的疑似故障组串的逻辑位置，建立导航路线，获得疑似故障组串的物理位置并根据运维措施决策进行运维工作。
本发明的有益效果在于：
1、本发明公开一种改进的光伏电站无人机巡检的方式，从全覆盖无差别的巡检转变为对运行状态不正常的光伏组串进行针对性巡检，实现了光伏电站现有监控系统与无人机巡检系统的联动，减少了无人机巡检的航程，提高了巡检效率。
2、本发明公开一种针对无人机巡检发现的故障点对应的光伏组串的发电量损失进而计算消缺经济性的计算方法，通过该方法可以在计算机系统上根据光伏组串运行历史数据自动计算得出故障点的发电量的损失数值和硬件消缺带来的经济收益，节约了人工和时间成本，降低了对人员素质的要求，提高了故障运维决策的准确性和工作效率。
附图说明
图1为本发明一实例提供的基于光伏组串运行数据分析的光伏电站无人机智能运维方法流程图；
图2为本发明基于光伏组串运行数据分析的光伏电站无人机智能运维系统结构图；
图3为本发明光伏电站虚拟场景仿真地图。
具体实施方式
为使本发明的目的、技术方案、优点更加清楚，下面结合附图对本发明的具体实施方式进行详细说明。
以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
如图1所示，一种基于光伏组串数据分析的光伏电站无人机巡检方法，包括以下步骤：
步骤一、建立光伏电站关于光伏组串分布的电子地图：由光伏电站虚拟场景仿真地图(图3)生成光伏组串分布的虚拟场景仿真地图，虚拟场景仿真地图包括各光伏组串在区域卫星图像地图中相应物理位置上的示意图标和相应的GPS坐标信息；在虚拟场景仿真地图中标注光伏监控系统中各光伏组串的逻辑位置，使得各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；步骤二、采集光伏电站各光伏组串的运行数据，对运行数据进行集中处理，判断运行数据中的异常值，异常值对应的光伏组串为疑似故障组串，在虚拟场景仿真地图将疑似故障组串的逻辑位置标记出，映射出疑似故障组串的物理位置；逻辑位置在实际使用时，可以用光伏组串的编号表示；
步骤三、将虚拟场景仿真地图中疑似故障组串的物理位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；
步骤四、根据无人机检测图像，确定光伏组串或所属光伏组件的故障类型和故障等级，并根据光伏组串运行数据计算故障对所述光伏组串发电量的影响，得出运维措施决策；通过虚拟场景仿真地图中的标记的疑似故障组串的逻辑位置获取故障组串相应的物理位置，建立导航路线，基于疑似故障组串的物理位置并根据运维措施决策进行运维工作。
步骤一中所述光伏电站鸟瞰图由电站所在区域卫星图像获取。
步骤一中所述光伏电站鸟瞰图由无人机在电站区域高空飞行采集电站图像并进行拼接获取。
步骤一所述有关光伏组串分布的虚拟场景仿真地图是由光伏电站鸟瞰图通过图像识别算法对图中光伏支架可见光图像进行自动识别以及分割，获取图中所有光伏支架的轮廓及其位置。一般情况下，一个光伏支架内含有若干个光伏组串但分布形式各有不同，根据当前电站的光伏组串在光伏支架上“1×1”“1×2”、“2×1”等分布形式对光伏支架进行二次分割，获得了包含当前光伏电站所有组串位置信息，根据光伏组串位置信息建立光伏电站关于光伏组串位置的仿真地图。
在虚拟场景仿真地图标注光伏监控系统中各光伏组串的逻辑位置，使得各光伏组串的逻辑位置与电站监控系统中各光伏组串的物理位置一一对应，对应关系由该电站的施工设计图纸中的组串布置图获得，鉴于电站建设过程中可能面临的不可控因素影响，施工图纸中光伏组串的物理位置与实际物理位置可能会有若干偏差，必要时，需要进行光伏组串物理位置的人工核对，发现不符合时，在仿真地图上对光伏组串物理位置对应的逻辑位置进行更新。
光伏组串物理位置的人工核对是通过改变光伏组串的运行状态，使光伏组串呈现出不同于其他光伏组串的红外特征，以核对施工设计图纸上该光伏组串逻辑位置对应的物理位置是否与实际的物理位置相一致。
步骤二中光伏电站各光伏组串的运行数据包含：各光伏组串电压、电流、发电量，各光伏组串对应区域的辐照度，运行数据从电站监控系统中获取，电站监控系统中的相关数据由电站间隔层的智能汇流箱、组串式逆变器、气象监测站带有测量装置通过通信管理机汇集并进行规约转换后再经由电站通信环网传输至电站监控后台主机中。
步骤一建立光伏电站关于光伏组串位置的仿真地图的步骤，形成了光伏组串逻辑位置和物理位置一一对应的关系，这样将疑似故障组串的逻辑位置标出，就能够在虚拟场景仿真地图中映射出光伏组串的物理位置。
步骤二具体包括以下步骤：
从电站监控系统中获取光伏组串的运行数据，运行数据包括：各光伏组串电压、电流和发电量，各光伏组串对应区域的辐照度；
