CN116899947A - 一种光伏组件清洗方法及系统 - Google Patents
一种光伏组件清洗方法及系统 Download PDFInfo
- Publication number
- CN116899947A CN116899947A CN202310889531.XA CN202310889531A CN116899947A CN 116899947 A CN116899947 A CN 116899947A CN 202310889531 A CN202310889531 A CN 202310889531A CN 116899947 A CN116899947 A CN 116899947A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- cleaning device
- cleaning
- pollution
- parameters
- 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 105
- 238000000034 method Methods 0.000 title claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- 230000007613 environmental effect Effects 0.000 claims abstract description 42
- 238000012806 monitoring device Methods 0.000 claims description 15
- 239000003344 environmental pollutant Substances 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 14
- 238000002834 transmittance Methods 0.000 claims description 6
- 238000003912 environmental pollution Methods 0.000 claims description 2
- 239000000356 contaminant Substances 0.000 description 31
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000005457 optimization Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000000428 dust Substances 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011109 contamination Methods 0.000 description 4
- 210000003608 fece Anatomy 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005406 washing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000004781 supercooling Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
- B08B3/02—Cleaning by the force of jets or sprays
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
-
- 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
-
- 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
- Cleaning By Liquid Or Steam (AREA)
Abstract
本发明公开了一种光伏组件清洗方法及系统,包括:获取光伏组件的环境参数和污染参数;根据环境参数生成第一控制信号;根据污染参数生成第二控制信号;根据第一控制信号,开启或关闭清洗装置;根据第二控制信号,调节清洗装置的水压大小。本发明通过获取光伏组件的污染情况,控制清洗装置的启动,实现了自动清洗的目的;同时,结合光伏组件的环境情况,判断清洗装置的开启环境,避免在高温或强光照下的光伏组件清洗,并判断污染情况,对清洗装置进行调整,从而实现更好地清洗光伏组件,也避免了水压过强对光伏组件的损坏,也确保更好的清洗。
Description
技术领域
本发明属于光伏清洗技术领域,具体涉及一种光伏组件清洗方法及系统。
背景技术
光伏组件均为露天安装,时间久了,光伏组件表面会累积很多污浊物,严重影响到光伏组件的光电转换效率。
