CN115001394A - 基于人工智能的太阳能电池状态监测方法及系统 - Google Patents
基于人工智能的太阳能电池状态监测方法及系统 Download PDFInfo
- Publication number
- CN115001394A CN115001394A CN202210914855.XA CN202210914855A CN115001394A CN 115001394 A CN115001394 A CN 115001394A CN 202210914855 A CN202210914855 A CN 202210914855A CN 115001394 A CN115001394 A CN 115001394A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- solar cell
- battery
- cell unit
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010248 power generation Methods 0.000 claims abstract description 123
- 230000007613 environmental effect Effects 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 230000000875 corresponding effect Effects 0.000 claims description 318
- 230000002596 correlated effect Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
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
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供的基于人工智能的太阳能电池状态监测方法及系统,涉及人工智能技术领域。在本发明中,分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列。分别对每一个太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列。对于每一个太阳能电池单元,对该太阳能电池单元对应的发电数据序列包括的电池发电数据和环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据,电池状态数据用于标识太阳能电池单元的性能状态。基于前述内容,可以在一定程度上提高太阳能电池状态监测的可靠度。
Description
技术领域
本发明涉及人工智能技术领域,具体而言,涉及一种基于人工智能的太阳能电池状态监测方法及系统。
背景技术
人工智能(Artificial Intelligence,简称AI),是利用数字计算机或者数字计算机控制的计算模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术,一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
在现有技术中,一般是对太阳能电池的发电数据进行采集,然后,将该发电数据与参考数据进行对比分析,以确定出太阳能电池的状态。经发明人研究发现,发电数据会受到环境等因素的影响,因此,基于现有技术进行太阳能电池状态的监测,容易出现监测可靠度不高的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于人工智能的太阳能电池状态监测方法及系统,以在一定程度上提高太阳能电池状态监测的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于人工智能的太阳能电池状态监测方法,应用于电池状态监控服务器,所述太阳能电池状态监测方法包括:
分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列,所述发电数据序列包括对应的所述太阳能电池单元对应的多条电池发电数据;
分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列,所述环境数据序列包括对应的所述太阳能电池单元对应的多条电池环境数据;
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据用于标识所述太阳能电池单元的性能状态。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述分别对属于监测对象的每一个太阳能电池单元进行发电数据采集,以输出每一个太阳能电池单元对应的发电数据序列的步骤,包括:
对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数,所述第一数据采集参数至少包括数据采集的第一频率值;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的第一数据采集参数,对该太阳能电池单元进行发电数据的采集,以输出该太阳能电池单元对应的发电数据序列,所述发电数据序列包括的多条电池发电数据对应的持续时间和该多条电池发电数据的数量之间的比值,与对应的所述太阳能电池单元对应的第一数据采集参数匹配。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数的步骤,包括:
对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元对应的历史电池状态数据进行确定操作,以形成该太阳能电池单元对应的历史状态数据集合,所述历史状态数据集合包括多条历史电池状态数据;
对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史状态数据集合包括的多条历史电池状态数据进行数据的融合,以输出该太阳能电池单元对应的目标历史电池状态数据;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的目标历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数,所述第一数据采集参数包括的第一频率值与所述目标历史电池状态数据反映的性能状态值负相关。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数,所述第二数据采集参数至少包括数据采集的第二频率值;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的第二数据采集参数,对该太阳能电池单元进行环境数据的采集,以输出该太阳能电池单元对应的环境数据序列,所述环境数据序列包括的多条环境发电数据对应的持续时间和该多条环境发电数据的数量之间的比值,与对应的所述太阳能电池单元对应的第二数据采集参数匹配。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述对于每一个所述太阳能电池单元,对该太阳能电池单元进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史电池状态数据进行确定操作,以形成该太阳能电池单元对应的历史状态数据集合,所述历史状态数据集合包括多条历史电池状态数据;
对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史状态数据集合包括的多条历史电池状态数据进行数据的融合,以输出该太阳能电池单元对应的目标历史电池状态数据;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的目标历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数,所述第二数据采集参数包括的第二频率值与所述目标历史电池状态数据反映的性能状态值负相关。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据的步骤,包括:
对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的所述发电数据序列包括的每两条相邻的电池发电数据进行数据差异度的计算,以输出每两条相邻的电池发电数据之间的数据差异度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的所述发电数据序列包括的每两条相邻的电池发电数据之间的数据差异度,依照对应的电池发电数据在所述发电数据序列中的先后顺序进行排序,以形成该太阳能电池单元对应的第一数据差异度序列;
对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的所述环境数据序列包括的每两条相邻的电池环境数据之间的数据差异度,依照对应的电池环境数据在所述环境数据序列中的先后顺序进行排序,以形成该太阳能电池单元对应的第二数据差异度序列;
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述第一数据差异度序列和所述第二数据差异度序列进行数据匹配程度的确定,以输出该太阳能电池单元对应的数据匹配程度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的数据匹配程度进行电池状态的分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据反映的性能状态值与所述数据匹配程度正相关。
在一些优选的实施例中,在上述基于人工智能的太阳能电池状态监测方法中,所述对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度的步骤,包括:
对第一电池环境图像进行分割,以形成第一电池环境子图像集合,再对第二电池环境图像进行分割,以形成第二电池环境子图像集合,所述第一电池环境图像和所述第二电池环境图像分别属于两条相邻的电池环境数据中的一条电池环境数据,所述第一电池环境子图像集合包括的每两个第一电池环境子图像的尺寸相同,每一个第一电池环境子图像包括所述第一电池环境图像中的预定数量行的第一像素点,所述第二电池环境子图像集合包括的每两个第二电池环境子图像的尺寸相同,每一个第二电池环境子图像包括所述第二电池环境图像中的预定数量行的第二像素点;
依据每一个所述第一电池环境子图像包括的像素点的像素值,对所述第一电池环境子图像集合包括的第一电池环境子图像进行聚类,以形成所述第一电池环境子图像集合对应的至少一个第一子图像簇;
依据包括的第一电池环境子图像和第二电池环境子图像对应的像素行,从所述第二电池环境子图像集合包括的第二电池环境子图像中,分别确定出每一个第一子图像簇关联的第二子图像簇;
对于每一个所述第一子图像簇,将该第一子图像簇对应的聚类中心对应的第一电池环境子图像进行标记,以形成该第一子图像簇对应的目标第一电池环境子图像,再依据该目标第一电池环境子图像对应的像素行,从该第一子图像簇关联的第二子图像簇包括的第二电池环境子图像中,标记出该第二子图像簇对应的目标第二电池环境子图像;
对于每一个所述第一子图像簇包括的每一个第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和对应的目标第一电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像对应的第一图像相关度,再依据对应像素位置的像素点之间的像素值是否相同,分别对该第一电池环境子图像和每一个其它第一电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和每一个其它第一电池环境子图像之间的图像相关度,再将该第一电池环境子图像和每一个其它第一电池环境子图像之间的图像相关度中的最大值标记为该第一电池环境子图像对应的第二图像相关度,再依据该第二图像相关度和该第一图像相关度之间的比值,对该第一电池环境子图像进行图像重要度的确定,以输出该第一电池环境子图像对应的图像重要度;
对于每一个所述第二子图像簇包括的每一个第二电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第二电池环境子图像和对应的目标第二电池环境子图像进行图像相关度的确定,以输出该第二电池环境子图像对应的第三图像相关度,再依据对应像素位置的像素点之间的像素值是否相同,分别对该第二电池环境子图像和每一个其它第二电池环境子图像进行图像相关度的确定,以输出该第二电池环境子图像和每一个其它第二电池环境子图像之间的图像相关度,再将该第二电池环境子图像和每一个其它第二电池环境子图像之间的图像相关度中的最大值标记为该第二电池环境子图像对应的第四图像相关度,再依据该第四图像相关度和该第三图像相关度之间的比值,对该第二电池环境子图像进行图像重要度的确定,以输出该第二电池环境子图像对应的图像重要度;
对于每一个所述第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和该第一电池环境子图像关联的第二电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度,所述第一电池环境子图像和关联的第二电池环境子图像之间对应的像素行一致;
依据每一个第一电池环境子图像对应的图像重要度和关联的第二电池环境子图像对应的图像重要度,对每一个第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度进行负相关的融合,以输出所述两条相邻的电池环境数据之间的数据差异度。
本发明实施例还提供一种基于人工智能的太阳能电池状态监测系统,应用于电池状态监控服务器,所述太阳能电池状态监测系统包括:
发电数据采集模块,用于分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列,所述发电数据序列包括对应的所述太阳能电池单元对应的多条电池发电数据;
环境数据采集模块,用于分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列,所述环境数据序列包括对应的所述太阳能电池单元对应的多条电池环境数据;
数据对比分析模块,用于对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据用于标识所述太阳能电池单元的性能状态。
本发明实施例提供的一种基于人工智能的太阳能电池状态监测方法及系统,分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列。分别对每一个太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列。对于每一个太阳能电池单元,对该太阳能电池单元对应的发电数据序列包括的电池发电数据和环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据。通过前述的内容,由于需要将电池发电数据和电池环境数据进行对比分析,而不再是仅仅依赖于对电池发电数据的分析处理,使得分析中可以参考环境因素的影响,使得在一定程度上提高太阳能电池状态监测的可靠度,从而改善现有技术中存在的太阳能电池状态监测的可靠度不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的基于人工智能的太阳能电池状态监测方法包括的各步骤的流程示意图。
图2为本发明实施例提供的基于人工智能的太阳能电池状态监测系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种电池状态监控服务器。
应当理解的是,在一些可能的实施方式中,所述电池状态监控服务器可以包括存储器和处理器。详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的基于人工智能的太阳能电池状态监测方法。
应当理解的是,在一些可能的实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
应当理解的是,在一些可能的实施方式中,所述电池状态监控服务器还可以包括用于与其它设备进行信息交互的通信单元(如接收数据等)。
参照图1所示,本发明实施例还提供一种基于人工智能的太阳能电池状态监测方法,可应用于上述电池状态监控服务器。其中,所述基于人工智能的太阳能电池状态监测方法有关的流程所定义的方法步骤,可以由所述电池状态监控服务器实现。下面将对图1所示的流程,进行详细阐述。
步骤S110,分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列。
在本发明实施例中,所述电池状态监控服务器可以,分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列。所述发电数据序列包括对应的所述太阳能电池单元对应的多条电池发电数据(例如,一条电池发电数据可以是指一个时刻下太阳能电池单元对应的输出电流值等)。
步骤S120,分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列。
在本发明实施例中,所述电池状态监控服务器可以,分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列。所述环境数据序列包括对应的所述太阳能电池单元对应的多条电池环境数据(例如,一条电池环境数据可以是指一个时刻下太阳能电池单元所在环境的光照参数,或能够对光照参数进行反映的环境图像,不同的光照参数下,环境图像一般具有不同的图像信息,如像素值等)。
步骤S130,对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据。
在本发明实施例中,所述电池状态监控服务器可以,对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据。所述电池状态数据用于标识所述太阳能电池单元的性能状态(或性能的优异程度)。
通过前述的内容,由于需要将电池发电数据和电池环境数据进行对比分析,而不再是仅仅依赖于对电池发电数据的分析处理,使得分析中可以参考环境因素的影响,使得在一定程度上提高太阳能电池状态监测的可靠度,从而改善现有技术中存在的太阳能电池状态监测的可靠度不高的问题。
应当理解的是,在一些可能的实施方式中,上述内容中的步骤S110,可以进一步包括以下具体的实施内容:
对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数,所述第一数据采集参数至少包括数据采集的第一频率值;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的第一数据采集参数,对该太阳能电池单元进行发电数据的采集,以输出该太阳能电池单元对应的发电数据序列,所述发电数据序列包括的多条电池发电数据对应的持续时间和该多条电池发电数据的数量之间的比值,与对应的所述太阳能电池单元对应的第一数据采集参数匹配(例如,所述第一频率值越高,单位时间采集的发电数据的数量越大)。
应当理解的是,在一些可能的实施方式中,上述内容中所述对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数的步骤,可以进一步包括以下具体的实施内容:
对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元对应的历史电池状态数据进行确定操作,以形成该太阳能电池单元对应的历史状态数据集合,所述历史状态数据集合包括多条历史电池状态数据;
对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数。
应当理解的是,在一些可能的实施方式中,上述内容中所述对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数的步骤,进一步包括以下具体的实施内容:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史状态数据集合包括的多条历史电池状态数据进行数据的融合,以输出该太阳能电池单元对应的目标历史电池状态数据;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的目标历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数,所述第一数据采集参数包括的第一频率值与所述目标历史电池状态数据反映的性能状态值负相关。
应当理解的是,在一些可能的实施方式中,上述内容中的步骤S120,可以进一步包括以下具体的实施内容:
对于每一个所述太阳能电池单元,对该太阳能电池单元进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数,所述第二数据采集参数至少包括数据采集的第二频率值;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的第二数据采集参数,对该太阳能电池单元进行环境数据的采集,以输出该太阳能电池单元对应的环境数据序列,所述环境数据序列包括的多条环境发电数据对应的持续时间和该多条环境发电数据的数量之间的比值,与对应的所述太阳能电池单元对应的第二数据采集参数匹配。
应当理解的是,在一些可能的实施方式中,上述内容中所述对于每一个所述太阳能电池单元,对该太阳能电池单元进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数的步骤,可以进一步包括以下具体的实施内容:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史电池状态数据进行确定操作,以形成该太阳能电池单元对应的历史状态数据集合,所述历史状态数据集合包括多条历史电池状态数据;
对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数。
应当理解的是,在一些可能的实施方式中,上述内容中所述对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数的步骤,进一步包括以下具体的实施内容:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史状态数据集合包括的多条历史电池状态数据进行数据的融合,以输出该太阳能电池单元对应的目标历史电池状态数据;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的目标历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数,所述第二数据采集参数包括的第二频率值与所述目标历史电池状态数据反映的性能状态值负相关(基于此,在一些实施方式中,同一个太阳能电池单元对应的第一数据采集参数包括的第一频率值和第二数据采集参数包括的第二频率值可以是一致的)。
应当理解的是,在一些可能的实施方式中,上述内容中的步骤S130,可以进一步包括以下具体的实施内容:
对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的所述发电数据序列包括的每两条相邻的电池发电数据进行数据差异度的计算,以输出每两条相邻的电池发电数据之间的数据差异度(例如,可以先计算两条相邻的电池发电数据之间的差值);
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的所述发电数据序列包括的每两条相邻的电池发电数据之间的数据差异度,依照对应的电池发电数据在所述发电数据序列中的先后顺序进行排序,以形成该太阳能电池单元对应的第一数据差异度序列;
对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的所述环境数据序列包括的每两条相邻的电池环境数据之间的数据差异度,依照对应的电池环境数据在所述环境数据序列中的先后顺序进行排序,以形成该太阳能电池单元对应的第二数据差异度序列;
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述第一数据差异度序列和所述第二数据差异度序列进行数据匹配程度的确定(例如,可以先确定所述第一数据差异度序列中的数据差异度的数据变化趋势信息,如对应的拟合曲线等,再确定所述第二数据差异度序列中的数据差异度的数据变化趋势信息,再对两条数据变化趋势信息进行相似度的计算),以输出该太阳能电池单元对应的数据匹配程度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的数据匹配程度进行电池状态的分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据反映的性能状态值与所述数据匹配程度正相关。
应当理解的是,在一些可能的实施方式中,上述内容中所述对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度的步骤,可以包括以下具体的实施内容:
对第一电池环境图像进行分割,以形成第一电池环境子图像集合,再对第二电池环境图像进行分割,以形成第二电池环境子图像集合,所述第一电池环境图像和所述第二电池环境图像分别属于两条相邻的电池环境数据中的一条电池环境数据,所述第一电池环境子图像集合包括的每两个第一电池环境子图像的尺寸相同,每一个第一电池环境子图像包括所述第一电池环境图像中的预定数量行的第一像素点(如将所述第一电池环境图像中的每相邻的10行第一像素点,分割出来,作为一个第一电池环境子图像),所述第二电池环境子图像集合包括的每两个第二电池环境子图像的尺寸相同,每一个第二电池环境子图像包括所述第二电池环境图像中的预定数量行的第二像素点(如将所述第二电池环境图像中的每相邻的10行第二像素点,分割出来,作为一个第二电池环境子图像);
依据每一个所述第一电池环境子图像包括的像素点的像素值(如平均值),对所述第一电池环境子图像集合包括的第一电池环境子图像进行聚类(可以参照现有的相关聚类技术,在此不做具体限定),以形成所述第一电池环境子图像集合对应的至少一个第一子图像簇;
依据包括的第一电池环境子图像和第二电池环境子图像对应的像素行,从所述第二电池环境子图像集合包括的第二电池环境子图像中,分别确定出每一个第一子图像簇关联的第二子图像簇;
对于每一个所述第一子图像簇,将该第一子图像簇对应的聚类中心对应的第一电池环境子图像进行标记,以形成该第一子图像簇对应的目标第一电池环境子图像,再依据该目标第一电池环境子图像对应的像素行,从该第一子图像簇关联的第二子图像簇包括的第二电池环境子图像中,标记出该第二子图像簇对应的目标第二电池环境子图像;
对于每一个所述第一子图像簇包括的每一个第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和对应的目标第一电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像对应的第一图像相关度(也就是说,像素点之间的像素值相同对应的像素位置的数量越多,该第一图像相关度就越大),再依据对应像素位置的像素点之间的像素值是否相同,分别对该第一电池环境子图像和每一个其它第一电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和每一个其它第一电池环境子图像之间的图像相关度,再将该第一电池环境子图像和每一个其它第一电池环境子图像之间的图像相关度中的最大值标记为该第一电池环境子图像对应的第二图像相关度,再依据该第二图像相关度和该第一图像相关度之间的比值,对该第一电池环境子图像进行图像重要度的确定,以输出该第一电池环境子图像对应的图像重要度(该图像重要度与该比值可以正相关);
对于每一个所述第二子图像簇包括的每一个第二电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第二电池环境子图像和对应的目标第二电池环境子图像进行图像相关度的确定,以输出该第二电池环境子图像对应的第三图像相关度,再依据对应像素位置的像素点之间的像素值是否相同,分别对该第二电池环境子图像和每一个其它第二电池环境子图像进行图像相关度的确定,以输出该第二电池环境子图像和每一个其它第二电池环境子图像之间的图像相关度,再将该第二电池环境子图像和每一个其它第二电池环境子图像之间的图像相关度中的最大值标记为该第二电池环境子图像对应的第四图像相关度,再依据该第四图像相关度和该第三图像相关度之间的比值,对该第二电池环境子图像进行图像重要度的确定,以输出该第二电池环境子图像对应的图像重要度;
对于每一个所述第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和该第一电池环境子图像关联的第二电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度,所述第一电池环境子图像和关联的第二电池环境子图像之间对应的像素行一致;
依据每一个第一电池环境子图像对应的图像重要度和关联的第二电池环境子图像对应的图像重要度,对每一个第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度进行负相关的融合(例如,可以先将两个图像重要度进行均值计算,再依据输出的均值,确定出具有正相关关系的加权系数,再依据该加权系数对对应的图像相关度进行加权和值的计算,再将计算得到的加权和值的负相关值作为对应的数据差异度),以输出所述两条相邻的电池环境数据之间的数据差异度。
应当理解的是,在一些可能的实施方式中,上述内容中所述对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度的步骤,也可以进一步包括以下具体的实施内容:
对第一电池环境图像进行分割,以形成第一电池环境子图像集合,再对第二电池环境图像进行分割,以形成第二电池环境子图像集合,所述第一电池环境图像和所述第二电池环境图像分别属于两条相邻的电池环境数据中的一条电池环境数据,所述第一电池环境子图像集合包括的每两个第一电池环境子图像的尺寸相同,每一个第一电池环境子图像包括所述第一电池环境图像中的预定数量行的第一像素点,所述第二电池环境子图像集合包括的每两个第二电池环境子图像的尺寸相同,每一个第二电池环境子图像包括所述第二电池环境图像中的预定数量行的第二像素点;
对于每一个所述第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和该第一电池环境子图像关联的第二电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度,所述第一电池环境子图像和关联的第二电池环境子图像之间对应的像素行一致;
对于每一个所述第一电池环境子图像,依据对应的像素行,从所述第一电池环境子图像集合中,匹配出该第一电池环境子图像对应的至少一个相邻第一电池环境子图像,对于每一个所述第一电池环境子图像包括的每一个第一像素点,将以预先配置的目标数量为半径、该第一像素点为中心的目标区域内的每一个目标第一像素点,标记为该第一像素点对应的相关第一像素点,每一个所述目标第一像素点属于对应的所述第一电池环境子图像或所述相邻第一电池环境子图像,所述目标数量大于所述预定数量;
对于每一个所述第一电池环境子图像包括的每一个第一像素点,依据该第一像素点对应的每一个相关第一像素点的像素值,对该第一像素点的像素值进行更新(例如,可以对每一个相关第一像素点的像素值进行加权均值的计算,如此,可以得到更新像素值,其中,对应的加权系数可以与每一个相关第一像素点与第一像素点之间的像素位置距离负相关),以输出该第一像素点对应的更新像素值,再依据每一个第一像素点对应的更新像素值,生成该第一电池环境子图像对应的更新第一电池环境子图像,再依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和该更新第一电池环境子图像进行图像相关度的确定,再依据输出的图像相关度,对该第一电池环境子图像进行图像重要度的确定;
对于每一个所述第二电池环境子图像,依据对应的像素行,从所述第二电池环境子图像集合中,匹配出该第二电池环境子图像对应的至少一个相邻第二电池环境子图像,对于每一个所述第二电池环境子图像包括的每一个第二像素点,将以所述目标数量为半径、该第二像素点为中心的目标区域内的每一个目标第二像素点,标记为该第二像素点对应的相关第二像素点,每一个所述目标第二像素点属于对应的所述第二电池环境子图像或对应的所述相邻第二电池环境子图像;
对于每一个所述第二电池环境子图像包括的每一个第二像素点,依据该第二像素点对应的每一个相关第二像素点的像素值,对该第二像素点的像素值进行更新(例如,可以对每一个相关第二像素点的像素值进行加权均值的计算,如此,可以得到更新像素值,其中,对应的加权系数可以与每一个相关第二像素点与第二像素点之间的像素位置距离负相关),以输出该第二像素点对应的更新像素值,再依据每一个第二像素点对应的更新像素值,生成该第二电池环境子图像对应的更新第二电池环境子图像,再依据对应像素位置的像素点之间的像素值是否相同,对该第二电池环境子图像和该更新第二电池环境子图像进行图像相关度的确定,再依据输出的图像相关度,对该第二电池环境子图像进行图像重要度的确定;
依据每一个第一电池环境子图像对应的图像重要度和关联的第二电池环境子图像对应的图像重要度,对每一个第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度进行负相关的融合(参考前述的相关描述),以输出所述两条相邻的电池环境数据之间的数据差异度。
参照图2所示,本发明实施例还提供一种基于人工智能的太阳能电池状态监测系统,可应用于上述电池状态监控服务器。其中,所述基于人工智能的太阳能电池状态监测系统可以包括发电数据采集模块、环境数据采集模块、数据对比分析模块等软件功能模块。
应当理解的是,在一些可能的实施方式中,所述发电数据采集模块,用于分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列,所述发电数据序列包括对应的所述太阳能电池单元对应的多条电池发电数据。所述环境数据采集模块,用于分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列,所述环境数据序列包括对应的所述太阳能电池单元对应的多条电池环境数据。所述数据对比分析模块,用于对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据用于标识所述太阳能电池单元的性能状态。
综上所述,本发明提供的一种基于人工智能的太阳能电池状态监测方法及系统,分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列。分别对每一个太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列。对于每一个太阳能电池单元,对该太阳能电池单元对应的发电数据序列包括的电池发电数据和环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据。通过前述的内容,由于需要将电池发电数据和电池环境数据进行对比分析,而不再是仅仅依赖于对电池发电数据的分析处理,使得分析中可以参考环境因素的影响,使得在一定程度上提高太阳能电池状态监测的可靠度,从而改善现有技术中存在的太阳能电池状态监测的可靠度不高的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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太阳能电池状态监测方法,其特征在于,应用于电池状态监控服务器,所述太阳能电池状态监测方法包括:
分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列,所述发电数据序列包括对应的所述太阳能电池单元对应的多条电池发电数据;
分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列,所述环境数据序列包括对应的所述太阳能电池单元对应的多条电池环境数据;
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据用于标识所述太阳能电池单元的性能状态。
2.如权利要求1所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述分别对属于监测对象的每一个太阳能电池单元进行发电数据采集,以输出每一个太阳能电池单元对应的发电数据序列的步骤,包括:
对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数,所述第一数据采集参数至少包括数据采集的第一频率值;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的第一数据采集参数,对该太阳能电池单元进行发电数据的采集,以输出该太阳能电池单元对应的发电数据序列,所述发电数据序列包括的多条电池发电数据对应的持续时间和该多条电池发电数据的数量之间的比值,与对应的所述太阳能电池单元对应的第一数据采集参数匹配。
3.如权利要求2所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数的步骤,包括:
对于属于监测对应的每一个太阳能电池单元,对该太阳能电池单元对应的历史电池状态数据进行确定操作,以形成该太阳能电池单元对应的历史状态数据集合,所述历史状态数据集合包括多条历史电池状态数据;
对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数。
4.如权利要求3所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史状态数据集合包括的多条历史电池状态数据进行数据的融合,以输出该太阳能电池单元对应的目标历史电池状态数据;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的目标历史电池状态数据,进行第一数据采集参数的确定,以输出该太阳能电池单元对应的第一数据采集参数,所述第一数据采集参数包括的第一频率值与所述目标历史电池状态数据反映的性能状态值负相关。
5.如权利要求1所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数,所述第二数据采集参数至少包括数据采集的第二频率值;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的第二数据采集参数,对该太阳能电池单元进行环境数据的采集,以输出该太阳能电池单元对应的环境数据序列,所述环境数据序列包括的多条环境发电数据对应的持续时间和该多条环境发电数据的数量之间的比值,与对应的所述太阳能电池单元对应的第二数据采集参数匹配。
6.如权利要求5所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述对于每一个所述太阳能电池单元,对该太阳能电池单元进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史电池状态数据进行确定操作,以形成该太阳能电池单元对应的历史状态数据集合,所述历史状态数据集合包括多条历史电池状态数据;
对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数。
7.如权利要求6所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述对于每一个太阳能电池单元,依据该太阳能电池单元对应的历史状态数据集合包括的历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数的步骤,包括:
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的历史状态数据集合包括的多条历史电池状态数据进行数据的融合,以输出该太阳能电池单元对应的目标历史电池状态数据;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的目标历史电池状态数据,进行第二数据采集参数的确定,以输出该太阳能电池单元对应的第二数据采集参数,所述第二数据采集参数包括的第二频率值与所述目标历史电池状态数据反映的性能状态值负相关。
8.如权利要求1-7任意一项所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据的步骤,包括:
对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的所述发电数据序列包括的每两条相邻的电池发电数据进行数据差异度的计算,以输出每两条相邻的电池发电数据之间的数据差异度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的所述发电数据序列包括的每两条相邻的电池发电数据之间的数据差异度,依照对应的电池发电数据在所述发电数据序列中的先后顺序进行排序,以形成该太阳能电池单元对应的第一数据差异度序列;
对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的所述环境数据序列包括的每两条相邻的电池环境数据之间的数据差异度,依照对应的电池环境数据在所述环境数据序列中的先后顺序进行排序,以形成该太阳能电池单元对应的第二数据差异度序列;
对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述第一数据差异度序列和所述第二数据差异度序列进行数据匹配程度的确定,以输出该太阳能电池单元对应的数据匹配程度;
对于每一个所述太阳能电池单元,依据该太阳能电池单元对应的数据匹配程度进行电池状态的分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据反映的性能状态值与所述数据匹配程度正相关。
9.如权利要求8所述的基于人工智能的太阳能电池状态监测方法,其特征在于,所述对于每一个所述太阳能电池单元,分别对该太阳能电池单元对应的环境数据序列包括的每两条相邻的电池环境数据进行数据差异度计算,以输出每两条相邻的电池环境数据之间的数据差异度的步骤,包括:
对第一电池环境图像进行分割,以形成第一电池环境子图像集合,再对第二电池环境图像进行分割,以形成第二电池环境子图像集合,所述第一电池环境图像和所述第二电池环境图像分别属于两条相邻的电池环境数据中的一条电池环境数据,所述第一电池环境子图像集合包括的每两个第一电池环境子图像的尺寸相同,每一个第一电池环境子图像包括所述第一电池环境图像中的预定数量行的第一像素点,所述第二电池环境子图像集合包括的每两个第二电池环境子图像的尺寸相同,每一个第二电池环境子图像包括所述第二电池环境图像中的预定数量行的第二像素点;
依据每一个所述第一电池环境子图像包括的像素点的像素值,对所述第一电池环境子图像集合包括的第一电池环境子图像进行聚类,以形成所述第一电池环境子图像集合对应的至少一个第一子图像簇;
依据包括的第一电池环境子图像和第二电池环境子图像对应的像素行,从所述第二电池环境子图像集合包括的第二电池环境子图像中,分别确定出每一个第一子图像簇关联的第二子图像簇;
对于每一个所述第一子图像簇,将该第一子图像簇对应的聚类中心对应的第一电池环境子图像进行标记,以形成该第一子图像簇对应的目标第一电池环境子图像,再依据该目标第一电池环境子图像对应的像素行,从该第一子图像簇关联的第二子图像簇包括的第二电池环境子图像中,标记出该第二子图像簇对应的目标第二电池环境子图像;
对于每一个所述第一子图像簇包括的每一个第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和对应的目标第一电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像对应的第一图像相关度,再依据对应像素位置的像素点之间的像素值是否相同,分别对该第一电池环境子图像和每一个其它第一电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和每一个其它第一电池环境子图像之间的图像相关度,再将该第一电池环境子图像和每一个其它第一电池环境子图像之间的图像相关度中的最大值标记为该第一电池环境子图像对应的第二图像相关度,再依据该第二图像相关度和该第一图像相关度之间的比值,对该第一电池环境子图像进行图像重要度的确定,以输出该第一电池环境子图像对应的图像重要度;
对于每一个所述第二子图像簇包括的每一个第二电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第二电池环境子图像和对应的目标第二电池环境子图像进行图像相关度的确定,以输出该第二电池环境子图像对应的第三图像相关度,再依据对应像素位置的像素点之间的像素值是否相同,分别对该第二电池环境子图像和每一个其它第二电池环境子图像进行图像相关度的确定,以输出该第二电池环境子图像和每一个其它第二电池环境子图像之间的图像相关度,再将该第二电池环境子图像和每一个其它第二电池环境子图像之间的图像相关度中的最大值标记为该第二电池环境子图像对应的第四图像相关度,再依据该第四图像相关度和该第三图像相关度之间的比值,对该第二电池环境子图像进行图像重要度的确定,以输出该第二电池环境子图像对应的图像重要度;
对于每一个所述第一电池环境子图像,依据对应像素位置的像素点之间的像素值是否相同,对该第一电池环境子图像和该第一电池环境子图像关联的第二电池环境子图像进行图像相关度的确定,以输出该第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度,所述第一电池环境子图像和关联的第二电池环境子图像之间对应的像素行一致;
依据每一个第一电池环境子图像对应的图像重要度和关联的第二电池环境子图像对应的图像重要度,对每一个第一电池环境子图像和关联的第二电池环境子图像之间的图像相关度进行负相关的融合,以输出所述两条相邻的电池环境数据之间的数据差异度。
10.一种基于人工智能的太阳能电池状态监测系统,其特征在于,应用于电池状态监控服务器,所述太阳能电池状态监测系统包括:
发电数据采集模块,用于分别对属于监测对象的每一个太阳能电池单元进行发电数据的采集,以输出每一个太阳能电池单元对应的发电数据序列,所述发电数据序列包括对应的所述太阳能电池单元对应的多条电池发电数据;
环境数据采集模块,用于分别对每一个所述太阳能电池单元进行环境数据采集,以输出每一个太阳能电池单元对应的环境数据序列,所述环境数据序列包括对应的所述太阳能电池单元对应的多条电池环境数据;
数据对比分析模块,用于对于每一个所述太阳能电池单元,对该太阳能电池单元对应的所述发电数据序列包括的电池发电数据和所述环境数据序列包括的电池环境数据进行数据对比分析,以输出该太阳能电池单元对应的电池状态数据,所述电池状态数据用于标识所述太阳能电池单元的性能状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914855.XA CN115001394B (zh) | 2022-08-01 | 2022-08-01 | 基于人工智能的太阳能电池状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914855.XA CN115001394B (zh) | 2022-08-01 | 2022-08-01 | 基于人工智能的太阳能电池状态监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115001394A true CN115001394A (zh) | 2022-09-02 |
CN115001394B CN115001394B (zh) | 2022-10-25 |
Family
ID=83022492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210914855.XA Active CN115001394B (zh) | 2022-08-01 | 2022-08-01 | 基于人工智能的太阳能电池状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115001394B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115753776A (zh) * | 2022-11-29 | 2023-03-07 | 一道新能源科技(衢州)有限公司 | 一种太阳能电池数据处理方法及系统 |
CN117784697A (zh) * | 2024-01-31 | 2024-03-29 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138635A (zh) * | 2011-11-27 | 2013-06-05 | 陕西银星科技有限公司 | 一种太阳能光伏发电智能监控系统 |
CN104009705A (zh) * | 2014-06-09 | 2014-08-27 | 苏州青云能源科技有限公司 | 光伏发电系统特性数据采集装置及方法 |
CN205490418U (zh) * | 2016-01-27 | 2016-08-17 | 辽宁工业大学 | 一种光伏电池发电参数监测系统 |
US20170104449A1 (en) * | 2015-10-08 | 2017-04-13 | Johnson Controls Technology Company | Photovoltaic energy system with solar intensity prediction |
CN107453693A (zh) * | 2017-09-06 | 2017-12-08 | 合肥凌山新能源科技有限公司 | 一种基于增强光伏效应的太阳能发电控制系统 |
CN111245096A (zh) * | 2020-01-20 | 2020-06-05 | 山东三电新能源技术有限公司 | 一种分布式光伏数据采集终端、系统及数据处理方法 |
CN114529817A (zh) * | 2022-02-21 | 2022-05-24 | 东南大学 | 基于注意力神经网络的无人机光伏故障诊断及定位方法 |
CN114640303A (zh) * | 2022-02-18 | 2022-06-17 | 武汉大学 | 一种基于LabVIEW测控的太阳能电池户外稳定性测试系统及测试方法 |
-
2022
- 2022-08-01 CN CN202210914855.XA patent/CN115001394B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138635A (zh) * | 2011-11-27 | 2013-06-05 | 陕西银星科技有限公司 | 一种太阳能光伏发电智能监控系统 |
CN104009705A (zh) * | 2014-06-09 | 2014-08-27 | 苏州青云能源科技有限公司 | 光伏发电系统特性数据采集装置及方法 |
US20170104449A1 (en) * | 2015-10-08 | 2017-04-13 | Johnson Controls Technology Company | Photovoltaic energy system with solar intensity prediction |
CN205490418U (zh) * | 2016-01-27 | 2016-08-17 | 辽宁工业大学 | 一种光伏电池发电参数监测系统 |
CN107453693A (zh) * | 2017-09-06 | 2017-12-08 | 合肥凌山新能源科技有限公司 | 一种基于增强光伏效应的太阳能发电控制系统 |
CN111245096A (zh) * | 2020-01-20 | 2020-06-05 | 山东三电新能源技术有限公司 | 一种分布式光伏数据采集终端、系统及数据处理方法 |
CN114640303A (zh) * | 2022-02-18 | 2022-06-17 | 武汉大学 | 一种基于LabVIEW测控的太阳能电池户外稳定性测试系统及测试方法 |
CN114529817A (zh) * | 2022-02-21 | 2022-05-24 | 东南大学 | 基于注意力神经网络的无人机光伏故障诊断及定位方法 |
Non-Patent Citations (1)
Title |
---|
杨刚等: "太阳能光伏发电系统数据采集和测试平台", 《微计算机信息》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115753776A (zh) * | 2022-11-29 | 2023-03-07 | 一道新能源科技(衢州)有限公司 | 一种太阳能电池数据处理方法及系统 |
CN117784697A (zh) * | 2024-01-31 | 2024-03-29 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网系统 |
CN117784697B (zh) * | 2024-01-31 | 2024-05-24 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115001394B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115001394B (zh) | 基于人工智能的太阳能电池状态监测方法及系统 | |
CN114978037B (zh) | 太阳能电池性能数据监控方法及系统 | |
CN115205765B (zh) | 一种基于fpga的视频分析方法及系统 | |
CN111738348B (zh) | 一种电力数据异常检测方法和装置 | |
CN114140713A (zh) | 一种图像识别系统、图像识别方法 | |
CN112560829A (zh) | 人群数量确定方法、装置、设备及存储介质 | |
CN118133144B (zh) | 基于图神经网络的车辆故障诊断方法、装置、设备及介质 | |
CN115482122A (zh) | 一种应用于智慧园区的综合能耗监测方法及系统 | |
CN115036922A (zh) | 一种分布式光伏发电电量预测方法及系统 | |
CN114140712A (zh) | 一种自动图像识别分发系统及方法 | |
CN115620243B (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
CN116089843B (zh) | 一种基于数据聚类的新能源结算数据异常检测与预警方法 | |
CN112508278A (zh) | 一种基于证据回归多模型的多联供系统负荷预测方法 | |
CN116757870A (zh) | 一种能源物联网的智慧能源监控数据处理方法及系统 | |
Elgamal et al. | Seamless Machine Learning Models to Detect Faulty Solar Panels | |
CN115616408A (zh) | 电池热管理数据处理方法及系统 | |
CN114325678A (zh) | 障碍物检测方法、装置及服务器 | |
CN113470012A (zh) | 标线识别方法、装置、存储介质及电子装置 | |
CN114978040B (zh) | 基于太阳能电池数据的衰减状况分析方法及系统 | |
CN115001147B (zh) | 一种光伏发电数据采集方法、系统及云平台 | |
CN115082709B (zh) | 遥感大数据处理方法、系统及云平台 | |
CN115753776B (zh) | 一种太阳能电池数据处理方法及系统 | |
CN116872777B (zh) | 一种充电桩的控制方法及系统 | |
CN118447459B (zh) | 基于深度学习的滑坡堆积体监控方法及系统 | |
CN118130976B (zh) | 一种基于多源异构数据的电网故障诊断系统及方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No. 43 Bailing South Road, Quzhou City, Zhejiang Province 324022 Patentee after: Yidao New Energy Technology Co.,Ltd. Address before: 324022 room 604, building 3, Donggang Third Road, green industry cluster, Qujiang District, Quzhou City, Zhejiang Province Patentee before: A New Energy Technology (Quzhou) Co.,Ltd. |