CN116755361A - 一种光伏发电自动清洗控制系统 - Google Patents
一种光伏发电自动清洗控制系统 Download PDFInfo
- Publication number
- CN116755361A CN116755361A CN202310362632.1A CN202310362632A CN116755361A CN 116755361 A CN116755361 A CN 116755361A CN 202310362632 A CN202310362632 A CN 202310362632A CN 116755361 A CN116755361 A CN 116755361A
- Authority
- CN
- China
- Prior art keywords
- inspection
- module
- area
- patrol
- photovoltaic
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 90
- 238000010248 power generation Methods 0.000 title claims abstract description 20
- 238000007689 inspection Methods 0.000 claims abstract description 129
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 12
- 238000005192 partition Methods 0.000 claims description 12
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明属于光伏领域,公开了一种光伏发电自动清洗控制系统,包括无人机和计算服务器;计算服务器用于将光伏组件的分布区域分成多个巡查区域,以及用于计算每个巡查区域的巡查周期;无人机用于基于巡查周期分别对每个巡查区域进行巡查,获取巡查区域内的光伏组件的表面图像;计算服务器还用于基于表面图像判断光伏组件是否需要清洗。本发明通过将光伏组件的分布区域分成多个巡查区域,然后利用无人机对巡查区域进行巡检,从而提高了对光伏组件进行巡查的效率,使得需要清洗的光伏组件能够得到及时的清洗。
Description
技术领域
本发明涉及光伏领域,尤其涉及一种光伏发电自动清洗控制系统。
背景技术
光伏发电站一般分布在比较荒芜的无人区域,在这些区域中,由于风沙等因素的影响,光伏发电站中的光伏组件每隔一段时间便需要清洁因此,从而提高发电效率。现有技术中,一般是通过人工巡查的方式来确定需要清洗的光伏组件,而由于光伏发电站的面积一般会非常大,人工巡查的方式导致巡查效率比较低,无法及时对需要清洗的光伏组件进行清洗。
发明内容
有鉴于此,本发明的目的在于公开一种光伏发电自动清洗控制系统,解决光伏组件日常维护过程中,如何提高发现需要清洗的光伏组件的效率问题。
为了达到上述目的,本发明提供如下技术方案:
一种光伏发电自动清洗控制系统,包括无人机和计算服务器;
计算服务器用于将光伏组件的分布区域分成多个巡查区域,以及用于计算每个巡查区域的巡查周期;
无人机用于基于巡查周期分别对每个巡查区域进行巡查,获取巡查区域内的光伏组件的表面图像;
计算服务器还用于基于表面图像判断光伏组件是否需要清洗。
可选的,计算服务器包括分区模块、图像识别模块和通信模块;
分区模块用于将光伏组件的分布区域分成多个巡查区域,并计算每个巡查区域的巡查周期;
通信模块用于将巡查周期发送至无人机;
图像识别模块用于基于表面图像判断光伏组件是否需要清洗。
可选的,将光伏组件的分布区域分成多个巡查区域,包括:
计算巡查区域划分的有效时长;
基于巡查区域划分的有效时长对光伏组件的分布区域进行分区,将分布区域分成多个巡查区域。
可选的,计算每个巡查区域的巡查周期,包括:
分别计算每个巡查区域的巡查系数;
基于巡查系数计算每个巡查区域的巡查周期。
可选的,计算服务器还包括路径规划模块;
路径规划模块用于计算巡查区域的最短巡查路径;
通信模块还用于将最短巡查路径发送至无人机。
可选的,无人机还用于基于最短巡查路径对巡查区域进行巡查。
可选的,图像识别模块包括像素值优化单元和图像识别单元;