光伏组件的表面由于长时间暴露在野外环境中,随着灰尘和污垢的堆积会产生很多污浊物,严重影响光伏组件的光电转换效率。这就需要对光伏组件定期进行清洗,定期清洗可以保证光伏组件的面板干净,提高光伏组件的光照利用率进而提高发电效率。
目前针对光伏组件的清洗方式主要是喷头水洗,但喷头水洗无法根据污染程度进行水量调节,从而导致清洗不干净、不彻底的问题,采用人工调节水量大小也可能由于水压过大导致光伏组件损坏,在极端环境(如过热、过冷)冲洗造成光伏组件损坏。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种光伏组件清洗方法及系统,用于解决喷头水洗不干净、不彻底,以及无法避免极端环境冲洗的技术问题。
本发明采用以下技术方案:
一种光伏组件清洗方法,包括以下步骤:
根据光伏组件的环境参数生成第一控制信号,根据第一控制信号开启或关闭清洗装置;
根据光伏组件的污染参数生成第二控制信号,根据第二控制信号调节清洗装置的水压大小。
具体的,根据第一控制信号开启或关闭清洗装置具体为:
将环境参数与预设参数进行对比,当环境参数在预设参数范围内时,开启清洗装置;当环境参数超出预设参数范围内时,关闭清洗装置。
进一步的,环境参数包括光伏组件工作环境的光强数据和气温数据。
具体的,根据第二控制信号调节清洗装置的水压大小具体为:
将污染参数与预设参数进行对比,当污染参数在预设参数范围内时,清洗装置压力不变;当环境参数超出预设参数范围内时,对清洗装置进行压力调整。
进一步的,污染参数包括测量污染物的比例,发电量损失,光伏组件透光率。
第二方面,本发明实施例提供了一种光伏组件清洗系统,包括:
监测装置,用于获取光伏组件环境参数和污染参数;
控制装置,用于根据环境参数和污染参数生成对应的控制信号;
清洗装置,用于根据控制装置生成的控制信号控制清洗装置和水压大小。
具体的,监测装置包括:
环境监测装置,用于获取光伏组件工作环境的光强和温度数据;
污染监测装置,用于测量污染物的比例,实时转化为发电量的损失,获取光伏组件透光率。
进一步的,环境监测装置包括:
光强传感器,用于获取光伏组件工作环境的光强数据;
温度传感器,用于获取光伏组件工作环境的温度数据。
具体的,控制装置包括:
第一控制装置,用于将获取的污染环境参数与预设参数进行对比,当污染环境参数超出阈值时,开启清洗装置;当环境参数超出预设参数范围内时,关闭清洗装置;
第二控制装置,用于根据环境污染参数判断清洗装置的水压范围,对清洗装置进行压力调整。
具体的,清洗装置包括:
开关单元,用于根据第一控制信号开启或关闭清洗装置;
调节单元,用于根据第二控制信号调节清洗装置的水压大小。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种光伏组件清洗方法及系统,通过获取光伏组件的污染情况,来控制清洗装置的启动,实现了自动清洗的目的;同时,结合光伏组件的环境情况,判断清洗装置的开启环境,避免在高温或强光照下的光伏组件清洗,并判断污染情况,对清洗装置进行调整,从而实现了更好地清洗光伏组件,也避免了水压过强对光伏组件的损坏,也确保更好的清洗。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明清洗方法流程图;
图2为本发明清洗系统示意图。
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合,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,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等,但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一预设范围也可以被称为第二预设范围,类似地,第二预设范围也可以被称为第一预设范围。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
请参阅图1,本发明一种光伏组件清洗方法,包括以下步骤:
S1、获取光伏组件的环境参数和污染参数;
光伏组件的环境参数包括光伏组件工作环境的光强和气温数据。
光伏组件的污染参数包括测量污染物的比例,实时转化为发电量的损失,获取光伏组件透光率。
污染物的比例和发电量损失之间的关系可以通过实验或者模型进行预测。例如,设污染物的比例为P,发电量的损失为L,可能存在如下的关系:L=k*P,其中,k为比例系数,这个系数可能会受到其他因素的影响,如光照强度、温度等。
其中,通过光强、气温识别,使得清洗系统不在低温或者高温高光强下清洗,避免光伏组件的损坏。
通过其他方式也可以获得光伏组件的污染情况。
S2、根据步骤S1得到的环境参数生成第一控制信号;
将步骤S1获取的环境参数与预设参数进行对比,当环境参数在预设参数范围内时,开启清洗装置;当环境参数在超出预设参数范围内时,关闭清洗装置。
S3、根据步骤S1得到的污染参数生成第二控制信号;
根据步骤S1获取的污染参数判断影响光伏组件的污染情况,对清洗装置进行压力调整。
