CN117036339B - 一种用于太阳能光伏板运行健康的监测方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于太阳能光伏板运行健康的监测方法。该方法根据像素点和分割阈值得到灰尘覆盖特征值，根据第一聚类簇、四等分对角区和灰度共生矩阵得到灰尘颗粒特征值，结合灰尘覆盖特征值和灰尘颗粒特征值得到光伏板表面直接影响值，依据像素点的温度值、环境温度、第二聚类簇的数量和平均风速集合得到运行环境影响值，基于光伏板表面直接影响值与运行环境影响值得到光伏板运行状况影响值，通过光伏板运行状况影响值对太阳能光伏板的运行健康状况进行监测。本发明从光伏板表面灰尘因素和环境因素对光伏板的运行健康状况进行分析，实现了节约资源的目的，提高了对太阳能光伏板运行健康监测的准确性。

Description

一种用于太阳能光伏板运行健康的监测方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于太阳能光伏板运行健康的监测方法。

背景技术

为达到更好的发电效果，太阳能光伏板一般安装在所有时间都能得到阳光照射的位置，即周边无建筑物、构筑物和树木遮挡的位置，如青海的格尔木市、甘肃的酒泉等光伏城市。为了防止遮蔽物影响太阳能光伏板的正常运行，大部分光伏板安装的区域无树木、建筑物等，这就导致这些区域通常多风沙。

光伏板在运行的过程中，需要保证光伏板组件表面保持清洁，若光伏板表面出现遮挡，则该部分会异常发热，导致出现明显的热斑，使太阳能光伏板损坏，进而降低发电功率和对应电站的使用寿命，所以需要及时对光伏板表面的清洁情况进行监督。现有的方法通过采集光伏板上的灰尘图像，利用灰度共生矩阵法对灰尘图像进行识别，得到灰尘图像的纹理特征、颜色特征、以及形状特征，基于这三个特征得到灰尘图像的灰尘比例，并依据灰尘比例确定光伏板上的灰尘量，将灰尘量与预设灰尘阈值进行比较得到光伏板对应的预设清洁模式，依据得到的预设清洁模式对光伏板进行清洁，但是这种方法只要光伏板表面存在灰尘，就会计算灰尘量并选择对应的预设清洁模式对光伏板表面进行清洁，存在光伏板上的灰尘量不影响光伏板的正常运行也会对光伏板上的灰尘进行清理的情况，造成资源浪费，因此需要一种监测太阳能光伏板的运行健康状况进而实现清洁的方法。

发明内容

为了解决光伏板清洁未对其运行造成影响的灰尘，进而造成资源浪费的问题，本发明的目的在于提供一种用于太阳能光伏板运行健康的监测方法，所采用的技术方案具体如下：

本发明提出一种用于太阳能光伏板运行健康的监测方法，该方法包括：

在每个采样时刻下采集太阳能光伏板的光伏板图像、光伏板红外图像、环境温度和平均风速集合，得到光伏板图像对应的光伏板灰度图像；

通过分割阈值将光伏板灰度图像中的像素点划分为低阈值像素点和高阈值像素点；根据所述低阈值像素点、所述高阈值像素点和所述分割阈值得到灰尘覆盖特征值；将所述高阈值像素点组成的区域作为灰尘区，对所述灰尘区内的像素点进行聚类得到至少两个第一聚类簇；获取所述灰尘区的灰度共生矩阵，根据灰度共生矩阵中各数值的位置获取四等分对角区；结合所述第一聚类簇、所述四等分对角区、以及灰度共生矩阵得到灰尘颗粒特征值；根据所述灰尘覆盖特征值和所述灰尘颗粒特征值得到光伏板表面直接影响值；

获取所述光伏板红外图像内的标记像素点，对所述标记像素点进行聚类得到至少两个第二聚类簇，结合所述光伏板红外图像中像素点的温度值、所述环境温度、所述第二聚类簇的数量和所述平均风速集合得到运行环境影响值；

结合所述光伏板表面直接影响值与所述运行环境影响值得到光伏板运行状况影响值；基于所述光伏板运行状况影响值确定太阳能光伏板的运行健康状况。

进一步地，所述得到光伏板图像对应的光伏板灰度图像包括：

使用低通滤波对光伏板图像进行去噪，选取光伏板图像经去噪处理后像素值改变的像素点作为缺陷像素点，利用插值算法补全缺陷像素点对应的像素值得到去噪光伏板图像，将去噪光伏板图像灰度化得到光伏板灰度图像。

