KR20170029505A - 태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴 - Google Patents

태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴 Download PDF

Info

Publication number
KR20170029505A
KR20170029505A KR1020177000791A KR20177000791A KR20170029505A KR 20170029505 A KR20170029505 A KR 20170029505A KR 1020177000791 A KR1020177000791 A KR 1020177000791A KR 20177000791 A KR20177000791 A KR 20177000791A KR 20170029505 A KR20170029505 A KR 20170029505A
Authority
KR
South Korea
Prior art keywords
data
solar panel
maintenance
recommendation
cleaning
Prior art date
Application number
KR1020177000791A
Other languages
English (en)
Inventor
애런 멜러
모셰 멜러
Original Assignee
에코피아 사이언티픽 리미티드
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 에코피아 사이언티픽 리미티드 filed Critical 에코피아 사이언티픽 리미티드
Publication of KR20170029505A publication Critical patent/KR20170029505A/ko

Links

Images

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
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B25J11/0085—Cleaning
    • F24J2/40—
    • F24J2/461—
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S40/00—Safety or protection arrangements of solar heat collectors; Preventing malfunction of solar heat collectors
    • F24S40/20—Cleaning; Removing snow
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S50/00—Arrangements for controlling solar heat collectors
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S2201/00—Prediction; Simulation
    • 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
    • Y02E10/40—Solar thermal energy, e.g. solar towers
    • 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
    • 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
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/01—Mobile robot

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Energy (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Robotics (AREA)
  • Photovoltaic Devices (AREA)
  • Selective Calling Equipment (AREA)
  • Telephonic Communication Services (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Cleaning Or Drying Semiconductors (AREA)

Abstract

유지관리 윈도우를 예측하고, 태양 전지판을 세정하는 로봇 시스템의 세정 사이클을 개시하며 회피하기 위한 시스템 및 방법. 학습 알고리즘을 사용하여, 시스템 및 방법은 세정 사이클을 실시하는 다양한 로봇 시스템, 외부 센서, 소스 및 피드에 의해 수신된 데이터로부터의 경향 분석을 수집하고, 모니터링하며 행하는 것에 기초한다.

