CN117670880A - 一种柔性光伏电池的检测校正方法及系统 - Google Patents
一种柔性光伏电池的检测校正方法及系统 Download PDFInfo
- Publication number
- CN117670880A CN117670880A CN202410132187.4A CN202410132187A CN117670880A CN 117670880 A CN117670880 A CN 117670880A CN 202410132187 A CN202410132187 A CN 202410132187A CN 117670880 A CN117670880 A CN 117670880A
- Authority
- CN
- China
- Prior art keywords
- flexible photovoltaic
- photovoltaic panel
- deformation
- preset threshold
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012937 correction Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 62
- 230000007246 mechanism Effects 0.000 claims abstract description 28
- 210000004027 cell Anatomy 0.000 claims description 67
- 238000005336 cracking Methods 0.000 claims description 34
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008439 repair process Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 239000010703 silicon Substances 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000018747 cerebellar ataxia with neuropathy and bilateral vestibular areflexia syndrome Diseases 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229920000620 organic polymer Polymers 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- 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
- Photovoltaic Devices (AREA)
Abstract
本发明提供了一种柔性光伏电池的检测校正方法及系统,柔性光伏电池排列于柔性光伏板上,柔性光伏板上设置有补偿机构,方案通过周期性从柔性光伏板上确定若干个检测区域,并获取柔性光伏板的检测区域的当前图像数据,对当前图像数据进行处理得到包含特定要素信息的处理数据,并通过检测特定要素从而确定柔性光伏板的形变程度,以当柔性光伏板的形变程度大于预设阈值时,通过补偿机构向柔性光伏板提供形变补偿。本发明通过非接触式方式进行检测,可以保证柔性光伏板的完整性和长期性能,方案利用了检测区域中的特定要素确定柔性光伏板的整体变形情况,检测所需的计算量较小,能够实现实时监测并及时修复,节省了大量的时间成本和人力成本。
Description
技术领域
本发明属于柔性光伏电池技术领域,具体涉及一种柔性光伏电池的检测校正方法及系统。
背景技术
柔性光伏电池也被称为柔性太阳能电池,是一种可以弯曲或折叠的太阳能电池,柔性光伏电池与传统的硅基太阳能电池不同,通常使用有机聚合物、薄膜太阳能电池以及柔性硅太阳能电池等材料制成,具有轻便、薄型、柔软、透明等特点。
相比传统的硅太阳能电池,柔性光伏电池在重量、尺寸和形状上都更加灵活,因此可以应用于更多的场景。例如,它们可以用于建筑物的立面、窗户、屋顶、车顶、行李箱、帆布、帐篷、衣服和配件等多个领域,目前柔性太阳能电池的制造成本也逐渐降低,因此在未来将有望成为一个非常有前途的市场。
然而,柔性光伏电池相对于传统硅太阳能电池来说更容易发生变形并影响其功效和使用寿命,但现有技术中对柔性光伏电池的检测并不完善。由于柔性光伏电池材料较薄且柔软,容易受到外部机械应力的影响而发生变形,例如当柔性光伏电池受到强烈的挤压、拉伸或扭曲等力量时,就会导致其形状发生变化。另外,环境的温度变化和湿度变化也会对柔性光伏电池造成影响,导致电池片变形。
发明内容
为了克服上述现有技术的缺陷,本发明提出了一种柔性光伏电池的检测校正方法,所述柔性光伏电池排列于柔性光伏板上,所述柔性光伏板上设置有补偿机构,所述方法包括:
基于预设间隔距离,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,并获取所述柔性光伏板的所述检测区域的当前的图像数据;