压力调整的条件根据污染物的类型和比例来决定。例如,如果污染物主要是灰尘,且比例较小,可能只需要较小的水压就能将其清洗掉。但如果污染物主要是鸟粪,且比例较大,可能需要较大的水压才能将其清洗掉。因此,第二控制装置会根据污染参数生成第二控制信号,对清洗装置进行压力调整。
S4、根据步骤S2得到的第一控制信号开启或关闭清洗装置;
S5、根据步骤S3得到的第二控制信号调节清洗装置的水压大小。
请参阅图2,本发明提供了一种光伏组件清洗系统,包括:
监测装置,用于获取光伏组件环境参数和污染参数,包括环境监测装置和污染监测装置。
环境监测装置,用于获取光伏组件工作环境的光强和温度数据,包括光强传感器和温度传感器。
光强传感器,用于获取光伏组件工作环境的光强数据;
温度传感器,用于获取光伏组件工作环境的温度数据。
污染监测装置,用于测量污染物的比例,实时转化为发电量的损失,获取光伏组件透光率,包括污染物监测仪。
控制装置,用于根据环境参数和污染参数生成对应的控制信号,包括第一控制装置和第二控制装置。
第一控制装置,用于根据环境参数生成第一控制信号;
将获取的环境参数与预设参数进行对比,当环境参数超出阈值在预设参数范围内时,开启清洗装置;当环境参数在超出预设参数范围时,关闭清洗装置。
第二控制装置,用于根据污染参数生成第二控制信号;
根据污染参数判断影响光伏组件的污染清洗装置水压的情况,对清洗装置进行压力调整。
清洗装置,用于根据控制装置生成的控制信号控制清洗装置和水压大小,包括开关单元和调节单元。
开关单元,用于根据第一控制信号开启或关闭清洗装置;
调节单元,用于根据第二控制信号调节清洗装置的水压大小。
控制装置根据环境参数来判断光强和温度对光伏组件的影响,同时,控制装置根据污染参数来判断光伏组件的污染情况,从而调节清洗装置的水压。
污染参数是通过测量光伏组件表面的污染物比例来获取的。这些污染物可能包括灰尘、沙土、鸟粪等。污染物的比例可以通过污染物监测仪进行测量,这些设备可以精确地测量污染物的比例和类型。
光伏组件的污染情况可以通过比较污染物比例和预设的阈值来判断。如果污染物比例超过阈值,那么就认为光伏组件受到了严重污染,需要进行清洗。这个阈值可以根据实际情况进行设定,例如,可以根据光伏组件的类型、安装环境等因素来设定。
清洗装置的水压调整主要是根据污染物的类型和比例来进行的。例如,如果污染物主要是灰尘,且比例较小,可能只需要较小的水压就能将其清洗掉。但如果污染物主要是鸟粪,且比例较大,可能需要较大的水压才能将其清洗掉。因此,第二控制装置会根据污染参数生成第二控制信号,对清洗装置进行压力调整。
具体的水压调整策略可能需要根据实际情况来设定,例如,可以根据过去的清洗效果、光伏组件的材料特性等因素来设定。这些策略可以通过机器学习或者其他优化算法来获取,以确保清洗效果的同时,尽可能减少清洗过程对光伏组件的损害。
在光伏组件的清洗过程中,水压的调节是一个关键步骤,它直接影响到清洗效果和光伏组件的安全。以下是一种可能的水压调节策略:
首先,根据污染物的类型和比例,确定一个基础水压。例如,如果污染物主要是灰尘,那么基础水压可能相对较小;如果污染物主要是鸟粪或者其他难以清洗的物质,那么基础水压可能需要设定得较大。
其次,根据光伏组件的材料特性和安装环境,对基础水压进行微调。例如,如果光伏组件的材料较为脆弱,或者安装在风力较大的地方,那么可能需要将水压设定得较小,以防止对光伏组件造成损害。
最后,根据实时监测的环境参数(如温度、光照强度等)进行动态调整。例如,如果环境温度较高,那么可能需要增大水压,以增强清洗效果和冷却效果;如果光照强度较大,那么可能需要减小水压,以防止水滴在光伏组件表面形成放大镜效应,导致光伏组件过热。
以上的水压调节策略需要根据实际情况进行设定和调整,可能需要通过实验或者模拟来确定最优的参数值。同时,这个过程可能需要采用一些先进的控制算法,如PID控制、模糊控制等,以实现精确和稳定的水压调节。
以下是一些基本的步骤来实现这些控制算法:
1.PID控制:
-确定控制目标,例如,水压达到某个设定值。
-测量当前的水压值。
-计算误差,即设定值与当前值的差。
-根据误差,使用PID算法计算控制量。PID算法包括比例(P)、积分(I)和微分(D)三个部分,每个部分都有一个对应的系数,这些系数需要通过实验或者模拟来确定。
-根据控制量,调整水压。
-重复以上步骤,直到水压达到设定值。
2.模糊控制:
-确定控制目标,例如,水压达到某个设定值。
-定义输入和输出的模糊集合。例如,污染物比例可能有“低”、“中”、“高”三个模糊集合,水压也可能有“低”、“中”、“高”三个模糊集合。
-定义模糊规则。例如,“如果污染物比例高,那么水压高”。
-将实际的污染物比例值模糊化,即确定它属于每个模糊集合的程度。
-根据模糊规则和模糊化的输入,计算模糊化的输出。
-将模糊化的输出解模糊化,得到实际的水压值。
-根据计算得到的水压值,调整水压。
3.机器学习:
-收集历史数据。这些数据应包括污染物比例、环境参数(如温度、光照强度等)以及对应的水压设定值。
-预处理数据。包括数据清洗、缺失值处理、数据标准化等步骤。
-选择一个合适的机器学习模型。是一个回归模型(如线性回归、决策树回归等),或者是一个更复杂的模型(如神经网络)。
-使用历史数据训练模型。这通常需要使用一种优化算法(如梯度下降)来调整模型的参数,使得模型的预测值与实际值的差距最小。
-验证模型的性能。这通常需要将数据集分成训练集和测试集,使用训练集来训练模型,然后使用测试集来验证模型的性能。
-使用训练好的模型来预测未来的水压设定值。这需要将实时的污染物比例和环境参数输入到模型中,然后模型会输出预测的水压设定值。
-根据预测的水压设定值,调整水压。
以上的步骤只是一个基本的指南,实际的实现可能需要根据具体的情况进行调整。例如,可能需要选择不同的模型或者优化算法,可能需要进行特征选择或者特征工程,可能需要使用不同的数据预处理方法等。
以下是一些更具体的步骤来实现机器学习算法:
1.收集历史数据。这些数据应包括污染物比例、环境参数(如温度、光照强度等)以及对应的水压设定值。
2.数据预处理:
-数据清洗:检查数据中是否有错误或者异常值,如非法字符、超出范围的值等,如果有,需要进行修正或者删除。
-缺失值处理:检查数据中是否有缺失值,如果有,可以使用一些方法来填补,如使用平均值、中位数或者众数来填补,或者使用插值方法,或者直接删除含有缺失值的数据。
-数据标准化:将数据转化为标准形式,如将所有的数值特征标准化到0-1范围或者标准正态分布范围,这可以帮助优化算法更快地收敛。
3.特征选择和特征工程:
-特征选择:选择对预测目标有影响的特征,可以使用一些统计方法来评估特征的重要性,如相关系数、卡方检验等,或者使用一些机器学习方法,如基于树的特征选择方法。
-特征工程:创建新的特征来提高模型的性能,如创建交互特征、多项式特征等,或者进行特征编码,如独热编码、标签编码等。
4.选择一个合适的机器学习模型。这可能是一个回归模型(如线性回归、决策树回归等),也可能是一个更复杂的模型(如神经网络)。选择模型时需要考虑模型的复杂性、可解释性、训练时间等因素。
5.选择一个合适的优化算法。这可能是一个简单的优化算法(如梯度下降、牛顿法等),也可能是一个更复杂的优化算法(如随机梯度下降、Adam等)。选择优化算法时需要考虑优化问题的性质(如是否是凸问题、是否有约束等)、优化算法的收敛速度、稳定性等因素。
6.使用历史数据训练模型。这通常需要使用选择的优化算法来调整模型的参数,使得模型的预测值与实际值的差距最小。
7.验证模型的性能。这通常需要将数据集分成训练集和测试集,使用训练集来训练模型,然后使用测试集来验证模型的性能。可以使用一些评
价指标来评估模型的性能,如均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)等。
8.使用训练好的模型来预测未来的水压设定值。这需要将实时的污染物比例和环境参数输入到模型中,然后模型会输出预测的水压设定值。
9.根据预测的水压设定值,调整水压。
以上的步骤只是一个基本的指南,实际的实现可能需要根据具体的情况进行调整。例如,可能需要选择不同的模型或者优化算法,可能需要进行特征选择或者特征工程,可能需要使用不同的数据预处理方法等。
以下是一个具体的步骤,以线性回归模型为例:
1.收集历史数据。这些数据应包括污染物比例、环境参数(如温度、光照强度等)以及对应的水压设定值。
2.数据预处理:
-数据清洗:检查数据中是否有错误或者异常值,如非法字符、超出范围的值等,如果有,需要进行修正或者删除。
-缺失值处理:检查数据中是否有缺失值,如果有,使用平均值来填补。
-数据标准化:将所有的数值特征标准化到0-1范围,帮助优化算法更快地收敛。
3.特征选择和特征工程:
-特征选择:在这个例子中,选择所有的特征,即污染物比例、温度和光照强度。
-特征工程:在这个例子中,创建一个新的特征,即污染物比例和光照强度的交互项,因为光照强度可能会影响污染物的影响。
4.选择一个合适的机器学习模型。在这个例子中,我们可以选择线性回归模型。
5.选择一个合适的优化算法。在这个例子中,选择梯度下降算法。
6.使用历史数据训练模型。这通常需要使用选择的优化算法来调整模型的参数,使得模型的预测值与实际值的差距最小。
7.验证模型的性能。这通常需要将数据集分成训练集和测试集,使用训练集来训练模型,然后使用测试集来验证模型的性能。可以使用均方误差(MSE)来评估模型的性能。
8.使用训练好的模型来预测未来的水压设定值。这需要将实时的污染物比例和环境参数输入到模型中,然后模型会输出预测的水压设定值。
9.根据预测的水压设定值,调整水压。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
生成10个随机的污染物比例值,范围在0.1到0.9之间,这些值可以代表不同的污染情况。这些值分别是:
0.73,0.65,0.24,0.16,0.46,0.57,0.50,0.34,0.49,0.47。
设定的水压调节策略是:
当污染物比例小于0.3时,水压设定为低水压(例如,30psi);