Description

태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴{PREDICTIVE MAINTENANCE AND INFERRING PATTERNS OF SOLAR PANEL CLEANING SYSTEMS}
본 발명은 일반적으로 태양 전지판 세정 시스템의 거동을 분석하는 것에 관한 것이며, 특히 상기 세정 시스템에 영향을 주는 환경 요인을 고려하여 유지관리 윈도우 및 최적의 세정 시간 간격 및 빈도에 대한 요구를 평가하기 위한 방법 및 시스템에 관한 것이다.
태양 전지판 표면은 고 품질 유리로 만들어지며 그것들이 발생시키는 재생 가능한 에너지의 효율은 다른 것 중에서, 유리 표면의 청결에 의존한다. 태양 전지판 상에서의 먼지로 인해, 에너지 손실은 40 퍼센트(40%)를 넘을 수 있다. 태양 전지판은 종종 풍부한 햇살을 가진 영역에서 함께 집중되며 이러한 태양 전지판의 집중은 종종 태양광 단지(solar parks)로 불리운다. 대부분의 태양광 단지가 태양 방사가 집중적이며 먼지 상태로의 노출이 높은 사막 영역에 위치됨에 따라, 태양 전지판을 세정하는 것은 필수적이다.
유지관리 비용을 최소화하며 신뢰성을 최대화하기 위해, 태양광 단지 유틸리티가 태양 전지판 세정 시스템의 다양한 부분의 유지관리뿐만 아니라 태양 전지판 세정을 위한 최적의 시간을 결정하기 위해 태양 전지판의 세정을 행하기 위해 로봇 시스템을 배치하는 것이 이로울 것이다. 이들 부분은 자동화 구성요소, 로봇, 송신 벨트, 배터리 및 본 발명이 관련되는 이 기술분야의 숙련자에게 알려진 다른 구성요소를 포함한다.
본 발명에 따라 태양 전지판을 세정하는 로봇 시스템의 세정 사이클을 제어하기 위한 방법은 상기 로봇 시스템에 대한 동작 데이터를 수집하는 단계, 예로서, 태양 전지판의 영역에서 다양한 환경 센서로부터 및/또는 직접 날씨 센서를 사용하는 정보의 채널을 제공하는 수립된 날씨와 같은 날씨 소스로부터 직접, 상기 태양 전지판의 영역에 관한 환경 데이터를 수집하는 단계, 및 프로세서를 사용하여, 상기 수집된 동작 데이터 및 상기 수집된 환경 데이터에 기초하여 상기 로봇 시스템의 제어를 위한 권고를 결정하는 단계를 포함한다. 상기 권고는 예로서, 인터넷 및 하나 이상의 통신 네트워크를 통해, 하나 이상의 허가된 사용자로 출력된다. 상기 권고는 태양 전지판의 로봇 시스템에 의해 스케줄링되지 않은 세정 사이클을 개시하는 것, 상기 태양 전지판의 로봇 시스템에 의해 사전-스케줄링된 세정 사이클을 종료하는 것, 상기 태양 전지판의 로봇 시스템에 의해 사전-스케줄링된 세정 사이클을 조정하는 것, 정상에서 벗어난 상기 로봇 시스템의 동작 성능에 대한 설명을 제공하는 것, 스케줄에 앞서 상기 로봇 시스템의 구성요소의 교체를 지시하는 것, 및 그것의 다음, 스케줄링된 유지관리 동안 상기 로봇 시스템의 구성요소의 교체를 지시하는 것을 포함할 수 있다.
공통 태양광 단지에서 태양 전지판을 세정하는 복수의 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 또 다른 방법은 상기 로봇 시스템과 연관된 센서를 사용하여 상기 로봇 시스템의 각각에 대한 동작 데이터를 획득하는 단계, 환경 센서(태양 전지판의 모두에 적용 가능할)를 사용하여 상기 태양광 단지의 영역에 관한 환경 데이터를 획득하는 단계, 주기적인 간격으로 상기 동작 데이터 및 환경 데이터를 수집하는 단계 및 주기적인 간격으로 동작 데이터 및 환경 데이터의 각각의 수집을 위해, 각각의 로봇 시스템의 구성요소가 프로세서를 사용하여 미리 결정된 시간 기간 동안 동작 일탈을 경험하는지를 결정하는 단계를 포함한다. 상기 동작 데이터 및 환경 데이터는 상이한 위치에서 수집되며 프로세서를 포함한 서버로 포워딩될 수 있다.
하나의 로봇 시스템의 구성요소가 미리 결정된 시간 기간 동안 동작 일탈을 경험한다면, 다른 로봇 시스템의 동일한 구성요소가 동일한 동작 일탈을 경험하는지에 대한 결정이 이루어진다(비교 동작 성능 분석). 아니라면, 즉 로봇 시스템의 단지 하나의 구성요소만이 동작 일탈을 경험한다면, 상기 로봇 시스템의 구성요소가 교체되어야 한다는 권고가 허가된 사용자에게 출력될 수 있다.
그렇지 않다면, 상기 태양광 단지에서의 로봇 시스템에서 동일한 구성요소의 다수 또는 모두가 동일한 동작 일탈을 경험할 때, 환경 요인이 동작 일탈을 야기하는지에 대한 결정이 이루어지며 그렇다면, 상기 로봇 시스템의 동작의 변경이 착수되어야 한다는 권고가 상기 허가된 사용자에게 출력된다. 이것은 예를 들면, 상기 로봇 시스템의 모두의 동일한 구성요소에 영향을 주는 모래 폭풍 또는 흐린 하늘이 있을 때 출력될 것이며, 예로서, 상기 로봇 시스템에 의해 세정되는 태양 전지판에 의해 발생되는 태양 에너지에 의해 충전되는 배터리의 충전 시간은 정상 충전 시간을 넘어 증가된다.
그렇지 않다면, 환경 요인이 동작 일탈의 원인이 아니라면, 구성요소의 남아있는 기대 수명이 구성요소의 저장된 기대 수명의 임계치보다 작다면 로봇 시스템의 구성요소가 스케줄링된 교체 전에 교체되어야 한다는 권고가 허가된 사용자에게 출력된다.
본 발명에 따라 태양 전지판을 세정하는 로봇 시스템의 세정 사이클을 제어하기 위한 시스템은 상기 로봇 시스템에 대한 동작 데이터를 수집하는 마스터 제어 유닛, 및 상기 마스터 제어 유닛에 결합되며 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하고 상기 마스터 제어 유닛에 의해 수집된 상기 동작 데이터 및 상기 획득된 환경 데이터에 기초하여 상기 로봇 시스템의 제어를 위한 권고를 결정하는 서버를 포함한다. 상기 서버는 그 후 상기 권고를 하나 이상의 허가된 사용자에게 출력한다. 상기 권고는 상기 설명된 바와 같을 수 있다.
본 발명에 따라 태양 전지판을 세정하는 적어도 하나의 로봇 시스템의 하나 이상의 구성요소의 위험 프로필을 획득하기 위한 방법은 상기 구성요소와 연관되거나 또는 상기 구성요소의 동작 효율에 대한 데이터를 제공하는 센서를 사용하여 상기 구성요소에 대한 동작 데이터를 수집하는 단계, 프로세서를 사용하여 상기 수집된 동작 데이터에 기초하여 상기 구성요소의 각각의 수명의 끝의 위험 프로필을 결정하는 단계, 및 예를 들면, 경향 분석에 기초하여 외부 시스템이 권고를 하나 이상의 허가된 사용자에게 제공할 수 있게 하기 위해 상기 외부 시스템에 상기 위험 프로필을 출력하는 단계를 포함한다.
본 발명은, 그것의 추가 목적 및 이점과 함께, 수반되는 도면과 함께 취해진 다음의 설명을 참조하여 가장 잘 이해될 수 있으며, 여기에서 유사한 참조 부호는 유사한 요소를 식별한다:
도 1은 본 발명의 실시예에 따른 태양 전지판 세정 시스템의 유지관리 윈도우 및 최적의 세정 시간 간격 및 빈도에 대한 요구를 평가하기 위한 시스템의 주 구성요소의 개략도;
도 2는 태양 전지판 세정 시스템의 제어를 위한 권고를 생성하기 위한 전형적인, 비-제한적 방법의 흐름도; 및
도 3은 특정 배터리의 수명의 끝을 추론하며, 요구된다면, 배터리의 유지관리 윈도우 및/또는 배터리의 교체를 위한 권고를 제공하기 위한 방법의 흐름도.