对运行数据进行集中处理具体包括以下步骤：提取每个光伏汇流箱或组串式逆变器所属的光伏组串在不同时刻的电流值，同一光伏汇流箱或组串式逆变器同一时刻的各光伏组串的电流值组成一个数据集，采用统计学计算方法自动提取出各数据集中有无异常值。为了避免辐照度较低的环境下各光伏组串电流非常接近从而造成误判的情形，此处采用10:00～15:00辐照度较好的时间段的数据。
本实施例中，检查各数据集中是否存在异常值采用Dixon检验法，具体包括以下步骤：
1)将数据集中数据排列成次序统计量；
2)计算Dixon上的统计量Dn和D′n：{Xn}是建立的数据集，Dn是检验高端离群值，D′n是检验低端离群值，n表示样本数；Xn是数据集{Xn}中的第n个元素；
3)根据Dixon检验法检验离群值计算式(表1)计算检验低端离群值；
表1 Dixon检验法检验离群值计算式
4)确定显著性水平α，在表2Dixon检验法临界值中查询相应临界值：
表2 Dixon检验法临界值查询表
5)将Dn和D′n与临界值比较，判别离群值：
f)当Dn＞D′n且Dn大于临界值，D′n小于或等于临界值，判定xn为离群值；剔除xn后进入下一轮检验。
g)当D′n＞Dn且D′n大于临界值，Dn小于或等于临界值，判定x1为离群值；剔除x1后进入下一轮检验；
h)当Dn＞D′n且D′n大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；
i)当D′n＞Dn且Dn大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；
j)当D′n＝Dn且Dn大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；否则判未发现离群值。
步骤三所述飞行参数包括无人机的飞行高度、飞行速度和云台姿态；
规划无人机航线根据遗传算法规划基于最短路径的无人机航线，规划航线的航点包括无人机初始和结束点的物理位置的GPS坐标位置以及虚拟场景仿真地图中疑似故障组串的物理位置的GPS坐标位置，应用无人机采用预先设定的飞行速度、飞行高度进行所规划航线的飞行巡检，采集疑似故障组串的双光图像，双光图像包括红外光图像和可见光图像。
步骤四所述的确定光伏组串或所属光伏组件的故障类型和故障等级，将红外光图像中单块光伏组串的区域与其他区域存在温度差异或单块光伏组串与其他邻近光伏组串存在温度差异的光伏组串识别为故障，结合可见光图像将故障进行分类，故障判定分类依据表3：
表3故障判定分类表
步骤四所述的故障对该光伏组串发电量的影响的具体计算方法为：
1)根据采集的光伏组串发电量计算组串发电损失率其中Ep异常为故障组串当月的累计发电量，/>为同区域相同型号的光伏组串无故障组串当月累计发电量的平均值；
2)根据采集的各光伏区域的辐照度数据计算电站年理论发电小时数其中G为一年内光伏方阵倾斜面单位面积的总辐照量，G0为标准条件下的辐照度；
3)计算故障组串年发电量损失ΔEp＝P组串×η×K×YR，其中K为当前光伏电站综合效率系数，P组串为组串的额定功率。
步骤四所述的运维措施决策为运维人员优先处理等级为严重的故障，运维人员对故障对应的光伏组串的遮挡物进行清除后采用手持式红外热像装置对所述光伏组串进行复测，对于无法通过清除遮挡而恢复的不可逆故障或由光伏组串隐裂等内部故障引发的故障，基于预先输入系统的光伏组串相关硬件成本TC自动计算硬件消缺的经济性。硬件消缺的年收益TRY＝ΔEp×Pe，其中ΔEp为该故障组串的年发电量损失，Pe为当前电站上网电价。考虑到光伏组串自身特性，首年2.5％，之后平均每年0.7％的自衰减，25年总收益当满足条件TR＞TC时，即符合经济性条件，运维决策判断为更换此硬件，若不满足则暂时不更换，运维人员根据当前系统计算得出的运维决策进行作业。
如图2所示，本发明的实施例公开一种基于光伏组串运行数据分析的光伏电站无人机智能运维系统，包括：电站监控后台主机201，正向隔离装置202，智能运维系统主机203，通信装置204，无人机及无人机控制装置205，手持式运维终端206；
电站监控后台主机201实现了光伏电站汇流箱、逆变器、无功补偿装置的电压、电流、有功功率、无功功率和开关状态信息的采集。
正向隔离装置202用于实现电站监控后台主机至智能运维系统主机的数据的单向传输，满足了电站的二次系统安全防护的要求。
智能运维系统主机203包括光伏组串运行数据处理模块、无人机航线规划模块和双光图像智能诊断模块，智能运维系统主机203用于对电站组串运行数据和无人机巡检数据进行处理，通过人工智能算法识别缺陷，根据缺陷物理位置进行无人机航线规划，并进行故障点发电量损失分析，依据分析结果进行运维措施的决策，最后将数据推送至手持式运维终端206。
