CN115169730A - 光伏发电智能运维方法、系统及存储介质 - Google Patents
光伏发电智能运维方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115169730A CN115169730A CN202210907397.7A CN202210907397A CN115169730A CN 115169730 A CN115169730 A CN 115169730A CN 202210907397 A CN202210907397 A CN 202210907397A CN 115169730 A CN115169730 A CN 115169730A
- Authority
- CN
- China
- Prior art keywords
- power generation
- photovoltaic
- photovoltaic power
- image information
- photovoltaic component
- 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 107
- 238000012423 maintenance Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000005286 illumination Methods 0.000 claims description 29
- 238000007689 inspection Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 12
- 238000013024 troubleshooting Methods 0.000 abstract description 11
- 238000004140 cleaning Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 229910021419 crystalline silicon Inorganic materials 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Remote Sensing (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及光伏发电技术领域,公开了光伏发电智能运维方法,包括以下步骤:S1:采集光伏发电区域的图像信息;S2:分析图像信息,识别光伏部件;S3:结合历史图像信息分析光伏部件的状态;S4:根据光伏部件的状态生成维护方案。本发明通过图像识别光伏部件及其状态,并根据光伏部件的状态生成相应维护方案,能够节省大量人力,有效提高光伏发电运维过程中的问题排查和处理的效率。
Description
技术领域
本发明涉及光伏发电技术领域,具体涉及光伏发电智能运维方法、系统及存储介质。
背景技术
光伏电站,是指一种利用太阳能,采用特殊材料诸如晶硅板、逆变器等电子元件组成的发电体系,与电网相连并向电网输送电力的光伏发电系统,由于太阳能具有取之不尽、用之不竭、安全可靠、不会污染环境和破坏生态平衡等优点,被视为发展前景最好的可再生能源之一,随着光伏电站的持续增加,光伏电站的运维工作越来越受到重视。在实际运行中,灰尘等杂物的遮蔽会降低组件对太阳辐射的吸收,影响组件表面散热,降低光电转换效率,而高于组件的杂草、飞溅的泥浆、鸟粪等都会对组件产生不均匀的局部遮挡,久而久之就会形成热斑,从而不同程度地降低组件的输出功率,严重的可导致电池组件局部烧毁,由于热斑效应引起光伏电站起火的事件时有发生,以上各种环境因素都给光伏电站的安全运行带来了很大的隐患。
为了保证整个系统可以安全、稳定的运行,则需要对光伏发电系统进行运行维护(简称运维)。目前的光伏电站运维方式依旧是靠人工开展工作,依靠工作人员采用扫描仪对热斑实施排查,用人工肉眼的观察方式检测灰尘。大多数光伏电站多数建在野外或者荒漠等恶劣环境中,工作人员通常难以到达作业区域,给运维过程的问题排查和处理工作带来诸多不便,同时偌大的光伏电站依靠人工进行排查也存在费时费力且效率较低的问题。
发明内容
本发明意在提供光伏发电智能运维方法,通过图像识别光伏部件及其状态,并根据光伏部件的状态生成相应维护方案,能够节省大量人力,有效提高光伏发电运维过程中的问题排查和处理的效率。
本发明提供的技术方案为:光伏发电智能运维方法,包括以下步骤:
S1:采集光伏发电区域的图像信息;
S2:分析图像信息,识别光伏部件;
S3:结合历史图像信息分析光伏部件的状态;
S4:根据光伏部件的状态生成维护方案。