첨부한 도면을 참조하면, 도 1은 본 발명의 실시예에 따라 기존의, 스케줄링된 유지관리 윈도우 및/또는 세정 사이클에서의 중재에 대한 요구를 수집하고, 저장하고, 분석하며 평가하기 위한 시스템의 그림 예시이다. 시스템은 클라이언트 1, 클라이언트 2, ..., 클라이언트 N으로 표현되며 이후 클라이언트로 불리우는, 로봇 태양 전지판 세정 시스템 또는 복수의 이러한 로봇 태양 전지판 세정 시스템 또는 그것의 클러스터를 포함한다. 각각의 로봇 태양 전지판 세정 시스템은 서비스 수명을 가지며 보통 불명확한 시간 기간 후 마모되는 구성요소를 포함한다.
시스템은 또한 습도 센서, 바람 센서, 가시성 센서, 비 센서, 및 환경 조건에 대한 정보를 제공하는 다른 센서와 같은, 하나 이상의 외부 센서(3)를 포함한다. 이들 외부 센서(3)는 실시간 정보를 모니터링하도록 구성될 수 있다. 이러한 외부 센서(3)는 그것들이 세정하는 태양 전지판 및 클라이언트(2)에 영향을 주는 외부 조건에 대한 위치 특정 데이터를 제공하도록, 클라이언트(2)에 근접하여, 즉 클라이언트(2)에 의해 세정되는 태양 전지판의 영역에 위치될 가능성이 있을 것이다. 외부 센서(3)는 또한 클라이언트(2)에 연결되며, 예로서 클라이언트(2)의 프레임 상에 장착될 수 있다.
클라이언트(2) 및 외부 센서(3)는 보통 RF 통신 네트워크를 통해, 마스터 제어 유닛(1)과 통신한다. 예를 들면, 데이터를 수신 및 송신하기 위해, 각각의 클라이언트(2)는 스타형 토폴로지에서 RF를 통해 마스터 제어 유닛(1)과 통신할 수 있다. 외부 센서(3)는 또한 RF를 통해 그것들이 획득하거나 또는 수집하는 정보를 마스터 제어 유닛(1)으로 송신한다. 따라서, 외부 센서 및 클라이언트(2) 및 마스터 제어 유닛(1) 사이에서의 통신, 또는 외부 센서 및 클라이언트(2)로부터 마스터 제어 유닛(1)으로의 송신은 바람직하게는 무선이지만, 유선 연결이 또한 사용될 수 있다.
클라이언트(2) 및 외부 센서(3), 및 마스터 제어 유닛(1) 사이에서의 통신 링크는 마스터 제어 유닛(1)이 클라이언트(2) 및 외부 센서(3)로부터 특정 데이터를 수신하며 클라이언트(2)를 개별적으로 또는 총괄하여 활성화시키거나 또는 비활성화시키고, 또는 그 외 클라이언트(2)의 각각을 제어할 수 있게 한다. 클라이언트(2)로부터의 데이터는 예를 들면, 클라이언트(2) 및/또는 그것의 구성요소의 동작을 모니터링하는 하나 이상의 센서로부터 획득된 구성요소에 관한 동작 데이터이며, 여기에서 센서 및 그것들이 정보를 획득하는 방식은 본 발명이 관련되는 이 기술분야의 숙련자에 의해 쉽게 확인할 수 있다.
흥미롭게도, 동작 데이터는 클라이언트(2)에 전력을 제공하는 재충전 가능한 배터리의 상태, 이 배터리의 충전 시간, 및 배터리의 충전을 위한 세정 지속 기간을 포함할 수 있다. 동작 데이터는 또한 세정 시스템의 각각의 송신 벨트의 상태가 근사될 수 있게 하는 세정 사이클의 수를 포함할 수 있다.
마스터 제어 유닛(1)은 적어도 하나의 안테나(4) 및 인터넷과 같은, 적어도 하나의 데이터 네트워크(5)를 통해 원시 및/또는 프로세싱된 정보를 서버(8)로 전송한다. 마스터 제어 유닛(1)으로부터 서버(8)로 정보를 전달하기 위한 다른 기술은 또한 본 발명의 범위 내에 있다. 마스터 제어 유닛(1)으로부터 수신된 정보를 사용하여, 서버(8)는 예로서, 경향 분석을 사용하여, 개개의 클라이언트(2)의 패턴을 추적하며 이들 패턴으로부터 클라이언트-특정 위험 프로필을 추론할 수 있다.
클라이언트(2)의 구성요소의 수명의 끝의 위험 프로필은 예로서, 구성요소가 막 고장나며 가까운 날에 교체를 요구할 때 추론될 수 있다. 위험 프로필은 권고처럼 또는 그것의 부분으로서, 최종 사용자(10)에게 제공된 데이터 파일, 메시지 등의 형태에 있을 수 있다. 이를 위해, 서버(8)는 본 발명이 관련되는 기술분야의 숙련자에게 쉽게 명백할 바와 같이 적절한 프로세싱 하드웨어 및 소프트웨어를 포함한다. 이러한 프로세싱 하드웨어는, 예를 들면, 데이터베이스(6) 및 프로세서(7)를 포함한다.
프로세서(7)는 이 기술분야에 알려져 있는 임의의 적절한 종류의 계산 하드웨어를 포함할 수 있으며, 여기에 설명되는 기능 중 적어도 일부를 실행하기 위해 선택적으로 전용 또는 프로그램 가능한 하드웨어, 뿐만 아니라 주변 구성요소에 의해 보완될 수 있다.
클라이언트(2)의 구성요소의 수명의 끝의 위험 프로필을 평가할 목적을 위해 고려된 동작 데이터 외에, 서버(8)는 또한 클라이언트(2)의 세정 동작의 조정을 분석하고, 평가하며 잠재적으로 권고한다. 이를 위해, 서버(8)는 바람직하게는, 외부 센서(3)에 의해 획득된 것 외에, 바람 상태, 가시성, 비, 및 습도와 같은, 다양한 종류의 정보를 고려한다. 이러한 정보는 통상적으로 애큐웨더(Accuweather) 또는 다른 상업적으로 이용 가능한 날씨 정보-제공 소스(일반적으로 외부 소스 및 피드(9)로서 도 1에 도시된)와 같은 다른 서버로부터의 적절한 정보 피드로부터 획득된다.
동작 동안, 서버(8)는 각각의 클라이언트(2) 및 그것의 구성요소에 대한 동작 입력(예로서, 배터리 상태, 충전 시간, 세정 지속 기간, 세정 사이클의 수 등)과 함께 외부 센서(3)에 의해 획득된 정보를 수신하며 이러한 정보를 데이터베이스(6)에 저장한다. 서버(8)는 또한 현재 및 예측 날씨 조건에 관해 다른 서버로부터의 적절한 피드(9)로부터 위치-기반 정보를 수신한다.
수신된 내부 및 외부 정보에 기초하여, 서버(8)는 데이터를 프로세싱하고 분석하며, 요구되거나 또는 추구될 때, 서버(8)는 인터넷 및 안테나(4)와 같은 데이터 네트워크(5)를 통해 허가된 최종 사용자 또는 최종 사용자들(10)에게 권고를 제공한다. 권고는 효과적인 유지관리 및 최적의 세정 시간과 관련된다. 권고는 실시간으로 최종 사용자(10)에게 향해질 수 있다.
권고는 서버(8)에 의해 생성되며 데이터 네트워크(5) 및 안테나(4)를 통해, 최종 사용자(10)로, 예로서 최종 사용자(10)의 개인용 데이터 보조기(PDA)로 향해지는 데이터 파일, 메시지 등의 형태에 있을 수 있다. 데이터 파일은 예를 들면, PDA의 디스플레이상에 권고를 디스플레이하기 위해 최종 사용자(10)의 PDA에 의해 프로세싱될 수 있다. 데이터 파일은 또한 최종 사용자(10)에 의한 응답 입력을 허용할 수 있다.
허가된 최종 사용자(10)는 그 후 그것들이 권고를 수용하거나 또는 거절하기를 원하는지를 결정할 수 있으며, 요구된다면, 최종 사용자(10)는 클라이언트(2) 또는 그것의 구성요소 중 하나 이상에 대한 제어를 실시하기 위해 마스터 제어 유닛(1)으로 향해질 명령을 PDA를 통해 입력할 수 있다. 최종 사용자(10)는 PDA의 사용자 인터페이스를 사용하며, 입력된 명령은 안테나(4)를 통해 마스터 제어 유닛(1)에 제공될 수 있다(도 1에 도시된 바와 같이). 따라서, 최종 사용자(10)는 그것들의 동작을 변경하기 위해 클라이언트(2)에 의해 입력된 명령을 동작으로 변환하는 제어 명령을 마스터 제어 유닛(1)에 발행함으로써 클라이언트(2)에 대한 제어를 실행할 수 있다.