当污染物比例在0.3到0.6之间时,水压设定为中等水压(例如,60psi);
当污染物比例大于0.6时,水压设定为高水压(例如,90psi)。
根据这个策略得到以下的水压设定值:
90磅/平方英寸,90磅/平方英寸,30磅/平方英寸,30磅/平方英寸,60磅/平方英寸,60磅/平方英寸,60磅/平方英寸,60磅/平方英寸,60磅/平方英寸。
从这个结果可以看出,通过根据污染物比例调节水压,在不同的污染情况下选择合适的水压,从而达到更好的清洗效果。同时,这种方法也可以避免在污染物比例较小的情况下使用过大的水压,从而避免对光伏组件的损害。
这只是一个简单的示例,实际的应用中可能需要考虑更多的因素,如环境温度、光照强度等,而且水压的设定值可能需要通过实验或者模拟来确定。但是,这个示例已经足够说明这种方法的优点和好处。
综上所述,本发明一种光伏组件清洗方法及系统,通过获取光伏组件的污染情况,来控制清洗装置的启动,实现了自动清洗的目的;同时,结合光伏组件的环境情况,判断清洗装置的开启环境,避免在高温或强光照下的光伏组件清洗,并判断污染情况,对清洗装置进行调整,从而实现了更好地清洗光伏组件,也避免了水压过强对光伏组件的损坏,也确保更好的清洗。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种光伏组件清洗方法,其特征在于,包括以下步骤:
根据光伏组件的环境参数生成第一控制信号,根据第一控制信号开启或关闭清洗装置;
根据光伏组件的污染参数生成第二控制信号,根据第二控制信号调节清洗装置的水压大小。
2.根据权利要求1所述的光伏组件清洗方法,其特征在于,根据第一控制信号开启或关闭清洗装置具体为:
将环境参数与预设参数进行对比,当环境参数在预设参数范围内时,开启清洗装置;当环境参数超出预设参数范围内时,关闭清洗装置。
3.根据权利要求2所述的光伏组件清洗方法,其特征在于,环境参数包括光伏组件工作环境的光强数据和气温数据。
4.根据权利要求1所述的光伏组件清洗方法,其特征在于,根据第二控制信号调节清洗装置的水压大小具体为:
将污染参数与预设参数进行对比,当污染参数在预设参数范围内时,清洗装置压力不变;当环境参数超出预设参数范围内时,对清洗装置进行压力调整。
5.根据权利要求4所述的光伏组件清洗方法,其特征在于,污染参数包括测量污染物的比例,发电量损失,光伏组件透光率。
6.一种光伏组件清洗系统,其特征在于,包括:
监测装置,用于获取光伏组件环境参数和污染参数;
控制装置,用于根据环境参数和污染参数生成对应的控制信号;
清洗装置,用于根据控制装置生成的控制信号控制清洗装置和水压大小。
7.根据权利要求6所述的光伏组件清洗系统,其特征在于,监测装置包括:
环境监测装置,用于获取光伏组件工作环境的光强和温度数据;
污染监测装置,用于测量污染物的比例,实时转化为发电量的损失,获取光伏组件透光率。
8.根据权利要求7所述的光伏组件清洗系统,其特征在于,环境监测装置包括:
光强传感器,用于获取光伏组件工作环境的光强数据;
温度传感器,用于获取光伏组件工作环境的温度数据。
9.根据权利要求6所述的光伏组件清洗系统,其特征在于,控制装置包括:
第一控制装置,用于将获取的污染环境参数与预设参数进行对比,当污染环境参数超出阈值时,开启清洗装置;当环境参数超出预设参数范围内时,关闭清洗装置;
第二控制装置,用于根据环境污染参数判断清洗装置的水压范围,对清洗装置进行压力调整。
10.根据权利要求6所述的光伏组件清洗系统,其特征在于,清洗装置包括:
开关单元,用于根据第一控制信号开启或关闭清洗装置;
调节单元,用于根据第二控制信号调节清洗装置的水压大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310889531.XA CN116899947A (zh) | 2023-07-19 | 2023-07-19 | 一种光伏组件清洗方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310889531.XA CN116899947A (zh) | 2023-07-19 | 2023-07-19 | 一种光伏组件清洗方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116899947A true CN116899947A (zh) | 2023-10-20 |
Family
ID=88354542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310889531.XA Pending CN116899947A (zh) | 2023-07-19 | 2023-07-19 | 一种光伏组件清洗方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116899947A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117393473A (zh) * | 2023-12-11 | 2024-01-12 | 青岛立昂晶电半导体科技有限公司 | 基于模型预测控制的磷化铟晶片智能清洗过程控制方法 |