对当前的所述图像数据进行处理以得到包含特定要素信息的第一处理数据,通过检测所述特定要素以确定所述柔性光伏板的形变程度和形变方向,从而判断所述柔性光伏板的形变程度是否大于第一预设阈值;
若判断结果为是,基于所述柔性光伏板的形变程度,通过所述补偿机构向柔性光伏板的形变处提供与形变方向相反的形变补偿;
若判断结果为否,在预设时间后重新执行所述“基于预设间隔,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,获取所述柔性光伏板的所述检测区域的当前的图像数据”的步骤。
具体地,所述“对当前的所述图像数据进行处理以得到包含所述特定要素信息的第一处理数据,通过检测所述特定要素以确定所述柔性光伏板的形变程度和形变方向,从而判断所述柔性光伏板的形变程度是否大于第一预设阈值”,包括:
为不同的所述检测区域分别设置相应的权重系数;
基于各所述权重系数,对各所述检测区域的所述图像数据进行处理并加权平均以得到第一处理数据;
若所述第一处理数据超出第一预设数据范围,判断柔性光伏板的形变程度大于所述第一预设阈值;否则判断柔性光伏板的形变程度不大于所述第一预设阈值。
可选地,所述特定要素包括所述检测区域中柔性光伏电池的边缘长度、边缘宽度、边缘偏移角度和/或电池表面积。
进一步地,所述加权系数是通过基于形变柔性光伏板的样本数据训练完成的深度学习模型得到的。
可选地,所述方法还包括:
获取所述柔性光伏板的当前的整体图像数据;
对当前的所述整体图像数据进行处理以得到第二处理数据,并基于所述第二处理数据确定所述柔性光伏板是否存在开裂;
若存在,判断所述柔性光伏板的开裂原因;
若所述柔性光伏板的主要开裂原因为变形,且所述柔性光伏板的形变程度不大于所述第一预设阈值,基于所述第一处理数据调节所述第一预设阈值。
优选地,所述“基于所述第一处理数据调节所述第一预设阈值”,包括:
预先设置若干个互不相等的预设阈值,确定大于所述柔性光伏板的形变程度且最接近形变程度的第N-1预设阈值,以及小于所述柔性光伏板的形变程度且最接近形变程度的第N预设阈值;N为大于1的整数;
将所述第一预设阈值替换为所述第N预设阈值。
具体地,所述第二处理数据包括所述柔性光伏板的裂纹形状、裂纹长度、裂纹密度和裂纹位置,所述“判断所述柔性光伏板的开裂原因”,包括:
若所述裂纹形状呈曲线形状,所述裂纹密度高于预设密度值,且所述裂纹位于所述柔性光伏板的结构边界,判断所述柔性光伏板的主要开裂原因为变形。
具体地,所述柔性光伏板的两侧分别对应有至少一个第一支撑件、至少一个第二支撑件,所述补偿机构设置于至少一部分所述柔性光伏电池与所述第一支撑件之间,以及至少一部分所述柔性光伏电池与所述第二支撑件之间。
具体地,所述“基于所述柔性光伏板的形变程度,通过所述补偿机构向柔性光伏板的形变处提供与形变方向相反的形变补偿”,包括:
在所述柔性光伏板沿第一方向的形变程度大于所述第一预设阈值时,使邻近所述第一支撑件的所述补偿机构提供与所述第一方向相反的形变补偿;
在所述柔性光伏板沿第二方向的形变程度大于所述第一预设阈值时,使邻近所述第二支撑件的所述补偿机构提供与所述第二方向相反的形变补偿。
本发明还提出了一种柔性光伏电池的检测校正系统,用于实现如前文所述的方法,所述系统包括:
无人机,所述无人机设置有镜头和红外成像仪,用于基于预设间隔距离,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,并通过所述镜头和/或所述红外成像仪获取所述柔性光伏板的所述检测区域的当前的图像数据;
检测模块,用于对当前的所述图像数据进行处理以得到包含特定要素信息的第一处理数据,通过检测所述特定要素以确定所述柔性光伏板的形变程度和形变方向,从而判断所述柔性光伏板的形变程度是否大于第一预设阈值;
决策模块,用于当判断结果为是时,基于预设间隔,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域;并当判断结果为否时,在预设时间后使所述第一获取模块重新执行预设的步骤。
本发明至少具有以下有益效果:
本发明提出的方案利用图像处理技术对柔性光伏板进行检测,通过获取柔性光伏板检测区域的当前图像数据,并进行处理,能够实时监测光伏板的状态和形变程度并及时发现问题,通过检测每个检测区域设置的特定要素即可确定柔性光伏板的形变程度,方案简单有效,不需要复杂的传感器或设备,且无需接触电池表面,避免了潜在的损害和安全风险;
进一步地,本方案可以将特定要素设置为检测区域中柔性光伏电池各项数据,同时采用了为不同检测区域的数据分配权重并加权判断的方式,能够在较少的计算量内确定柔性光伏板的形变程度且具有较高的精度,本方案还能够通过获取整体图像数据以检测柔性光伏板的开裂情况,且能够对开裂原因进行判断,并在开裂原因为变形时结合柔性光伏板的形变数据调节预设的阈值,从而更准确地对柔性光伏板进行维护;
此外,本方案还在柔性光伏板设置了补偿机构为柔性光伏板提供形变补偿,实现了自动化的检测与维护,可以更准确、更全面地抑制柔性光伏板的形变,从而有效提高了柔性光伏板的使用寿命。
以此,本发明提出了一种柔性光伏电池的检测校正方法及系统,本发明通过非接触式的获取图像数据方式进行检测,可以保证柔性光伏板的完整性和长期性能,方案利用了检测区域中的特定要素确定柔性光伏板的整体变形情况,检测所需的计算量较小,能够实现实时监测并及时修复,相比传统的手动检测方式节省了大量的时间成本和人力成本。