서버(8)에 의해 생성된 권고는 유지관리 또는 세정 사이클에 관련될 수 있으며, 양쪽 경우 모두에서, 그것은 유지관리 또는 세정 사이클의 개시를 트리거하고, 스케줄링된 유지관리 또는 세정 사이클을 회피하고, 스케줄링된 유지관리 또는 세정 사이클을 재스케줄링하고, 구성요소의 교체를 지시하고, 구성요소의 검사를 지시하거나 또는 구성요소의 가속화된 교체를 제안할 수 있다. 상기 권고는 특정 클라이언트(2) 또는 다수의 클라이언트(2)에 대한 것일 수 있으며, 특정 태양광 단지 사이트에서 하나 이상의 클라이언트(2)가 위치되거나 또는 다수의 사이트에서 하나 이상의 클라이언트(2)의 각각이 위치된다.
서버(8)가 개시하는 권고의 몇몇은 바람직하게는 다수의 소스로부터 도출된 패턴, 예로서 클라이언트(2)의 현재 상태 및 클라이언트(2) 또는 마스터 제어 유닛(1)에 의해 제공된 그것들의 스케줄링된 유지관리 및 세정 사이클, 외부 센서(3)에 의해 제공된 환경 정보, 및 외부 소스 및 피드(9)로부터 획득된 부가적인 환경 정보에 기초한다.
예를 들면, 서버(8)는 특정 태양광 단지에서의 풍속에 기인하는 위험 프로필을 추론할 수 있다. 40 km/시의 최대 풍속 제한을 갖고 19:00에 클라이언트(2)의 사전 프로그램된 매일의 세정 사이클이 있는 상황에서, 서버(8)가 18:05 내지 18:45 사이에서, 15 내지 35km/시의 풍속이 10분마다 대략 5 km/시의 상승 추세를 갖고 존재한다는 정보를 수신한다면, 서버(8)는 세정 동안 미리 결정된 임계치를 초과할 수 있는 풍속의 상승 추세로 인해 클라이언트(2)의 곧 있을 세정 사이클을 회피(연기)하기 위한 권고를 허가된 사용자(10)에게 제공할 수 있다.
다른 예에서, 서버(8)에 의한 시스템 분석은 갑작스런 모래 폭풍의 결과로서 하나 이상의 클라이언트(2)의 세정 사이클의 개시를 이끌 수 있다. 서버(8)가 가시성 센서(외부 센서(3) 중 하나) 및 Accuweater와 같은 외부 센서(9)로부터 데이터를 수집하며 이러한 데이터로부터 제한된 가시성이 있음을 평가한다고 가정하면, 어느 시점부터, 적절한 권고는 심각한 모래 폭풍으로 인해 모든 클라이언트(2)를 개시하는 것일 수 있다. 클라이언트(2)는 따라서, 최종 사용자(10)가 권고를 수신한 후 이러한 세정을 허가한다면, 갑작스런 모래 폭풍의 결과로서 더러워진 태양 전지판을 세정할 것이다.
이러한 클라이언트(2)의 다양한 구성요소의 기대 수명을 예측하는 것에 대해, 서버(8)는 다양한 클라이언트(2)의 일상 업무, 패턴, 선호 및 개인 이력에 관한 정보를 도출하며 이를 데이터베이스(6)에 저장하고, 클라이언트(2)의 상태가 변함에 따라 이러한 정보를 실시간으로 업데이트할 수 있다. 서버(8)는 또한 권고에 대한 최종 사용자의 응답을 수신한다. 서버(8)는 예를 들면, 매 시각, 중요한 시스템 구성요소의 상태를 수신하며 사전에 기대 수명을 잘 평가할 수 있다. 예를 들면, 클라이언트(2)의 배터리가 월(1)에 1시간, 월(2)에 2시간 및 월(n)에 n시간 내에 스스로 충전하였다고 가정하자. 이력적 성능 및 미리 결정된 위험 프로필 및 입력에 기초하여, 서버(8)는 그것의 효율성이 충전 시간에서 요구된 증가에 의해 검증된 바와 같이 약화되므로 특정 배터리를 교체하도록 권고할 수 있다. 게다가, 모든 배터리가 스케줄링된 유지관리 윈도우 이전에, 대략 동일한 지속 기간 동안 아침마다 즉시 스스로 충전한다면, 서버(8)는 배터리를 교체하지 않도록 권고할 수 있다. 이러한 실행은 엔진, 벨트 및 클라이언트(2)의 많은 다른 구성요소 상에서 발생할 수 있다.
권고뿐만 아니라 각각의 구성요소의 평가된 위험 프로필은 또한 허가된 최종 사용자의 선호에 의해 영향을 받을 수 있다. 예를 들면, 허가된 최종 사용자(10)가 위험 회피적이며 강한 바람의 확률이 1%를 초과하는 경우 세정 사이클을 회피하기를 원한다면, 그는 보다 위험-허용적 허가된 사용자와 비교하여, 세정 사이클을 회피하기 위해 보다 많은 권고를 수신할 수 있다. 이러한 프로파일링은 미리 결정될 수 있거나(즉, 허가된 사용자는 사전에 그것들의 위험 안락 레벨을 제공한다) 또는 서버(8)는 시간의 함수로서 유지관리를 허가하기 위해 사용자의 패턴을 학습하며 그에 따라 그것의 권고를 조정할 수 있다. 서버(8)는 따라서 최종 사용자(10)에 의해 제공된 선호, 응답 또는 응답의 부족을 고려하도록 프로그램될 수 있다.
이제 도 2를 참조하면, 본 발명의 실시예에 따라 다양한 시스템 구성요소의 거동 및 유지관리 윈도우에 대한 요구를 평가하기 위한 시스템의 기능이 흐름도 형태로 예시된다. 보다 구체적으로, 도 2는 본 발명의 실시예에 따르면, 그것들의 미리 결정된 세정 스케줄로부터 클라이언트(2)를 활성화시키거나 또는 비활성화시키기 위한 요구를 추론하기 위한 방법을 예시한다.
단계(100)에서, 서버(8)는 외부 센서(3)를 통해 풍속, 습도 및 가시성과 같은, 날씨 정보를 수집하며, 이러한 입력으로부터, 단계(101)에서 다양한 클라이언트(2)의 날씨 패턴 및 로봇 성능 패턴(101)을 분석한다. 성능 패턴은 예를 들면, 최소 배터리 레벨, 최대 배터리 레벨, 배터리를 충전하기 위해 요구된 시간의 수, 및 클라이언트(2)의 구성요소의 다른 동작 파라미터를 포함한다. 단계(102)에서, 서버(8)는 구성요소 성능 및 외부 조건을 업데이트하며, 그것들을 이력 데이터 또는 패턴(데이터베이스(6)에 저장된)에 비교한다.
정상으로부터의 일탈이 없다면, 데이터베이스(6)는 단계(103)에서 업데이트될 수 있으며 그 후 프로세스는 추가 날씨 정보 수집을 위해 단계(100)로 리턴한다.
다른 한편으로, 정상으로부터의 일탈이 있다면, 프로세스는 단계(104)에서 표준으로부터의 일탈을 추론하며 그 후 단계(105)에서 최종 사용자(10)로 지시될 하나 이상의 권고에 대해 결정한다.
도 3은 특정 배터리의 수명의 끝을 추론하기 위한, 및 요구된다면, 배터리의 유지관리 윈도우 및/또는 교체를 권고하기 위한 방법의 전형적인, 비-제한적 흐름도이다. 상기 방법은 도 1에 도시된 프로세서(7)를 포함한 서버(8)에 의해 수행될 수 있다. 상기 방법, 및 도 1에 도시된 시스템과 같은 방법을 이용하는 시스템은 주로 이력 패턴에 기초하여 유지관리 기술에서 최적의, 다음 단계를 예측하도록 설계된다.
일반적으로, 방법 및 시스템이 정상으로부터의 일탈을 검출한다면, 일탈이 특정 로봇 태양 전지판 세정 시스템에 대해 고유한지 및/또는 그것이 동일한 태양광 단지에서 모든 로봇 태양 전지판 세정 시스템에 공통적인 일탈인지를 분석하기 위한 시도가 이루어진다. 태양광 단지에서 모든 로봇 시스템이 표준으로부터 벗어났다면, 문제는 아마도 태양광 단지의 영역에서의 환경 요인 때문이다.
패턴 인식은 고 품질 시스템의 매우 중요한 특징이다. 프로세서(7)는 그러므로 로봇 세정 시스템 및 그것의 구성요소의 절대 성능뿐만 아니라 동일한 태양광 단지에서의 다른 로봇 시스템에 대한 로봇 시스템의 성능을 평가하기 위해, 예를 들면, 데이터베이스(6)에 저장된 패턴 인식 알고리즘을 실행한다.