通信装置204用于实现智能运维系统主机203与无人机及无人机控制装置205、手持式运维终端206之间的通信连接。
无人机及无人机控制装置205包括无人机和无人机控制装置，无人机控制装置包括无人机飞行控制装置，RTK(Real time kinematic)测量装置，红外/可见光双光图像传感器和数据传输模块，无人机控制装置控制无人机按照规划航线自动飞行并拍摄光伏电站双光图像。
手持式运维终端206是便携式电子设备(是手机或平板电脑)，显示电站仿真地图和光伏组串运行信息，实现故障点信息查询及故障点地理位置一键导航，并提示相应故障点的运维措施。
电站监控后台主机201采集光伏电站各光伏组串的运行数据；
光伏组串运行数据处理模块根据由光伏电站鸟瞰图像生成有关光伏组串分布的虚拟场景仿真地图，建立光伏电站关于光伏组串分布的电子地图，虚拟场景仿真地图包括各光伏组串示意图标和相应的GPS坐标信息；在虚拟场景仿真地图中标注光伏监控系统中逻辑位置，使得各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；根据电站监控后台主机201采集光伏电站各光伏组串的运行数据，对运行数据进行集中处理，判断运行数据中的异常值，异常值对应的光伏组串为疑似故障组串，将疑似故障组串的逻辑位置标记出，并在虚拟场景仿真地图中映射出疑似故障组串的物理位置；逻辑位置在实际使用时，可以用光伏组串的编号表示；
无人机航线规划模块将虚拟场景仿真地图中疑似故障组串的逻辑位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；
双光图像智能诊断模块将虚拟场景仿真地图中疑似故障组串的逻辑位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；根据无人机检测图像，确定光伏组串或所属光伏组串的故障类型和故障等级，并根据光伏组串运行数据计算故障对该组串发电量的影响，得出运维措施决策；通过虚拟场景仿真地图中的标记的疑似故障组串的逻辑位置，建立导航路线，获得疑似故障组串的物理位置，将数据推送至手持式运维终端，运维人员根据运维措施决策进行运维工作。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间，以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
以上仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于光伏组串数据分析的光伏电站无人机巡检方法，其特征在于：
包括以下步骤：
步骤一、建立光伏电站关于光伏组串分布的电子地图：由光伏电站鸟瞰图像生成光伏组串分布的虚拟场景仿真地图，虚拟场景仿真地图包括各光伏组串在相应物理位置上的示意图标和相应的GPS坐标信息；在虚拟场景仿真地图中标注光伏监控系统中各光伏组串的逻辑位置，使得各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；
步骤二、采集光伏电站各光伏组串的运行数据，对运行数据进行集中处理，判断运行数据中的异常值，异常值对应的光伏组串为疑似故障组串，在虚拟场景仿真地图中将疑似故障组串的逻辑位置标记出，并映射出疑似故障组串的物理位置；
步骤三、将虚拟场景仿真地图中疑似故障组串的物理位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；
步骤四、根据无人机检测图像，确定光伏组串或所属光伏组件的故障类型和故障等级，并根据光伏组串运行数据计算故障对所述光伏组串发电量的影响，得出运维措施决策；通过虚拟场景仿真地图中的标记的疑似故障组串的逻辑位置获取故障组串相应的物理位置，建立导航路线，基于疑似故障组串的物理位置并根据运维措施决策进行运维工作；
步骤二具体包括以下步骤：
从电站监控系统中获取光伏组串的运行数据，运行数据包括：各光伏组串电压、电流和发电量，各光伏组串对应区域的辐照度；
对运行数据进行集中处理具体包括以下步骤：提取每个光伏汇流箱或组串式逆变器所属的光伏组串在不同时刻的电流值，同一光伏汇流箱或组串式逆变器同一时刻的各光伏组串的电流值组成一个数据集，提取出各数据集中的异常值；
检查各数据集中是否存在异常值采用Dixon检验法，具体包括以下步骤：
1)将数据集{Xn}中数据排列成次序统计量；
2)计算Dixon上的统计量Dn和D′n：{Xn}是建立的数据集，Dn是检验高端离群值，D′n是检验低端离群值,n表示样本数；
3)根据Dixon检验法检验离群值计算式计算检验低端离群值；
表1Dixon检验法检验离群值计算式