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他的附图。
图1为实施例1提供的柔性光伏电池的检测校正方法的整体流程示意图;
图2为柔性光伏板的整体结构示意图;
图3为判断柔性光伏板形变程度的方法流程示意图;
图4为检测柔性光伏板开裂及开裂原因的方法流程示意图;
图5为柔性光伏板第一面的结构示意图;
图6为柔性光伏板第二面的结构示意图;
图7为柔性光伏板的剖面结构示意图;
图8为实施例2提供的柔性光伏电池的检测校正系统的模块结构示意图。
附图标记
1-柔性光伏板;2-柔性光伏电池;3-安装架;4-第一支撑件;5-第二支撑件;6-补偿机构;7-侧边;
10-第一获取模块;20-检测模块;21-设置单元;22-计算单元;23-判断单元;30-处理模块;41-第二获取模块;42-确定模块;43-分析模块;44-调节模块。
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,所描述的实施例仅是本发明的一部分实施例,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。
在下文中,将更全面地描述本发明的各种实施例。本发明可具有各种实施例,并且可在其中做出调整和改变。然而,应理解:不存在将本发明的各种实施例限于在此公开的特定实施例的意图,而是应将本发明理解为涵盖落入本发明的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在下文中,可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在,并且不限制一个或更多个功能、操作或元件的增加。此外,如在本发明的各种实施例中所使用,术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本发明的各种实施例中,表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如,表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件,不过可不限制相应组成元件。例如,以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如,第一用户装置和第二用户装置指示不同用户装置,尽管二者都是用户装置。例如,在不脱离本发明的各种实施例的范围的情况下,第一元件可被称为第二元件,同样地,第二元件也可被称为第一元件。
应注意到:在本发明中,除非另有明确的规定和定义,“安装”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接、也可以是可拆卸连接、或者一体地连接;可以是机械连接,也可以是电连接;可以是直接连接,也是可以通过中间媒介间接相连;可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,本领域的普通技术人员需要理解的是,文中指示方位或者位置关系的术语为基于附图所示的方位或者位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或者元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用,单数形式意在也包括复数形式,除非上下文清楚地另有指示。除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
实施例1
参见图1、图2,本实施例提出了一种柔性光伏电池,的检测方法,柔性光伏电池2排列于柔性光伏板1上,柔性光伏板1上设置有补偿机构6,本实施例提出的检测方法适用于柔性光伏电池2安装完成后使用过程中的在线形变检测并及时进行补偿,能够提高柔性光伏电池2的安装质量和使用寿命,并减少因光伏电池变形而导致的功率下降和组件失效问题,所述方法包括:
S100:基于预设间隔距离,从柔性光伏板的中心沿柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,并获取柔性光伏板检测区域的当前图像数据。
具体地,步骤S100在柔性光伏板1上间隔确定若干个检测区域,且从检测区域中获取包含特定要素的图像数据,特定要素包括但不限于柔性光伏板上的线条、网格和标记点。本实施例中,特定要素包括检测区域中柔性光伏电池2的边缘长度、边缘宽度、边缘偏移角度和/或电池表面积。
本实施例中,步骤S100可以通过无人机的镜头直接拍摄可见图像的方式,和/或,通过无人机的红外成像仪扫描红外图像的方式获取柔性光伏板1检测区域的当前图像数据,步骤S100中从柔性光伏板1的中心沿柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,即为从柔性光伏板1的中心向任一侧边7或两个侧边7的方向延展,从而确定若干个检测区域。
S200:对当前的图像数据进行处理以得到包含特定要素信息的第一处理数据,通过检测特定要素以确定柔性光伏板的形变程度和形变方向,从而判断柔性光伏板的形变程度是否大于第一预设阈值。
具体地,对柔性光伏板1当前图像数据进行的处理可以包括但不限于去噪、图像增强、边缘检测等预处理操作,此类操作的作用是提高后续处理的准确性和可靠性;