도 3에 묘사된 방법의 스테이지는 또한 흐름도에서 설명된 바와 같이 배터리 외에 또는 그것 대신에, 로봇 태양 전지판 세정 시스템의 모터 또는 임의의 다른 시스템 또는 구성요소 상에서 쉽게 구현된다.
보다 구체적으로, 방법에서 제1 스테이지(110)는 로봇 태양 전지판 세정 시스템의 배터리의 기대 수명을 수집하는 것이다(다시, 배터리는 단지 방법 및 방법을 구현하는 시스템을 설명할 목적을 위해 식별된 태양 전지판 세정 시스템의 구성요소의 예이며 본 발명은 결코 유지관리 윈도우 또는 배터리의 교체를 권고하는 것에 제한되지 않는다). 이 정보는 프로세서(7)와 상호 작용하기 위해 사용자 인터페이스를 사용하여 허가된 사용자에 의해 저장될 수 있다.
그 후, 사용 동안 스테이지(112)에서, 배터리 정보는 주기적으로, 예로서 매 시간마다 수집된다. 이러한 정보는 상기 언급된 바와 같이, 최소 충전 시간, 최대 충전 시간, 평균 충전 시간 및 배터리 충전 레벨을 포함할 수 있다. 정보는 클라이언트(2) 또는 그것과 연관된 센서에 의해 수집되며 마스터 제어 유닛(1)을 통해 서버(8)로 포워딩된다. 수집된 정보 중 하나 이상의 아이템으로부터, 배터리의 남아있는 기대 수명이 산출된다.
날씨 정보는 또한 스테이지(114)에서, 예로서 매 시각 수집된다. 이러한 날씨 정보는 외부 센서(3) 또는 외부 날씨 피드(9)로부터 올 수 있다(도 1 참조). 외부 센서(3)에 의해 수집된 정보는 마스터 제어 유닛(1)을 통해 서버(8)로 포워딩된다. 상기 언급된 바와 같이, 센서는 예를 들면, 하늘에 구름이 있는지 또는 하늘이 맑은지에 대한 정보를 제공할 수 있는 가시성 센서를 포함할 수 있다. 날씨 정보는, 배터리 정보가 스테이지(112)에서 수집되는 것과 동시에, 그전에 및/또는 그 후에 스테이지(114)에서 수집될 수 있다.
스테이지(116)에서, 동일한 배터리의 이력 거동에 대해 및 태양광 단지에서의 다른 유사한, 태양 전지판 세정 시스템에 대해 배터리 충전 시간(x) 및 레벨(y)이 예로서, 서버(8)의 프로세서(7)에 의해(도 1 참조) 산출된다. 이력 정보는 프로레서(7)에 결합된 데이터베이스(6)로부터 액세스될 수 있다.
다음의 결정은 배터리의 유지관리 또는 교체를 권고하기 위한 파라미터를 정의하는 조건의 예로서 제공된다. 다른 조건이 본 발명에서 사용될 수 있다.
스테이지(118)에서, 각각의 배터리에 대한 충전 시간이 연속 3일 동안 4시간보다 큰 지에 대한 결정이 이루어진다. 아니라면, 각각의 태양 전지판(들)에 의해 배터리 중 임의의 것의 정상의, 표준 충전 시간으로부터의 일탈이 없다고 고려되며, 방법은 스테이지(112)로 리턴한다. 일탈이 있다면, 즉 태양 에너지로부터의 배터리 중 하나 이상에 대한 충전 시간이 연속 3일 동안 4시간보다 크다면, 스테이지(120)에서, 임의의 이러한 배터리에 대한 충전 시간이 동일한 태양광 단지 또는 설치에서 다른 태양 전지판 세정 시스템의 배터리의 충전 시간으로부터 벗어나는지에 대한 결정이 이루어진다. 그렇다면, 이것은 상기 단일 배터리가 그것의 유효 서비스 수명의 끝 가까이에 있음을 나타낼 가능성이 있으며, 즉 배터리 충전은 정상에서 벗어나며, 스테이지(122)에서, 최종 사용자(10)는 상기 특정 배터리를 교체하기 위한 권고를 수신한다. 이러한 권고는 프로세서(7)에 의해 생성되며 상기 설명된 방식으로(도 1 참조) 인터넷(5) 및 안테나(4)를 통해 최종 사용자(10)로 전송될 수 있다. 프로세스는 그 후 배터리 정보의 추가 스케줄링된 수집을 위해 스테이지(112)로 리턴한다.
배터리 충전 시간의 모두가 정상에서 벗어난다면, 이것은 태양 전지판이 가진 이슈, 즉 환경 요인을 나타낼 가능성이 더 높을 수 있다. 스테이지(124)에서, 가시성이 100미터 미만인지에 대한 결정이 프로세서(7)에 의해 이루어진다(스테이지(114)에서 수집된 날씨 정보로부터). 그렇다면, 이것은 예를 들면, 태양 전지판의 모두 및 각각의 배터리를 충전하기 위한 그것들의 능력에 영향을 주는 모래 폭풍을 나타낼 가능성이 있다. 이 경우에, 스테이지(126)에서, 최종 사용자(10)는 태양 전지판 세정 시스템에 의해 태양 전지판의 세정을 스케줄링하기 위한 권고를 수신한다. 이러한 권고는 프로세서(7)에 의해 생성되며 상기 설명된 방식으로(도 1 참조) 인터넷(5) 및 안테나(4)를 통해 최종 사용자(10)로 전송될 수 있다. 프로세스는 그 후 배터리 정보의 추가 스케줄링된 수집을 위해 스테이지(112)로 리턴한다.
가시성이 스테이지(124)에서 100미터 미만인 것으로 결정되지 않는다면, 태양 전지판에 의해 배터리의 충전 시간에 또한 영향을 줄 하늘이 흐린지에 대한 결정이 스테이지(128)에서 이루어질 수 있다. 그렇다면, 스테이지(130)에서, 최종 사용자(10)는 충전 시간이 배터리가 가진 임의의 기술적 문제의 결과로서가 아닌, 구름의 결과로서 보통보다 느리다는 권고 또는 통지를 수신한다. 최종 사용자(10)는 또한 충전 시간을 일시적으로 증가시키기 위한 권고를 수신할 수 있다. 프로세스는 그 후 배터리 정보의 추가 스케줄링된 수집을 위해 스테이지(112)로 리턴한다.
스테이지(128)에서 하늘이 흐리지 않다고 결정되면, 배터리의 남아있는 기대 수명이 저장된 기대 수명의 50%(50%는 스테이지(110)에서 사용자에 의해 설정된 파라미터이다) 미만인지에 대한 결정이 스테이지(132)에서 이루어진다. 그렇다면, 프로세서(7)는 스테이지(134)에서 배터리가 그것의 수명 사이클의 50% 넘게 완료되었으며 다음 스케줄링된 유지관리 윈도우 동안 교체되어야 한다는 권고를 최종 사용자(10)에게 전송하기 위해 생성한다. 프로세스는 그 후 배터리 정보의 추가 스케줄링된 수집을 위해 스테이지(112)로 리턴한다.
그렇지 않다면, 부정적 결정이 배터리의 가속화된 하락 및/또는 배터리에서의 잠재적인 고장을 표시하며, 권고는 스테이지(136)에서 스케줄에 앞서 배터리를 교체하기 위해 최종 사용자(10)에게 전송된다. 권고는 또한 어떤 다른 배터리도 또한 동일한 고정을 경험하지 않는다는 것을 보장하기 위해 다른 태양 전지판 세정 시스템의 배터리를 검사하기 위해 프롬프트를 포함할 수 있다. 프로세스는 그 후 스테이지(110)로 리턴한다. 시스템이 도 1을 참조하여 설명한 방식 및 도 2 및 도 3을 참조하여 설명된 방법의 또 다른 예로서, 본 발명은 기계 학습을 통해 태양 전지판 세정 시스템의 송신 벨트의 교체의 빈도를 최적화하기 위해 사용될 수 있다.
각각의 로봇 태양 전지판 세정 시스템은 통상적으로, 복수의 송신 벨트, 예를 들면, 5개(이후 "벨트")를 포함한다. 이 예를 위해, 벨트의 유지관리는 검사 또는 교체를 포함한다고 가정될 것이다. 고장난 벨트의 경우에, 로봇 세정 시스템은 사건을 마스터 제어 유닛(1)으로 보고하며, 이것은 정보를 서버(8)로 전송하고 상기 사건을 데이터베이스(6)에 저장한다.