4)确定显著性水平α，根据Dixon检验法临界值查询相应临界值；
5)将Dn和D′n与临界值比较，判别离群值：
a)当Dn＞D′n且Dn大于临界值，D′n小于或等于临界值，判定xn为离群值；剔除xn后进入下一轮检验；
b)当D′n＞Dn且D′n大于临界值，Dn小于或等于临界值，判定x1为离群值；剔除x1后进入下一轮检验；
c)当Dn＞D′n且D′n大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；
d)当D′n＞Dn且Dn大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；
e)当D′n＝Dn且Dn大于临界值，判定x1和xn均为离群值，剔除x1和xn后进入下一轮检验；否则判断为未发现离群值；
步骤四所述的确定光伏组串或所属光伏组件的故障类型和故障等级具体包括以下步骤：将红外光图像中单块光伏组串的区域与其他区域存在温度差异或单块光伏组串与其他邻近光伏组串存在温度差异的光伏组串识别为故障，结合可见光图像，将故障进行分类；
步骤四所述的故障对光伏组串发电量的影响的具体计算方法为：
根据采集的光伏组串发电量计算组串发电损失率其中Ep异常为故障组串当月的累计发电量，/>为同区域相同型号的光伏组串无故障组串当月累计发电量的平均值；
根据采集的各光伏区域的辐照度数据计算电站年理论发电小时数其中G为一年内光伏方阵倾斜面单位面积的总辐照量，G0为标准条件下的辐照度；
计算故障组串年发电量损失ΔEp＝P组串×η×K×YR，其中K为当前光伏电站综合效率系数，P组串为组串的额定功率。
2.根据权利要求1所述的一种基于光伏组串数据分析的光伏电站无人机巡检方法，其特征在于，
各光伏组串的逻辑位置与电站监控系统中各光伏组串的物理位置一一对应，对应关系由电站的施工设计图纸中的组串布置图获得。
3.根据权利要求2所述的一种基于光伏组串数据分析的光伏电站无人机巡检方法，其特征在于，光伏组串的物理位置进行人工核对，人工核对是通过改变光伏组串的运行状态，使光伏组串呈现出不同于其他光伏组串的红外特征，以核对施工设计图纸上该光伏组串逻辑位置对应的物理位置是否与实际的物理位置相一致。
4.根据权利要求1所述的一种基于光伏组串数据分析的光伏电站无人机巡检方法，其特征在于，
步骤三所述飞行参数包括无人机的飞行高度、飞行速度和云台姿态；
规划无人机航线根据遗传算法规划基于最短路径的无人机航线，规划航线的航点包括无人机初始和结束点的物理位置的GPS坐标位置以及虚拟场景仿真地图中疑似故障组串的物理位置的GPS坐标位置，应用无人机采用预先设定的飞行速度、飞行高度进行所规划航线的飞行巡检，采集疑似故障组串的双光图像，双光图像包括红外光图像和可见光图像。
5.一种基于光伏组串数据分析的光伏电站无人机巡检系统，其特征在于，基于所述权利要求1至4中任一项所述的基于光伏组串数据分析的光伏电站无人机巡检方法建立巡检系统，包括：电站监控后台主机(201)，正向隔离装置(202)，智能运维系统主机(203)，通信装置(204)，无人机及无人机控制装置(205)和手持式运维终端(206)；
电站监控后台主机(201)采集光伏电站汇流箱、逆变器和无功补偿装置的电压、电流、有功功率、无功功率和开关状态等信息；
正向隔离装置(202)用于实现电站监控后台主机(201)至智能运维系统主机的数据的单向传输；
智能运维系统主机(203)包括光伏组串运行数据处理模块、无人机航线规划模块和双光图像智能诊断模块，智能运维系统主机(203)用于对电站组串运行数据和无人机巡检数据进行处理，通过人工智能算法识别缺陷，根据缺陷物理位置进行无人机航线规划，并进行故障点发电量损失分析，依据分析结果进行运维措施决策，将数据推送至手持式运维终端(206)；
通信装置(204)用于实现智能运维系统主机(203)与无人机及无人机控制装置(205)、手持式运维终端(206)之间的通信连接；
无人机及无人机控制装置(205)包括无人机和无人机控制装置，无人机控制装置包括无人机飞行控制装置，RTK测量装置，红外/可见光双光图像传感器和数据传输模块，无人机控制装置控制无人机按照规划航线自动飞行并拍摄光伏电站双光图像；
手持式运维终端(206)是便携式电子设备，显示电站仿真地图和光伏组串运行信息，实现故障点信息查询及故障点地理位置一键导航，并提示相应故障点的运维措施；
光伏组串运行数据处理模块建立光伏电站关于光伏组串分布的电子地图：由光伏电站鸟瞰图像生成有关光伏组串分布的虚拟场景仿真地图，虚拟场景仿真地图包括各光伏组串在地图相应物理位置上的示意图标和相应的GPS坐标信息；在虚拟场景仿真地图中标注光伏监控系统中各光伏组串的反映光伏组串在发电系统中电气关系的逻辑位置，使得各光伏组串的物理位置与电站监控系统中各光伏组串的逻辑位置一一对应；
光伏组串运行数据处理模块根据电站监控后台主机(201)采集的光伏电站各光伏组串的运行数据，对运行数据进行集中处理，判断运行数据中的异常值，异常值对应的光伏组串为疑似故障组串，将疑似故障组串的逻辑位置标记出，并在虚拟场景仿真地图中映射出疑似故障组串的物理位置；
无人机航线规划模块将虚拟场景仿真地图中疑似故障组串的逻辑位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；
双光图像智能诊断模块将虚拟场景仿真地图中疑似故障组串的逻辑位置进行连线，规划无人机航线，设置飞行参数；应用无人机进行规划航线的巡检，采集疑似故障组串的红外及可见光双光图像，获得无人机检测图像；根据无人机检测图像，确定光伏组串或所属光伏组串的故障类型和故障等级，并根据光伏组串运行数据计算故障对该组串发电量的影响，得出运维措施决策；通过虚拟场景仿真地图中的标记的疑似故障组串的逻辑位置，建立导航路线，获得疑似故障组串的物理位置并根据运维措施决策进行运维。
CN202210474004.8A 2022-04-29 2022-04-29 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 Active CN114898232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210474004.8A CN114898232B (zh) 2022-04-29 2022-04-29 基于光伏组串数据分析的光伏电站无人机巡检方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210474004.8A CN114898232B (zh) 2022-04-29 2022-04-29 基于光伏组串数据分析的光伏电站无人机巡检方法及系统

Publications (2)

Publication Number Publication Date
CN114898232A CN114898232A (zh) 2022-08-12
CN114898232B true CN114898232B (zh) 2023-08-15

Family

ID=82719144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210474004.8A Active CN114898232B (zh) 2022-04-29 2022-04-29 基于光伏组串数据分析的光伏电站无人机巡检方法及系统

Country Status (1)

Country Link
CN (1) CN114898232B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115480589B (zh) * 2022-09-06 2023-07-25 中科云尚(南京)智能技术有限公司 基于无人机的风机巡检航线生成方法及系统
CN115687933A (zh) * 2022-12-30 2023-02-03 北京志翔科技股份有限公司 光伏组串异常分类数据增强方法、装置、设备及存储介质
CN116205892B (zh) * 2023-03-13 2024-04-05 北京智盟信通科技有限公司 一种评估光伏组串工况的方法及装置
CN116402882B (zh) * 2023-06-09 2023-09-08 天津市渤海新能科技有限公司 一种光伏电站故障定位方法、装置、系统及存储介质
CN116663749A (zh) * 2023-07-28 2023-08-29 天津福天科技有限公司 一种基于元宇宙的光伏发电系统预测管理方法
CN117236936A (zh) * 2023-11-11 2023-12-15 中节能（新泰）太阳能科技有限公司 一种基于无人机的光伏电站障碍定位方法

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120138866A (ko) * 2011-06-16 2012-12-27 김득수 태양광발전 시스템의 고장 인식 장치 및 이의 진단 방법
CN104270091A (zh) * 2014-08-27 2015-01-07 国电南瑞南京控制系统有限公司 一种基于监控系统的光伏发电设备故障诊断方法
CN105023197A (zh) * 2015-07-14 2015-11-04 国家电网公司 一种确定发电量的方法