进一步地，所述通过分割阈值将光伏板灰度图像中的像素点划分为低阈值像素点和高阈值像素点包括：

对光伏板灰度图像中像素点的灰度值使用最大类间方差法获得分割阈值，将光伏板灰度图像中灰度值小于等于分割阈值的像素点归为低阈值像素点，光伏板灰度图像中灰度值大于分割阈值的像素点归为高阈值像素点。

进一步地，所述根据所述低阈值像素点、所述高阈值像素点和所述分割阈值得到灰尘覆盖特征值包括：

计算光伏板灰度图像中所有像素点的灰度值的均值作为第一均值，分别统计光伏板灰度图像内高阈值像素点的数量与低阈值像素点的数量，将高阈值像素点的数量作为第一分子、低阈值像素点的数量作为第一分母得到第一比值，将第一比值的取整结果作为第一结果，将第一均值、分割阈值与第一结果的乘积作为灰尘覆盖特征值。

进一步地，所述根据灰度共生矩阵中各数值的位置获取四等分对角区包括：

分别标记灰度共生矩阵第一行第一列的位置为第一位置、第一行中位于列数的前四等分的位置为第二位置、最后一列中位于行数的后四等分的位置为第三位置、最后一行最后一列的位置为第四位置、最后一行中位于列数的后四等分的位置为第五位置、以及第一列中位于行数的前四等分的位置为第六位置，将依次连接第一位置、第二位置、第三位置、第四位置、第五位置和第六位置得到的区域作为灰度共生矩阵的四等分对角区。

进一步地，所述结合所述第一聚类簇、所述四等分对角区、以及灰度共生矩阵得到灰尘颗粒特征值包括：

分别获取四等分对角区内所有数值的总和作为第一总和、灰度共生矩阵内所有数值的总和作为第二总和，将第一总和与第二总和的比值作为第二比值，将第二比值的取整结果作为第二结果，统计第一聚类簇的数量和各第一聚类簇内像素点的数量，计算所有第一聚类簇内像素点的数量的均值作为第二均值，将每个第一聚类簇内像素点的数量与第二均值的差值绝对值作为数量差值，将第一聚类簇的数量作为第三分子、所有数量差值的和作为第三分母得到第三比值，将第二结果与第三比值的乘积作为灰尘颗粒特征值。

进一步地，所述根据所述灰尘覆盖特征值和所述灰尘颗粒特征值得到光伏板表面直接影响值包括：

设置值域系数，将值域系数、灰尘覆盖特征值和灰尘颗粒特征值的乘积作为光伏板表面直接影响值。

进一步地，所述获取所述光伏板红外图像内的标记像素点包括：

设置温度阈值，计算光伏板红外图像中每个像素点的温度值与环境温度的差值作为对应像素点的温度差值，将温度差值大于温度阈值的对应像素点归为标记像素点。

进一步地，所述结合所述光伏板红外图像中像素点的温度值、所述环境温度、所述第二聚类簇的数量和所述平均风速集合得到运行环境影响值包括：

平均风速集合是指两个相邻采样时刻之间的时间段内每个小时的平均风速所构建的集合；选取平均风速集合内大于标准风速的平均风速作为目标平均风速，得到目标平均风速的数量和所有目标平均风速的均值/>；

运行环境影响值的计算公式如下：

式中，表示光伏板红外图像中第k个标记像素点的温度值，/>表示标记像素点的数量，/>表示拍摄光伏板图像时的环境温度，/>表示第二聚类簇的数量，/>表示温度阈值，/>表示标准风速，/>表示值域系数，/>表示平均风速集合内目标平均风速的数量，/>表示平均风速集合内所有目标平均风速的均值；/>表示以自然常数e为底数的指数函数。

进一步地，所述结合所述光伏板表面直接影响值与所述运行环境影响值得到光伏板运行状况影响值包括：

以自然常数e为底数、运行状况环境影响值的相反数为指数得到的值作为第三结果，将常数1与第三结果的差值作为第四结果，将光伏板表面直接影响值与第四结果的乘积作为光伏板运行状况影响值。