본 발명은 노동의 함수인, 벨트의 검사 및 교체 비용, 태양광 단지로의 수송(많은 경우에서, 그것은 원격 장소에 위치된다) 및 구성요소 비용에 상당하는 것인, 유지관리 비용을 최소화하도록 설계된다.
벨트의 기대 수명은 세정 사이클의 수, 동작 시간 및 최대, 최소 및 평균 일 기온, 사이트의 지형 등과 같은 많은 환경 변수의 함수로서 달라진다. 서버(6)는 수집된 데이터 모두를 저장하는 데이터베이스(6) 및 온도 변동성 대 벨트당 기대 수명과 같은, 환경 변수 중에서 연관성의 검출을 가능하게 하는 프로세서(7)를 가진다.
페일-세이프(fail-safe) 시스템을 지속하기 위해, 유지관리 비용 최소화의 목표는 연간 단지 x% 고장 벨트만을 갖는 제약하에 있으며, 이것은 매일의 세정 동작의 신뢰성에 부정적 영향을 줄 것이며 상당한 간접 비용을 이끌 수 있다(x는 사용자에 의해 설정된 파라미터이다). 게다가, 페널티 함수가 유지관리 비용 최소화를 다루기 위해 발생될 수 있다. 일반 비선형 프로그래밍 문제는 목적 함수를 해결하기 위해 만들어질 수 있다.
사용을 위해, 로봇 세정 시스템의 설치 후 첫 해 동안, 서버(8)의 초점은 학습 곡선을 만들어내는 것이며, 즉 비교될 나중에 획득된 데이터에 대한 베이스라인 데이터를 획득하는 것이다. 연간 최대 x% 고장 벨트 제약을 초과하지 않는 페일-세이프 시스템을 보장하기 위해, 서버 학습 프로세스는 벨트의 기대 수명 동안, 벨트 검사 및 교체를 각각 10회 및 5회 권고하기 위한 지시를 갖고 개시될 것이다. 즉, 30개월의 기대 수명을 가진 벨트를 가정하면, 서버(8)는 처음에 각각 3개월 및 6개월마다 검사 및 교체를 권고할 것이다.
시간의 함수로서, 통계적으로 중요한 연관성을 가진 데이터베이스를 구축한 후, 프로세서(7)는 고장난 벨트 제약의 페널티를 감소시킬 수 있으며, 이것은 결과적으로 시스템이 최적의 위치에 도달할 때까지 벨트 검사 및 교체 사이에서 보다 긴 지속 기간을 이끌 것이다. 최적의 빈도는 날씨의 함수로서 해마다 변하고, 지형 및 태양 로우(row) 길이의 함수로서 하나의 태양광 단지에서 다른 것으로 변하며 클라이언트 사이에서 변한다(시스템은 길게 만족한 고객보다 새로운 고객을 갖고 훨씬 더 위험 회피적일 수 있으며 그러므로 새로운 고객 대 기존의 고객의 고장 벨트 제약에 대한 더 높은 페널티를 의미할 것이다).
도 3의 설명에서 이전에 언급된 바와 같이, 목표는 최종 사용자(10)에게 시기 적절한 권고를 제공하며 최종 사용자(10)가 서버(8)에서 실행되는 알고리즘에 의해 이루어진 권고를 통해 착수하도록 지시받은 유지관리 프로세스를 관리하고, 최적화하며 간소화하는 것이다. 다음의 예는 서버(8)에서의 프로세서(7)에 의한 몇몇 가능한 패턴 검출 및 권고를 예시한다:
1. 프로세서(7)는 지난 6개월에 걸쳐, 그것이 송신 벨트를 2번 교체하기 위한 최종 사용자(10)로의 권고를 생성하였으며 벨트 중 어떤 것고 고장나지 않았다고 결정한다. 데이터베이스(6)에서의 이력 패턴에 따르면, 지난 6개월 동안 온도 레벨 및 변동성이 30년 만에 최고로 나타났으며 다가올 겨울을 고려하여, 온도가 포근할 것으로 예상된다. 예를 들면, 프로세서(7)가 현재 패턴 및 날씨 조건에 따르면, 고장 간 예측 평균 시간(MTBF)이 3년을 나타내며 다음 6개월에 걸쳐 1개 이상의 고장난 벨트의 확률이 0.01%를 나타낸다고 추정하면, 그것은 다음 교체 날짜를 연장하도록 권고하며 그렇게 함으로써 신뢰성을 위태롭게 하지 않고 교체 비용을 절약할 수 있다.
2. 프로세서(7)는 유사한 배치(batch)로부터 5% 고장 벨트 레이트를 검출한다. 이와 같이, 시스템은 벨트의 가능한 고장 배치에 대해 허가된 사용자(10)에게 알릴 것이다. 5% 임계치는 서버(8)와 상호 작용하는 사용자에 의해 조정되거나 또는 설정될 수 있다.
3. 프로세서(7)는 최종 사용자(10)에 의해 실제 동작으로 변환되지 않는 권고를 만든다. 이것은 세정 시스템의 구성요소를 모니터링하며 그것에 대한 변화, 및 유지관리 문제에 관한 결정을 하며 그것에 대한 변화를 검출하기 위한 그것의 조건을 검출하는 프로세서(7)에 의해 결정될 수 있다. 이러한 경우에, 프로세서(7)는 그것의 지난 실수, 예로서 권고된 벨트 교체가 실시되지 않았다로부터 학습할 것이며 그에 따라 조정할 것이다. 예를 들면, 프로세서(7)는 지난 3년에 걸쳐, 그것이 겨울에 벨트를 검사하기 위한 권고를 생성하였음을 인식할 수 있다.
이것과 관련하여, 프로세서(7)에 의해 이루어진 권고는 각각의 권고의 기저를 이루는 조건 및 권고가 실시되었는지 여부에 대한 상태와 함께 데이터베이스(6)에 저장될 수 있다. 이것은 세정 시스템의 현재 조건에 기초하여 권고를 생성하는 것을 고려할 때 프로세서(7)에 이용 가능한 데이터베이스(6)에서의 이력 레코드의 부분이다.
사용자가 권고를 다수 회 거절하였다면, 프로세서(7)는 미래에 이러한 권고를 하지 않을 것을 학습할 것이다. 상기 경우에, 프로세서(7)는 사용자가 특정 상황(즉, 고장난 벨트의 다수의 사건 후) 하에서 이러한 권고를 수용하였음을 인식하며, 프로세서(7)는 그에 따라 그것의 권고 알고리즘을 조정할 것이며 미래의 권고 수용의 확률이 증가하는 상황에 따른 조건을 갖고 경향 분석의 질을 높일 것이다.
앞서 말한 시스템 및 방법은 본 발명이 매일 최적의 세정 시간을 결정할 뿐만 아니라 유지관리 윈도우를 정확하게 예측할 수 있게 한다. 이러한 시스템 및 방법의 이점은 그것들이 비용 효율적이고, 신뢰성, 효율성을 개선하며 태양 전지판 로봇 세정 시스템의 다운시간 및 순환 유지 비용을 상당히 감소시킨다는 것이다.
상기 설명된 소프트웨어 및 통신 구성요소의 장치가 여기에서 설명되는 기능을 구현할 때 유용하며 효과적인 것으로 발견되었지만, (예로서, RF 대신에 GPS, 스타형 토폴리지 대신에 메시형 토폴로지 등을 사용하여) 다른 장치가 이 기술분야의 숙련자에게 명백할 것이며 본 발명의 범위 내에 있는 것으로 고려된다.
앞서 말한 개시된 구조는 다수의 소스, 피드 및 센서를 이용하는 태양광 단지 효율의 예측적 유지관리 및 최적화를 위한 자동화된 기계 학습을 위해 제공한다. 기계 학습을 이용함으로써, 프로세서(7), 또는 보다 일반적으로 서버(8)가 태양광 단지에서의 로봇 세정 시스템에 대한 지식의 하나 이상의 소스, 예를 들면, 태양광 단지의 동작의 이력, 세정 시스템 또는 그것의 구성요소의 유지관리 및 보수 작업에 관한 권고에 대한 최종 사용자(10)에 의한 응답으로부터 학습할 수 있다는 것이 의도된다. 이러한 지식은 그 후 프로세서(7)가 유지관리 또는 보수 작업에 대한 현재 권고를 만들 때 적용되며 고려된다.
게다가, 본 발명은 상기 설명된 실시예에 제한되지 않지만, 다음의 청구항의 범위 내에서의 임의의 및 모든 실시예를 포함한다는 것이 이해될 것이다. 본 발명은 특정 장치 및 특정 구현에 관하여 상기에서 설명되었지만, 본 발명의 범위 내에서, 다양한 수정 및 변경이 이루어질 수 있으며, 일 실시예의 다양한 특징이 다른 실시예에 포함될 수 있다는 것이 분명해야 한다. 본 발명은 실시예에 제한되지 않는다는 것이 이해될 것이다.