JP2016031621A (ja) * 2014-07-29 2016-03-07 日立造船株式会社 太陽光発電量予測方法および太陽光発電量予測システム
CN105932965A (zh) * 2016-05-13 2016-09-07 何旭 一种光伏电站系统效能的测量方法
CN106230378A (zh) * 2016-07-20 2016-12-14 中国电力科学研究院 一种光伏电站组串故障的诊断方法
CN106712713A (zh) * 2017-03-13 2017-05-24 广西大学 一种光伏电站的监测系统以及监测和异常定位方法
CN106788239A (zh) * 2016-11-10 2017-05-31 上海许继电气有限公司 基于功率损失估计实现光伏电站性能评估和管理的方法
CN107134851A (zh) * 2017-05-03 2017-09-05 成都富驰达科技有限公司 一种基于建筑信息模型的光伏电站智能运维方法和系统
CN108846849A (zh) * 2018-06-15 2018-11-20 重庆大学 一种多点信息融合的光伏故障检测方法
CN108880470A (zh) * 2018-06-28 2018-11-23 河海大学常州校区 一种计算积灰对光伏组件输出功率及发电量影响的方法
CN109584222A (zh) * 2018-11-19 2019-04-05 国网江西省电力有限公司电力科学研究院 一种基于无人机的光伏组件图像的故障分类及辨识方法
CN111010084A (zh) * 2019-12-12 2020-04-14 山东中实易通集团有限公司 一种光伏电站智能监控分析平台及方法
CN112532180A (zh) * 2020-11-30 2021-03-19 陈卫顺 一种光伏发电系统的预估设计方法
CN112633535A (zh) * 2021-01-14 2021-04-09 国网安徽省电力有限公司 一种基于无人机图像的光伏电站智能巡检方法及系统
CN113675944A (zh) * 2021-06-25 2021-11-19 国家能源集团新能源技术研究院有限公司 一种光伏电站智能分析决策系统及方法
CN114021838A (zh) * 2021-11-16 2022-02-08 西安热工研究院有限公司 一种光伏发电站灰尘覆盖度预测方法
CN114115361A (zh) * 2021-11-08 2022-03-01 苏州热工研究院有限公司 一种基于光伏电站的无人机巡检系统及其巡检方法
CN114298207A (zh) * 2021-12-24 2022-04-08 北京中电普华信息技术有限公司 一种光伏发电成效管控方法、装置、存储介质及电子设备

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120138866A (ko) * 2011-06-16 2012-12-27 김득수 태양광발전 시스템의 고장 인식 장치 및 이의 진단 방법
JP2016031621A (ja) * 2014-07-29 2016-03-07 日立造船株式会社 太陽光発電量予測方法および太陽光発電量予測システム
CN104270091A (zh) * 2014-08-27 2015-01-07 国电南瑞南京控制系统有限公司 一种基于监控系统的光伏发电设备故障诊断方法
CN105023197A (zh) * 2015-07-14 2015-11-04 国家电网公司 一种确定发电量的方法
CN105932965A (zh) * 2016-05-13 2016-09-07 何旭 一种光伏电站系统效能的测量方法
CN106230378A (zh) * 2016-07-20 2016-12-14 中国电力科学研究院 一种光伏电站组串故障的诊断方法
CN106788239A (zh) * 2016-11-10 2017-05-31 上海许继电气有限公司 基于功率损失估计实现光伏电站性能评估和管理的方法
CN106712713A (zh) * 2017-03-13 2017-05-24 广西大学 一种光伏电站的监测系统以及监测和异常定位方法
CN107134851A (zh) * 2017-05-03 2017-09-05 成都富驰达科技有限公司 一种基于建筑信息模型的光伏电站智能运维方法和系统
CN108846849A (zh) * 2018-06-15 2018-11-20 重庆大学 一种多点信息融合的光伏故障检测方法
CN108880470A (zh) * 2018-06-28 2018-11-23 河海大学常州校区 一种计算积灰对光伏组件输出功率及发电量影响的方法
