CN116402882A - 一种光伏电站故障定位方法、装置、系统及存储介质 - Google Patents
一种光伏电站故障定位方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN116402882A CN116402882A CN202310677435.9A CN202310677435A CN116402882A CN 116402882 A CN116402882 A CN 116402882A CN 202310677435 A CN202310677435 A CN 202310677435A CN 116402882 A CN116402882 A CN 116402882A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- determining
- inspection
- unmanned aerial
- aerial vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 351
- 230000002159 abnormal effect Effects 0.000 claims abstract description 236
- 238000010248 power generation Methods 0.000 claims abstract description 25
- 238000007689 inspection Methods 0.000 claims description 250
- 238000012806 monitoring device Methods 0.000 claims description 56
- 230000000694 effects Effects 0.000 claims description 50
- 238000010586 diagram Methods 0.000 claims description 17
- 238000011161 development Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 4
- 239000000306 component Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
- H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
-
- 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (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
本申请涉及一种光伏电站故障定位方法、装置、系统及存储介质，其方法包括获取光伏电站的运行数据，运行数据包括多个光伏组件串各自对应的多个实际发电数据；基于运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域；获取至少一个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像；基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，确定故障位置。本申请能够提升光伏电站故障定位的效率。
Description
技术领域
本申请涉及光伏电站技术领域的，尤其是涉及一种光伏电站故障定位方法、装置、系统及存储介质。
背景技术
光伏电站由光伏组件、逆变器、电表、电缆、支架等组成，其中，光伏组件是光伏电站的核心部件，主要负责将太阳能转化为直流电能。光伏组件可以通过串联的方式将正极和负极依次相连，形成一个电池组件串，以串联的方式对光伏组件进行连接能够提高系统的电压，从而减少电流的损耗，但是当其中一个光伏组件损坏时，整个电池组件串的发电效能都会受到影响。在实际应用中通常会采用串并联的组串方式，将多个串联的电池组件串并联在一起，这样的组串方式可以兼顾输出电压和电流，以保证光伏电站的稳定。
当前光伏电站的运行方式可以分为固定式和可调式，其中可调式光伏电站通过跟踪太阳在一定时间周期内入射角度的变化，对光伏组件的倾角进行调节。但是对应的可调式的光伏电站相对于固定式光伏电站更容易发生故障，在相关技术中，当光伏电站的发电量出现异常时主要还是通过人工上站进行故障的排查，但是光伏电站占地面积较大，通过人工排查确定故障点效率较低。因此，如何提升光伏电站故障定位的效率是亟待解决的问题。
发明内容
为了提升光伏电站故障定位的效率，本申请尤其是涉及一种光伏电站故障定位方法、装置、系统及存储介质。
第一方面，本申请提供一种光伏电站故障定位方法，采用如下的技术方案：
一种光伏电站故障定位方法，包括：
获取光伏电站的运行数据 ，所述运行数据包括多个光伏组件串各自对应的多个实际发电数据；
基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域；
获取所述至少一个异常区域对应的监控图像以及每张所述监控图像的拍摄角度和拍摄时刻；
基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像；
基于所述至少一个异常区域对应的监控图像以及每张所述监控图像对应的光伏组件标准图像，确定故障位置。
通过采用上述技术方案，基于光伏电站的运行数据，确定光伏电站内可能存在故障的至少一个异常区域；进而获取每个个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像，光伏组件标准图像为在正常发电情况下光伏组件在监控图像中出现的图像；基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，对每张监控图像进行分析，判断监控图像中光伏组件是否与标准图像一致，若不一致则确定对应的光伏组件所在位置为故障位置，能够提升光伏电站故障定位的效率。
在一种可能实现的方式中，所述基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域，包括：
获取历史同期运行数据；
基于所述历史同期运行数据，确定数据浮动区间以及数据发展趋势；
基于所述运行数据、所述数据浮动区间以及所述数据发展趋势，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域。
通过采用上述技术方案，基于历史同期运行数据，确定数据浮动区间以及数据发展趋势；基于运行数据、数据浮动区间以及数据发展趋势，判断每个异常区域对应的多条实际发电数据是否在数据浮动区间内且符合数据发展趋势，确定不满足条件的实际发电数据对应的光伏组件串可能存在异常，该光伏组件串对应的使用区域为异常区域，能够更准确地确定出可能存在异常的光伏组件串对应的区域。
在一种可能实现的方式中，在获取所述至少一个异常区域对应的监控图像之前，还包括：
获取巡检无人机在当前时刻的初始位置和续航里程；
基于所述至少一个异常区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径；
控制所述巡检无人机根据所述目标巡检路径拍摄异常区域的监控图像。
通过采用上述技术方案，获取巡检无人机在当前时刻的初始位置和续航里程，基于每个异常区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径，目标巡检路径中包括若干个异常区域分别对应的监控点位，通过巡检无人机在监控点位对异常区域拍摄监控图像，使得获取到的监控图像能够更好的显示出对应异常区域内每个光伏组件的实际情况。
在一种可能实现的方式中，所述基于所述至少一个异常区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径，包括：
获取每个所述异常区域的中心位置，基于每个所述异常区域的中心位置以及所述巡检无人机的初始位置，确定巡航里程；
当所述巡航里程与所述巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个所述固定监控设备的位置和监控方位；
基于每个所述固定监控设备的位置和监控方位以及每个所述异常区域的中心位置，确定至少一个辅助监测点以及每个所述辅助监测点对应的异常区域；
基于所述当前时刻，确定每个目标异常区域对应的至少一个监控区域，所述目标异常区域为没有对应辅助监测点的异常区域；
基于每个所述目标异常区域对应的至少一个监控区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径。
通过采用上述技术方案，基于每个异常区域的中心位置以及巡检无人机的初始位置，确定巡航里程；当巡航里程与巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个固定监控设备的位置和监控方位；基于每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定至少一个辅助监测点以及每个辅助监测点对应的异常区域；对于没有对应辅助监测点的目标异常区域，基于每个目标异常区域对应的至少一个监控区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径。当巡检无人机的电量不够充足时，通过固定在光伏电站内的固定监控设备获取部分异常区域的监控图像，进而使巡检无人机完成剩余目标异常区域的监控图像的获取工作，使得获取到的每张监控图像都能够更好地显示出对应异常区域内光伏组件的实际情况。
在一种可能实现的方式中，所述基于每个所述固定监控设备的位置和监控方位以及每个所述异常区域的中心位置，确定至少一个辅助监测点，包括：
基于所述当前时刻，确定每个所述异常区域内光伏组件的倾斜角度；
基于每个所述异常区域内光伏组件的倾斜角度、每个所述异常区域的中心位置以及每个所述固定监控设备的位置和监控方位，确定固定监测信息，所述固定监测信息包括每个固定监控设备监测每个异常区域的图像完整度；
基于所述巡航里程与所述巡检无人机的续航里程之间的差值，确定辅助监测点的数量；
基于所述固定监测信息以及所述辅助监测点的数量，确定至少一个辅助监测点。
通过采用上述技术方案，基于巡航里程与巡检无人机的续航里程之间的差值，确定辅助监测点的数量；基于当前时刻，确定每个异常区域内光伏组件的倾斜角度；基于每个异常区域内光伏组件的倾斜角度、每个异常区域的中心位置以及每个固定监控设备的位置和监控方位，确定固定监测信息，固定监测信息包括每个固定监控设备监测每个异常区域的图像完整度；基于固定监测信息以及辅助监测点的数量，确定至少一个辅助监测点。使用辅助监测点对应的固定监控设备对异常区域拍摄监控图像，使得获取到的监控图像能够更好地显示出异常区域内光伏组件的情况。
在一种可能实现的方式中，一种光伏电站故障定位方法，还包括：
当所述巡航里程与所述巡检无人机的续航里程之间的差值大于或等于预设值时，获取每个所述监控区域对应的拍摄效果分布图，所述拍摄效果分布图包括巡检无人机在当前时刻对应的目标检测区域内各个位点对异常区域进行拍摄的拍摄效果指标；
基于每个所述监控区域对应的拍摄效果分布图以及所述巡检无人机的初始位置，确定多个无人机巡检方案，每个所述无人机巡检方案包括所述巡检无人机的巡检路线、实际巡检里程以及巡检效果值；
基于所述巡检无人机的续航里程以及所述多个无人机巡检方案，确定目标巡检路线，所述目标巡检路线为巡检里程小于续航里程的所有巡检路线中巡检效果值最高的巡检路线。
通过采用上述技术方案，当巡航里程与巡检无人机的续航里程之间的差值大于或等于预设值时，获取每个监控区域对应的拍摄效果分布图，拍摄效果分布图包括巡检无人机在当前时刻对应的目标检测区域内各个位点对异常区域进行拍摄的拍摄效果指标；基于每个监控区域对应的拍摄效果分布图以及巡检无人机的初始位置，确定多个无人机巡检方案，每个无人机巡检方案包括巡检无人机的巡检路线、实际巡检里程以及巡检效果值；基于巡检无人机的续航里程以及多个无人机巡检方案，确定目标巡检路线，目标巡检路线为巡检里程小于续航里程的所有巡检路线中巡检效果值最高的巡检路线，使巡检无人机在目标巡检路线中每个监控点位拍摄的监控图像的效果最佳，能够提升巡检无人机拍摄的监控图像的显示效果。
在一种可能实现的方式中，所述基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像，对于任一监控图像，包括：
基于所述任一监控图像的拍摄时刻，确定所述光伏组件的标准倾斜角度；
获取所述光伏组件的正视图像；
基于所述光伏组件的标准倾斜角度和正视图像以及所述任一监控图像的拍摄角度，确定所述任一监控图像对应的光伏组件标准图像。
通过采用上述技术方案，基于任一监控图像的拍摄时刻，确定光伏组件的标准倾斜角度；获取光伏组件的正视图像；基于光伏组件的标准倾斜角度和正视图像以及任一监控图像的拍摄角度，确定任一监控图像对应的光伏组件标准图像，根据时刻确定出光伏组件当前对应的倾斜状态，使得确定出光伏组件标准图像与监控图像中光伏组件的呈现效果保持一致。
第二方面，本申请提供一种光伏电站故障定位装置，采用如下的技术方案：
一种光伏电站故障定位装置，包括：
运行数据获取模块，用于获取光伏电站的运行数据，所述运行数据包括多个光伏组件串各自对应的多个实际发电数据；
异常区域确定模块，用于基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域；
监控图像获取模块，用于获取所述至少一个异常区域对应的监控图像以及每张所述监控图像的拍摄角度和拍摄时刻；
光伏组件标准图像确定模块，用于基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像；
故障位置确定模块，用于基于所述至少一个异常区域对应的监控图像以及每张所述监控图像对应的光伏组件标准图像，确定故障位置。
通过采用上述技术方案，基于光伏电站的运行数据，确定光伏电站内可能存在故障的至少一个异常区域；进而获取每个个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像，光伏组件标准图像为在正常发电情况下光伏组件在监控图像中出现的图像；基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，对每张监控图像进行分析，判断监控图像中光伏组件是否与标准图像一致，若不一致则确定对应的光伏组件所在位置为故障位置，能够提升光伏电站故障定位的效率。
在一种可能实现的方式中，所述异常区域确定模块在基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域时，具体用于：
获取历史同期运行数据；
基于所述历史同期运行数据，确定数据浮动区间以及数据发展趋势；
基于所述运行数据、所述数据浮动区间以及所述数据发展趋势，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域。
在一种可能实现的方式中，一种光伏电站故障定位装置，还包括：
巡检无人机信息获取模块，用于获取巡检无人机在当前时刻的初始位置和续航里程；
第一目标巡检路径模块，用于基于个所述至少一个异常区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径；
控制模块，用于控制所述巡检无人机根据所述目标巡检路径拍摄异常区域的监控图像。
在一种可能实现的方式中，所述第一目标巡检路径模块在基于所述至少一个异常区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径时，具体用于：
获取每个所述异常区域的中心位置，基于每个所述异常区域的中心位置以及所述巡检无人机的初始位置，确定巡航里程；
当所述巡航里程与所述巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个所述固定监控设备的位置和监控方位；
基于每个所述固定监控设备的位置和监控方位以及每个所述异常区域的中心位置，确定至少一个辅助监测点以及每个所述辅助监测点对应的异常区域；
基于所述当前时刻，确定每个目标异常区域对应的至少一个监控区域，所述目标异常区域为没有对应辅助监测点的异常区域；
基于每个所述目标异常区域对应的至少一个监控区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径。
在一种可能实现的方式中，所述第一目标巡检路径模块在基于每个所述固定监控设备的位置和监控方位以及每个所述异常区域的中心位置，确定至少一个辅助监测点时，具体用于：
基于所述当前时刻，确定每个所述异常区域内光伏组件的倾斜角度；
基于每个所述异常区域内光伏组件的倾斜角度、每个所述异常区域的中心位置以及每个所述固定监控设备的位置和监控方位，确定固定监测信息，所述固定监测信息包括每个固定监控设备监测每个异常区域的图像完整度；
基于所述巡航里程与所述巡检无人机的续航里程之间的差值，确定辅助监测点的数量；
基于所述固定监测信息以及所述辅助监测点的数量，确定至少一个辅助监测点。
在一种可能实现的方式中，一种光伏电站故障定位装置，还包括：
拍摄效果分布图获取模块，用于获取每个所述监控区域对应的拍摄效果分布图，所述拍摄效果分布图包括巡检无人机在当前时刻对应的目标检测区域内各个位点对异常区域进行拍摄的拍摄效果指标；
无人机巡检方案确定模块，用于基于每个所述监控区域对应的拍摄效果分布图以及所述巡检无人机的初始位置，确定多个无人机巡检方案，每个所述无人机巡检方案包括所述巡检无人机的巡检路线、实际巡检里程以及巡检效果值；
第二目标巡检路线确定模块，用于基于所述巡检无人机的续航里程以及所述多个无人机巡检方案，确定目标巡检路线，所述目标巡检路线为巡检里程小于续航里程的所有巡检路线中巡检效果值最高的巡检路线。
在一种可能实现的方式中，所述光伏组件标准图像确定模块在基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像时，对于任一监控图像，具体用于：
基于所述任一监控图像的拍摄时刻，确定所述光伏组件的标准倾斜角度；
获取所述光伏组件的正视图像；
基于所述光伏组件的标准倾斜角度和正视图像以及所述任一监控图像的拍摄角度，确定所述任一监控图像对应的光伏组件标准图像。
第三方面，本申请提供一种光伏电站故障定位系统，采用如下的技术方案：
一种光伏电站故障定位系统，该系统包括：
巡检无人机，所述巡检无人机能够获取光伏电站的监控图像；
至少一个固定监控设备，每个所述固定监控设备均能够获取光伏电站的监控图像；
还包括至少一个处理器，所述巡检无人机和所述固定监控设备均能够与所述至少一个处理器进行信息交互；
存储器；
至少一个应用程序，其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述光伏电站故障定位方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述光伏电站故障定位方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
基于光伏电站的运行数据，确定光伏电站内可能存在故障的至少一个异常区域；进而获取每个个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像，光伏组件标准图像为在正常发电情况下光伏组件在监控图像中出现的图像；基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，对每张监控图像进行分析，判断监控图像中光伏组件是否与标准图像一致，若不一致则确定对应的光伏组件所在位置为故障位置，能够提升光伏电站故障定位的效率。
获取巡检无人机在当前时刻的初始位置和续航里程，基于每个异常区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径，目标巡检路径中包括若干个异常区域分别对应的监控点位，通过巡检无人机在监控点位对异常区域拍摄监控图像，使得获取到的监控图像能够更好的显示出对应异常区域内每个光伏组件的实际情况。
基于每个异常区域的中心位置以及巡检无人机的初始位置，确定巡航里程；当巡航里程与巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个固定监控设备的位置和监控方位；基于每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定至少一个辅助监测点以及每个辅助监测点对应的异常区域；对于没有对应辅助监测点的目标异常区域，基于每个目标异常区域对应的至少一个监控区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径。当巡检无人机的电量不够充足时，通过固定在光伏电站内的固定监控设备获取部分异常区域的监控图像，进而使巡检无人机完成剩余目标异常区域的监控图像的获取工作，使得获取到的每张监控图像都能够更好地显示出对应异常区域内光伏组件的实际情况。
附图说明
图1是本申请实施例中一种光伏电站故障定位方法的流程示意图；
图2是本申请实施例中一种光伏电站故障定位装置的结构示意图；
图3是本申请实施例中光伏电站故障定位系统的结构示意图。
具体实施方式
以下结合图1-图3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
本申请实施例提供了一种光伏电站故障定位方法，由光伏电站故障定位系统执行，参照图1,该方法包括步骤S101-步骤S105，其中：
步骤S101、获取光伏电站的运行数据，运行数据包括多个光伏组件串各自对应的多个实际发电数据。
对于本申请实施例，当光伏电站的系统输出功率发生异常变化时，获取光伏电站的运行数据，光伏电站中每个光伏组件串设置有对应的监控设备，实时监测光伏电站的运行情况，进而获取光伏电站中每个光伏组件串在多个时刻下各自对应的实际发电数据。
步骤S102、基于运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域。
对于本申请实施例，对每个光伏组件串的多个实际发电数据进行分析，其中，可以判断每个时刻的输出功率是否均在预设的输出功率区间内，若存在某一时刻的输出功率不在预设的输出功率区间内，则可以确定该光伏组件串存在异常，根据该光伏组件串的位置，确定该光伏组件串所在的使用区域为异常区域。
步骤S103、获取至少一个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻。
对于本申请实施例，可以通过布置在光伏电站内的图像采集装置，获取每个异常区域对应的监控图像，也可以通过巡检无人机针对每个异常区域拍摄对应的监控图像，其中每个异常区域可以对应一张或多张监控图像。其中，监控图像的拍摄角度的确定过程可以包括：根据异常区域内光伏组件电池板所在平面的建立三维坐标系，同时结合图像采集装置或无人机在水平平面建立的三维坐标系中的位置以及光伏组件的倾斜角度，确定出图像采集装置或无人机在以光伏电池板所在平面建立的坐标系中的坐标，进而根据坐标点确定出监控图像的拍摄角度。每张监控图像在拍摄时会关联拍摄的时间，进而获取每张监控图像对应的拍摄时刻。
步骤S104、基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像。
对于本申请实施例，对于每张监控图像，根据监控图像的拍摄时刻，确定出光伏组件的倾斜角度；进而根据该监控图像的拍摄角度和光伏组件的倾斜交付以及光伏组件的正向图像，确定出发电功率正常情况下光伏组件出现在图像中的标准图像，即光伏组件标准图像。正向图像为针对对应的光伏组件电池板正视方向拍摄的图像，在不同的拍摄角度和拍摄时刻下光伏组件在监控图像中呈现的状态可能存在一定的差异。
步骤S105、基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，确定故障位置。
对于本申请实施例，对于每个异常区域，根据异常区域对应的监控图像以及监控图像对应的光伏组件标准图像，判断是否存在光伏组件电池板上有遮挡或是灰尘的情况，以及光伏组件当前的倾斜角度是否与预先设置的倾斜角度对应，进而确定出异常的光伏组件出现在监控图像中的位置。根据监控图像的拍摄位置，以及监控图像与异常区域的对应关系，确定出异常的光伏组件在异常区域内的实际对应的位置，即故障位置；光伏电站内设置有多个定位桩，也可以根据监控图像中拍摄到的定位桩与异常的光伏组件的位置关系，确定光伏组件在异常区域内的实际位置。
基于光伏电站的运行数据，确定光伏电站内可能存在故障的至少一个异常区域；进而获取每个个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像，光伏组件标准图像为在正常发电情况下光伏组件在监控图像中出现的图像；基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，对每张监控图像进行分析，判断监控图像中光伏组件是否与标准图像一致，若不一致则确定对应的光伏组件所在位置为故障位置，能够提升光伏电站故障定位的效率。
进一步地，基于运行数据，确定至少一个异常区域，包括步骤S1021（图中未示出）-步骤S1023（图中未示出），其中：
步骤S1021、获取历史同期运行数据。
具体地，从数据库中获取历史中与运行数据同期的数据，即历史同期运行数据，其中同期可以包括往年日期相近的同一时段，以及当年日期相邻的同一时段，且历史同期运行数据中不包含光伏电站运行异常的数据。例如，运行数据对应的时段为当年的1月10日13时，则对应的历史同期数据可以包括当年的1月8日-9日每日13时的数据、前一年的1月9日-11日每日13时的数据等。同时还可以根据获取运行数据时的天气情况，可以进一步从历史数据中筛选与当前天气情况相近的历史同期运行数据。
步骤S1022、基于历史同期运行数据，确定数据浮动区间以及数据发展趋势。
具体地，根据历史同期运行数据中每条数据对应的时刻不同，对其进行分组。对于每组数据对应的大小，确定出数据浮动区间，数据浮动区间的下限为历史同期运行数据中最小值-预设的标准浮动值，数据浮动区间的上限为历史同期运行数据中最大值+预设的标准浮动值。根据历史同期运行数据中每条数据对应的年份不同，对于同一年份的数据可以通过求取平均值的方式确定出对应年份对应的发电功率，进而根据每年的发电功率的数值并结合光伏电站的使用损耗，确定出数据发展趋势。
步骤S1023、基于运行数据、数据浮动区间以及数据发展趋势，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域。
具体地，对于每条实际发电数据，根据数据浮动区间，判断实际发电数据是否在数据浮动区间内，若否，则确定该条实际发电数据对应光伏组件串可能出现异常，将该光伏组件串的使用区域确定为异常区域。同时对于每个光伏组件串对应的多条实际发电数据，根据每条实际发电数据对应的时刻进行排序，判断该光伏组件串对应的实际发电数据是否符合数据发展趋势，若否，则确定该光伏组件串对应的使用区域为异常区域。
进一步地，光伏电站的覆盖面积较广，当同时出现多个异常区域时，因巡检的无人机续航有限，导致无人机可能无法获取到每个异常区域对应的监控图像。因此，在获取至少一个异常区域对应的监控图像之前，一种光伏电站故障定位方法，还包括步骤S01（图中未示出）-步骤S02（图中未示出），其中：
步骤S01、获取巡检无人机在当前时刻的初始位置和续航里程；
步骤S02、基于至少一个异常区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径；
步骤S03、控制巡检无人机根据目标巡检路径拍摄异常区域的监控图像。
对于本申请实施例，对于可调式光伏电站，根据时刻的不同光伏组件的倾斜角度可能不同，因此可以根据当前时刻，确定出光伏电站内光伏组件当前的倾斜角度。进而根据异常区域所在位置以及光伏组件当前的倾斜角度，确定出每个异常区域对应的至少一个监控区域，巡检无人机在对应的监控区域内拍摄监控图像可以更好地展示光伏组件的实际使用情况。在一种可实现的方式中，根据该光伏组件串的位置确定异常区域包括：根据每个异常区域对应的至少一个监控区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径，目标巡检路径包括巡检无人机需要巡检的若干个异常区域分别对应的监控点位，控制巡检无人机根据目标巡检路径拍摄异常区域的监控图像。
在另一种可实现的方式中，确定巡检无人机的目标巡检路径包括：根据巡检无人机的初始位置以及每个异常区域对应的监控区域，确定出与巡检无人机距离最近的某一监控区域，并排除该监控区域对应的异常区域，以该监控区域的任一点位作为巡检无人机的初始位置进行进一步地的判断，直至所有异常区域均被巡检完成。判断该路线的长度是否在巡检无人机的续航里程内，若是，则确定该路线为目标巡检路线。若否，则去除一个与巡检无人机初始位置距离最远的一个监控区域，进而再进行续航里程的判断，直至确定出目标巡检路线。
进一步地，基于至少一个异常区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径，包括步骤S021-步骤S025，其中：
步骤S021、获取每个异常区域的中心位置，基于每个异常区域的中心位置以及巡检无人机的初始位置，确定巡航里程。
具体地，根据每个异常区域的中心位置以及巡检无人机的初始位置，确定一条巡检路线，该巡检路线可以使巡检无人机从初始位置出发经过每个异常区域的中心位置，该巡检路线对应的里程为巡航里程。
步骤S022、当巡航里程与巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个固定监控设备的位置和监控方位。
具体地，当巡航里程与巡检无人机的续航里程之间的差值小于预设值时，则认为在巡检无人机的续航里程内是无法巡检到每个异常区域，因此可以通过设置在光伏电站内的多个固定监控设备对异常区域拍摄监控图像，获取设置在光伏电站内的多个固定监控设备以及每个固定监控设备的位置和监控方位。
步骤S023、基于每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定至少一个辅助监测点以及每个辅助监测点对应的异常区域。
具体地，对于每个固定监控设备，根据该固定监控设备的位置和监控方位，确定出每个异常区域的中心位置是否包含在该固定监控设备所拍摄的图像中，若是，则将对应的异常区域与该固定监控设备相关联。同时根据每个固定监控设备所拍摄的图像的中心点，计算出每张图像的中心点与其关联的每个异常区域中心位置之间的偏移度。对于每个异常区域，根据该异常区域对应的固定监控设备，对每个固定监控设备所拍摄的图像的中心点与异常区域中心位置之间的偏移度进行判断，若偏移度小于预设偏移度，则将对应的固定监控设备确定为该异常区域的辅助图像采集装置，辅助图像采集装置所在的位置即为辅助监测点。
步骤S024、基于当前时刻，确定每个目标异常区域对应的至少一个监控区域，目标异常区域为没有对应辅助监测点的异常区域。
具体地，对于可调式光伏电站，根据时刻的不同光伏电站内光伏组件的倾斜角度可能不同，因此可以根据当前时刻，确定出光伏电站内光伏组件当前的倾斜角度。从所有的异常区域中确定出没有对应辅助监测点的区域为目标异常区域，根据目标异常区域内光伏组件的倾斜角度以及异常区域所对应的位置，确定出每个目标异常区域对应的至少一个监控区域，其中监控区域可以为与光伏组件电池板正视方向对应的平面区域。
步骤S025、基于每个目标异常区域对应的至少一个监控区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径。
具体地，对于没有对应辅助监测点的若干个目标异常区域，使用巡检无人机拍摄监控图像，根据巡检无人机的初始位置和续航里程，确定出每个目标异常区域对应的目标监控区域，根据无人机的续航里程的大小可以使用不同的选择标准确定目标监控区域，例如，若续航里程小于预设里程，则对于每个异常区域，从该异常区域对应的至少一个监控区域中选取与巡检无人机初始位置直线距离最近的为目标监控区域；若续航里程大于预设里程，则对于每个异常区域，从该异常区域对应的至少一个监控区域中选取拍摄光伏组件效果最佳的为目标监控区域。进而根据每个目标异常区域对应的目标监控区域以及巡检无人机的初始位置，确定巡检无人机的目标巡检路径。
进一步地，基于每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定至少一个辅助监测点，包括步骤S0241（图中未示出）-步骤S0244（图中未示出），其中：
步骤S0241、基于当前时刻，确定每个异常区域内光伏组件的倾斜角度。
步骤S0242、基于每个异常区域内光伏组件的倾斜角度、每个异常区域的中心位置以及每个固定监控设备的位置和监控方位，确定固定监测信息，固定监测信息包括每个固定监控设备监测每个异常区域的图像完整度。
具体地，可以根据每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定出每个固定监控设备对应的若干个异常区域，其中，异常区域的中心位置出现在固定监控设备所能采集图像的区域内。
对于任一固定监控设备对应的任一异常区域，根据该异常区域的对应的轮廓出现在该固定监控设备所拍摄的图像中的比例，确定出该固定监控设备与该异常区域的监测区域完整度。在不同的时刻光伏组件的倾斜角度可能不同，进而根据该异常区域内光伏组件的倾斜角度以及该固定监控设备的位置和监控方向，确定出光伏组件的正视方向与固定监控设备监控方向的重合度，进而确定该固定监控设备与异常区域的组件完整度，其中，重合度越高，对应的组件完整度越高。进而根据该固定监控设备与异常区域的组件完整度和监测区域完成度吗，确定出图像完整度。
步骤S0243、基于巡航里程与巡检无人机的续航里程之间的差值，确定辅助监测点的数量。
具体地，根据巡航里程与续航里程之间的差值，确定出差值所属的区间，进而确定出辅助监测点的数量，其中差值越大对应的辅助监测点的数量越多。
步骤S0244、基于固定监测信息以及辅助监测点的数量，确定至少一个辅助监测点。
具体地，根据固定监测信息，确定出每个异常区域对应的图像完整度最高的固定监控设备，确定该固定监控设备所在位置为对应的异常区的备选监测点。进而根据图像完整度进行排序，根据辅助监测点的数量，从中选择辅助监测对应的数量X个备选监测点为辅助监测点。
进一步地，当巡航里程与巡检无人机的续航里程之间的差值大于或等于预设值时，一种光伏电站故障定位方法，还包括步骤S026（图中未示出）-步骤S028（图中未示出），其中：
步骤S026、当巡航里程与巡检无人机的续航里程之间的差值大于或等于预设值时，获取每个监控区域对应的拍摄效果分布图，拍摄效果分布图包括巡检无人机在当前时刻对应的目标检测区域内各个位点对异常区域进行拍摄的拍摄效果指标指标。
具体地，当巡航里程与巡检无人机的续航里程之间的差值大于或等于预设值时，则认为巡检无人机有足够的续航能力完成所有异常区域监控图像的拍摄工作。在同一监控区域的不同的位置拍摄对应异常区域的拍摄效果存在一定的差异，拍摄效果的好坏根据拍摄的异常区域的完整度，以及拍摄的异常区域内光伏组件的电池板的正视程度相对应。若拍摄到的异常区域越完整且拍摄到的光伏组件的电池板的正视程度大，则对应的拍摄效果指标越高。
步骤S027、基于每个监控区域对应的拍摄效果分布图以及巡检无人机的初始位置，确定多个无人机巡检方案，每个无人机巡检方案包括巡检无人机的巡检路线、实际巡检里程以及巡检效果值。
具体地，根据每个监控区域对应的拍摄效果分布图以及巡检无人机的初始位置，穷举出所有可能的无人机巡检方案，其中每个无人机巡检方案对应的巡检路线均能包含所有的异常区域，且巡检路线中包含多个巡检位点，每个异常区域对应至少一个巡检位点，巡检无人机在巡检位点对应的异常区域拍摄监控图像。巡检效果值可以为对应的无人机巡检方案中包含的所有巡检位点的拍摄效果指标的平均值，实际巡检里程为巡检无人机以对应的巡检路线飞行所对应的路程长度。
步骤S028、基于巡检无人机的续航里程以及多个无人机巡检方案，确定目标巡检路线，目标巡检路线为巡检里程小于续航里程的所有巡检路线中巡检效果值最高的巡检路线。
具体地，对于每个巡检无人机方案进行判断，首先筛选出巡检里程小于续航里程的若干个无人机巡检方案，进而从中选取巡检效果值最高的无人机巡检方案中的巡检路线作为目标巡检路线。
进一步地，基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应光伏组件标准图像，对于任一监控图像，包括步骤S1041（图中未示出）-步骤S1043（图中未示出），其中：
步骤S1041、基于任一监控图像的拍摄时刻，确定光伏组件的标准倾斜角度。
具体地，光伏电站根据其时间点的不同，对应的光伏组件的倾斜角度可能不同，拍摄时刻包括拍摄监控图像时的日期以及时间点。进而根据监控图像的拍摄时刻，确定出拍摄监控图像时光伏组件的标准倾斜角度，标准倾斜角度为预先设置好光伏组件在拍摄时刻应该所处的倾斜角度。
步骤S1042、获取光伏组件的正视图像；
步骤S1043、基于光伏组件的标准倾斜角度和正视图像以及任一监控图像的拍摄角度，确定任一监控图像对应的光伏组件标准图像。
具体地，根据光伏组件的标准倾斜角度和正视图像，确定出光伏组件在正视俯拍情况下的图像，进而结合监控图像的拍摄角度确定出光伏组件在未出现异常情况下在监控图像中应该出现的图像，即光伏组件标准图像。
上述实施例从方法流程的角度介绍一种光伏电站故障定位的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种光伏电站故障定位的装置，具体详见下述实施例。
本申请实施例提供一种光伏电站故障定位的装置，如图2所示，该光伏电站故障定位的装置具体可以包括：
一种光伏电站故障定位装置，包括：
运行数据获取模块201，用于获取光伏电站的运行数据，运行数据包括多个光伏组件串各自对应的多个实际发电数据；
异常区域确定模块202，用于基于运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域；
监控图像获取模块203，用于获取至少一个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；
光伏组件标准图像确定模块204，用于基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像；
故障位置确定模块205，用于基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，确定故障位置。
通过采用上述技术方案，基于光伏电站的运行数据，确定光伏电站内可能存在故障的至少一个异常区域；进而获取每个个异常区域对应的监控图像以及每张监控图像的拍摄角度和拍摄时刻；基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像，光伏组件标准图像为在正常发电情况下光伏组件在监控图像中出现的图像；基于至少一个异常区域对应的监控图像以及每张监控图像对应的光伏组件标准图像，对每张监控图像进行分析，判断监控图像中光伏组件是否与标准图像一致，若不一致则确定对应的光伏组件所在位置为故障位置，能够提升光伏电站故障定位的效率。
在一种可能实现的方式中，异常区域确定模块202在基于运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域时，具体用于：
获取历史同期运行数据；
基于历史同期运行数据，确定数据浮动区间以及数据发展趋势；
基于运行数据、数据浮动区间以及数据发展趋势，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域。
在一种可能实现的方式中，一种光伏电站故障定位装置，还包括：
巡检无人机信息获取模块，用于获取巡检无人机在当前时刻的初始位置和续航里程；
第一目标巡检路径模块，用于基于个至少一个异常区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径；
控制模块，用于控制巡检无人机根据目标巡检路径拍摄异常区域的监控图像。
在一种可能实现的方式中，第一目标巡检路径模块在基于至少一个异常区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径时，具体用于：
获取每个异常区域的中心位置，基于每个异常区域的中心位置以及巡检无人机的初始位置，确定巡航里程；
当巡航里程与巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个固定监控设备的位置和监控方位；
基于每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定至少一个辅助监测点以及每个辅助监测点对应的异常区域；
基于当前时刻，确定每个目标异常区域对应的至少一个监控区域，目标异常区域为没有对应辅助监测点的异常区域；
基于每个目标异常区域对应的至少一个监控区域以及巡检无人机的初始位置和续航里程，确定巡检无人机的目标巡检路径。
在一种可能实现的方式中，第一目标巡检路径模块在基于每个固定监控设备的位置和监控方位以及每个异常区域的中心位置，确定至少一个辅助监测点时，具体用于：
基于当前时刻，确定每个异常区域内光伏组件的倾斜角度；
基于每个异常区域内光伏组件的倾斜角度、每个异常区域的中心位置以及每个固定监控设备的位置和监控方位，确定固定监测信息，固定监测信息包括每个固定监控设备监测每个异常区域的图像完整度；
基于巡航里程与巡检无人机的续航里程之间的差值，确定辅助监测点的数量；
基于固定监测信息以及辅助监测点的数量，确定至少一个辅助监测点。
在一种可能实现的方式中，一种光伏电站故障定位装置，还包括：
拍摄效果分布图获取模块，用于获取每个监控区域对应的拍摄效果分布图，拍摄效果分布图包括巡检无人机在当前时刻对应的目标检测区域内各个位点对异常区域进行拍摄的拍摄效果指标；
无人机巡检方案确定模块，用于基于每个监控区域对应的拍摄效果分布图以及巡检无人机的初始位置，确定多个无人机巡检方案，每个无人机巡检方案包括巡检无人机的巡检路线、实际巡检里程以及巡检效果值；
第二目标巡检路线确定模块，用于基于巡检无人机的续航里程以及多个无人机巡检方案，确定目标巡检路线，目标巡检路线为巡检里程小于续航里程的所有巡检路线中巡检效果值最高的巡检路线。
在一种可能实现的方式中，光伏组件标准图像确定模块204在基于每张监控图像的拍摄角度和拍摄时刻，确定每张监控图像对应的光伏组件标准图像时，对于任一监控图像，具体用于：
基于任一监控图像的拍摄时刻，确定光伏组件的标准倾斜角度；
获取光伏组件的正视图像；
基于光伏组件的标准倾斜角度和正视图像以及任一监控图像的拍摄角度，确定任一监控图像对应的光伏组件标准图像。
本申请实施例中提供了一种光伏电站故障定位系统，如图3所示，图3所示的光伏电站故障定位系统300，包括：巡检无人机301、固定监控设备302和固定监控设备303，实际应用中固定监控设备至少存在一个，巡检无人机301、固定监控设备302和固定监控设备303能够获取异常区域的监控图像。
光伏电站故障定位系统300还包括：电子设备304，电子设备304包括：处理器3041和存储器3043。其中，处理器3041和存储器3043相连，如通过总线3042相连。可选地，电子设备304还可以包括收发器3044。需要说明的是，实际应用中收发器3044不限于一个，该电子设备304的结构并不构成对本申请实施例的限定。
处理器3041可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线3042可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器3043可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器3043用于存储执行本申请方案的应用程序代码，并由处理器3041来控制执行。处理器3041用于执行存储器3043中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种光伏电站故障定位方法，其特征在于，包括：
获取光伏电站的运行数据，所述运行数据包括多个光伏组件串各自对应的多个实际发电数据；
基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域；
获取所述至少一个异常区域对应的监控图像以及每张所述监控图像的拍摄角度和拍摄时刻；
基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像；
基于所述至少一个异常区域对应的监控图像以及每张所述监控图像对应的光伏组件标准图像，确定故障位置。
2.根据权利要求1所述的一种光伏电站故障定位方法，其特征在于，所述基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域，包括：
获取历史同期运行数据；
基于所述历史同期运行数据，确定数据浮动区间以及数据发展趋势；
基于所述运行数据、所述数据浮动区间以及所述数据发展趋势，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域。
3.根据权利要求1所述的一种光伏电站故障定位方法，其特征在于，在获取所述至少一个异常区域对应的监控图像之前，还包括：
获取巡检无人机在当前时刻的初始位置和续航里程；
基于所述至少一个异常区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径；
控制所述巡检无人机根据所述目标巡检路径拍摄异常区域的监控图像。
4.根据权利要求3所述的一种光伏电站故障定位方法，其特征在于，所述基于所述至少一个异常区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径，包括：
获取每个所述异常区域的中心位置，基于每个所述异常区域的中心位置以及所述巡检无人机的初始位置，确定巡航里程；
当所述巡航里程与所述巡检无人机的续航里程之间的差值小于预设值时，获取多个固定监控设备以及每个所述固定监控设备的位置和监控方位；
基于每个所述固定监控设备的位置和监控方位以及每个所述异常区域的中心位置，确定至少一个辅助监测点以及每个所述辅助监测点对应的异常区域；
基于所述当前时刻，确定每个目标异常区域对应的至少一个监控区域，所述目标异常区域为没有对应辅助监测点的异常区域；
基于每个所述目标异常区域对应的至少一个监控区域以及所述巡检无人机的初始位置和续航里程，确定所述巡检无人机的目标巡检路径。
5.根据权利要求4所述的一种光伏电站故障定位方法，其特征在于，所述基于每个所述固定监控设备的位置和监控方位以及每个所述异常区域的中心位置，确定至少一个辅助监测点，包括：
基于所述当前时刻，确定每个所述异常区域内光伏组件的倾斜角度；
基于每个所述异常区域内光伏组件的倾斜角度、每个所述异常区域的中心位置以及每个所述固定监控设备的位置和监控方位，确定固定监测信息，所述固定监测信息包括每个固定监控设备监测每个异常区域的图像完整度；
基于所述巡航里程与所述巡检无人机的续航里程之间的差值，确定辅助监测点的数量；
基于所述固定监测信息以及所述辅助监测点的数量，确定至少一个辅助监测点。
6.根据权利要求4所述的一种光伏电站故障定位方法，其特征在于，还包括：
当所述巡航里程与所述巡检无人机的续航里程之间的差值大于或等于预设值时，获取每个所述监控区域对应的拍摄效果分布图，所述拍摄效果分布图包括巡检无人机在当前时刻对应的目标检测区域内各个位点对异常区域进行拍摄的拍摄效果指标；
基于每个所述监控区域对应的拍摄效果分布图以及所述巡检无人机的初始位置，确定多个无人机巡检方案，每个所述无人机巡检方案包括所述巡检无人机的巡检路线、实际巡检里程以及巡检效果值；
基于所述巡检无人机的续航里程以及所述多个无人机巡检方案，确定目标巡检路线，所述目标巡检路线为巡检里程小于续航里程的所有巡检路线中巡检效果值最高的巡检路线。
7.根据权利要求1所述的一种光伏电站故障定位方法，其特征在于，所述基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像，对于任一监控图像，包括：
基于所述任一监控图像的拍摄时刻，确定所述光伏组件的标准倾斜角度；
获取所述光伏组件的正视图像；
基于所述光伏组件的标准倾斜角度和正视图像以及所述任一监控图像的拍摄角度，确定所述任一监控图像对应的光伏组件标准图像。
8.一种光伏电站故障定位装置，其特征在于，包括：
运行数据获取模块，用于获取光伏电站的运行数据，所述运行数据包括多个光伏组件串各自对应的多个实际发电数据；
异常区域确定模块，用于基于所述运行数据，从多个光伏组件串各自对应的使用区域中确定至少一个异常区域；
监控图像获取模块，用于获取所述至少一个异常区域对应的监控图像以及每张所述监控图像的拍摄角度和拍摄时刻；
光伏组件标准图像确定模块，用于基于每张所述监控图像的拍摄角度和拍摄时刻，确定每张所述监控图像对应的光伏组件标准图像；
故障位置确定模块，用于基于所述至少一个异常区域对应的监控图像以及每张所述监控图像对应的光伏组件标准图像，确定故障位置。
9.一种光伏电站故障定位系统，其特征在于，该系统包括：
巡检无人机，所述巡检无人机能够获取光伏电站的监控图像；
至少一个固定监控设备，每个所述固定监控设备均能够获取光伏电站的监控图像；
还包括至少一个处理器，所述巡检无人机和所述固定监控设备均能够与所述至少一个处理器进行信息交互；
存储器；
至少一个应用程序，其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1-7中任一项所述光伏电站故障定位方法。
10.一种计算机可读存储介质，其特征在于，包括：存储有能够被处理器加载并执行如权利要求1-7中任一项所述光伏电站故障定位方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310677435.9A CN116402882B (zh) | 2023-06-09 | 2023-06-09 | 一种光伏电站故障定位方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310677435.9A CN116402882B (zh) | 2023-06-09 | 2023-06-09 | 一种光伏电站故障定位方法、装置、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116402882A true CN116402882A (zh) | 2023-07-07 |
| CN116402882B CN116402882B (zh) | 2023-09-08 |
Family
ID=87012799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310677435.9A Active CN116402882B (zh) | 2023-06-09 | 2023-06-09 | 一种光伏电站故障定位方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116402882B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059878A (zh) * | 2007-05-14 | 2007-10-24 | 杭州中正生物认证技术有限公司 | 一种采用生物特征识别技术的二道门门禁系统和控制方法 |
| CN106815838A (zh) * | 2017-01-22 | 2017-06-09 | 晶科电力有限公司 | 一种光伏组件热斑检测的方法以及系统 |
| CN110347053A (zh) * | 2019-08-07 | 2019-10-18 | 四川创客知佳科技有限公司 | 一种基于移动终端的智能物联安防系统 |
| CN110706379A (zh) * | 2019-09-20 | 2020-01-17 | 广州广电运通金融电子股份有限公司 | 基于区块链的门禁访问控制方法和装置 |
| CN110887462A (zh) * | 2019-11-28 | 2020-03-17 | 深圳供电局有限公司 | 一种无人机巡检方法及系统、输电线路巡检方法及系统 |
| CN111539550A (zh) * | 2020-03-13 | 2020-08-14 | 远景智能国际私人投资有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
| CN112330597A (zh) * | 2020-10-14 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置及计算机设备 |
| CN112923928A (zh) * | 2021-01-29 | 2021-06-08 | 江苏提米智能科技有限公司 | 一种基于图像识别的光伏板导航方法、装置、电子设备及存储介质 |
| CN113645385A (zh) * | 2021-08-07 | 2021-11-12 | 深圳丰汇汽车电子有限公司 | 一种汽车故障内窥镜诊断的方法和装置 |
| CN113917945A (zh) * | 2021-11-03 | 2022-01-11 | 广东电网有限责任公司 | 一种无人机电力线路的巡检方法、装置、无人机和介质 |
| CN114898232A (zh) * | 2022-04-29 | 2022-08-12 | 中科云尚(南京)智能技术有限公司 | 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 |
| CN115133874A (zh) * | 2022-06-28 | 2022-09-30 | 西安万飞控制科技有限公司 | 一种无人机联动巡查光伏电站故障检测的方法及系统 |
| WO2023272479A1 (zh) * | 2021-06-29 | 2023-01-05 | 华为数字能源技术有限公司 | 电站运维系统、电站运维方法及光伏电站 |
| CN115883969A (zh) * | 2023-02-16 | 2023-03-31 | 北京万和汇通通信科技有限公司 | 一种无人机拍摄方法、装置、设备及介质 |
-
2023
- 2023-06-09 CN CN202310677435.9A patent/CN116402882B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059878A (zh) * | 2007-05-14 | 2007-10-24 | 杭州中正生物认证技术有限公司 | 一种采用生物特征识别技术的二道门门禁系统和控制方法 |
| CN106815838A (zh) * | 2017-01-22 | 2017-06-09 | 晶科电力有限公司 | 一种光伏组件热斑检测的方法以及系统 |
| CN110347053A (zh) * | 2019-08-07 | 2019-10-18 | 四川创客知佳科技有限公司 | 一种基于移动终端的智能物联安防系统 |
| CN110706379A (zh) * | 2019-09-20 | 2020-01-17 | 广州广电运通金融电子股份有限公司 | 基于区块链的门禁访问控制方法和装置 |
| CN110887462A (zh) * | 2019-11-28 | 2020-03-17 | 深圳供电局有限公司 | 一种无人机巡检方法及系统、输电线路巡检方法及系统 |
| CN111539550A (zh) * | 2020-03-13 | 2020-08-14 | 远景智能国际私人投资有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
| CN112330597A (zh) * | 2020-10-14 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置及计算机设备 |
| CN112923928A (zh) * | 2021-01-29 | 2021-06-08 | 江苏提米智能科技有限公司 | 一种基于图像识别的光伏板导航方法、装置、电子设备及存储介质 |
| WO2023272479A1 (zh) * | 2021-06-29 | 2023-01-05 | 华为数字能源技术有限公司 | 电站运维系统、电站运维方法及光伏电站 |
| CN113645385A (zh) * | 2021-08-07 | 2021-11-12 | 深圳丰汇汽车电子有限公司 | 一种汽车故障内窥镜诊断的方法和装置 |
| CN113917945A (zh) * | 2021-11-03 | 2022-01-11 | 广东电网有限责任公司 | 一种无人机电力线路的巡检方法、装置、无人机和介质 |
| CN114898232A (zh) * | 2022-04-29 | 2022-08-12 | 中科云尚(南京)智能技术有限公司 | 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 |
| CN115133874A (zh) * | 2022-06-28 | 2022-09-30 | 西安万飞控制科技有限公司 | 一种无人机联动巡查光伏电站故障检测的方法及系统 |
| CN115883969A (zh) * | 2023-02-16 | 2023-03-31 | 北京万和汇通通信科技有限公司 | 一种无人机拍摄方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 吴越等: ""基于KELM的光伏组件故障诊断方法"", 《电源技术研究与设计》, pages 532 - 535 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116402882B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116402882B (zh) | 一种光伏电站故障定位方法、装置、系统及存储介质 | |
| US10850840B2 (en) | Drone and rover preplacement for remote autonomous inspection of utility system components | |
| CN107748360A (zh) | 海表风场反演方法及装置 | |
| US20240070852A1 (en) | Appearance detection method and apparatus for bare cell, computer device, and storage medium | |
| CN110887462A (zh) | 一种无人机巡检方法及系统、输电线路巡检方法及系统 | |
| CN116192044A (zh) | 一种故障光伏板编号定位方法、装置、电子设备及存储介质 | |
| CN112633661A (zh) | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 | |
| CN116503318A (zh) | 一种融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测方法、系统及设备 | |
| CN114820769A (zh) | 车辆定位方法、装置、计算机设备、存储介质及车辆 | |
| CN103869278B (zh) | 基于测距的多目标定位方法及装置 | |
| CN114965328A (zh) | 一种紫外多光谱高压线路故障检测与定位方法及装置 | |
| Zhou et al. | Fault detection method of glass insulator aerial image based on the improved YOLOv5 | |
| CN108520500B (zh) | 基于禁忌搜索的图像中天空区域的识别方法 | |
| CN115661466B (zh) | 一种基于深度学习图像分割的光伏板定位方法及装置 | |
| CN116843691A (zh) | 光伏板热斑检测方法及存储介质、电子设备 | |
| Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
| CN114859236B (zh) | 一种电池边电压测试方法、装置、电子设备及存储介质 | |
| CN113867400B (zh) | 一种基于无人机的光伏发电设备巡查处理方法和系统 | |
| CN115937720A (zh) | 一种基于变电站目标检测聚类簇的航点自动生成方法 | |
| CN111323791B (zh) | 导航增强产品的质量评估方法和装置 | |
| De Oliveira et al. | Ptl-ai furnas dataset: A public dataset for fault detection in power transmission lines using aerial images | |
| CN114241257A (zh) | 一种基于图像识别的电力输电线巡检方法及系统 | |
| CN114035608A (zh) | 基于无人机的巡检培训方法、系统、培训终端和存储介质 | |
| Zhang et al. | Identification technology of transmission line defects based on UAV infrared image | |
| Wang et al. | CrackSense: A CrowdSourcing Based urban road crack detection system |
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 |