Claims (20)

  1. 태양 전지판을 세정하는 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법으로서,
    상기 로봇 시스템에 대한 동작 데이터를 획득하는 단계;
    상기 태양 전지판의 영역에 관한 환경 데이터를 획득하는 단계;
    프로세서를 사용하여, 상기 획득된 동작 데이터 및 상기 획득된 환경 데이터에 기초하여 상기 로봇 시스템의 제어 또는 유지관리를 위한 권고를 결정하는 단계; 및
    상기 권고를 허가된 사용자에게 출력하는 단계를 포함하되,
    상기 권고는 상기 태양 전지판의 로봇 시스템에 의해 유지관리 또는 세정 사이클을 개시하는 것, 상기 태양 전지판의 로봇 시스템에 의해 사전-스케줄링된 유지관리 또는 세정 사이클을 종료하는 것, 상기 태양 전지판의 로봇 시스템에 의해 사전-스케줄링된 유지관리 또는 세정 사이클을 조정하는 것, 정상에서 벗어난 상기 로봇 시스템의 동작 성능에 대한 설명을 제공하는 것, 스케줄에 앞서 상기 로봇 시스템의 구성요소의 교체를 지시하는 것 또는 그것의 다음, 스케줄링된 유지관리 동안 상기 로봇 시스템의 구성요소의 교체를 지시하는 것을 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  2. 제1항에 있어서,
    상기 프로세서에서 상기 권고에 응답하여 상기 사용자로부터 입력을 수신하는 단계; 및
    상기 프로세서를 사용하여, 상기 허가된 사용자의 입력의 학습 프로세스에 기초하여 후속 권고를 조정하는 단계를 더 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  3. 제1항에 있어서, 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하는 단계는 상기 태양 전지판의 영역에 위치된 바람 센서를 사용하여, 풍속에 관한 데이터를 획득하는 단계를 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  4. 제1항에 있어서, 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하는 단계는, 상기 태양 전지판의 영역에 위치된 습도 센서를 사용하여, 습도에 관한 데이터를 획득하는 단계를 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  5. 제1항에 있어서, 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하는 단계는, 상기 태양 전지판의 영역에 위치된 가시성 센서를 사용하여, 가시성에 관한 데이터를 획득하는 단계를 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  6. 제1항에 있어서, 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하는 단계는 상기 프로세서에서, 날씨 정보의 적어도 하나의 외부 소스로부터 환경 데이터를 수신하는 단계를 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  7. 제1항에 있어서, 상기 로봇 시스템에 대한 동작 데이터를 획득하는 단계는 상기 로봇 시스템의 배터리를 충전하기 위한 시간, 상기 배터리의 최소 충전 레벨, 및 상기 배터리의 최대 충전 레벨에 대한 정보를 획득하는 단계를 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  8. 제1항에 있어서, 상기 프로세서에 액세스 가능한 데이터베이스에서, 상기 로봇 시스템의 동작에 대한 이력 데이터를 저장하는 단계를 더 포함하며, 권고는 상기 데이터베이스에서의 상기 이력 데이터로부터 획득된 바와 같이 상기 동작 데이터가 정상 동작 데이터로부터 벗어날 때만 상기 프로세서에 의해 결정되는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  9. 공통 태양광 단지에서 태양 전지판을 세정하는 복수의 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법으로서,
    상기 로봇 시스템과 연관된 센서를 사용하여 상기 로봇 시스템의 각각에 대한 동작 데이터를 획득하는 단계;
    환경 센서를 사용하여 상기 태양광 단지의 영역에 관한 환경 데이터를 획득하는 단계;
    주기적 간격으로 상기 동작 데이터 및 환경 데이터를 수집하는 단계;
    주기적인 간격으로 동작 데이터 및 환경 데이터의 각각의 수집에 대해, 프로세서를 사용하여, 각각의 로봇 시스템의 구성요소가 미리 결정된 시간 기간 동안 동작 일탈을 경험하였는지를 결정하며, 단지 그렇다면, 프로세서를 사용하여, 다른 로봇 시스템의 동일한 구성요소가 동일한 동작 일탈을 경험하였는지를 결정하고, 아니라면, 상기 로봇 시스템의 구성요소가 교체되어야 한다는 권고를 허가된 사용자에게 출력하고, 그렇다면, 환경 요인이 상기 동작 일탈을 야기하는지를 결정하며 그렇다면, 상기 로봇 시스템의 동작의 변화가 착수되어야 한다는 권고를 상기 허가된 사용자에게 출력하며, 아니라면, 상기 로봇 시스템의 구성요소가 상기 구성요소의 남아있는 기대 수명이 상기 구성요소의 저장된 기대 수명의 임계치 미만이면 스케줄링된 교체 이전에 교체되어야 한다는 권고를 상기 허가된 사용자에게 출력하는 단계를 포함하는, 복수의 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 방법.
  10. 태양 전지판을 세정하는 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템으로서,
    상기 로봇 시스템에 대한 동작 데이터를 획득하는 마스터 제어 유닛; 및
    상기 마스터 제어 유닛에 결합되며 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하고 상기 마스터 제어 유닛에 의해 획득된 상기 동작 데이터 및 상기 획득된 환경 데이터에 기초하여 상기 로봇 시스템의 제어 또는 유지관리를 위한 권고를 결정하는 서버로서, 상기 권고를 허가된 사용자에게 출력하도록 구성되는, 상기 서버를 포함하되,
    상기 권고는 상기 태양 전지판의 로봇 시스템에 의해 유지관리 또는 세정 사이클을 개시하는 것, 상기 태양 전지판의 로봇 시스템에 의해 사전-스케줄링된 유지관리 또는 세정 사이클을 종료하는 것, 상기 태양 전지판의 로봇 시스템에 의해 사전-스케줄링된 유지관리 또는 세정 사이클을 조정하는 것, 정상에서 벗어난 상기 로봇 시스템의 동작 성능에 대한 설명을 제공하는 것, 스케줄에 앞서 상기 로봇 시스템의 구성요소의 교체를 지시하는 것 또는 그것의 다음, 스케줄링된 유지관리 동안 상기 로봇 시스템의 구성요소의 교체를 지시하는 것을 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  11. 제10항에 있어서, 상기 서버는 또한 이전 제공된 권고에 대한 허가된 사용자의 응답의 학습 프로세스에 기초하여 상기 권고에 대한 상기 사용자에 의한 응답을 평가하며 후속 권고를 조정하도록 구성되는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  12. 제10항에 있어서, 상기 태양 전지판의 영역에 위치된 바람 센서를 더 포함하며, 상기 바람 센서는 풍속에 관한 데이터를 획득하며 상기 데이터를 상기 마스터 제어 유닛을 통해 상기 서버에 제공하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  13. 제10항에 있어서, 상기 태양 전지판의 영역에 위치된 습도 센서를 더 포함하며, 상기 습도 센서는 습도에 관한 데이터를 획득하며 상기 데이터를 상기 마스터 제어 유닛을 통해 상기 서버에 제공하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  14. 제10항에 있어서, 상기 태양 전지판의 영역에 위치된 가시성 센서를 더 포함하며, 상기 가시성 센서는 가시성에 관한 데이터를 획득하며 상기 데이터를 상기 마스터 제어 유닛을 통해 상기 서버에 제공하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  15. 제10항에 있어서, 상기 서버는 날씨 정보의 적어도 하나의 소스로부터 직접 상기 태양 전지판의 영역에 관한 환경 데이터를 획득하도록 구성되는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  16. 제10항에 있어서, 상기 마스터 제어 유닛에 의해 획득된 상기 동작 데이터는 상기 로봇 시스템의 배터리를 충전하기 위한 시간, 상기 배터리의 최소 충전 레벨, 및 상기 배터리의 최대 충전 레벨을 포함하는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  17. 제10항에 있어서, 상기 서버는 상기 로봇 시스템의 동작에 대한 이력 데이터가 저장되는 데이터베이스를 포함하며, 상기 서버는 단지 상기 동작 데이터가 상기 데이터베이스에서의 상기 이력 데이터로부터 획득된 바와 같이 정상 동작 데이터로부터 벗어날 때만 권고를 결정하도록 구성되는, 로봇 시스템의 유지관리 또는 세정 사이클을 제어하기 위한 시스템.
  18. 태양 전지판을 세정하는 로봇 시스템의 구성요소의 위험 프로필을 획득하기 위한 방법으로서,
    상기 구성요소에 대한 동작 데이터를 획득하는 단계;
    프로세서를 사용하여, 상기 획득된 동작 데이터에 기초하여 상기 구성요소의 각각의 수명의 끝의 위험 프로필을 결정하는 단계; 및
    경향 분석에 기초하여 권고를 갖고 상기 위험 프로필을 허가된 사용자에게 출력하는 단계를 포함하는, 로봇 시스템의 구성요소의 위험 프로필을 획득하기 위한 방법.
  19. 제18항에 있어서, 상기 위험 프로필을 결정하는 단계는, 프로세서를 사용하여, 시간의 함수로서, 각각의 구성요소의 수명의 끝의 확률을 추정하는 단계를 포함하는, 로봇 시스템의 구성요소의 위험 프로필을 획득하기 위한 방법.
  20. 제18항에 있어서,
    상기 프로세서에서 상기 권고에 응답하여 상기 사용자로부터의 입력을 수신하는 단계; 및
    상기 프로세서를 사용하여, 상기 허가된 사용자의 입력의 학습 프로세스에 기초하여 후속 권고를 조정하는 단계를 더 포함하는, 로봇 시스템의 구성요소의 위험 프로필을 획득하기 위한 방법.
KR1020177000791A 2014-07-02 2015-06-28 태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴 KR20170029505A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/322,657 2014-07-02
US14/322,657 US9126341B1 (en) 2014-07-02 2014-07-02 Predictive maintenance and inferring patterns of solar panel cleaning systems
PCT/IL2015/050666 WO2016001916A2 (en) 2014-07-02 2015-06-28 Predictive maintenance and inferring patterns of solar panel cleaning systems