在预处理操作完成后,从图像数据中提取特征,利用计算机视觉技术中的轮廓匹配、形状拟合、角度计算等方法,根据提取的特征数据,进行形状分析从而生成包含特定要素信息的第一处理数据,最后再使第一处理数据与预设数据进行比对,以得到出柔性光伏板1的形变程度;预设数据可以是对柔性光伏板1的初始图像数据进行处理得到的初始数据。
在一个具体实施例中,从图像数据中提取特征具体可以包括使用图像处理算法检测出柔性光伏板1中检测区域的边界或轮廓,以得到图像数据中的特定要素。
示例性的,在柔性光伏电池2的边缘长度小于预设长度,边缘长度小于预设宽度,边缘偏移角度超出预设角度范围,和/或电池表面积小于预设表面积时,可以判断柔性光伏板1的形变程度大于第一预设阈值;需要说明的是,本实施例中的预设长度、预设宽度、预设角度范围和预设表面积基于各柔性光伏电池2的对应初始数据确定,具体可以通过初始数据和特定的比例值或特定的差值确定。
其中,边缘偏移角度具有正负值,在一个具体实施例中,当边缘偏移角度大于0时,判断柔性光伏板的形变方向为第一方向;当边缘偏移角度小于0时,判断柔性光伏板的形变方向为第二方向。
若柔性光伏板1的形变程度大于第一预设阈值,执行步骤S300;若柔性光伏板1的形变程度不大于第一预设阈值,在预设时间后重新执行步骤S100。
S300:基于柔性光伏板的形变程度,通过补偿机构向柔性光伏板的形变处提供与形变方向相反的形变补偿。
具体地,参见图3,步骤S200包括:
S210:为不同的检测区域分别设置相应的权重系数。
本实施例中,加权系数是通过基于形变柔性光伏板的样本数据训练完成的深度学习模型得到的。具体地,本实施例中的深度学习模型可以是一个卷积神经网络(Convolutional Neural Network,CNN),它能够学习从原始图像数据中提取特征信息的方法。通过对大量的形变柔性光伏板样本数据进行训练,该模型可以学会识别柔性光伏板形变的边缘长度、边缘宽度、边缘偏移角度、电池表面积等特定要素;
训练过程中,深度学习模型会根据均方误差等目标函数来调整权重系数,以使模型输出的加权平均结果与实际形变程度尽可能一致,经过反复迭代的训练,模型可以逐渐优化权重系数,从而更准确地反映柔性光伏板的形变程度。
通过深度学习模型得到的权重系数可以应用于步骤S210,并在后续步骤中加权平均以得到第一处理数据,由此,本方案可以以较高的精确度判断柔性光伏板的形变程度是否大于预设的阈值。
S220:基于各权重系数,对各检测区域的图像数据进行处理并加权平均以得到第一处理数据。
S230:判断第一处理数据是否超出第一预设数据范围,若第一处理数据超出第一预设数据范围,判断柔性光伏板的形变程度大于第一预设阈值;否则判断柔性光伏板的形变程度不大于第一预设阈值。
进一步地,参见图4,所述方法还包括:
S410:获取柔性光伏板的当前的整体图像数据。
S420:对当前的整体图像数据进行处理以得到第二处理数据,并基于第二处理数据确定柔性光伏板1是否存在开裂。
在一个具体实施例中,步骤S420采用基于深度卷积神经网络(ConvolutionalNeural Network, CNN)和支持向量机(Support Vector Machine, SVM)的分类算法实现对柔性光伏板1的开裂检测;
进一步地,本方案使用全局平局池化层替代CNN全连接层以减少模型参数,本方案在步骤S410获取柔性光伏板1的当前的整体图像数据后,将柔性光伏板1的整体图像数据输入模型,重复数次卷积、批归一化与激活的操作后,使数据进入全局平局池化层以进行全局平均池化,最终将提取的特征通过SVM算法进行柔性光伏板1是否存在开裂的识别。
若柔性光伏板1是否存在开裂,执行步骤S420。
S430:判断柔性光伏板的开裂原因。
需要说明的是,在检测到柔性光伏板1存在开裂后,步骤S420中可以使用轮廓匹配、形状拟合等形状分析算法对柔性光伏板1进行形状分析,得到第二处理数据;
第二处理数据可以是一个数值,也可以是一组数据,如柔性光伏板1各个区域的形变程度,通过分析第二处理数据,可以判断柔性光伏板1的主要开裂原因是否为柔性光伏板1的变形。
本实施例中,第二处理数据包括柔性光伏板1上的裂纹形状、裂纹长度、裂纹密度和裂纹位置;
示例性地,若裂纹呈直线状且沿着柔性光伏板1边缘延伸,柔性光伏板1的开裂可能是由于外力撕裂或应力集中导致的;如果裂纹呈放射状,则柔性光伏板1的开裂可能是由于热膨胀引起的热应力导致的;
若裂纹长度较长且密度较高,柔性光伏板1的开裂原因可能是受到了较大的机械应力;若裂纹长度较短且密度较低,柔性光伏板1的开裂原因可能是制造过程中的缺陷或材料质量问题;
若裂纹主要分布在柔性光伏板1的边缘区域,柔性光伏板1的开裂原因可能是由于边缘处受到了更大的应力;若裂纹分布较为均匀或在特定的区域集中,柔性光伏板1的开裂原因可能是由于制造过程中的工艺问题及材料不均匀性引起或遭受外力冲击。
在一个具体实施例中,若裂纹形状呈曲线形状,裂纹密度高于预设密度值,且裂纹位于柔性光伏板1的结构边界,判断柔性光伏板1的主要开裂原因为变形。
若柔性光伏板1的主要开裂原因是柔性光伏板1的变形,执行步骤S440。
S440:若柔性光伏板的形变程度不大于第一预设阈值,基于第一处理数据调节第一预设阈值。
本实施例中,通过分析已有的柔性光伏板1变形数据和开裂情况,建立一个关联模型或规则,根据柔性光伏板1的开裂程度和开裂位置,调整第一预设阈值的大小,以更准确地判断柔性光伏板1的形变程度。