CN109584222A (zh) * 2018-11-19 2019-04-05 国网江西省电力有限公司电力科学研究院 一种基于无人机的光伏组件图像的故障分类及辨识方法
CN111010084A (zh) * 2019-12-12 2020-04-14 山东中实易通集团有限公司 一种光伏电站智能监控分析平台及方法
CN112532180A (zh) * 2020-11-30 2021-03-19 陈卫顺 一种光伏发电系统的预估设计方法
CN112633535A (zh) * 2021-01-14 2021-04-09 国网安徽省电力有限公司 一种基于无人机图像的光伏电站智能巡检方法及系统
CN113675944A (zh) * 2021-06-25 2021-11-19 国家能源集团新能源技术研究院有限公司 一种光伏电站智能分析决策系统及方法
CN114115361A (zh) * 2021-11-08 2022-03-01 苏州热工研究院有限公司 一种基于光伏电站的无人机巡检系统及其巡检方法
CN114021838A (zh) * 2021-11-16 2022-02-08 西安热工研究院有限公司 一种光伏发电站灰尘覆盖度预测方法
CN114298207A (zh) * 2021-12-24 2022-04-08 北京中电普华信息技术有限公司 一种光伏发电成效管控方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN114898232A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN114898232B (zh) 基于光伏组串数据分析的光伏电站无人机巡检方法及系统
CN111144324B (zh) 一种无人机巡检光伏板异常目标分析管理系统及方法
US11840334B2 (en) Solar panel inspection by unmanned aerial vehicle
CN111311597B (zh) 一种缺陷绝缘子的无人机巡检方法与系统
CN106777984A (zh) 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法
CN107357313A (zh) 一种基于无人机巡检图像的输电线路故障维护系统及方法
CN112960132B (zh) 分布式共享机巢及其电力线路无人机巡检方法
CN115133874A (zh) 一种无人机联动巡查光伏电站故障检测的方法及系统
CN115720080A (zh) 一种光伏电站发电区巡检控制系统及巡检控制方法
KR20220055082A (ko) 열화상 이미지의 태양광 모듈 단위 데이터 학습을 통한 딥러닝 기반 결함 검출 시스템 및 방법
CN116258980A (zh) 一种基于视觉的无人机分布式光伏电站巡检方法
CN116797206A (zh) 一种基于无人机的光伏电站的智能巡检方法与系统
CN115169602A (zh) 电力设备的维护方法、装置、存储介质及计算机设备
CN113011477B (zh) 一种太阳辐照数据的清洗和补全系统及方法
CN113688987A (zh) 光伏监测模型的训练方法、光伏设备的监测方法及设备
CN117270569A (zh) 一种基于动态路径规划的山火识别巡检方法
CN116866512A (zh) 一种光伏电站巡检系统及其运行方法
CN114167245B (zh) 输变电设备表面局放智能检测方法及无人机融合紫外系统
CN116046796A (zh) 一种基于无人机的光伏组件热斑检测方法及系统
Li et al. Research and application of photovoltaic power station on-line hot spot detection operation and maintenance system based on unmanned aerial vehicle infrared and visible light detection
CN113902222B (zh) 一种新能源智慧运维系统
CN114995259A (zh) 一种用于电网配电室巡检的智能无人系统及飞行巡检方法
CN114047779A (zh) 一种基于无人机巡检的缺陷追踪方法及系统
CN114285374A (zh) 光伏电站的设备定位方法、系统、电子设备及储存介质
CN112819988A (zh) 基于5g的无人机电站智能巡检方法、系统和网络侧服务端

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