像素值优化单元用于采用设定的优化算法对表面图像进行优化计算,得到优化图像;
图像识别单元用于对优化图像进行识别,判断光伏组件是否需要清洗。
可选的,图像识别单元包括存储子单元和对比子单元;
存储子单元用于存储不需要清洗的光伏组件的标准图像;
对比子单元用于将不需要清洗的标准表面图像与表面图像进行对比,根据对比结果判断光伏组件是否需要清洗。
可选的,还包括自动清洗模块,
自动清洗模块用于在接收到计算服务器的清洗指令后,对需要清洗的光伏组件进行清洗。
可选的,计算服务器还包括指令生成模块;
指令生成模块用于获取需要清洗在光伏组件的位置信息,并基于位置信息生成清洗指令;
通信模块还用于将清洗指令发送至自动清洗模块。
本发明通过将光伏组件的分布区域分成多个巡查区域,然后利用无人机对巡查区域进行巡检,从而提高了对光伏组件进行巡查的效率,使得需要清洗的光伏组件能够得到及时的清洗。
附图说明
从下文给出的详细描述和附图中将更充分地理解本公开,附图仅以说明的方式给出,因此不限制本公开,并且其中:
图1为本发明一种光伏发电自动清洗控制系统的一种示意图。
图2为本发明一种光伏发电自动清洗控制系统的另一种示意图。
具体实施方式
下面的详细描述中,出于解释的目的,阐述了许多具体细节以便提供对所公开的实施例的透彻理解。根据说明书所揭示的说明书、权利要求书及附图,所属领域的技术人员可容易地了解本发明的概念及特征。以下实施例进一步说明本发明的各个方面,但不用于限制本发明的范围。
如图1所示的一种实施例,本发明提供了一种光伏发电自动清洗控制系统,包括无人机和计算服务器;
计算服务器用于将光伏组件的分布区域分成多个巡查区域,以及用于计算每个巡查区域的巡查周期;
无人机用于基于巡查周期分别对每个巡查区域进行巡查,获取巡查区域内的光伏组件的表面图像;
计算服务器还用于基于表面图像判断光伏组件是否需要清洗。
本发明通过将光伏组件的分布区域分成多个巡查区域,然后利用无人机对巡查区域进行巡检,从而提高了对光伏组件进行巡查的效率,使得需要清洗的光伏组件能够得到及时的清洗。
由于无人机的飞行速度远高于行人,而且在较高的位置也能够在视线更好的位置拍摄到光伏组件的表面图像,从而提高巡查的效率。
可选的,计算服务器包括分区模块、图像识别模块和通信模块;
分区模块用于将光伏组件的分布区域分成多个巡查区域,并计算每个巡查区域的巡查周期;
通信模块用于将巡查周期发送至无人机;
图像识别模块用于基于表面图像判断光伏组件是否需要清洗。
对分布区域进行划分,能够使得清洁状态类似的光伏组件被分到同一个巡查区域中,从而使得无人机在对这一区域进行巡查时,提高发现需要清洗的光伏组件的效率,同时能够延长无人机的服役时长。因为在本发明中,巡查周期是与光伏组件的状态相关的,若光伏组件在最近的几次巡检中状态一直比较好,则可以自适应地扩大该巡查区域的巡查周期,使得无人机无需过于频繁地进行飞行,因为频繁地飞行会使得无人机的零件老化速度加快,从而缩短服役时长。
可选的,将光伏组件的分布区域分成多个巡查区域,包括:
计算巡查区域划分的有效时长;
基于巡查区域划分的有效时长对光伏组件的分布区域进行分区,将分布区域分成多个巡查区域。
具体的,计算巡查区域划分的有效时长,包括:
第一次和第二次巡查区域划分的有效时长为设定的定值,不用计算;
第三次及之后的巡查区域划分的有效时长的计算方法为:
分别计算第k次和第k+1次巡查区域划分的有效时长对应的时间段内,光伏组件的清洁状态指数;
基于清洁状态指数计算第k+2次巡查区域划分的有效时长:
efdurk+2和efdurk+1分别表示第k+2次和第k+1次巡查区域划分的有效时长,cleidxk+1和cleidxk分别表示第k+1次和第k次巡查区域划分的有效时长对应的时间段内,光伏组件的清洁状态指数;efchg为有效时长变化常数,k≥1。
第k+2次的有效时长在计算时除了考虑第k+1次的有效时长之外,还考虑了第k次有效时长和第k+1次有效时长所对应的时间段内,光伏组件的清洁状态指数。这两个时间段内,清洁状态系数的变化越大,则有效时长的变化也越大,从而实现了有效时长随着实际的清洁状态的变化而变化,能够避免预先设定固定的有效时长导致的划分次数过少或划分次数过大的问题的出现。因为预选设定的有效时长较难兼顾到光伏组件的实际清洁情况,所以提前设定数值容易影响巡查效率或无人机的服役时长。