具体地,对第一预设阈值可以为上调或下调,一般而言,形变程度越大开裂风险就越高,所以大部分情况中需要下调第一预设阈值;
需要说明的是,由于柔性光伏板1的强度会因为使用时间下降,导致柔性光伏板1对形变程度的容忍值下降,为解决此问题,本实施例中,可以预先设置若干个互不相等的预设阈值,确定大于柔性光伏板1的形变程度且最接近形变程度的第N-1预设阈值,确定小于柔性光伏板1的形变程度且最接近形变程度的第N-1预设阈值,并将第一预设阈值替换为第N预设阈值;其中,各个预设阈值对应不同的预设数据范围,N为大于1的整数;
示例性地,可以预先设置第二预设阈值、第三预设阈值、第四预设阈值等多个以此降低的阈值,在柔性光伏板1的开裂原因是柔性光伏板1的变形,且此时确定大于柔性光伏板1的形变程度且最接近形变程度预设阈值为的第二预设阈值,确定小于柔性光伏板1的形变程度且最接近形变程度的预设阈值第三预设阈值时,则可以使第一预设阈值替换为第三预设阈值,以便更早地检测到柔性光伏板1的变形和开裂风险;各个预设阈值的具体数值可以通过预先的实验结果分析计算得到。
请再次参见图2并参见图5-7,在一个具体实施例中,柔性光伏板1安装在安装架3上,各柔性光伏板1的两侧分别对应有至少一个第一支撑件4、至少一个第二支撑件5和补偿机构,补偿机构6位于至少一部分柔性光伏电池2与第一支撑件4之间,以及至少一部分柔性光伏电池2与第二支撑件5之间。
具体地,在柔性光伏板1沿第一方向的形变程度大于第一预设阈值时,步骤S300使邻近第一支撑件4的补偿机构6提供与第一方向相反的形变补偿;以及柔性光伏板1沿第二方向的形变程度大于第一预设阈值时,步骤S300使邻近第二支撑件5的补偿机构6提供与第二方向相反的形变补偿。
可选地,补偿机构6可以通过在通电时产生磁力的方式对柔性光伏板1进行补偿,在一个具体实施例中,补偿装置4包括两套永磁件和导磁件的组合,其中,第一导磁件与第一支撑件4固定连接且与第一永磁件相对设置,用于在通电时与第一永磁件配合提供与第一方向相反的形变补偿;
与之类似地,第二导磁件与第二支撑件5固定连接且与第二永磁件相对设置,用于在通电时与第二永磁件配合提供与第二方向相反的形变补偿。
由此,本方案能够在柔性光伏板1上实现自适应的调节,避免了柔性光伏板1因长时间变形而损害柔性光伏电池2及其他元器件的情况,进一步提高了柔性光伏板1的可靠性和安全性,节省了对柔性光伏板1进行调节所需的人力。
实施例2
本实施例提出了一种柔性光伏电池的检测校正系统,用于实现实施例1提出的方法,参见图8,所述系统包括:
第一获取模块10,用于基于预设间隔距离,从柔性光伏板的中心沿柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,并获取柔性光伏板检测区域的当前图像数据;
检测模块20,用于对当前的图像数据进行处理以得到包含特定要素信息的第一处理数据,通过检测特定要素以确定柔性光伏板的形变程度和形变方向,从而判断柔性光伏板的形变程度是否大于第一预设阈值;
处理模块30,用于当判断结果为是时,基于柔性光伏板的形变程度,通过补偿机构向柔性光伏板的形变处提供与形变方向相反的形变补偿;并当判断结果为否时,在预设时间后使第一获取模块重新执行预设的步骤。
具体地,第一获取模块10在柔性光伏板1上间隔确定若干个检测区域,且从检测区域中获取包含特定要素的图像数据,特定要素包括但不限于柔性光伏板上的线条、网格和标记点。本实施例中,特定要素包括检测区域中柔性光伏电池的边缘长度、边缘宽度、边缘偏移角度和/或电池表面积。
本实施例中,系统还包括无人机,第一获取模块10设置于无人机,无人机设置有镜头和红外成像仪,无人机能够通过镜头直接拍摄检测区域的可见图像,和/或,通过红外成像仪扫描检测区域的红外图像,从而获取柔性光伏板检测区域的当前图像数据。
具体地,检测模块20对柔性光伏板当前图像数据进行的处理可以包括但不限于去噪、图像增强、边缘检测等预处理操作,此类操作的作用是提高后续处理的准确性和可靠性;
在预处理操作完成后,从图像数据中提取特征,利用计算机视觉技术中的轮廓匹配、形状拟合、角度计算等方法,根据提取的特征数据,进行形状分析从而生成包含特定要素信息的第一处理数据,最后再使第一处理数据与预设数据进行比对,以得到出柔性光伏板的形变程度;预设数据可以是对柔性光伏板的初始图像数据进行处理得到的初始数据。
在一个具体实施例中,从图像数据中提取特征具体可以包括使用图像处理算法检测出柔性光伏板中检测区域的边界或轮廓,以得到图像数据中的特定要素。
示例性的,在柔性光伏电池2的边缘长度小于预设长度,边缘长度小于预设宽度,边缘偏移角度超出预设角度范围,和/或电池表面积小于预设表面积时,可以判断柔性光伏板1的形变程度大于第一预设阈值;需要说明的是,本实施例中的预设长度、预设宽度、预设角度范围和预设表面积基于各柔性光伏电池2的对应初始数据确定,具体可以通过初始数据和特定的比例值或特定的差值确定。
其中,边缘偏移角度具有正负值,在一个具体实施例中,当边缘偏移角度大于0时,判断柔性光伏板的形变方向为第一方向;当边缘偏移角度小于0时,判断柔性光伏板的形变方向为第二方向。
具体地,检测模块20包括:
设置单元21,用于为不同的检测区域分别设置相应的权重系数;
计算单元22,用于基于各权重系数,对各检测区域的图像数据进行处理并加权平均以得到第一处理数据;