CN118060249A (zh) * | 2024-04-18 | 2024-05-24 | 长沙矿冶研究院有限责任公司 | 基于实时调速的带材表面清理方法及带材表面清理系统 |
-
2023
- 2023-07-19 CN CN202310889531.XA patent/CN116899947A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117393473A (zh) * | 2023-12-11 | 2024-01-12 | 青岛立昂晶电半导体科技有限公司 | 基于模型预测控制的磷化铟晶片智能清洗过程控制方法 |
CN117393473B (zh) * | 2023-12-11 | 2024-04-05 | 青岛立昂晶电半导体科技有限公司 | 基于模型预测控制的磷化铟晶片智能清洗过程控制方法 |
CN118060249A (zh) * | 2024-04-18 | 2024-05-24 | 长沙矿冶研究院有限责任公司 | 基于实时调速的带材表面清理方法及带材表面清理系统 |
CN118060249B (zh) * | 2024-04-18 | 2024-07-30 | 长沙矿冶研究院有限责任公司 | 基于实时调速的带材表面清理方法及带材表面清理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116899947A (zh) | 一种光伏组件清洗方法及系统 | |
Li et al. | The feedback robust MPC for LPV systems with bounded rates of parameter changes | |
WO2007090723A1 (en) | Method of condition monitoring | |
CN114997546B (zh) | 基于多源数据的监测井综合调查评价方法、系统及介质 | |
CN112149877B (zh) | 多元复杂城市电网多源数据驱动的故障预测方法及其系统 | |
CN103984987B (zh) | 一种测风网络实时校正的arma模型风电功率超短期预测方法 | |
Mathew et al. | Estimation of wind turbine performance degradation with deep neural networks | |
CN115700324A (zh) | 一种瓦温预警的方法、装置和电子设备 | |
CN103984986A (zh) | 实时校正的自学习arma模型风电功率超短期预测方法 | |
CN115576267A (zh) | 一种基于数字孪生的轮毂机加工尺寸误差修正方法 | |
CN108803328B (zh) | 摄像头自适应调整方法、装置和摄像头 | |
CN117614136A (zh) | 一种新能源发电站的监控故障管理方法及系统 | |
CN115618719A (zh) | 一种工业建筑内的火灾烟雾监测预警方法、系统和存储介质 | |
Boaventura Cunha et al. | A greenhouse climate multivariable predictive controller | |
CN117974069A (zh) | 一种注射剂瓶生产数据采集方案制定方法、设备及介质 | |
CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
CN111769545A (zh) | 一种在相继的多重开断场景下潮流评估方法及装置 | |
CN117114288A (zh) | 一种工业循环水排污管理方法及系统 | |
CN111144639A (zh) | 一种基于alln算法的地铁设备故障预测方法及系统 | |
WO2023148188A1 (en) | A method and computing device for monitoring performance of a photovoltaic panel | |
CN109840563A (zh) | 一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法 | |
CN111626339B (zh) | 一种抗光影和抖动影响的注塑机模腔异常检测方法 | |
KR20010036423A (ko) | 일반 회귀 신경망을 이용한 고장 검출 방법 및 장치 | |
CN116224774A (zh) | 一种污泥干化处理寻优控制方法及系统 | |
CN117152355B (zh) | 一种基于工厂数据的可视化监管系统 |
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 |