巡查区域的划分次数过大,也能够避免巡查区域的划分次数过少。若划分次数过大,无人机没有巡查多少次,便又得等待洗一次的巡查区域划分的结果,会影响无人机的巡查效率。而若划分的次数过少,则会导致巡查区域中的光伏组件的清洁状态相互之间相差较大,使得无人机对该区域的巡查频率过大,影响无人机的服役时长。
具体的,清洁状态指数的计算函数为:
cleidx表示清洁状态指数,α为比例值,phonoe为巡查区域划分的有效时长对应的时间段内,所有的巡查区域的集合,Npne为phonoe中的巡查区域的数量,clenuma为巡查区域划分的有效时长内,巡查区域a的平均清洁次数,snpe为设定的平均清洁次数方差,simfc为巡查区域划分的有效时长对应的时间段内巡查区域的表面图像清洁概率差异系数,scpe表示设定的系数参考值,simfc=macle-micle,macle和micle分别表示巡查区域划分的有效时长对应的时间段内,所有巡查区域的最大清洁概率参数和最小清洁概率参数,清洁概率参数的计算函数为:
其中,cleb表示巡查区域b的清洁概率参数,mxprog表示巡查区域划分的有效时长对应的时间段内最后一次巡查时,巡查区域b中的光伏组件g的表面图像与不需要清洗的光伏组件的标准表面图像之间的相似度,Nfb为巡查区域b中的光伏组件的数量,mdnb为巡查区域划分的有效时长对应的时间段内最后一次巡查时,巡查区域b中的所有光伏组件的表面图像与不需要清洗的光伏组件的标准表面图像之间的相似度的中位数。
清洁状态参数除了考虑不同的巡查区域在平均清洁次数上的差别之外,还考虑了清洁概率参数,从而使得清洁状态参数能够从不同的方面对巡查区域的清洁情况进行了综合表示,清洁参数更能够有效地代表所有巡查区域的综合清洁状态。清洁概率参数之间的差别越大,平清洁次数的差异越大,则表示巡查区域之间的清洁状态差异越大,越需要缩短进行巡查区域的划分的时长,此时有效时长计算函数的右边部分会是负数,从而缩短下一次进行巡查区域时长划分的有效时长。清洁概率参数主要是从相似度去进行计算,平均相似度越大,则清洁概率参数越大,表示越需要进行清洁。
具体的,基于巡查区域划分的有效时长对光伏组件的分布区域进行分区,将分布区域分成多个巡查区域,包括:
上一次巡查区域划分的有效时长所对应的时间段结束后,进行下一次的巡查区域划分:
S101,将所有的光伏组件存入到集合colsem;
S102,从集合colsem中随机选择起始光伏组件,将起始光伏组件从集合colsem中移除并保存到第Q巡查区域集合中;
S103,将集合colsem中与起始光伏组件之间距离小于设定的距离阈值的所有光伏组件的保存到临时集合;
S104,若临时集合中的元素数量为0,则进入S105,否则,进入S106;
S105,清空临时集合,将Q的值加1,进入S102;
S106,分别计算临时集合中的每个元素与起始光伏组件之间的关联值,获取最大的关联值,若最大的关联值大于设定的关联值标准值,则将最大的关联值对应的光伏组件从集合colsem中移除并存入到第Q巡查区域集合中,进入S107;若最大的关联值小于等于设定的关联值标准值,进入S105;
S107,将最大的关联值对应的光伏组件作为起始光伏组件,若集合colsem中的元素的数量大于0,则进入S103;若集合colsem中的元素的数量等于0,则将得到的每个巡查区域集中的光伏组件分到同一个巡查区域中,进入S108;
S108,若巡查区域中的光伏组件的数量小于设定的数量阈值,则将该巡查区域并入到与其相邻,且光伏组件的数量最大的另一个巡查区域中。
现有技术中也存在将光伏组件的分布区域进行分区后,再根据分区结果进行巡查的方法。但是现有技术中对分布区域的分区往往采用的是平均分区的方式,即每个分区之间的大小相同,且分区一般都是规则的形状,最常见的就是矩形。但是,这样的分区方式并没有考虑到被分到同一个巡查区域内的光伏组件相互之间的关联程度,很容易将清洁状态差异较大的光伏组件分到同一个分布区域中,显然这样会导致无人机需要对同一个分布区域提高巡查的频率,不仅巡查效率低,而且还会影响无人机的服役时长。
而本发明划分得到的巡查区域可能为不规则的形状,这与现有技术不同。本发明采用的是循环划分的方式,将清洁状态相似的光伏组件分到同一个区域中。若在划分的过程中,起始光伏组件的附近没有符合设置的条件的光伏组件,则表示当前的区域划分结束,进入到下一个区域的划分中,直到集合colsem中的元素都被划分到对应的巡查区域中。