判断单元23,用于判断第一处理数据是否超出第一预设数据范围,若第一处理数据超出第一预设数据范围,判断柔性光伏板的形变程度大于第一预设阈值;否则判断柔性光伏板的形变程度不大于第一预设阈值。
进一步地,所述系统还包括:
第二获取模块41,用于获取柔性光伏板的当前的整体图像数据;
确定模块42,用于对当前的整体图像数据进行处理以得到第二处理数据,并基于第二处理数据确定柔性光伏板是否存在开裂;
分析模块43,用于判断柔性光伏板的开裂原因;
调节模块44,用于当柔性光伏板的形变程度不大于第一预设阈值时,基于第一处理数据调节第一预设阈值。
需要说明的是,在检测到柔性光伏板存在开裂后,确定模块42可以使用轮廓匹配、形状拟合等形状分析算法对柔性光伏板进行形状分析,得到第二处理数据;
第二处理数据可以是一个数值,也可以是一组数据,如柔性光伏板各个区域的形变程度,通过分析第二处理数据,可以判断柔性光伏板的主要开裂原因是否为柔性光伏板的变形。
本实施例中,第二处理数据包括柔性光伏板上的裂纹形状、裂纹长度、裂纹密度和裂纹位置;
在一个具体实施例中,若裂纹形状呈曲线形状,裂纹密度高于预设密度值,且裂纹位于柔性光伏板的结构边界,判断柔性光伏板的主要开裂原因为变形。
本实施例中,通过分析已有的柔性光伏板变形数据和开裂情况,建立一个关联模型或规则,根据柔性光伏板的开裂程度和开裂位置,调整第一预设阈值的大小,以更准确地判断柔性光伏板的形变程度。
具体地,调节模块44对第一预设阈值可以为上调或下调,一般而言,形变程度越大开裂风险就越高,所以大部分情况中需要下调第一预设阈值;
需要说明的是,由于柔性光伏板的强度会因为使用时间下降,导致柔性光伏板对形变程度的容忍值下降,为解决此问题,本实施例中,可以预先设置若干个互不相等的预设阈值,确定大于柔性光伏板的形变程度且最接近形变程度的第N-1预设阈值,确定小于柔性光伏板的形变程度且最接近形变程度的第N-1预设阈值,并将第一预设阈值替换为第N预设阈值;其中,各个预设阈值对应不同的预设数据范围,N为大于1的整数。
在一个具体实施例中,柔性光伏板安装在安装架上,各柔性光伏板的两侧分别对应有至少一个第一支撑件、至少一个第二支撑件和补偿机构,补偿机构位于至少一部分柔性光伏电池与第一支撑件之间,以及至少一部分柔性光伏电池与第二支撑件之间。
具体地,在柔性光伏板沿第一方向的形变程度大于第一预设阈值时,处理模块30使邻近第一支撑件的补偿机构提供与第一方向相反的形变补偿;以及柔性光伏板沿第二方向的形变程度大于第一预设阈值时,处理模块30使邻近第二支撑件的补偿机构提供与第二方向相反的形变补偿。
综上所述,本发明提出了一种柔性光伏电池的检测校正方法及系统,本发明通过非接触式的获取图像数据方式进行检测,可以保证柔性光伏板的完整性和长期性能,方案利用了检测区域中的特定要素确定柔性光伏板的整体变形情况,检测所需的计算量较小,能够实现实时监测并及时修复,相比传统的手动检测方式节省了大量的时间成本和人力成本。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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 (10)
1.一种柔性光伏电池的检测校正方法,其特征在于,所述柔性光伏电池排列于柔性光伏板上,所述柔性光伏板上设置有补偿机构,所述方法包括:
基于预设间隔距离,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,并获取所述柔性光伏板的所述检测区域的当前的图像数据;
对当前的所述图像数据进行处理以得到包含特定要素信息的第一处理数据,通过检测所述特定要素以确定所述柔性光伏板的形变程度和形变方向,从而判断所述柔性光伏板的形变程度是否大于第一预设阈值;
若判断结果为是,基于所述柔性光伏板的形变程度,通过所述补偿机构向柔性光伏板的形变处提供与形变方向相反的形变补偿;
若判断结果为否,在预设时间后重新执行所述“基于预设间隔,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,获取所述柔性光伏板的所述检测区域的当前的图像数据”的步骤。
2.根据权利要求1所述的柔性光伏电池的检测校正方法,其特征在于,所述“对当前的所述图像数据进行处理以得到包含所述特定要素信息的第一处理数据,通过检测所述特定要素以确定所述柔性光伏板的形变程度和形变方向,从而判断所述柔性光伏板的形变程度是否大于第一预设阈值”,包括:
为不同的所述检测区域分别设置相应的权重系数;
基于各所述权重系数,对各所述检测区域的所述图像数据进行处理并加权平均以得到第一处理数据;
若所述第一处理数据超出第一预设数据范围,判断柔性光伏板的形变程度大于所述第一预设阈值;否则判断柔性光伏板的形变程度不大于所述第一预设阈值。
3.根据权利要求2所述的柔性光伏电池的检测校正方法,其特征在于,所述特定要素包括所述检测区域中柔性光伏电池的边缘长度、边缘宽度、边缘偏移角度和/或电池表面积。
4.根据权利要求2所述的柔性光伏电池的检测校正方法,其特征在于,所述加权系数是通过基于形变柔性光伏板的样本数据训练完成的深度学习模型得到的。
5.根据权利要求1所述的柔性光伏电池的检测校正方法,其特征在于,所述方法还包括:
获取所述柔性光伏板的当前的整体图像数据;