本发明具有如下有益效果：

本发明从太阳能光伏板表面的灰尘影响因素和环境因素两方面对太阳能光伏板的运行健康状况进行分析，因此采集太阳能光伏板的光伏板图像、光伏板红外图像、环境温度和平均风速集合；由于尘土落在太阳能光伏板的位置是随机的，所以太阳能光伏板表面的灰尘覆盖不均匀，根据低阈值像素点、高阈值像素点和分割阈值得到灰尘覆盖特征值；当灰尘颗粒在平坦的光伏板表面堆积时，各灰尘颗粒的色泽基本一致，但不同灰尘颗粒间仍具有差别，因此需要获取灰尘颗粒的相关指标，根据每个沙尘颗粒在图像中对应的区域内像素点的灰度值较为均匀，能够总结出灰尘颗粒的灰度值特征：同一灰尘颗粒对应的区域内相邻像素点间灰度值较为接近，基于该特征获取灰尘区的灰度共生矩阵的四等分对角区，结合第一聚类簇、四等分对角区、以及灰度共生矩阵得到灰尘颗粒特征值；光伏板表面直接影响值能够体现太阳能光伏板表面的灰尘影响因素对太阳能光伏板运行状况的影响，而太阳能光伏板表面的灰尘影响因素体现在光伏板表面灰尘的覆盖情况和灰尘颗粒特征，所以基于灰尘覆盖特征值和灰尘颗粒特征值得到光伏板表面直接影响值；运行环境影响值能够体现光伏板所处的位置的环境因素对太阳能光伏板运行状况的影响，当太阳能光伏板的温度值与环境温度之间的差值越大或者太阳能光伏板处在风速较大的环境中时，则太阳能光伏板表面可能覆盖更厚的灰尘，结合光伏板红外图像中像素点的温度值、环境温度、第二聚类簇的数量和平均风速得到运行环境影响值；太阳能光伏板表面的灰尘影响因素和环境因素对太阳能光伏板的运行健康状况的影响分别对应体现在光伏板表面直接影响值与运行环境影响值，由此结合光伏板表面直接影响值与运行环境影响值得到光伏板运行状况影响值，根据光伏板运行状况影响值得到太阳能光伏板的运行健康状况，确定是否需要对光伏板表面沉积的灰尘进行清理。本发明从太阳能光伏板表面的灰尘影响因素和环境因素两方面对太阳能光伏板的运行健康状况进行综合分析，得到反映太阳能光伏板运行过程中受到影响的光伏板运行状况影响值，基于光伏板运行状况影响值确定太阳能光伏板的运行状况，进而确定光伏板表面的灰尘、沙粒等对整个发电系统的运转效率的影响或者造成太阳能光伏板的损坏，从而进一步确认对太阳能光伏板表面进行清洁，提高了对太阳能光伏板运行健康状况监测的准确性，减少了资源浪费。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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它附图。

图1为本发明一个实施例所提供的一种用于太阳能光伏板运行健康的监测方法的步骤流程图；

图2为本发明一个实施例所提供的四等分对角区的示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于太阳能光伏板运行健康的监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明所针对的具体场景：用于监测风沙较大的地区的太阳能光伏板的运行情况，保障太阳能光伏板在运行时表面保持清洁，在太阳能光伏板表面出现沙尘覆盖影响到正常工作时发出清洁和维护提示。

下面结合附图具体的说明本发明所提供的一种用于太阳能光伏板运行健康的监测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种用于太阳能光伏板运行健康的监测方法的步骤流程图，该方法包括：

步骤S1：在每个采样时刻下采集太阳能光伏板的光伏板图像、光伏板红外图像、环境温度和平均风速集合，得到光伏板图像对应的光伏板灰度图像。

在需要进行监测运行状况的太阳能光伏板前架设工业相机和红外相机。由于安装太阳能光伏板地区所在的纬度不同，不同纬度对应的太阳高度角也不相同，基于太阳高度角计算太阳能光伏板安装角度，尽管不同地区的太阳能光伏板与地面角度不同，但太阳能光伏板安装后都呈倾斜状，所以将工业相机和红外相机架设在垂直太阳能光伏板的位置，在该位置同时获取光伏板图像和光伏板红外图像，光伏板图像为RGB图像。在太阳能光伏板旁边设置能够获取环境温度和风速的传感器，使用该传感器获取在光伏板图像和光伏板红外图像的采样时刻下对应的环境温度，以及该采样时刻与上一个采样时刻之间每个小时的平均风速，将两个相邻采样时刻之间的时间段内每个小时的平均风速所构建的集合作为平均风速集合。需要说明的是，两个相邻采样时刻之间的时间段取经验值24小时，即每间隔24小时获取一次光伏板图像和光伏板红外图像。

太阳能光伏板表面布满了整齐的条状银色栅线，获取的光伏板图像中的栅线噪声会对后续分析太阳能光伏板运行情况造成干扰，所以需要将栅线产生的条形噪声和其他噪声进行消除，之后对去噪后的光伏板图像灰度化处理得到光伏板灰度图像。故对光伏板灰度图像的获取方法为：使用低通滤波对光伏板图像进行去噪，选取光伏板图像经去噪处理后像素值改变的像素点作为缺陷像素点，利用插值算法补全缺陷像素点对应的像素值得到去噪光伏板图像，将去噪光伏板图像灰度化得到光伏板灰度图像。