Publications (1)

Publication Number Publication Date
KR20170029505A true KR20170029505A (ko) 2017-03-15

Family

ID=54012426

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177000791A KR20170029505A (ko) 2014-07-02 2015-06-28 태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴

Country Status (13)

Country Link
US (1) US9126341B1 (ko)
JP (1) JP6600653B2 (ko)
KR (1) KR20170029505A (ko)
CN (1) CN106489101B (ko)
AU (1) AU2015283585B2 (ko)
BR (1) BR112016030989B1 (ko)
CL (1) CL2016003412A1 (ko)
IL (1) IL249689B (ko)
MA (1) MA39839B1 (ko)
MX (1) MX365247B (ko)
TN (1) TN2016000579A1 (ko)
WO (1) WO2016001916A2 (ko)
ZA (1) ZA201700562B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102034190B1 (ko) * 2018-05-23 2019-11-08 (주)에이치엠솔루션 태양광 패널의 표면을 관리하는 장치 및 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2496580B (en) * 2011-11-03 2014-03-26 Derech Hagav Ltd Determining timing for cleaning electricity generating solar panels
US10371285B2 (en) 2015-10-27 2019-08-06 Dresser, Llc Predicting maintenance requirements for a valve assembly
US9923513B2 (en) * 2016-05-13 2018-03-20 Boson Robotics Ltd. Cleaning mechanism having water spray function and photovoltaic panel cleaning equipment having same
KR102601868B1 (ko) * 2016-05-27 2023-11-14 주식회사 유쏠레보시스템즈 태양광 발전 장치 관리 시스템, 태양광 발전 장치 관리 방법 및 컴퓨터 판독 가능 저장 매체
US10116255B2 (en) 2016-06-22 2018-10-30 Solar Maid Of Northern Arizona Llc Cleaning system for solar panels
WO2018008033A1 (en) * 2016-07-08 2018-01-11 O-Soiling Method and apparatus for cleaning surfaces
US11201583B2 (en) 2017-01-26 2021-12-14 Evermore United S.A. Waterless cleaning system and method for solar trackers using an autonomous robot
US10771008B2 (en) 2017-08-04 2020-09-08 Saudi Arabian Oil Company Robotic solar panel cleaning system
CN108390644B (zh) * 2018-03-14 2019-07-19 重庆能源职业学院 一种光伏电站的清扫方法
CN109375623A (zh) * 2018-11-09 2019-02-22 苏州瑞得恩光能科技有限公司 一种接驳方法
KR102211157B1 (ko) * 2018-11-13 2021-02-02 주식회사 에코시안 우수를 이용한 태양광 발전 모듈 최적 냉각 장치 및 방법
AU2020302909A1 (en) * 2019-06-28 2022-02-17 Digital Diagnostics Inc. Monitoring surface cleaning of medical surfaces using video streaming
JP7025676B1 (ja) 2021-02-08 2022-02-25 竹内マネージメント株式会社 汚れ測定システム、及び汚れ測定方法
US20230368093A1 (en) * 2022-05-13 2023-11-16 Vistra Zero LLC System and method for optimizing energy production of a solar farm

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60156224A (ja) * 1983-12-29 1985-08-16 三菱電機株式会社 電源装置
JPS639160U (ko) * 1986-07-02 1988-01-21
JP2000050507A (ja) * 1998-07-28 2000-02-18 Ntt Power & Building Facilities Inc 蓄電池劣化判定装置及び蓄電池劣化判定方法
US7457763B1 (en) * 2001-09-04 2008-11-25 Accenture Global Services Gmbh Predictive maintenance system
US7899591B2 (en) * 2005-07-14 2011-03-01 Accenture Global Services Limited Predictive monitoring for vehicle efficiency and maintenance
JP4477685B1 (ja) * 2008-12-26 2010-06-09 三井造船株式会社 清掃ロボットシステム及びその制御方法
CN201476322U (zh) * 2009-07-24 2010-05-19 徐鸿刚 带自清洁装置的太阳能采集板
DE102010006531A1 (de) * 2010-02-01 2011-08-04 Armut, Halil, 91315 Vorrichtung zum Reinigen von Flächen, insbesondere Reinigungsroboter zum Reinigen von Solarpanelscheiben und sonstigen Glasflächen
US9020636B2 (en) * 2010-12-16 2015-04-28 Saied Tadayon Robot for solar farms
CN201996470U (zh) * 2011-03-02 2011-10-05 深圳市神达太阳能科技有限公司 一种太阳能壁用清洁机器人
EP2778699A4 (en) * 2011-11-08 2015-07-29 Shin Kobe Electric Machinery BATTERY CONDITION MONITORING SYSTEM
CN102426455B (zh) * 2011-12-31 2013-10-30 浙江中控研究院有限公司 太阳能镜面清洗机器人系统
DE102012002881A1 (de) * 2012-02-14 2013-08-14 Anton Jäger Reinigungsvorrichtung
CN103312221A (zh) * 2012-03-13 2013-09-18 鸿富锦精密工业（深圳）有限公司 太阳能板清洁系统
US8500918B1 (en) * 2012-05-15 2013-08-06 Ecoppia Scientific, Ltd. Solar panel cleaning system and method
US8771432B2 (en) * 2012-05-15 2014-07-08 Ecoppia Scientific, Ltd. Solar panel cleaning system and method
CN202779012U (zh) * 2012-05-30 2013-03-13 靳文君 太阳能光伏发电自清洁系统
US8756739B1 (en) * 2012-10-01 2014-06-24 Taft Instruments, Inc. Automatic solar power surface-cleaner
US10026049B2 (en) * 2013-05-09 2018-07-17 Rockwell Automation Technologies, Inc. Risk assessment for industrial systems using big data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102034190B1 (ko) * 2018-05-23 2019-11-08 (주)에이치엠솔루션 태양광 패널의 표면을 관리하는 장치 및 방법

Also Published As

Publication number Publication date
CL2016003412A1 (es) 2017-06-30
WO2016001916A3 (en) 2016-04-14
MA39839A1 (fr) 2017-11-30
IL249689B (en) 2020-04-30
MX365247B (es) 2019-05-28
US9126341B1 (en) 2015-09-08
BR112016030989B1 (pt) 2022-09-27
JP6600653B2 (ja) 2019-10-30
WO2016001916A2 (en) 2016-01-07
AU2015283585A1 (en) 2017-02-02
CN106489101B (zh) 2020-03-13
AU2015283585B2 (en) 2019-06-13
TN2016000579A1 (en) 2018-04-04
BR112016030989A2 (pt) 2018-11-27
MA39839B1 (fr) 2018-04-30
IL249689A0 (en) 2017-02-28
MX2016017345A (es) 2017-05-12
ZA201700562B (en) 2018-04-25
CN106489101A (zh) 2017-03-08
JP2017531413A (ja) 2017-10-19

Similar Documents

Publication Publication Date Title
KR20170029505A (ko) 태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴
US10317864B2 (en) Systems and methods for adaptively updating equipment models
US9753455B2 (en) Building management system with fault analysis
US10775067B2 (en) Method for controlling activation of air conditioning device and apparatus therefor
US10616080B2 (en) System for diagnosis of robot state
US11605036B2 (en) System and methods for power system forecasting using deep neural networks
US11387672B2 (en) Energy management system
JP7258528B2 (ja) ロボット応用機器の監視と予測分析
US20140142760A1 (en) Systems and methods for statistical control and fault detection in a building management system
JP2017531413A5 (ko)
Laayati et al. Smart energy management: Energy consumption metering, monitoring and prediction for mining industry
US11611314B2 (en) Solar panel performance modeling and monitoring
JP5933112B2 (ja) 空調制御装置、空調制御システム、および空調制御方法
Xia et al. Progressive opportunistic maintenance policies for service-outsourcing network with prognostic updating and dynamical optimization
CN117273402A (zh) 基于物联网技术的玻璃深加工生产线节能管理系统及方法
CN117634836A (zh) 一种基于矩阵分析的光伏电站清洗过程评估方法及系统
US20230419222A1 (en) Method to optimize cleaning of solar panels through quantification of losses in photovoltaic modules in solar power plants
Pazouki et al. Condition based maintenance optimization of wind turbine system using degradation prediction
US9830301B1 (en) Predictive service requirement estimation for photovoltaic arrays
KR102411915B1 (ko) 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법
CN116413627A (zh) 用于对电池状态进行估计的方法及电池监控系统
Surico et al. PROGRAMS project approach to maintenance management
Capozzoli et al. The overall architecture of a decision support system for public buildings
KR102119448B1 (ko) 오븐 제어 시스템 및 그 방법
Peng et al. Data-driven outdoor and indoor temperature prediction for energy-efficient building operation