本发明的工作原理及优点在于:本发明方法主要通过图像识别方式进行问题排查并生成方案。首先采集光伏发电区域的图像信息,此过程替代了人工巡视和肉眼观察的步骤,然后对采集的图像进行分析,识别出光伏部件的具体信息,包括种类、型号和连接关系等信息。识别出具体的光伏部件后,本发明方法通过历史图像信息,分析该光伏部件目前的运行状态。最后根据当前运行状态生成相应的维护方案,至此工作人员能够得知光伏电站当前所存在的问题,运行的状态,以及相应的维护方案,通过上述方案免去了工作人员人工排查的步骤,能够节省大量人力,有效提高光伏发电运维过程中的问题排查和处理的效率。
进一步,所述S1包括:
S1-1:获取光伏的发电量数据;
S1-2:分析发电量数据,识别发电量异常的光伏发电区域;
S1-3:采集发电量异常的光伏发电区域的图像信息。
目前的光伏电站占地面积也越来越大,对全站图像识别也存在很大的工作量,为了提高问题排查效率,快速锁定问题,在图像识别前先提高光伏发电量数据分析来缩小排查范围。以区域为单位,将最近的发电量数据与往日发电量数据分析对比,根据发电量的衰减比例,判断该光伏发电区域的发电量是否异常,再对异常发电区域进行下一步的图像识别。通过上述方法有利于提高问题排查效率。
进一步,所述S1中通过无人机或监控摄像头采集光伏发电区域的图像信息,所述图像信息包括可见光图像和红外图像。
通过无人机的动态摄像头或该光伏发电区域的固定式监控摄像头,对光伏发电区域的图像进行采集,通过多方面渠道获取图像信息,有利于问题排查过程中图像信息的采集。并且采集的图像信息包括可见光图像和红外图像,可见光图像能够对光伏部件的外形颜色等方面进行问题排查,红外图像则能够识别光伏板等部件上的光伏照度,通过光伏照度异常判断是否有热斑现象,发现肉眼难以观察的问题。
进一步,所述S2包括:
S2-1:对图像信息进行清晰化处理,所述清晰化处理为对图像逐帧分析,选取色差最小的若干张图像,通过图像多帧融合算法,生成环境光稳定的图像,并增强图像的对比度和色彩;
S2-2:分析清晰化处理后的图像信息,识别光伏部件。
针对光伏发电现场环境光闪烁等因素导致采集的图像不清晰的问题,对采集的图像信息进行清晰化处理,便于后续的识别过程。
进一步,所述S2-2包括:
S2-2-1:分析清晰化处理后的图像信息,获取目标轮廓;
S2-2-2:将目标轮廓与部件模型库比对,识别出具体的光伏部件。
首先通过轮廓的识别方式判断识别出光伏部件的型号等具体信息,获取具体的光伏部件后,能够进行针对性的检查,有利于问题的快速排查。
进一步,所述S3包括:
S3-1:根据光伏部件,获取该光伏部件的若干检查项目;
S3-2:结合历史图像信息分析光伏部件的各检查项目的状态。
通过获取该光伏部件的历史图像信息,根据前后图像的对比分析从而判断各检查项目的当前状态。上述方法能比较快速地排查出光伏部件的外部问题,适用于大型光伏站广范围的排查工作。通过图像识别能够对光伏部件进行较全面的外部检查,具体细分为外形完整度、覆盖物、光伏照度和附近杂物等方面。根据可见光图像的轮廓识别和颜色识别的算法能够分析识别该光伏部件的外形完整度百分比,即外形是否存在缺损、形变、锈蚀等情况;光伏部件的覆盖物情况,即部件表面的灰尘、鸟粪、树叶等异物的覆盖情况及覆盖占比;光伏部件附近是否有杂物,如垃圾、零部件、工器具等。通过红外图像能够识别光伏部件的实时光伏照度,根据光伏照度图像的前后差异,能够识别该光伏部件上的热斑情况及热斑位置。
进一步,所述S4包括:
S4-1:根据光伏部件的状态生成若干维护方案;
S4-2:获取光照情况,根据光照情况选择维护方案。
根据光伏部件的各检查项目的状态,生成多个相应的维护方案,然后根据光照情况来选择具体的维护方案,以避免在维护的过程中影响光伏电站的发电效率,避免造成额外的经济损失。
进一步,所述S3还包括:
S3-3:根据各检查项目的状态,计算光伏部件的预测发电损耗量;
S3-4:比较预测发电损耗量和实际发电损耗量,分析发电损耗原因;
S3-5:根据发电损耗原因,分析光伏部件的状态;
所述发电损耗原因包括外部原因和内部原因,所述光伏部件的状态包括外部状态和内部状态。
通过上述步骤从图像分析中识别出了光伏部件的外部状态后,还需要进一步分析当前发电量异常是否完全由以上外部原因引起,如果不能排查处外部原因之外的内部问题,后续的维护方案还是无法完全解决光伏部件的发电损耗问题。因此需要根据光伏部件外部状态结合历史数据计算预测发电损耗量,将计算的预测发电损耗量与实际发电损耗量进行比较分析,若两者差距不大,则判断本次发电损耗量为外部原因引起,若两者差距较大,则判断除了外部原因还有光伏部件内部原因引起发电量损耗,在确认外部原因的问题后,还需要对具体的内部原因进行分析。根据内外两方面原因,分析得到光伏部件的外部状态和内部状态,统计光伏部件的内外状态便于后续步骤针对光伏部件的内外状态生成相应的维护方案。
本发明还提供光伏发电智能运维系统,该系统采用了上述光伏发电智能运维方法。
本发明还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现上述光伏发电智能运维方法。
附图说明
图1为本发明实施例的光伏发电智能运维方法的逻辑框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例一:
如图1所示,本实施例公开了光伏发电智能运维方法,具体包括以下步骤(本方案中对各步骤的编号仅做步骤区分作用,不限制各步骤的具体执行顺序,且各步骤还可同时进行):
S1-1:获取光伏的发电量数据。获取光伏电站近期的发电量数据。
S1-2:分析发电量数据,识别发电量异常的光伏发电区域。以区域为单位,将最近的发电量数据与往日发电量数据分析对比,根据发电量的衰减比例,判断该光伏发电区域的发电量是否异常。
S1-3:采集发电量异常的光伏发电区域的图像信息。确定发电量异常的光伏发电区域后,通过无人机的动态摄像头或该光伏发电区域的固定式监控摄像头,对光伏发电区域的图像进行采集,进行图像采集的摄像头包括可见光摄像头和红外摄像头,能够分别采集可见光图像和红外图像。本实施例中采集的图像主要为户外的光伏板等部件。
S2-1:对图像信息进行清晰化处理,所述清晰化处理为对图像逐帧分析,选取色差最小的若干张图像,通过图像多帧融合算法,生成环境光稳定的图像,并增强图像的对比度和色彩。初步采集的图像通常比较模糊,存在清晰度不足的问题,影响下一步分析识别。本实施例中主要针对光伏发电现场环境光闪烁导致采集的图像不清晰的问题,对采集的图像信息分析,选取色差最小的几张图像,通过图像多帧融合算法,将不同时刻多帧图像对应像素点的灰度值相加,求取它们的时间均值图像,当所观察目标的环境照度太低,会导致目标能量小,噪声大,图像信噪比降低。对静态的图像序列,利用各帧信号的相关性和噪声的不相关性,采用序列图像多帧累加技术,可大大改善图像的信噪比,提高清晰度,生成环境光稳定的图像,再增强图像对比度,增强色彩,便于后续的识别过程。同时,对无人机航拍的图像进行透视畸变矫正处理。
S2-2-1:分析清晰化处理后的图像信息,获取目标轮廓。对处理后的图像信息逐层进行,获取图像中的目标轮廓曲线。
S2-2-2:将目标轮廓与部件模型库比对,识别出具体的光伏部件。将目标轮廓曲线与数据库的模型部件库比对,通过图像相似度匹配和BP神经网络算法,识别出该处光伏设备的具体型号,例如光伏板、汇流箱、逆变器等部件。
S3-1:根据光伏部件,获取该光伏部件的若干检查项目。识别出具体的光伏部件,根据光伏部件具体型号的运维规程,获取该光伏部件的主要检查项目,整理成检查项目列表,本实施例中主要的检查项目包括光伏部件的外形完整度、覆盖物、光伏照度和附近杂物。例如识别的光伏部件为光伏板,则根据该光伏板的具体型号的运维规程,对光伏板的外形、覆盖物和光伏照度等项目进行进一步的检查。
S3-2:结合历史图像信息分析光伏部件的各检查项目的状态。上述检查项目主要通过获取该光伏部件的历史图像信息,根据前后图像的对比分析从而判断各检查项目的当前状态。本实施例中以光伏板为检查对象,根据可见光图像的轮廓识别和颜色识别的算法能够分析识别该光伏部件的外形完整度百分比,即外形是否存在缺损、形变、锈蚀等情况;光伏部件的覆盖物情况,即光伏板表面的灰尘、鸟粪、树叶等异物的覆盖情况及覆盖占比;光伏部件附近是否有杂物,如垃圾、零部件、工器具等。通过红外图像能够识别光伏板的实时光伏照度,根据光伏照度图像的前后差异,能够识别该光伏板上的热斑情况及热斑位置。
S4-1:根据光伏部件的状态生成若干维护方案。根据光伏部件的各检查项目的状态,生成多个相应的维护方案,例如针对光伏板上覆盖物的问题,在维护的过程中可以选择抹布清洁或冲洗清洁,选择冲洗清洁的水温等,具体的方案选择还需要进行后续判断。
S4-2:获取光照情况,根据光照情况选择维护方案。本实施例中获取的光照情况包括光照角度和光伏温度。根据光照情况来选择具体的维护方案主要是为了避免在维护的过程中影响光伏电站的发电效率,避免造成额外的经济损失。例如在上述针对光伏板上覆盖物的问题生成的维护方案中存在抹布清洁或冲洗清洁的方案,首先获取当前光照角度,比较光照角度和光伏阵列朝向角度的重合度,若重合度较高(差值角度15度以内),则当前的光照角度为直射光,为防止清洁过程中因为人为阴影带来光伏阵列发电量损失,甚至发生热斑效应损坏光伏阵列,在光照角度为直射光的情况下选择冲洗清洁,即在远处冲水进行冲洗,尽量避免人为遮挡对光伏阵列造成影响。若当前光照角度和光伏阵列朝向角度的重合度较低(差值角度超过15度),则当前的光照角度为散射光,光照对光伏阵列没有直射,则可以采用清洁效果更细致的抹布清洁,清洗过程一般使用清水,配合柔性毛刷或抹布来进行清洁。同时,还需要根据需要当前光伏温度选择合适的清洁水温,在中午等光照较好的时候光伏阵列组件表面温度较高,与冷水直接接触可能引起玻璃或组件损伤,因此还需获取光伏组件的表面温度,根据光伏表面温度选择合适的清洁水温,本实施例中光伏表面温度与清洁水温的温差不大于8℃即可,能够避免温差过大对光伏板造成不可逆的损害。