对当前的所述整体图像数据进行处理以得到第二处理数据,并基于所述第二处理数据确定所述柔性光伏板是否存在开裂;
若存在,判断所述柔性光伏板的开裂原因;
若所述柔性光伏板的主要开裂原因为变形,且所述柔性光伏板的形变程度不大于所述第一预设阈值,基于所述第一处理数据调节所述第一预设阈值。
6.根据权利要求5所述的柔性光伏电池的检测校正方法,其特征在于,所述“基于所述第一处理数据调节所述第一预设阈值”,包括:
预先设置若干个互不相等的预设阈值,确定大于所述柔性光伏板的形变程度且最接近形变程度的第N-1预设阈值,以及小于所述柔性光伏板的形变程度且最接近形变程度的第N预设阈值;N为大于1的整数;
将所述第一预设阈值替换为所述第N预设阈值。
7.根据权利要求5所述的柔性光伏电池的检测校正方法,其特征在于,所述第二处理数据包括所述柔性光伏板的裂纹形状、裂纹长度、裂纹密度和裂纹位置,所述“判断所述柔性光伏板的开裂原因”,包括:
若所述裂纹形状呈曲线形状,所述裂纹密度高于预设密度值,且所述裂纹位于所述柔性光伏板的结构边界,判断所述柔性光伏板的主要开裂原因为变形。
8.根据权利要求1所述的柔性光伏电池的检测校正方法,其特征在于,所述柔性光伏板的两侧分别对应有至少一个第一支撑件、至少一个第二支撑件,所述补偿机构设置于至少一部分所述柔性光伏电池与所述第一支撑件之间,以及至少一部分所述柔性光伏电池与所述第二支撑件之间。
9.根据权利要求8所述的柔性光伏电池的检测校正方法,其特征在于,所述“基于所述柔性光伏板的形变程度,通过所述补偿机构向柔性光伏板的形变处提供与形变方向相反的形变补偿”,包括:
在所述柔性光伏板沿第一方向的形变程度大于所述第一预设阈值时,使邻近所述第一支撑件的所述补偿机构提供与所述第一方向相反的形变补偿;
在所述柔性光伏板沿第二方向的形变程度大于所述第一预设阈值时,使邻近所述第二支撑件的所述补偿机构提供与所述第二方向相反的形变补偿。
10.一种柔性光伏电池的检测校正系统,其特征在于,用于实现如权利要求1-9任一项所述的方法,所述系统包括:
无人机,所述无人机设置有镜头和红外成像仪,用于基于预设间隔距离,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域,并通过所述镜头和/或所述红外成像仪获取所述柔性光伏板的所述检测区域的当前的图像数据;
检测模块,用于对当前的所述图像数据进行处理以得到包含特定要素信息的第一处理数据,通过检测所述特定要素以确定所述柔性光伏板的形变程度和形变方向,从而判断所述柔性光伏板的形变程度是否大于第一预设阈值;
决策模块,用于当判断结果为是时,基于预设间隔,从所述柔性光伏板的中心沿所述柔性光伏板的长度方向的两侧中至少一侧确定若干个检测区域;并当判断结果为否时,在预设时间后使所述第一获取模块重新执行预设的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132187.4A CN117670880B (zh) | 2024-01-31 | 2024-01-31 | 一种柔性光伏电池的检测校正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132187.4A CN117670880B (zh) | 2024-01-31 | 2024-01-31 | 一种柔性光伏电池的检测校正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117670880A true CN117670880A (zh) | 2024-03-08 |
CN117670880B CN117670880B (zh) | 2024-05-07 |
Family
ID=90064538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410132187.4A Active CN117670880B (zh) | 2024-01-31 | 2024-01-31 | 一种柔性光伏电池的检测校正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670880B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163551A (zh) * | 2020-10-14 | 2021-01-01 | 黄振海 | 基于图像处理和多维度感知的光伏电池板形变预测方法 |
CN112529875A (zh) * | 2020-12-14 | 2021-03-19 | 孙占民 | 一种基于人工智能的光伏组件玻璃爆裂预警方法及系统 |
CN114219776A (zh) * | 2021-12-06 | 2022-03-22 | 优兔创新有限公司 | 基于多传感器的光伏面板特征检测方法 |
WO2022135588A1 (zh) * | 2020-12-25 | 2022-06-30 | 虹软科技股份有限公司 | 图像校正方法、装置及系统、电子设备 |
CN116664565A (zh) * | 2023-07-28 | 2023-08-29 | 江苏森标科技有限公司 | 一种光伏太阳能电池片的隐裂检测方法及系统 |
-
2024