具体的,关联值的计算函数为:
assvl表示关联值,simvlu,v表示上一次巡查区域划分的有效时长所对应的时间段内最后一次巡查时,起始光伏组件u的表面图像和光伏组件v的表面图像之间的相似度。
具体的,起始光伏组件u的表面图像和光伏组件v的表面图像之间越相似,关联值越大,表示起始光伏组件u和光伏组件v之间的清洁状态越相似。
可选的,计算每个巡查区域的巡查周期,包括:
分别计算每个巡查区域的巡查系数;
基于巡查系数计算每个巡查区域的巡查周期。
本发明除了对巡查区域划分的有效时长进行自适应计算之外,还对巡查区域内的巡查周期进行自适应计算,从而使得无人机的巡查频率能够随着巡查区域中的光伏组件的清洗情况变化而跟随变化,一方面是可以避免频繁地进行巡查,延长无人机的服役时长,另一个方面是能够避免巡查周期过大,无法及时发现需要进行清洁的光伏组件。
具体的,巡查系数采用如下函数计算:
函数中,ptlcoen第n个巡查周期对应的巡查系数;clmnun为第n个巡查周期中已经被清洗过了的光伏组件的数量;slum为巡查区域中光伏组件的总数。
具体的,第1个巡查周期被设为固定的数值。
巡查系数主要是根据前一个巡查周期中已经被清洗的光伏组件的数量来计算得到,前一个巡查周期中已经被清洗的光伏组件的数量越多,则巡查系数越小。
具体的,基于巡查系数计算每个巡查区域的巡查周期,包括:
使用如下函数计算第n+1个巡查周期:
函数中,Tn+1和Tn分别表示第n+1个和第n个巡查周期,thrs为对比阈值,insT表示巡查周期标准值。
巡查系数越小,则第n+1个巡查周期需要延长的概率就越大,与固定的巡查周期相比,能够降低无人机的巡查频率。巡查系数越大,则第n+1个巡查周期需要减少的概率就越大,与固定的巡查周期相比,能够及时的发现需要进行清洗的光伏组件。
可选的,计算服务器还包括路径规划模块;
路径规划模块用于计算巡查区域的最短巡查路径;
通信模块还用于将最短巡查路径发送至无人机。
具体的,最短巡查路径可以通过Dijkstra算法,Bellman-Ford算法,Floyd算法和SPFA算法等算法计算得到。
可选的,无人机还用于基于最短巡查路径对巡查区域进行巡查。
具体的,不同巡查区域的最短巡查路径不一致,无人机分别根据每个巡查区域所对应的最短巡查路径对巡查区域进行巡查。
可选的,图像识别模块包括像素值优化单元和图像识别单元;
像素值优化单元用于采用设定的优化算法对表面图像进行优化计算,得到优化图像;
图像识别单元用于对优化图像进行识别,判断光伏组件是否需要清洗。
对表面图像进行优化计算,能够提高图像中的图像信息的含量,从而提高后续的相似度计算的准确率。
具体的,采用设定的优化算法对表面图像进行优化计算,得到优化图像,包括:
计算优化图像的图像特征系数:
其中,fetidx表示图像特征系数,bgotsu表示灰度值比otsu算法计算得到的阈值大的像素点的数量,smotsu表示灰度值比otsu算法计算得到的阈值小的像素点的数量,sall表示优化图像中的像素点总数;
若图像特征系数大于对应的图像特征系数阈值,则使用如下函数对表面图像进行优化计算,得到优化图像:
cnfimgD=cns×log(cg+grayD)
其中,cnfimgD表示像素点D在优化图像cnfimg中的灰度值,cns为优化系数,cg为常数系数,grayD为像素点D在表面图像对应的灰度图像中的灰度值;
若图像特征系数小于等于对应的图像特征系数阈值,则使用如下方式对表面图像进行优化计算,得到优化图像:
若grayD∈(grystw,grysth],则
若grayD∈(gryson,grystw],则
若grayD∈[0,gryson],则
其中,gryson、grystw、grysth分别表示第一灰度阈值、第二灰度阈值、第三灰度阈值,gryson<grystw<grysth,higone、higtwo、higthr分别表示第一计算参数、第二计算参数、第三计算参数,higone小于higtwo,higtwo小于higthr。
grayD的有效取值范围为0到255,若计算得到的grayD超出取值范围,则以取值范围中对应的边界值对grayD的值进行限制。
图像特征系数主要是从阈值两边的像素点的数量差异来进行计算得到,数量差异越大,图像特征系数越大,表示灰度值的分布区间越集中,表面图像中的图像信息的含量越低,因此,越需要对分布区间进行扩大处理,增加图像信息的含量。因此,当图像特征系数大于对应的图像特征系数阈值时,本发明采用的是对数变换的方式来对分布区间进行扩大处理。当图像特征系数小于等于对应的图像特征系数阈值时,本发明根据像素点D的像素值的不同,采用了不同的优化计算函数来进行优化计算,使得灰度值的分布区间更为均匀,从而提高图像信息的含量。可见,本发明没有采用单一的优化计算函数进行处理,而是针对分布区间集中的程度的不同采用了不同的优化计算函数进行优化计算,从而得到更加准确的优化计算结果。
在一些实施例中,graymx为表面图像对应的灰度图像中的灰度值的最大值,/>
在一些实施例中,和/>
可选的,图像识别单元包括存储子单元和对比子单元;
存储子单元用于存储不需要清洗的光伏组件的标准表面图像;
对比子单元用于将不需要清洗的标准表面图像与表面图像进行对比,根据对比结果判断光伏组件是否需要清洗。
具体的,可以通过对比两个图像之前的相似度,若相似度小于设定的清洗阈值,则表示光伏组件需要清洗。
可选的,如图2所示,还包括自动清洗模块,
自动清洗模块用于在接收到计算服务器的清洗指令后,对需要清洗的光伏组件进行清洗。
具体的,自动清洗模块可以包括无人控制清洗机器人、自动清洗车等。
可选的,计算服务器还包括指令生成模块;
指令生成模块用于获取需要清洗在光伏组件的位置信息,并基于位置信息生成清洗指令;
通信模块还用于将清洗指令发送至自动清洗模块。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种光伏发电自动清洗控制系统,其特征在于,包括无人机和计算服务器;
计算服务器用于将光伏组件的分布区域分成多个巡查区域,以及用于计算每个巡查区域的巡查周期;
无人机用于基于巡查周期分别对每个巡查区域进行巡查,获取巡查区域内的光伏组件的表面图像;
计算服务器还用于基于表面图像判断光伏组件是否需要清洗。
2.根据权利要求1所述的一种光伏发电自动清洗控制系统,其特征在于,计算服务器包括分区模块、图像识别模块和通信模块;
分区模块用于将光伏组件的分布区域分成多个巡查区域,并计算每个巡查区域的巡查周期;
通信模块用于将巡查周期发送至无人机;
图像识别模块用于基于表面图像判断光伏组件是否需要清洗。
3.根据权利要求1所述的一种光伏发电自动清洗控制系统,其特征在于,将光伏组件的分布区域分成多个巡查区域,包括:
计算巡查区域划分的有效时长;
基于巡查区域划分的有效时长对光伏组件的分布区域进行分区,将分布区域分成多个巡查区域。
4.根据权利要求1所述的一种光伏发电自动清洗控制系统,其特征在于,计算每个巡查区域的巡查周期,包括:
分别计算每个巡查区域的巡查系数;
基于巡查系数计算每个巡查区域的巡查周期。
5.根据权利要求2所述的一种光伏发电自动清洗控制系统,其特征在于,计算服务器还包括路径规划模块;
路径规划模块用于计算巡查区域的最短巡查路径;
通信模块还用于将最短巡查路径发送至无人机。
6.根据权利要求5所述的一种光伏发电自动清洗控制系统,其特征在于,无人机还用于基于最短巡查路径对巡查区域进行巡查。
7.根据权利要求2所述的一种光伏发电自动清洗控制系统,其特征在于,图像识别模块包括像素值优化单元和图像识别单元;
像素值优化单元用于采用设定的优化算法对表面图像进行优化计算,得到优化图像;
图像识别单元用于对优化图像进行识别,判断光伏组件是否需要清洗。
8.根据权利要求7所述的一种光伏发电自动清洗控制系统,其特征在于,图像识别单元包括存储子单元和对比子单元;
存储子单元用于存储不需要清洗的光伏组件的标准图像;
对比子单元用于将不需要清洗的标准表面图像与表面图像进行对比,根据对比结果判断光伏组件是否需要清洗。
9.根据权利要求2所述的一种光伏发电自动清洗控制系统,其特征在于,还包括自动清洗模块,
自动清洗模块用于在接收到计算服务器的清洗指令后,对需要清洗的光伏组件进行清洗。
10.根据权利要求9所述的一种光伏发电自动清洗控制系统,其特征在于,计算服务器还包括指令生成模块;
指令生成模块用于获取需要清洗在光伏组件的位置信息,并基于位置信息生成清洗指令;
通信模块还用于将清洗指令发送至自动清洗模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310362632.1A CN116755361A (zh) | 2023-04-07 | 2023-04-07 | 一种光伏发电自动清洗控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310362632.1A CN116755361A (zh) | 2023-04-07 | 2023-04-07 | 一种光伏发电自动清洗控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116755361A true CN116755361A (zh) | 2023-09-15 |
Family
ID=87955942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310362632.1A Pending CN116755361A (zh) | 2023-04-07 | 2023-04-07 | 一种光伏发电自动清洗控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116755361A (zh) |
-
2023
- 2023-04-07 CN CN202310362632.1A patent/CN116755361A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388896B (zh) | 一种基于动态时序卷积神经网络的车牌识别方法 | |
CN111476713B (zh) | 基于多深度卷积神经网络融合的天气图像智能识别方法及系统 | |
CN110533672B (zh) | 一种基于条带识别的染色体排序方法 | |
CN108846826B (zh) | 物体检测方法、装置、图像处理设备及存储介质 | |
CN110874550A (zh) | 数据处理方法、装置、设备和系统 | |
CN108334835B (zh) | 基于卷积神经网络的阴道分泌物显微图像有形成分检测方法 | |
CN109242826B (zh) | 基于目标检测的移动设备端签状物根数计数方法及系统 | |
CN109740553B (zh) | 一种基于识别的图像语义分割数据筛选方法及系统 | |
CN110110687B (zh) | 基于颜色信息和三维轮廓信息的树上水果自动识别方法 | |
CN111462057A (zh) | 一种基于深度学习的输电线路上玻璃绝缘子自爆检测方法 | |
CN111178438A (zh) | 一种基于ResNet101的天气类型识别方法 | |
CN116612098B (zh) | 一种基于图像处理的绝缘子rtv喷涂质量评价方法和装置 | |
CN114627406A (zh) | 一种人群快速聚集行为的识别方法、系统、设备及介质 | |
CN112861646A (zh) | 复杂环境小目标识别场景下的卸油工安全帽级联检测方法 | |
CN110334775B (zh) | 一种基于宽度学习的无人机线路故障识别方法和装置 | |
CN109712116B (zh) | 输电线路及其附件的故障识别方法 | |
CN115512238A (zh) | 病害区域的确定方法、装置、存储介质及电子装置 | |
CN115170988A (zh) | 基于深度学习的电网线路故障识别方法及系统 | |
CN114782442A (zh) | 一种基于人工智能的光伏电池板智慧巡检方法及系统 | |
CN109740672B (zh) | 多流特征距离融合系统与融合方法 | |
CN111199255A (zh) | 基于darknet53网络的小目标检测网络模型及检测方法 | |
CN116755361A (zh) | 一种光伏发电自动清洗控制系统 | |
CN113449893A (zh) | 虫害预测模型训练的方法、虫害预测的方法及装置 | |
CN115496948A (zh) | 一种基于深度学习的网络监督细粒度图像识别方法和系统 | |
CN115187878A (zh) | 基于无人机图像分析的风力发电装置叶片缺陷检测方法 |
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 |