步骤S2：通过分割阈值将光伏板灰度图像中的像素点划分为低阈值像素点和高阈值像素点；根据所述低阈值像素点、所述高阈值像素点和所述分割阈值得到灰尘覆盖特征值；将所述高阈值像素点组成的区域作为灰尘区，对所述灰尘区内的像素点进行聚类得到至少两个第一聚类簇；获取所述灰尘区的灰度共生矩阵，根据灰度共生矩阵中各数值的位置获取四等分对角区；结合所述第一聚类簇、所述四等分对角区、以及灰度共生矩阵得到灰尘颗粒特征值；根据所述灰尘覆盖特征值和所述灰尘颗粒特征值得到光伏板表面直接影响值。

太阳能光伏板表面的灰尘会直接影响其运行健康状况，当太阳能光伏板表面的灰尘覆盖程度越高，对太阳能光伏板的运行健康影响程度越大。同时太阳能光伏板所处环境对其运行健康状况也会存在影响，当太阳能光伏板的温度与环境温度之间的温差越大，对太阳能光伏板运行效率的影响越大；当太阳能光伏板所处环境中风速越大，导致太阳能光伏板表面的灰尘沉积越快，对太阳能光伏板的运行影响越大。下面将从太阳能光伏板表面的灰尘影响因素和环境因素两方面对太阳能光伏板的运行健康状况进行分析。

太阳能光伏板呈深色，当有尘土覆盖在太阳能光伏板的表面时，则尘土覆盖区域会呈现出较亮的黄白色，若太阳能光伏板表面沉积的尘土越多，则黄白色的尘土覆盖区域越多。由于太阳能光伏板表面的灰尘覆盖不均匀，即太阳能光伏板表面有灰尘覆盖较多部分、灰尘覆盖较少部分和未被灰尘覆盖部分，太阳能光伏板表面的灰尘覆盖不均匀在光伏板灰度图像中表现为各像素点的灰度值相差较大，所以基于灰度值使用最大类间方差法将太阳能光伏板划分为灰尘覆盖程度较大部分与灰尘覆盖程度较小或未被灰尘覆盖部分两部分，即对光伏板灰度图像中像素点的灰度值使用最大类间方差法获得分割阈值，将光伏板灰度图像中灰度值小于等于分割阈值的像素点归为低阈值像素点，光伏板灰度图像中灰度值大于分割阈值的像素点归为高阈值像素点。

作为一个示例，基于光伏板灰度图像中各像素点的灰度值获取最大类间方差法的分割阈值，将分割阈值记为，由于分割阈值/>是根据光伏板灰度图像中各像素点对应的灰度值得到，所以当太阳能光伏板表面被灰尘覆盖较为严重时，获得的分割阈值/>较大，即当光伏板灰度图像整体灰度值都较大时，获得的分割阈值/>较大。将光伏板灰度图像中灰度值小于等于分割阈值的像素点归为低阈值像素点、灰度值大于分割阈值的像素点归为高阈值像素点，分别统计低阈值像素点的数量和高阈值像素点的数量，将低阈值像素点的数量记为/>、高阈值像素点的数量记为/>。

计算光伏板灰度图像中所有像素点的灰度值的均值作为第一均值，分别统计光伏板灰度图像内高阈值像素点的数量与低阈值像素点的数量，将高阈值像素点的数量作为第一分子、低阈值像素点的数量作为第一分母得到第一比值，将第一比值的取整结果作为第一结果，将第一均值、分割阈值与第一结果的乘积作为灰尘覆盖特征值，则灰尘覆盖特征值的计算公式如下：

式中，表示光伏板灰度图像中所有像素点的灰度值的均值，/>表示光伏板灰度图像中像素点的灰度值的分割阈值，/>表示低阈值像素点的数量，/>2表示高阈值像素点的数量；/>为取整函数。

需要说明的是，灰尘覆盖特征值表示太阳能光伏板表面的灰尘覆盖程度；由于分割阈值/>是通过对光伏板灰度图像中像素点的灰度值使用最大类间方差法获取的，所以当光伏板表面沉积的灰尘越多，则光伏板灰度图像中像素点的灰度值整体都越大，所得的分割阈值越大，从而使得太阳能光伏板的灰尘覆盖特征值越大；当光伏板灰度图像中低阈值像素点的数量/>越少，高阈值像素点的数量/>2越多，则太阳能光伏板的灰尘覆盖特征值越大。

将光伏板灰度图像中的高阈值像素点筛选出来，将由高阈值像素点组成的区域记为灰尘区，需要注意，将所有高阈值像素点组成的区域作为灰尘区，即一块太阳能光伏板仅有一个灰尘区。当灰尘颗粒在平坦的光伏板表面堆积时，这些灰尘颗粒仍保持原有形态，即灰尘区内各灰尘颗粒的色泽基本一致，但不同灰尘颗粒间仍具有差别，根据上述特征对灰尘区内的沙尘颗粒进行分析。

取灰尘区对应的灰度共生矩阵，由于每个沙尘颗粒在光伏板灰度图像中对应区域的像素点的灰度值较为均匀，所以同一沙尘颗粒对应区域的相邻像素点间灰度值较为接近，则这些像素点对应的灰度值应在灰尘区的灰度共生矩阵的主对角线位置附近，所以需要获取灰度共生矩阵的主对角线附近的四等分对角区。灰度共生矩阵的四等分对角区的获取方法如下：分别标记灰度共生矩阵第一行第一列的位置为第一位置、第一行中位于列数的前四等分的位置为第二位置、最后一列中位于行数的后四等分的位置为第三位置、最后一行最后一列的位置为第四位置、最后一行中位于列数的后四等分的位置为第五位置、以及第一列中位于行数的前四等分的位置为第六位置，将依次连接第一位置、第二位置、第三位置、第四位置、第五位置和第六位置得到的区域作为灰度共生矩阵的四等分对角区。

作为一个示例，如图2所示，获取灰尘区对应的灰度共生矩阵，以尺寸为8*8的灰度共生矩阵为例，将灰度共生矩阵中第一行第一列的位置标记为A、第一行中位于列数的前四等分的位置标记为B、最后一列中位于行数的后四等分的位置标记为C、最后一行最后一列的位置为第四位置标记为D、最后一行中位于列数的后四等分的位置标记为E、以及第一列中位于行数的前四等分的位置标记为F，依次连接A、B、C、D、E和F得到一个区域，将该区域作为四等分对角区，即灰色区域为灰尘区对应的灰度共生矩阵的四等分对角区。

分别获取四等分对角区内所有数值的总和作为第一总和、灰度共生矩阵内所有数值的总和作为第二总和，将第一总和与第二总和的比值作为第二比值，将第二比值的取整结果作为第二结果，统计第一聚类簇的数量和各第一聚类簇内像素点的数量，计算所有第一聚类簇内像素点的数量的均值作为第二均值，将每个第一聚类簇内像素点的数量与第二均值的差值绝对值作为数量差值，将第一聚类簇的数量作为第三分子、所有数量差值的和作为第三分母得到第三比值，将第二结果与第三比值的乘积作为灰尘颗粒特征值。

作为一个示例，分别计算灰度共生矩阵的四等分对角区内的所有数值的总和作为第一总和、灰度共生矩阵内所有数值的总和作为第二总和，将第一总和记为、第二总和记为/>，当/>占/>的比例越大时，则每个沙尘颗粒区域内色泽一致特征越为明显。将灰尘区内像素点的灰度值的差异绝对值作为距离对灰尘区进行聚类，获得/>个第一聚类簇，分别统计各第一聚类簇内像素点的数量，记各第一聚类簇内像素点的数量分别为，其中/>表示第一个第一聚类簇内像素点的数量，/>表示第二个第一聚类簇内像素点的数量，/>表示第n个第一聚类簇内像素点的数量，计算各第一聚类簇内像素点的数量均值，将该数量均值记为/>。每个聚类簇对应一个灰尘颗粒，这些灰尘颗粒的大小一致，即各聚类簇包含的像素点个数较为均匀。其中，本发明选取CURE算法对灰尘区内的像素点进行聚类，具体方法在此不做介绍，为本领域技术人员熟知的技术手段。

则灰尘颗粒特征值的计算公式如下：

式中，表示灰度共生矩阵的四等分对角区内所有数值的总和，/>表示灰度共生矩阵内所有数值的总和，/>表示第一聚类簇的数量，/>表示/>个第一聚类簇内像素点数量的均值，/>表示第/>个第一聚类簇内像素点的数量；/>为取整函数，/>为绝对值函数，为求和函数。

需要说明的是，灰尘颗粒特征值表示太阳能光伏板表面的灰尘区的灰尘颗粒程度；由于同一沙尘颗粒对应的区域内相邻像素点间灰度值较为接近，这些像素点对应的值应在灰尘区的灰度共生矩阵的对角线位置附近，所以当灰度共生矩阵的四等分对角区内所有数值的总和/>越大，则太阳能光伏板灰尘区的灰尘颗粒特征值越大；当灰尘区内第一聚类簇的数量/>越多，各第一聚类簇内像素点的数量与所有第一聚类簇内像素点数量的均值之间的差值绝对值/>越小，则太阳能光伏板灰尘区的灰尘颗粒特征值越大。

光伏板表面直接影响值反映了太阳能光伏板表面直观的灰尘覆盖情况，当太阳能光伏板表面的灰尘覆盖程度越大，被覆盖的较亮的区域内灰尘颗粒特征越明显时，则光伏板对应光伏板图像的光伏板表面直接影响值越大，即太阳能光伏板运行过程中受到这些灰尘的影响越大。结合太阳能光伏板的灰尘覆盖特征值和太阳能光伏板灰尘区的灰尘颗粒特征值/>能够获取光伏板表面直接影响值。

设置值域系数，将值域系数、灰尘覆盖特征值和灰尘颗粒特征值的乘积作为光伏板表面直接影响值，结合灰尘覆盖特征值和灰尘颗粒特征值等指标构建光伏板表面直接影响值，光伏板表面直接影响值的计算公式如下：

式中，表示值域系数，/>表示灰尘覆盖特征值，/>表示灰尘颗粒特征值。

需要说明的是，光伏板表面直接影响值由太阳能光伏板的灰尘覆盖特征值/>和太阳能光伏板灰尘区的灰尘颗粒特征值/>来决定，所以当灰尘覆盖特征值/>越大，灰尘颗粒特征值/>时，则光伏板表面直接影响值/>越大。

优选的，本方案中值域系数取经验值/>。

步骤S3：获取所述光伏板红外图像内的标记像素点，对所述标记像素点进行聚类得到至少两个第二聚类簇，结合所述光伏板红外图像中像素点的温度值、所述环境温度、所述第二聚类簇的数量和所述平均风速集合得到运行环境影响值。

在标准工作温度下，太阳能光伏板表面温度每升高一度，组件的输出功率会造成相应衰减，如：N型单晶组件的输出功率降低基准值的0.38%，P型组件的输出功率降低基准值的0.42%。虽然太阳能光伏板在运行的过程中会缓慢释放热量，但需要保证光伏板表面没有异常的过高温度，以防止光伏板运行状况受影响严重或组件受损。

光伏板红外图像可以反映每个像素点对应位置的温度，当某一区域的温度越大，则该区域内像素点对应的像素值越大。设置温度阈值，计算光伏板红外图像中每个像素点的温度值与环境温度的差值作为对应像素点的温度差值，将温度差值大于温度阈值的对应像素点归为标记像素点。

作为一个示例，设置温度阈值，选取光伏板红外图像中温度值与环境温度之间的差值大于温度阈值/>的对应像素点，把这些像素点归为标记像素点，将标记像素点记为，统计标记像素点/>的数量，将标记像素点/>的数量记为/>。

优选的，本方案中温度阈值取经验值3。

当光伏板出现异常放热时，该区域内各像素点均出现异常放热，而不是某些离散的点，对标记像素点使用聚类算法得到第二聚类簇，统计第二聚类簇的数量，将第二聚类簇的数量记为/>，每个第二聚类簇以5个标记像素点为半径，且每个第二聚类簇内至少有20个标记像素点。

需要说明的是，本发明选取DBSCAN聚类算法对标记像素点进行聚类，具体方法在此不做介绍，为本领域技术人员熟知的技术手段。

运行环境影响值反映了环境因素对太阳能光伏板运行状况的影响，当环境因素对太阳能光伏板运行状况的影响越大，则运行环境影响值越大。当太阳能光伏板表面上的温度值与环境温度之间的温度差值超过温差阈值且温度差值越大时，太阳能光伏板表面可能覆盖更厚的沙尘，其运行受影响的可能性越大；当太阳能光伏板处在风速较大的环境时，光伏板表面越容易沉积灰尘，其运行受影响的可能性越大。

平均风速集合是指两个相邻采样时刻之间的时间段内每个小时的平均风速所构建的集合；选取平均风速集合内大于标准风速的平均风速作为目标平均风速，得到目标平均风速的数量和所有目标平均风速的均值/>。

根据上述环境因素对太阳能光伏板运行状况影响依据，结合标记像素点的温度值、环境温度、第二聚类簇的数量、平均风速集合、目标平均风速的数量、以及所有目标平均风速的均值等指标构建运行环境影响值，运行环境影响值的计算公式如下：

式中，表示光伏板红外图像中第k个标记像素点的温度值，/>表示标记像素点的数量，/>表示拍摄光伏板图像时的环境温度，/>表示第二聚类簇的数量，/>表示温度阈值，/>表示标准风速，/>表示值域系数，/>表示平均风速集合内目标平均风速的数量，/>表示平均风速集合内所有目标平均风速的均值；/>表示以自然常数e为底数的指数函数。

需要说明的是，运行环境影响值表示太阳能光伏板所述位置的环境温度和风速综合影响程度；光伏板红外图像中的标记像素点为光伏板表面异常温度区域的像素点，当光伏板红外图像中所有标记像素点的温度值的均值越大，光伏板表面异常温度区域越多，即第二聚类簇的数量/>越多，则运行环境影响值/>越大；获取光伏板图像时刻与上次获取光伏板图像时刻之间24小时内，当采集到的每个小时的平均风速中大于标准风速的小时数越多，采集到的每个小时的平均风速中大于标准风速/>的这些风速的平均值/>与标准风速之间的差值越大，则运行环境影响值/>越大。

优选的，本方案中标准风速取经验值2.59，值域系数/>取经验值/>。

步骤S4：结合所述光伏板表面直接影响值与所述运行环境影响值得到光伏板运行状况影响值；基于所述光伏板运行状况影响值确定太阳能光伏板的运行健康状况。

光伏板运行状况影响值反映了太阳能光伏板在运行过程中受到影响时且正常健康运行的参数，当受到影响越大时，光伏板运行状况影响值越大。

以自然常数e为底数、运行状况环境影响值的相反数为指数得到的值作为第三结果，将常数1与第三结果的差值作为第四结果，将光伏板表面直接影响值与第四结果的乘积作为光伏板运行状况影响值，则光伏板运行状况影响值的计算公式如下：

式中，表示光伏板表面直接影响值，/>表示运行环境影响值；/>表示以自然常数e为底数的指数函数。

需要说明的是，光伏板运行状况影响值由光伏板表面直接影响值/>和运行环境影响值/>来决定，当光伏板表面直接影响值/>越大，运行环境影响值/>越大，则光伏板运行状况影响值/>越大。

设置影响阈值，当太阳能光伏板对应的光伏板运行状况影响值大于等于/>时，则认为该太阳能光伏板的运行状况不佳，即光伏板表面的沙尘影响到太阳能光伏板的运行健康，此时，需要及时对太阳能光伏板表面沉积的尘土、沙粒等进行清理，否则可能会影响到整个发电系统的运转效率或造成该太阳能光伏板的损坏。

优选的，本方案中影响阈值取经验值5。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于太阳能光伏板运行健康的监测方法，其特征在于，该方法包括：

在每个采样时刻下采集太阳能光伏板的光伏板图像、光伏板红外图像、环境温度和平均风速集合，得到光伏板图像对应的光伏板灰度图像；

通过分割阈值将光伏板灰度图像中的像素点划分为低阈值像素点和高阈值像素点；根据所述低阈值像素点、所述高阈值像素点和所述分割阈值得到灰尘覆盖特征值；将所述高阈值像素点组成的区域作为灰尘区，对所述灰尘区内的像素点进行聚类得到至少两个第一聚类簇；获取所述灰尘区的灰度共生矩阵，根据灰度共生矩阵中各数值的位置获取四等分对角区；结合所述第一聚类簇、所述四等分对角区、以及灰度共生矩阵得到灰尘颗粒特征值；根据所述灰尘覆盖特征值和所述灰尘颗粒特征值得到光伏板表面直接影响值；

获取所述光伏板红外图像内的标记像素点，对所述标记像素点进行聚类得到至少两个第二聚类簇，结合所述光伏板红外图像中像素点的温度值、所述环境温度、所述第二聚类簇的数量和所述平均风速集合得到运行环境影响值；

结合所述光伏板表面直接影响值与所述运行环境影响值得到光伏板运行状况影响值；基于所述光伏板运行状况影响值确定太阳能光伏板的运行健康状况；

所述根据所述低阈值像素点、所述高阈值像素点和所述分割阈值得到灰尘覆盖特征值包括：

计算光伏板灰度图像中所有像素点的灰度值的均值作为第一均值，分别统计光伏板灰度图像内高阈值像素点的数量与低阈值像素点的数量，将高阈值像素点的数量作为第一分子、低阈值像素点的数量作为第一分母得到第一比值，将第一比值的取整结果作为第一结果，将第一均值、分割阈值与第一结果的乘积作为灰尘覆盖特征值；

所述结合所述第一聚类簇、所述四等分对角区、以及灰度共生矩阵得到灰尘颗粒特征值包括：

分别获取四等分对角区内所有数值的总和作为第一总和、灰度共生矩阵内所有数值的总和作为第二总和，将第一总和与第二总和的比值作为第二比值，将第二比值的取整结果作为第二结果，统计第一聚类簇的数量和各第一聚类簇内像素点的数量，计算所有第一聚类簇内像素点的数量的均值作为第二均值，将每个第一聚类簇内像素点的数量与第二均值的差值绝对值作为数量差值，将第一聚类簇的数量作为第三分子、所有数量差值的和作为第三分母得到第三比值，将第二结果与第三比值的乘积作为灰尘颗粒特征值；

所述获取所述光伏板红外图像内的标记像素点包括：

设置温度阈值，计算光伏板红外图像中每个像素点的温度值与环境温度的差值作为对应像素点的温度差值，将温度差值大于温度阈值的对应像素点归为标记像素点；

所述结合所述光伏板红外图像中像素点的温度值、所述环境温度、所述第二聚类簇的数量和所述平均风速集合得到运行环境影响值包括：

平均风速集合是指两个相邻采样时刻之间的时间段内每个小时的平均风速所构建的集合；选取平均风速集合内大于标准风速的平均风速作为目标平均风速，得到目标平均风速的数量和所有目标平均风速的均值/>；

运行环境影响值的计算公式如下：

式中，表示光伏板红外图像中第k个标记像素点的温度值，/>表示标记像素点的数量，/>表示拍摄光伏板图像时的环境温度，/>表示第二聚类簇的数量，/>表示温度阈值，/>表示标准风速，/>表示值域系数，/>表示平均风速集合内目标平均风速的数量，/>表示平均风速集合内所有目标平均风速的均值；/>表示以自然常数e为底数的指数函数；

所述平均风速集合的获取方法，包括：

由相邻两个采样时刻之间的时间段内每个小时的平均风速构成的集合作为平均风速集合。

2.根据权利要求1所述的一种用于太阳能光伏板运行健康的监测方法，其特征在于，所述得到光伏板图像对应的光伏板灰度图像包括：

使用低通滤波对光伏板图像进行去噪，选取光伏板图像经去噪处理后像素值改变的像素点作为缺陷像素点，利用插值算法补全缺陷像素点对应的像素值得到去噪光伏板图像，将去噪光伏板图像灰度化得到光伏板灰度图像。

3.根据权利要求1所述的一种用于太阳能光伏板运行健康的监测方法，其特征在于，所述通过分割阈值将光伏板灰度图像中的像素点划分为低阈值像素点和高阈值像素点包括：

对光伏板灰度图像中像素点的灰度值使用最大类间方差法获得分割阈值，将光伏板灰度图像中灰度值小于等于分割阈值的像素点归为低阈值像素点，光伏板灰度图像中灰度值大于分割阈值的像素点归为高阈值像素点。

4.根据权利要求1所述的一种用于太阳能光伏板运行健康的监测方法，其特征在于，所述根据灰度共生矩阵中各数值的位置获取四等分对角区包括：

分别标记灰度共生矩阵第一行第一列的位置为第一位置、第一行中位于列数的前四等分的位置为第二位置、最后一列中位于行数的后四等分的位置为第三位置、最后一行最后一列的位置为第四位置、最后一行中位于列数的后四等分的位置为第五位置、以及第一列中位于行数的前四等分的位置为第六位置，将依次连接第一位置、第二位置、第三位置、第四位置、第五位置和第六位置得到的区域作为灰度共生矩阵的四等分对角区。

5.根据权利要求1所述的一种用于太阳能光伏板运行健康的监测方法，其特征在于，所述根据所述灰尘覆盖特征值和所述灰尘颗粒特征值得到光伏板表面直接影响值包括：

设置值域系数，将值域系数、灰尘覆盖特征值和灰尘颗粒特征值的乘积作为光伏板表面直接影响值。

6.根据权利要求1所述的一种用于太阳能光伏板运行健康的监测方法，其特征在于，所述结合所述光伏板表面直接影响值与所述运行环境影响值得到光伏板运行状况影响值包括：

以自然常数e为底数、运行状况环境影响值的相反数为指数得到的值作为第三结果，将常数1与第三结果的差值作为第四结果，将光伏板表面直接影响值与第四结果的乘积作为光伏板运行状况影响值。