实施例二:
本实施例与实施例一不同之处在于,步骤S3还包括以下步骤:
S3-3:根据各检查项目的状态,计算光伏部件的预测发电损耗量。通过上述步骤从图像分析中识别出了光伏部件的外部状态,例如光伏板的外形完整度、表面覆盖物情况和周围杂物等。接下来需要进一步分析当前发电量异常是否完全由以上外部原因引起,因此需要根据光伏部件外部状态结合历史数据计算预测发电损耗量。例如此时光伏板有近二分之一的面积被树木阴影等其他杂物遮挡,导致该面积的光伏板难以接触阳光,因此在历史发电数据中选取该光伏板没有被遮挡的时候,且天气、光照和温度等其他条件相似的情况下,计算该光伏板历史发电量的一半为预测发电损耗量(因光伏板有近二分之一的面积被遮挡),该预测发电损耗量用于后续损耗原因的判断。
S3-4:比较预测发电损耗量和实际发电损耗量,分析发电损耗原因。将计算的预测发电损耗量与实际发电损耗量进行比较分析,例如因光伏板遮挡原因的预测发电损耗量的变化规律是否符合实际发电损耗量,若两者差距不大,则判断本次发电损耗量为外部原因引起,若两者差距较大,则判断除了外部原因还有光伏部件内部原因引起发电量损耗,在确认外部原因的问题后,还需要对具体的内部原因进行分析,根据预测发电损耗量和实际发电损耗量的差值,结合历史数据对该差值进行分析,包括差值产生时间、变化趋势等方面分析产生该差值的原因,包括逆变器效率降低、线路损耗增大、光伏板老化等。
S3-5:根据发电损耗原因,分析光伏部件的状态。发电损耗原因包括根据图像识别得到的外部原因和数据分析得到的内部原因,根据内外两方面原因,分析得到光伏部件的外部状态和内部状态。例如当前光伏板外部有二分之一的面积被遮挡,内部存在线损较大和光伏板老化的情况,统计光伏部件的内外状态便于后续步骤针对光伏部件的内外状态生成相应的维护方案。本发明方法不仅采用图像识别光伏部件的外部状态,还在此技术上结合实际发电数据分析识别光伏部件的内部是否存在问题,并根据历史数据分析进一步判断光伏部件的内部状态。本方案因为能够更加真实地划分光伏部件内外问题费力,因此能够更精准识别当前的光伏部件状态。
本实施例还提供光伏发电智能运维系统,该系统采用了上述光伏发电智能运维方法。
本实施例还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现上述光伏发电智能运维方法。
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请得出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.光伏发电智能运维方法,其特征在于,包括以下步骤:
S1:采集光伏发电区域的图像信息;
S2:分析图像信息,识别光伏部件;
S3:结合历史图像信息分析光伏部件的状态;
S4:根据光伏部件的状态生成维护方案。
2.根据权利要求1所述的光伏发电智能运维方法,其特征在于:所述S1包括:
S1-1:获取光伏的发电量数据;
S1-2:分析发电量数据,识别发电量异常的光伏发电区域;
S1-3:采集发电量异常的光伏发电区域的图像信息。
3.根据权利要求1所述的光伏发电智能运维方法,其特征在于:所述S1中通过无人机或监控摄像头采集光伏发电区域的图像信息,所述图像信息包括可见光图像和红外图像。
4.根据权利要求3所述的光伏发电智能运维方法,其特征在于:所述S2包括:
S2-1:对图像信息进行清晰化处理,所述清晰化处理为对图像逐帧分析,选取色差最小的若干张图像,通过图像多帧融合算法,生成环境光稳定的图像,并增强图像的对比度和色彩;
S2-2:分析清晰化处理后的图像信息,识别光伏部件。
5.根据权利要求4所述的光伏发电智能运维方法,其特征在于:所述S2-2包括:
S2-2-1:分析清晰化处理后的图像信息,获取目标轮廓;
S2-2-2:将目标轮廓与部件模型库比对,识别出具体的光伏部件。
6.根据权利要求3所述的光伏发电智能运维方法,其特征在于:所述S3包括:
S3-1:根据光伏部件,获取该光伏部件的若干检查项目;
S3-2:结合历史图像信息分析光伏部件的各检查项目的状态;
所述S3-1中检查项目包括光伏部件的外形完整度、覆盖物、光伏照度和附近杂物中的一种或多种。
7.根据权利要求3所述的光伏发电智能运维方法,其特征在于:所述S4包括:
S4-1:根据光伏部件的状态生成若干维护方案;
S4-2:获取光照情况,根据光照情况选择维护方案。
8.根据权利要求6所述的光伏发电智能运维方法,其特征在于:所述S3还包括:
S3-3:根据各检查项目的状态,计算光伏部件的预测发电损耗量;
S3-4:比较预测发电损耗量和实际发电损耗量,分析发电损耗原因;
S3-5:根据发电损耗原因,分析光伏部件的状态;
所述发电损耗原因包括外部原因和内部原因,所述光伏部件的状态包括外部状态和内部状态。
9.光伏发电智能运维系统,其特征在于:该系统采用了权利要求1至8任一项所述的光伏发电智能运维方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至8任一项所述的光伏发电智能运维方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210907397.7A CN115169730A (zh) | 2022-07-29 | 2022-07-29 | 光伏发电智能运维方法、系统及存储介质 |
PCT/CN2023/073799 WO2024021548A1 (zh) | 2022-07-29 | 2023-01-30 | 光伏发电智能运维方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210907397.7A CN115169730A (zh) | 2022-07-29 | 2022-07-29 | 光伏发电智能运维方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115169730A true CN115169730A (zh) | 2022-10-11 |
Family
ID=83478137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210907397.7A Pending CN115169730A (zh) | 2022-07-29 | 2022-07-29 | 光伏发电智能运维方法、系统及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115169730A (zh) |
WO (1) | WO2024021548A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307915A (zh) * | 2023-03-28 | 2023-06-23 | 青海德坤电力集团有限公司 | 一种基于云端技术的远程光伏发电运维管控系统 |
CN117172962A (zh) * | 2023-07-17 | 2023-12-05 | 南京工业职业技术大学 | 基于电力系统的用电节能方法及系统 |
WO2024021548A1 (zh) * | 2022-07-29 | 2024-02-01 | 重庆跃达新能源有限公司 | 光伏发电智能运维方法、系统及存储介质 |
WO2024113510A1 (zh) * | 2022-12-02 | 2024-06-06 | 阳光电源(上海)有限公司 | 一种光伏组件发电量损失的计算方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106040625A (zh) * | 2016-07-28 | 2016-10-26 | 兰州理工大学 | 清洁刷能自适应调节的太阳能光伏板清洁设备 |
CN107679672A (zh) * | 2017-10-20 | 2018-02-09 | 中冶华天南京电气工程技术有限公司 | 一种基于积尘发电损失预测的光伏电站清洗时机辅助决策方法 |
CN108809258A (zh) * | 2018-08-21 | 2018-11-13 | 佛山职业技术学院 | 一种光伏组件热斑检测系统及热斑检测方法 |
CN109063855A (zh) * | 2018-08-30 | 2018-12-21 | 北京酷车易美网络科技有限公司 | 用于车辆车况鉴定的辅助处理方法及装置 |
CN110266268A (zh) * | 2019-06-26 | 2019-09-20 | 武汉理工大学 | 一种基于图像融合识别的光伏组件故障检测方法 |
CN111770880A (zh) * | 2018-01-24 | 2020-10-13 | 霍尼韦尔国际公司 | 无人驾驶飞行器进行的太阳能电池板检查 |
CN111797725A (zh) * | 2020-06-18 | 2020-10-20 | 浙江大华技术股份有限公司 | 一种设备状态检测方法、装置及系统 |
CN114781179A (zh) * | 2022-05-12 | 2022-07-22 | 广东华矩检测技术有限公司 | 基于光纤通信信息采集光伏电站发电量损失核定方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PT3726729T (pt) * | 2017-12-14 | 2021-07-01 | Acciona Energia Sa | Sistema e método de inspeção de central fotovoltaica automatizada |
CN110149002B (zh) * | 2019-04-11 | 2023-12-19 | 佛山职业技术学院 | 一种光伏电站无人化运维方法、装置及系统 |
CN112465812B (zh) * | 2020-12-16 | 2023-08-11 | 阳光智维科技股份有限公司 | 光伏组件的灰尘检测装置及方法 |
CN113554610A (zh) * | 2021-07-19 | 2021-10-26 | 合肥阳光智维科技有限公司 | 一种光伏组件运行状态检测方法及其应用装置 |
CN114596267B (zh) * | 2022-02-28 | 2023-03-24 | 几何智慧城市科技(广州)有限公司 | 一种光伏电站的监测运维方法、系统、设备、及存储介质 |
CN115169730A (zh) * | 2022-07-29 | 2022-10-11 | 重庆跃达新能源有限公司 | 光伏发电智能运维方法、系统及存储介质 |
-
2022
- 2022-07-29 CN CN202210907397.7A patent/CN115169730A/zh active Pending
-
2023
- 2023-01-30 WO PCT/CN2023/073799 patent/WO2024021548A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106040625A (zh) * | 2016-07-28 | 2016-10-26 | 兰州理工大学 | 清洁刷能自适应调节的太阳能光伏板清洁设备 |
CN107679672A (zh) * | 2017-10-20 | 2018-02-09 | 中冶华天南京电气工程技术有限公司 | 一种基于积尘发电损失预测的光伏电站清洗时机辅助决策方法 |
CN111770880A (zh) * | 2018-01-24 | 2020-10-13 | 霍尼韦尔国际公司 | 无人驾驶飞行器进行的太阳能电池板检查 |
CN108809258A (zh) * | 2018-08-21 | 2018-11-13 | 佛山职业技术学院 | 一种光伏组件热斑检测系统及热斑检测方法 |
CN109063855A (zh) * | 2018-08-30 | 2018-12-21 | 北京酷车易美网络科技有限公司 | 用于车辆车况鉴定的辅助处理方法及装置 |
CN110266268A (zh) * | 2019-06-26 | 2019-09-20 | 武汉理工大学 | 一种基于图像融合识别的光伏组件故障检测方法 |
CN111797725A (zh) * | 2020-06-18 | 2020-10-20 | 浙江大华技术股份有限公司 | 一种设备状态检测方法、装置及系统 |
CN114781179A (zh) * | 2022-05-12 | 2022-07-22 | 广东华矩检测技术有限公司 | 基于光纤通信信息采集光伏电站发电量损失核定方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024021548A1 (zh) * | 2022-07-29 | 2024-02-01 | 重庆跃达新能源有限公司 | 光伏发电智能运维方法、系统及存储介质 |
WO2024113510A1 (zh) * | 2022-12-02 | 2024-06-06 | 阳光电源(上海)有限公司 | 一种光伏组件发电量损失的计算方法、装置及电子设备 |
CN116307915A (zh) * | 2023-03-28 | 2023-06-23 | 青海德坤电力集团有限公司 | 一种基于云端技术的远程光伏发电运维管控系统 |
CN116307915B (zh) * | 2023-03-28 | 2024-04-02 | 青海德坤电力集团有限公司 | 一种基于云端技术的远程光伏发电运维管控系统 |
CN117172962A (zh) * | 2023-07-17 | 2023-12-05 | 南京工业职业技术大学 | 基于电力系统的用电节能方法及系统 |
CN117172962B (zh) * | 2023-07-17 | 2024-04-16 | 南京工业职业技术大学 | 基于电力系统的用电节能方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2024021548A1 (zh) | 2024-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115169730A (zh) | 光伏发电智能运维方法、系统及存储介质 | |
Liao et al. | Using Matlab real-time image analysis for solar panel fault detection with UAV | |
Zhang et al. | A fault diagnosis method for photovoltaic module current mismatch based on numerical analysis and statistics | |
CN112653393B (zh) | 一种光伏系统iv诊断的控制方法及装置 | |
Kuo et al. | Automatic detection, classification and localization of defects in large photovoltaic plants using unmanned aerial vehicles (UAV) based infrared (IR) and RGB imaging | |
CN116781008A (zh) | 一种光伏电站的异常状态检测方法及系统 | |
CN110736547A (zh) | 基于红外成像技术的光伏板故障智能诊断系统 | |
CN113888559A (zh) | 一种光伏组件清洗机器人的智能控制方法 | |
Tang et al. | Edge intelligence for smart EL images defects detection of PV plants in the IoT-based inspection system | |
Hwang et al. | Intelligent cleanup scheme for soiled photovoltaic modules | |
Montanez et al. | Photovoltaic module segmentation and thermal analysis tool from thermal images | |
CN116191680B (zh) | 一种应用于光伏发电的监控管理系统 | |
CN116667775A (zh) | 一种基于无人机的光伏电场自动清洁方法及系统 | |
CN116886043A (zh) | 一种自动识别光伏组串系统问题的监测系统 | |
Hwang et al. | Soiling detection for photovoltaic modules based on an intelligent method with image processing | |
Rogotis et al. | Early defect diagnosis in installed PV modules exploiting spatio-temporal information from thermal images | |
Zhou et al. | Water photovoltaic plant contaminant identification using visible light images | |
TWI732682B (zh) | 太陽能發電模組失效分析系統與方法 | |
CN113657621A (zh) | 一种隐患监测方法和系统 | |
TWI732683B (zh) | 太陽能發電模組缺陷智慧診斷系統與方法 | |
WO2022096571A1 (en) | Solar energy facility monitoring | |
Aji et al. | Smart detection of solar panel cleanliness using artificial intelligence for the remote area maintenance | |
CN113470014A (zh) | 一种基于人工智能的太阳能电池板的故障检测方法 | |
Ma et al. | Research on fault identification of ship PV system based on aerial photography image recognition | |
CN112017071A (zh) | 一种bipv屋顶光伏电站智能化运维系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221011 |