- 2024-01-31 CN CN202410132187.4A patent/CN117670880B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163551A (zh) * | 2020-10-14 | 2021-01-01 | 黄振海 | 基于图像处理和多维度感知的光伏电池板形变预测方法 |
CN112529875A (zh) * | 2020-12-14 | 2021-03-19 | 孙占民 | 一种基于人工智能的光伏组件玻璃爆裂预警方法及系统 |
WO2022135588A1 (zh) * | 2020-12-25 | 2022-06-30 | 虹软科技股份有限公司 | 图像校正方法、装置及系统、电子设备 |
CN114219776A (zh) * | 2021-12-06 | 2022-03-22 | 优兔创新有限公司 | 基于多传感器的光伏面板特征检测方法 |
CN116664565A (zh) * | 2023-07-28 | 2023-08-29 | 江苏森标科技有限公司 | 一种光伏太阳能电池片的隐裂检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
王于 等: "划线切割机器人系统中型材变形的检测与补偿", 测控技术, vol. 20, no. 10, 18 October 2001 (2001-10-18), pages 23 - 26 * |
Also Published As
Publication number | Publication date |
---|---|
CN117670880B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Intelligent fault pattern recognition of aerial photovoltaic module images based on deep learning technique | |
CN111291814B (zh) | 基于卷积神经网络与信息熵数据融合策略的裂纹识别算法 | |
CN110766681B (zh) | 一种基于三重损失网络的竹条表面缺陷检测方法 | |
CN109615612A (zh) | 一种太阳能电池板的缺陷检测方法 | |
CN117132844B (zh) | 一种基于图像处理的光伏板裂纹与划痕的分类方法 | |
CN115861190A (zh) | 一种基于对比学习的光伏组件无监督缺陷检测方法 | |
CN117670880B (zh) | 一种柔性光伏电池的检测校正方法及系统 | |
CN114565607B (zh) | 基于神经网络的织物缺陷图像分割方法 | |
CN112446863A (zh) | 基于图像处理的光伏阵列热斑检测方法和检测系统 | |
CN114290503A (zh) | T梁蒸汽养生发生器功率控制方法及其装置 | |
Liu et al. | A CISG method for internal defect detection of solar cells in different production processes | |
CN117876308A (zh) | 基于图像分析的光伏板检测方法 | |
CN113610799B (zh) | 基于人工智能的光伏电池板彩虹纹检测方法、装置及设备 | |
CN113406524B (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
CN112270724A (zh) | 基于人工智能的光伏电池板焊带偏移检测方法及装置 | |
CN114581407B (zh) | 一种光伏模块的自适应缺陷检测方法 | |
CN116503308A (zh) | 一种基于级联区域卷积神经网络的光伏板故障识别方法 | |
CN115713659A (zh) | 一种基于深度学习的光伏板缺陷识别分类方法 | |
CN113177563B (zh) | 融合cma-es算法及贯序极限学习机的贴片后异常检测方法 | |
CN115311238A (zh) | 一种基于图像分析的光伏组件缺陷损伤的识别方法 | |
KR102426275B1 (ko) | 태양전지 셀에 대한 이미지 분류 방법 및 장치 | |
CN113657310A (zh) | 基于多层卷积神经网络的光伏组件红外热斑故障识别方法 | |
Feng et al. | A method for surface detect classification of hot rolled strip steel based on Xception | |
Wang et al. | The study of the improved multilayer perceptron algorithm on hydrophobicity detection research of composite insulator bushing | |
CN112686915A (zh) | 一种基于全卷积神经网络的光伏组件图片切割方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |