CN116667775A - 一种基于无人机的光伏电场自动清洁方法及系统 - Google Patents

一种基于无人机的光伏电场自动清洁方法及系统 Download PDF

Info

Publication number
CN116667775A
CN116667775A CN202310865517.6A CN202310865517A CN116667775A CN 116667775 A CN116667775 A CN 116667775A CN 202310865517 A CN202310865517 A CN 202310865517A CN 116667775 A CN116667775 A CN 116667775A
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
photovoltaic
cleaning
defect
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
Application number
CN202310865517.6A
Other languages
English (en)
Inventor
杨顿
程彬
张凯明
高云峰
于洋
崔彦岭
赵广兴
郭慧
赵泽东
郭长胜
肖贺
刘杰
李智
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 Guoling Intelligent Technology Co ltd
Original Assignee
Beijing Guoling 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 Guoling Intelligent Technology Co ltd filed Critical Beijing Guoling Intelligent Technology Co ltd
Priority to CN202310865517.6A priority Critical patent/CN116667775A/zh
Publication of CN116667775A publication Critical patent/CN116667775A/zh
Pending legal-status Critical Current

Links

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
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/10—Cleaning arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
    • B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
    • B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • 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
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/45—UAVs specially adapted for particular uses or applications for releasing liquids or powders in-flight, e.g. crop-dusting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

本发明涉及光伏太阳能面板技术领域，公开了一种基于无人机的光伏电场自动清洁方法及系统，其中，该方法包括：根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对作业空间进行全局自动摄影；将拍摄的全局图像进行光伏阵列提取，精准计算作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线；根据无人机二次高精度拍摄航线，利用无人机对作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令；基于清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。本申请旨在提供一种用无人机及机载摄像设备对发电厂中的光伏面板进行检测和清洗的方法。

Description

一种基于无人机的光伏电场自动清洁方法及系统
技术领域
本发明涉及光伏太阳能面板技术领域，具体涉及一种基于无人机的光伏电场自动清洁方法及系统。
背景技术
随着全球太阳能光伏产业的快速发展，大规模光伏电池板在世界各国的数量也越来越多，而这些光伏电池板往往安装在比较恶劣的环境当中，且分布范围广泛，从而导致光伏电池板的各种故障和缺陷频频发生。实际应用中为了更充分的利用太阳能，光伏电站多建于日照时间长阳光充足、地域开阔且无遮挡的地方。但这也使得光伏阵列长期暴露于户外，经过长时间的风吹落雨、昼夜温差、日晒和风沙侵蚀，以及冰雹等极端天气的影响，光伏阵列会加速老化和损坏，与此同时，光伏板生产工艺和流程相对复杂的内在因素和安装过程中不确定性的外在因素，光伏阵列质量也会受到影响。建筑物、树叶等阴影长期遮挡也会给光伏系统带来不可忽视的影响，综合这些多因素的影响会使光伏板容易工作在各种异常状态，导致光伏阵列产生各种故障影响系统发电效率造成潜在安全隐患。
针对光伏阵列缺陷检测和识别问题目前存在以下技术难点(1)光伏板精准检测提取：由于光伏板常以阵列形式安置在露天环境，目前通过无人机拍摄进行故障检测的方式需要从原始视频数据中精确提取、还原出光伏板图像数据。此过程会存在畸变、强光反射、雾霾、拍摄角度、边框边缘等影响，现有研究还未完全解决该问题。(2)基于视觉和热成像的故障检测光伏数据集不足：当前公开的光伏阵缺陷数据集仅包括少部分故障类型，现实情况下，常见故障包括：草木遮挡、表面污迹、固定设施遮挡、边缘积尘、表面破损、内部缺陷、二极管故障、组串短路、组串开路等问题，多种缺陷类型数据的收集或生成是当前的技术挑战之一。(3)多缺陷并存问题下的高精度缺陷检测和识别：已有研究和应用方案均面向单一缺陷种类的检测和识别，多种类型耦合的缺陷识别技术目前尚不成熟。(4)基于无人机的太阳能光伏板清洗方案目前尚无。
因此，如何解决现有技术中的问题，是本领域技术人员亟待解决的技术问题。
发明内容
为实现本发明目的提供的一种基于无人机的光伏电场自动清洁方法及系统，其中，该方法包括：
步骤S101：根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对所述作业空间进行全局自动摄影；
步骤S102：将拍摄的全局图像进行光伏阵列提取，精准计算所述作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线；
步骤S103：根据所述无人机二次高精度拍摄航线，利用无人机对所述作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令；
步骤S104：基于所述清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。
在其中一些具体实施例中，步骤S101还包括：通过应用计算机视觉和图像处理技术对无人机初步拍摄并生成的全局图像进一步处理和分析，包括对光伏组件进行目标检测、边缘检测和界限分割。
在其中一些具体实施例中，步骤S102还包括：提取各种地形场景下存在的光伏组件，再根据光伏板识别算法检测并计算所有光伏组件的坐标值，并生成下一步所需的航线数据，根据所述航线数据确定所述无人机二次高精度拍摄航线。
在其中一些具体实施例中，在步骤S103中，通过图像处理和分析对光伏组件进行缺陷识别和分类，再运用机器学习和深度学习算法，基于卷积神经网络建立所述缺陷检测模型，并通过分析光伏面板存在的各种类型的缺陷以及污迹类型，收集大量包含缺陷标记的光伏电厂航拍数据，，对所述缺陷检测模型进行训练。
在其中一些具体实施例中，步骤S103中还包括：在进行缺陷识别和分类后，通过灰色关联度分析、模糊层次分析法对缺陷程度进行量化分析和评估，并提出相应的修复建议，其中，对于程度较轻的缺陷，选择清洗或维修进行修复；对于程度较重或已无法修复的缺陷，则选择更换设备。
为实现本申请发明目的，还提供了一种基于无人机的光伏电场自动清洁系统，包括：
空间确定模块：用于根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对所述作业空间进行全局自动摄影；
航线确定模块：用于将拍摄的全局图像进行光伏阵列提取，精准计算所述作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线；
指令生成模块：用于根据所述无人机二次高精度拍摄航线，利用无人机对所述作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令；
污迹清洗模块：用于基于所述清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。
在其中一些具体实施例中，空间确定模块还用于：通过应用计算机视觉和图像处理技术对无人机初步拍摄并生成的全局图像进一步处理和分析，包括对光伏组件进行目标检测、边缘检测和界限分割。
在其中一些具体实施例中，所述航线确定模块还用于：提取各种地形场景下存在的光伏组件，再根据光伏板识别算法检测并计算所有光伏组件的坐标值，并生成下一步所需的航线数据，根据所述航线数据确定所述无人机二次高精度拍摄航线。
在其中一些具体实施例中，在所述指令生成模块中，所述缺陷检测模型包括：通过图像处理和分析对光伏组件进行缺陷识别和分类，，再运用机器学习和深度学习算法，基于卷积神经网络建立所述缺陷检测模型，并通过分析光伏面板存在的各种类型的缺陷以及污迹类型，收集大量包含缺陷标记的光伏电厂航拍数据，对所述缺陷检测模型进行训练。
在其中一些具体实施例中，指令生成模块还用于执行以下操作：在进行缺陷识别和分类后，通过灰色关联度分析、模糊层次分析法对缺陷程度进行量化分析和评估，并提出相应的修复建议，其中，对于程度较轻的缺陷，选择清洗或维修进行修复；对于程度较重或已无法修复的缺陷，，则选择更换设备。
上述技术方案的有益效果：
(1)本申请实现了对光伏组件的快速、准确、全面的检测和评估，为光伏组件的维护和保养提供了科学可靠的技术支持。
(2)本申请的技术方案具有高效、精准、经济的特点，可以提高光伏组件的使用寿命和运行效率，促进新能源的可持续发展。
(3)本申请旨在通过基于机器学习、少样本学习、数据增广、预训练和迁移学习等技术解决上述挑战。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于无人机的光伏电场自动清洁方法一个实施例的流程示意图；
图2为本发明一种基于无人机的光伏电场自动清洁系统一个实施例的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
所述实施例的示例在附图中示出，其中自始至终相同或类似的符号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
实施例一
本发明的一个实施例提供了一种基于无人机的光伏电场自动清洁方法，参照图1所示，包括：
步骤S101：根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对所述作业空间进行全局自动摄影。
在本发明的一个具体实施例中，通过应用计算机视觉和图像处理技术对无人机初步拍摄并生成的全局图像进一步处理和分析，包括对光伏组件进行目标检测、边缘检测和界限分割。
步骤S102：将拍摄的全局图像进行光伏阵列提取，精准计算所述作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线。利用无人机拍摄全局图像并按单光伏阵列坐标进行高精度拍摄是实现精准检测和评估的重要手段。
在本发明的一个具体实施例中，提取各种地形场景下存在的光伏组件，再根据光伏板识别算法检测并计算所有光伏组件的坐标值，并生成下一步所需的航线数据，根据所述航线数据确定所述无人机二次高精度拍摄航线。
步骤S103：根据所述无人机二次高精度拍摄航线，利用无人机对所述作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令。
在本发明的一个具体实施例中，所述缺陷检测模型包括：：通过图像处理和分析对光伏组件进行缺陷识别和分类，再运用机器学习和深度学习算法，基于卷积神经网络建立所述缺陷检测模型，并通过分析光伏面板存在的各种类型的缺陷以及污迹类型，收集大量包含缺陷标记的光伏电厂航拍数据，对所述缺陷检测模型进行训练。通过运用计算机视觉、机器学习和深度学习等多种技术手段，实现对光伏组件的图像处理、分析、缺陷识别和分类等功能。
在本发明的一个具体实施例中，步骤S103中还包括：在进行缺陷识别和分类后，通过灰色关联度分析、模糊层次分析法对缺陷程度进行量化分析和评估，并提出相应的修复建议，其中，对于程度较轻的缺陷，选择清洗或维修进行修复；对于程度较重或已无法修复的缺陷，则选择更换设备。本申请中的缺陷检测模型通过运用计算机视觉、机器学习和深度学习，实现对光伏组件的图像处理、分析、缺陷识别和分类等功能。
步骤S104：基于所述清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。
在本发明的一个具体实施例中，带有高压喷头的无人机通过生成的清洗报告和清洗指令，对有污迹的位置自动定位导航，完成识别和清洗。
在本发明的一个具体实施例中，每完成一次巡检任务，都要对巡检任务进行记录和管理，包括巡检时间、巡检人员、缺陷情况、修复情况等信息，并建立光伏组件的缺陷数据库。通过对数据的统计和分析，可以实现对光伏组件的健康状态进行监测和预测，提供科学依据为组件的维护和保养提供支持。
实施例二
本发明的一个实施例提供了一种基于无人机的光伏电场自动清洁系统，参照图2所示，包括：
空间确定模块10：用于根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对所述作业空间进行全局自动摄影；
在本发明的一个具体实施例中，空间确定模块10还用于：通过应用计算机视觉和图像处理技术对无人机初步拍摄并生成的全局图像进一步处理和分析，包括对光伏组件进行目标检测、边缘检测和界限分割。
航线确定模块20：用于将拍摄的全局图像进行光伏阵列提取，精准计算所述作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线。利用无人机拍摄全局图像并按单光伏阵列坐标进行高精度拍摄是实现精准检测和评估的重要手段。
在本发明的一个具体实施例中，航线确定模块20还用于：提取各种地形场景下存在的光伏组件，再根据光伏板识别算法检测并计算所有光伏组件的坐标值，并生成下一步所需的航线数据，根据所述航线数据确定所述无人机二次高精度拍摄航线。
指令生成模块30：用于根据所述无人机二次高精度拍摄航线，利用无人机对所述作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令。
在本发明的一个具体实施例中，在指令生成模块30中，所述缺陷检测模型用于执行以下操作：通过图像处理和分析对光伏组件进行缺陷识别和分类，再运用机器学习和深度学习算法，基于卷积神经网络建立所述缺陷检测模型，并通过分析光伏面板存在的各种类型的缺陷以及污迹类型，收集大量包含缺陷标记的光伏电厂航拍数据，对所述缺陷检测模型进行训练。
在本发明的一个具体实施例中，指令生成模块还用于执行以下操作：在进行缺陷识别和分类后，通过灰色关联度分析、模糊层次分析法对缺陷程度进行量化分析和评估，并提出相应的修复建议，其中，对于程度较轻的缺陷，选择清洗或维修进行修复；对于程度较重或已无法修复的缺陷，则选择更换设备。本申请中的缺陷检测模型通过运用计算机视觉、机器学习和深度学习，实现对光伏组件的图像处理、分析、缺陷识别和分类等功能。
污迹清洗模块40：用于基于所述清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。
在本发明的一个具体实施例中，带有高压喷头的无人机通过生成的清洗报告和清洗指令，对有污迹的位置自动定位导航，完成识别和清洗。
在本发明的一个具体实施例中，每完成一次巡检任务，都要对巡检任务进行记录和管理，包括巡检时间、巡检人员、缺陷情况、修复情况等信息，并建立光伏组件的缺陷数据库。通过对数据的统计和分析，可以实现对光伏组件的健康状态进行监测和预测，提供科学依据为组件的维护和保养提供支持。
本申请通过结合光伏组件巡检任务、无人机技术、深度学习模型、图像处理和分析、缺陷识别和分类、缺陷评估和修复建议等多种技术手段，实现了对光伏组件的快速、准确、全面的检测和评估，为光伏组件的维护和保养提供了科学可靠的技术支持。同时，本申请中的技术方案具有高效、精准、经济的特点，可以提高光伏组件的使用寿命和运行效率，促进新能源的可持续发展。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、“一个具体实施例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于无人机的光伏电场自动清洁方法，其特征在于，包括：
步骤S101：根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对所述作业空间进行全局自动摄影；
步骤S102：将拍摄的全局图像进行光伏阵列提取，精准计算所述作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线；
步骤S103：根据所述无人机二次高精度拍摄航线，利用无人机对所述作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令；
步骤S104：基于所述清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。
2.根据权利要求1所述的基于无人机的光伏电场自动清洁方法，其特征在于，所述步骤S101还包括：通过应用计算机视觉和图像处理技术对无人机初步拍摄并生成的全局图像进一步处理和分析，包括对光伏组件进行目标检测、边缘检测和界限分割。
3.根据权利要求1所述的基于无人机的光伏电场自动清洁方法，其特征在于，所述步骤S102还包括：提取各种地形场景下存在的光伏组件，再根据光伏板识别算法检测并计算所有光伏组件的坐标值，并生成下一步所需的航线数据，根据所述航线数据确定所述无人机二次高精度拍摄航线。
4.根据权利要求1所述的基于无人机的光伏电场自动清洁方法，其特征在于，在步骤S103中包括：通过图像处理和分析对光伏组件进行缺陷识别和分类，再运用机器学习和深度学习算法，基于卷积神经网络建立所述缺陷检测模型，并通过分析光伏面板存在的各种类型的缺陷以及污迹类型，收集大量包含缺陷标记的光伏电厂航拍数据，对所述缺陷检测模型进行训练。
5.根据权利要求4所述的基于无人机的光伏电场自动清洁方法，其特征在于，所述步骤S103中还包括：在进行缺陷识别和分类后，通过灰色关联度分析、模糊层次分析法对缺陷程度进行量化分析和评估，并提出相应的修复建议，其中，对于程度较轻的缺陷，选择清洗或维修进行修复；对于程度较重或已无法修复的缺陷，则选择更换设备。
6.一种基于无人机的光伏电场自动清洁系统，其特征在于，包括：
空间确定模块：用于根据光伏电场的清洗巡检任务面积确定作业空间，利用无人机对所述作业空间进行全局自动摄影；
航线确定模块：用于将拍摄的全局图像进行光伏阵列提取，精准计算所述作业面积内光伏阵列的GPS值，生成无人机二次高精度拍摄航线；
指令生成模块：用于根据所述无人机二次高精度拍摄航线，利用无人机对所述作业空间进行二次图像拍摄，并基于深度学习的缺陷检测模型进行污迹及缺陷检测，并生成清洗报告和清洗指令；
污迹清洗模块：用于基于所述清洗指令，利用带有高压喷头的无人机按照检测到的污迹位置进行自动导航、识别、清洗。
7.根据权利要求6所述的基于无人机的光伏电场自动清洁系统，其特征在于，所述空间确定模块还用于：通过应用计算机视觉和图像处理技术对无人机初步拍摄并生成的全局图像进一步处理和分析，包括对光伏组件进行目标检测、边缘检测和界限分割。
8.根据权利要求6所述的基于无人机的光伏电场自动清洁系统，其特征在于，所述航线确定模块还用于：提取各种地形场景下存在的光伏组件，再根据光伏板识别算法检测并计算所有光伏组件的坐标值，并生成下一步所需的航线数据，根据所述航线数据确定所述无人机二次高精度拍摄航线。
9.根据权利要求6所述的基于无人机的光伏电场自动清洁系统，其特征在于，所述指令生成模块还用于执行以下操作：通过图像处理和分析对光伏组件进行缺陷识别和分类，再运用机器学习和深度学习算法，基于卷积神经网络建立所述缺陷检测模型，并通过分析光伏面板存在的各种类型的缺陷以及污迹类型，收集大量包含缺陷标记的光伏电厂航拍数据，对所述缺陷检测模型进行训练。
10.根据权利要求9所述的基于无人机的光伏电场自动清洁系统，其特征在于，所述指令生成模块还用于执行以下操作：在进行缺陷识别和分类后，通过灰色关联度分析、模糊层次分析法对缺陷程度进行量化分析和评估，并提出相应的修复建议，其中，对于程度较轻的缺陷，选择清洗或维修进行修复；对于程度较重或已无法修复的缺陷，则选择更换设备。
CN202310865517.6A 2023-07-14 2023-07-14 一种基于无人机的光伏电场自动清洁方法及系统 Pending CN116667775A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310865517.6A CN116667775A (zh) 2023-07-14 2023-07-14 一种基于无人机的光伏电场自动清洁方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310865517.6A CN116667775A (zh) 2023-07-14 2023-07-14 一种基于无人机的光伏电场自动清洁方法及系统

Publications (1)

Publication Number Publication Date
CN116667775A true CN116667775A (zh) 2023-08-29

Family

ID=87711980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310865517.6A Pending CN116667775A (zh) 2023-07-14 2023-07-14 一种基于无人机的光伏电场自动清洁方法及系统

Country Status (1)

Country Link
CN (1) CN116667775A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465738A (zh) * 2020-12-21 2021-03-09 国网山东省电力公司电力科学研究院 基于红外与可见光图像的光伏电站在线运维方法及系统
CN114265418A (zh) * 2021-09-03 2022-04-01 国家电投集团江苏新能源有限公司 一种用于光伏电站的无人机巡检与缺陷定位系统及方法
CN114489121A (zh) * 2021-12-31 2022-05-13 新奥数能科技有限公司 一种光伏电站的巡检方法和装置
CN216994838U (zh) * 2022-04-02 2022-07-19 中广核太阳能开发有限公司 光伏组件缺陷自动识别装置
CN115294031A (zh) * 2022-07-18 2022-11-04 青海黄河上游水电开发有限责任公司光伏产业技术分公司 基于红外热成像分析的光伏组件故障图像识别方法
CN115861855A (zh) * 2022-12-15 2023-03-28 福建亿山能源管理有限公司 一种光伏电站的运维监测方法及系统
CN116149356A (zh) * 2022-12-07 2023-05-23 石家庄东方热电热力工程有限公司 一种基于山地光伏发电用规划无人机自动巡航的方法
CN116192029A (zh) * 2023-02-16 2023-05-30 山东大学 一种无人机集群协作的光伏板清洁系统及其协同控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465738A (zh) * 2020-12-21 2021-03-09 国网山东省电力公司电力科学研究院 基于红外与可见光图像的光伏电站在线运维方法及系统
CN114265418A (zh) * 2021-09-03 2022-04-01 国家电投集团江苏新能源有限公司 一种用于光伏电站的无人机巡检与缺陷定位系统及方法
CN114489121A (zh) * 2021-12-31 2022-05-13 新奥数能科技有限公司 一种光伏电站的巡检方法和装置
CN216994838U (zh) * 2022-04-02 2022-07-19 中广核太阳能开发有限公司 光伏组件缺陷自动识别装置
CN115294031A (zh) * 2022-07-18 2022-11-04 青海黄河上游水电开发有限责任公司光伏产业技术分公司 基于红外热成像分析的光伏组件故障图像识别方法
CN116149356A (zh) * 2022-12-07 2023-05-23 石家庄东方热电热力工程有限公司 一种基于山地光伏发电用规划无人机自动巡航的方法
CN115861855A (zh) * 2022-12-15 2023-03-28 福建亿山能源管理有限公司 一种光伏电站的运维监测方法及系统
CN116192029A (zh) * 2023-02-16 2023-05-30 山东大学 一种无人机集群协作的光伏板清洁系统及其协同控制方法

Similar Documents

Publication Publication Date Title
CN113744270B (zh) 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法
Aghaei et al. Innovative automated control system for PV fields inspection and remote control
Di Tommaso et al. A multi-stage model based on YOLOv3 for defect detection in PV panels based on IR and visible imaging by unmanned aerial vehicle
Kim et al. Automatic fault recognition of photovoltaic modules based on statistical analysis of UAV thermography
CN112184711A (zh) 一种光伏组件缺陷检测和定位方法及系统
CN113284124B (zh) 一种基于无人机视觉的光伏面板缺陷检测方法
CN109743019B (zh) 基于气象因素的热斑温度预测及热斑定位的系统和方法
CN110254468A (zh) 一种轨道表面缺陷智能在线检测装置及检测方法
CN111144324A (zh) 一种无人机巡检光伏板异常目标分析管理系统及方法
CN111539355A (zh) 一种基于深层神经网络的光伏板异物检测系统及检测方法
CN113418925A (zh) 一种基于卫星影像的光伏板异常目标检测系统及方法
CN111740699A (zh) 一种光伏板故障检测识别方法、装置和无人机
Wang et al. PV abnormal shading detection based on convolutional neural network
CN116385421A (zh) 光伏面板检测方法、无人机和计算机可读存储介质
CN116781008A (zh) 一种光伏电站的异常状态检测方法及系统
CN116797206A (zh) 一种基于无人机的光伏电站的智能巡检方法与系统
CN108418550A (zh) 集群太阳能板的缺陷检测和定位方法
Montanez et al. Photovoltaic module segmentation and thermal analysis tool from thermal images
CN113962929A (zh) 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线
CN116667775A (zh) 一种基于无人机的光伏电场自动清洁方法及系统
Kim et al. Automatic detection of malfunctioning photovoltaic modules using unmanned aerial vehicle thermal infrared images
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
Rocha et al. A deep learning approach for PV failure mode detection in infrared images: First insights
Hwang et al. Soiling detection for photovoltaic modules based on an intelligent method with image processing
CN114285374A (zh) 光伏电站的设备定位方法、系统、电子设备及储存介质

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