CN107587991A - 一种太阳能光伏水泵 - Google Patents

一种太阳能光伏水泵 Download PDF

Info

Publication number
CN107587991A
CN107587991A CN201711029796.3A CN201711029796A CN107587991A CN 107587991 A CN107587991 A CN 107587991A CN 201711029796 A CN201711029796 A CN 201711029796A CN 107587991 A CN107587991 A CN 107587991A
Authority
CN
China
Prior art keywords
mrow
msub
mover
mtd
munderover
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
Application number
CN201711029796.3A
Other languages
English (en)
Other versions
CN107587991B (zh
Inventor
朱宪民
杨体彬
刘小汉
阚雅树
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Province Singe Irrigation & Drainage Equipment Co Ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201711029796.3A priority Critical patent/CN107587991B/zh
Publication of CN107587991A publication Critical patent/CN107587991A/zh
Application granted granted Critical
Publication of CN107587991B publication Critical patent/CN107587991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Photovoltaic Devices (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明属于太阳能应用技术领域，公开了一种太阳能光伏水泵，包括太阳能电池模块，光伏扬水逆变器和三相交流水泵，底座右侧焊接有推手，底座底部通过螺栓固定有滚轮；底座内部设置有蓄电池，定时限继电器和步进电机，步进电机通过转轴与底座上方的旋转圆盘连接，旋转圆盘底部镶嵌有支撑滚珠，旋转圆盘上方焊接有支架，太阳能电池模块通过螺栓固定在支架上。本发明可使太阳能电池模块定时转动，精确捕捉太阳位置，可以更好的接受阳光直射，提高工作效率，无需人员看管，可全天候工作，太阳能直接通过逆变器转化为三相电流，供电于泵体，非常简单方便，并且整套设备适用于室外，对外界环境要求低。

Description

一种太阳能光伏水泵
技术领域
本发明属于太阳能应用技术领域，尤其涉及一种太阳能光伏水泵
背景技术
太阳能光伏水泵***是直接利用太阳电池光生伏打效应发电,之后通过一系列电力电子、电机、水机等控制及执行环节从而在江河湖泊或深井中实现提水的***。该***是光、机、电、控制技术等多学科交叉、结合的体现。随着太阳电池及电力电子技术的不断进步,全球光伏水泵的技术及应用也突飞猛进地在发展。
太阳能电池模块为整个光伏水泵***提供能源，是整个光伏水泵***的主要组成部分。太阳能电池模块在受到阳光斜射时的光电转换效率低于直射时，现有的太阳能光伏水泵的太阳能电池模块都为固定安装，不可随太阳位置变化而旋转，无法达到最大化的利用效果；而且整体结构偏大，不方便拆装。都省却了蓄电池，当在夜晚或其他光线不充足情况下需要使用时，无法为水泵提供足够的电力，恶劣天气下逆变器容易发生损坏，导致漏电。
综上所述，现有技术存在的问题是：
现有的太阳能光伏水泵的太阳能电池模块都为固定安装，不可随太阳位置变化而旋转，无法达到最大化的利用效果；而且整体结构偏大，不方便拆装。都省却了蓄电池，当在夜晚或其他光线不充足情况下需要使用时，无法为水泵提供足够的电力，恶劣天气下逆变器容易发生损坏，导致漏电。
发明内容
针对现有技术存在的问题，本发明提供了一种太阳能光伏水泵。
本发明是这样实现的，一种太阳能光伏水泵，所述太阳能光伏水泵，包括太阳能电池模块，光伏扬水逆变器和三相交流水泵，所述太阳能电池模块设置在底座上，所述底座右侧焊接有推手，所述底座底部通过螺栓固定有滚轮，所述底座内部设置有蓄电池，定时限继电器和步进电机并依次电连接，所述步进电机通过转轴与底座上方的旋转圆盘连接，所述旋转圆盘底部镶嵌有支撑滚珠，所述旋转圆盘上方焊接有支架，所述太阳能电池模块通过螺栓固定在支架上。
所述的设备逆变器外壳使用不锈钢材质外镀绝缘材料；
所述太阳能电池模块与蓄电池，光伏扬水逆变器和三相交流水泵依次电连接；
所述步进电机通过定时限继电器与蓄电池电连接；
所述太阳能电池模块与支架为可拆卸分离模式。
所述太阳能电池模块上集成有太阳光线角度检测模块；所述太阳光线角度检测模块通过导线连接集成在太阳能电池模块上的信号发射模块；所述信号发射模块通过无线连接镶装在步进电机上的信号接收模块；所述信号接收模块通过导线连接镶装在步进电机上跳频混合信号调整模块；所述跳频混合信号调整模块用于根据太阳光线角度检测模块传输的检测到的太阳光线角度信号，调整步进电机角度，实现阳能电池模块上的太阳能板接收光照最大面积；
进一步，所述太阳光线角度检测模块的接收信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度；
所述跳频混合信号调整模块的信号调整方法包括：
步骤一，利用含有M个阵元的阵列天线接收来自信号接收模块接收太阳光线角度检测模块传输的信号，对接收信号进行采样，得到采样后的M路离散时域混合信号
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵
p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示总的窗数，Nfft表示FFT变换长度；(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，p表示加窗次数，Ts表示采样间隔，fs表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换；
步骤三，对得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：
找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即vc＝3×108米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
步骤七，根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度。
进一步，对得到的跳频混合信号时频域矩阵进行预处理，包括：
第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定；
第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中
进一步，所述太阳光线角度检测模块通过内置的处理模块，对采集的信号进行处理，包括以下步骤：
提取太阳光线角度图像信息特征和自适应LBP算子特征；
多特征底秩矩阵表示模型；
s.t.Xi＝XiAi+Ei,i＝1,…,K
其中α是大于0的系数，用来度量噪声和野点带来的误差；
等价为以下模型：
s.t.Xi＝XiSi+Ei,
Ai＝Ji,
Ai＝Si,i＝1,…,K
对模型分解以及求解，得到子模型；
角度图像信息校正，输出定位后的角度图像信息。
进一步，提取自适应LBP算子特征算法的具体步骤如下：
将输入的太阳光线角度图像信息转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：
利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和，求其平均值：
利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：
拟合计算自适应阈值的方法：
进一步，角度图像信息校正，输出定位后的角度图像信息，包括：
设置一个跳变函数f(i,j)，对太阳光线偏离角度区域进行精确定位，确定上下边界：
其中c(i,j)为
c(i,j)＝LBP8,1(i,j)-LBP8,1(i,j-1)
上两式中i＝1,2,3,4,…N,j＝2,3,4,…M，因此任意一行i的跳变次数和S(i)为：
如果任意一行跳变次数的和S(i≥12)，则这一行就属于太阳光线未偏离角度区域；由上至下对整幅图像进行扫描，找出所有满足S(i≥12)的行，并记录下这一行的行数i；如果有连续的h行满足S(i≥12)，则得到一个宽度为M，高度为h的矩形区域，这个区域就是太阳光线未偏离角度区域，不具有此特征的区域排除。
本发明的优点及积极效果为：
本发明可使太阳能电池模块定时转动，精确捕捉太阳位置，可以更好的接受阳光直射，提高工作效率，无需人员看管，可全天候工作，太阳能直接通过逆变器转化为三相电流，供电于泵体，非常简单方便，并且整套设备适用于室外，对外界环境要求低。绝缘设置充分，保证人身安全。太阳能直接通过逆变器转化为三相电流，供电于泵体，非常简单方便，并且整套设备适用于室外，对外界环境要求低。
本发明集太阳光线信号接收方法、信号处理方法于一体，实现了功能多样化和完全智能化；实现最大化的利用太阳能。
附图说明
图1是本发明实施例提供的太阳能光伏水泵结构图。
图中：1、太阳能电池模块；2、光伏扬水逆变器；3、三相交流水泵；4、底座；5、推手；6、滚轮；7、蓄电池；8、定时限继电器；9、步进电机；10、旋转圆盘；11、支撑滚珠；12、支架。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述：
如图1所示，本发明实施例提供的太阳能光伏水泵包括太阳能电池模块1，光伏扬水逆变器2和三相交流水泵3，所述太阳能电池模块1设置在底座4上，所述底座4右侧焊接有推手5，所述底座4底部通过螺栓固定有滚轮6，所述底座4内部设置有蓄电池7，定时限继电器8和步进电机9并依次电连接，所述步进电机9通过转轴与底座4上方的旋转圆盘10连接，所述旋转圆盘10底部镶嵌有支撑滚珠11，所述旋转圆盘10上方焊接有支架12，所述太阳能电池模块1通过螺栓固定在支架12上；
所述太阳能电池模块1与蓄电池7，光伏扬水逆变器2和三相交流水泵3依次电连接；所述步进电机9通过定时限继电器8与蓄电池7电连接。
所述的设备逆变器外壳使用不锈钢材质外镀绝缘材料；
所述太阳能电池模块与支架为可拆卸分离模式。
本发明可使太阳能电池模块定时转动，精确捕捉太阳位置，可以更好的接受阳光直射，提高工作效率，无需人员看管，可全天候工作，太阳能直接通过逆变器转化为三相电流，供电于泵体，非常简单方便，并且整套设备适用于室外，对外界环境要求低。绝缘设置充分，保证人身安全。
下面结合具体分析对本发明作进一步描述。
太阳光线角度检测模块的接收信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度；
所述跳频混合信号调整模块的信号调整方法包括：
步骤一，利用含有M个阵元的阵列天线接收来自信号接收模块接收太阳光线角度检测模块传输的信号，对接收信号进行采样，得到采样后的M路离散时域混合信号
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵
p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示总的窗数，Nfft表示FFT变换长度；(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，p表示加窗次数，Ts表示采样间隔，fs表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换；
步骤三，对得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：
找出的时刻，用ph表示，对每一段连续取值的ph求中值，用
表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即vc＝3×108米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
步骤七，根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度。
对得到的跳频混合信号时频域矩阵进行预处理，包括：
第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定；
第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中
所述太阳光线角度检测模块通过内置的处理模块，对采集的信号进行处理，包括以下步骤：
提取太阳光线角度图像信息特征和自适应LBP算子特征；
多特征底秩矩阵表示模型；
s.t.Xi＝XiAi+Ei,i＝1,…,K
其中α是大于0的系数，用来度量噪声和野点带来的误差；
等价为以下模型：
s.t.Xi＝XiSi+Ei,
Ai＝Ji,
Ai＝Si,i＝1,…,K
对模型分解以及求解，得到子模型；
角度图像信息校正，输出定位后的角度图像信息。
提取自适应LBP算子特征算法的具体步骤如下：
将输入的太阳光线角度图像信息转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：
利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和，求其平均值：
利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：
拟合计算自适应阈值的方法：
角度图像信息校正，输出定位后的角度图像信息，包括：
设置一个跳变函数f(i,j)，对太阳光线偏离角度区域进行精确定位，确定上下边界：
其中c(i,j)为
c(i,j)＝LBP8,1(i,j)-LBP8,1(i,j-1)
上两式中i＝1,2,3,4,…N,j＝2,3,4,…M，因此任意一行i的跳变次数和S(i)为：
如果任意一行跳变次数的和S(i≥12)，则这一行就属于太阳光线未偏离角度区域；由上至下对整幅图像进行扫描，找出所有满足S(i≥12)的行，并记录下这一行的行数i；如果有连续的h行满足S(i≥12)，则得到一个宽度为M，高度为h的矩形区域，这个区域就是太阳光线未偏离角度区域，不具有此特征的区域排除。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (5)

1.一种太阳能光伏水泵，其特征在于，所述太阳能光伏水泵，包括太阳能电池模块；光伏扬水逆变器和三相交流水泵；所述太阳能电池模块设置在底座上；所述底座右侧焊接有推手；所述底座底部通过螺栓固定有滚轮；所述底座内部设置有蓄电池、定时限继电器和步进电机并依次电连接；所述步进电机通过转轴与底座上方的旋转圆盘连接；所述旋转圆盘底部镶嵌有支撑滚珠；所述旋转圆盘上方焊接有支架，所述太阳能电池模块通过螺栓固定在支架上；
所述的设备逆变器外壳使用不锈钢材质外镀绝缘材料；
所述太阳能电池模块与蓄电池，光伏扬水逆变器和三相交流水泵依次电连接；
所述步进电机通过定时限继电器与蓄电池电连接；
所述太阳能电池模块与支架为可拆卸分离模式；
所述太阳能电池模块上集成有太阳光线角度检测模块；所述太阳光线角度检测模块通过导线连接集成在太阳能电池模块上的信号发射模块；所述信号发射模块通过无线连接镶装在步进电机上的信号接收模块；所述信号接收模块通过导线连接镶装在步进电机上跳频混合信号调整模块；所述跳频混合信号调整模块用于根据太阳光线角度检测模块传输的检测到的太阳光线角度信号，调整步进电机角度，实现阳能电池模块上的太阳能板接收光照最大面积；
所述太阳光线角度检测模块的接收信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
<mrow> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mi>k</mi> </munder> <msub> <mi>A</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>c</mi> </msub> <mi>t</mi> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>kT</mi> <mrow> <mi>s</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度；
所述跳频混合信号调整模块的信号调整方法包括：
步骤一，利用含有M个阵元的阵列天线接收来自信号接收模块接收太阳光线角度检测模块传输的信号，对接收信号进行采样，得到采样后的M路离散时域混合信号
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示总的窗数，Nfft表示FFT变换长度；(p，q)表示时频索引，具体的时频值为这里Nfft表示FFT变换的长度，p表示加窗次数，Ts表示采样间隔，fs表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜Nfft，且Kc＝Nfft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换；
步骤三，对得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：
<mrow> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>=</mo> <mi>r</mi> <mi>o</mi> <mi>u</mi> <mi>n</mi> <mi>d</mi> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mi>p</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>P</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mover> <mi>N</mi> <mo>^</mo> </mover> <mi>p</mi> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：
<mrow> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>b</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>p</mi> </mrow> <mn>0</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>b</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>p</mi> </mrow> <mn>0</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>&gt;</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> </mrow>
这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：
<mrow> <msub> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>f</mi> <mi>o</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>p</mi> <mo>&amp;NotEqual;</mo> <msub> <mi>p</mi> <mi>h</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>p</mi> <mo>&amp;OverBar;</mo> </mover> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </munderover> <msubsup> <mi>f</mi> <mi>o</mi> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>&gt;</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>;</mo> </mrow>
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
<mrow> <msub> <mover> <mi>&amp;theta;</mi> <mo>^</mo> </mover> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>2</mn> </mrow> <mi>M</mi> </munderover> <msup> <mi>sin</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>l</mi> <mi>e</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>n</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mo>(</mo> <mi>l</mi> <mo>)</mo> <mo>/</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>(</mo> <mi>l</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>*</mo> <mi>c</mi> </mrow> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> <msub> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mi>d</mi> </mrow> </mfrac> <mo>&amp;rsqb;</mo> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> </mrow>
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即vc＝3×108米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
<mrow> <msup> <msub> <mi>m</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </msup> <mo>=</mo> <munder> <mrow> <mi>arg</mi> <mi> </mi> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mi>m</mi> </munder> <mo>|</mo> <msubsup> <mover> <mi>&amp;theta;</mi> <mo>^</mo> </mover> <mi>m</mi> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </msubsup> <mo>-</mo> <msubsup> <mover> <mi>&amp;theta;</mi> <mo>^</mo> </mover> <mi>n</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>|</mo> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mover> <mi>N</mi> <mo>^</mo> </mover> <mo>;</mo> </mrow>
其中mn (l)表示第l跳估计的第mn (l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
步骤七，根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：
<mrow> <msub> <mi>s</mi> <mi>n</mi> </msub> <mo>&amp;lsqb;</mo> <mi>k</mi> <mi>C</mi> <mo>:</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>C</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>y</mi> <mi>n</mi> </msub> <mo>&amp;lsqb;</mo> <mi>m</mi> <mo>,</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>)</mo> </mrow> <mi>C</mi> <mo>:</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>C</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mrow> <mi>k</mi> <mo>&lt;</mo> <msub> <mi>K</mi> <mi>c</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mi>k</mi> <mo>-</mo> <msub> <mi>K</mi> <mi>c</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>y</mi> <mi>n</mi> </msub> <mo>&amp;lsqb;</mo> <mi>m</mi> <mo>,</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>)</mo> </mrow> <mi>C</mi> <mo>:</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>C</mi> <mo>-</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mrow> <mi>k</mi> <mo>&amp;GreaterEqual;</mo> <msub> <mi>K</mi> <mi>c</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> </mrow>
这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度。
2.如权利要求1所述太阳能光伏水泵，其特征在于，对得到的跳频混合信号时频域矩阵进行预处理，包括：
第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定；
第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中
3.如权利要求1所述太阳能光伏水泵，其特征在于，所述太阳光线角度检测模块通过内置的处理模块，对采集的信号进行处理，包括以下步骤：
提取太阳光线角度图像信息特征和自适应LBP算子特征；
多特征底秩矩阵表示模型；
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <munder> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <msub> <mi>Z</mi> <mn>1</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>Z</mi> <mi>K</mi> </msub> </mrow> </munder> <mrow> <msub> <mi>E</mi> <mn>1</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>E</mi> <mi>K</mi> </msub> </mrow> </munder> </mtd> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <mrow> <mo>(</mo> <mo>|</mo> <mo>|</mo> <mi>A</mi> <mo>|</mo> <msub> <mo>|</mo> <mo>*</mo> </msub> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <mi>E</mi> <mo>|</mo> <msub> <mo>|</mo> <mrow> <mn>2</mn> <mo>,</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;alpha;</mi> <mo>|</mo> <mo>|</mo> <mi>A</mi> <mo>|</mo> <msub> <mo>|</mo> <mrow> <mn>2</mn> <mo>,</mo> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced>
s.t.Xi＝XiAi+Ei,i＝1,…,K
其中α是大于0的系数，用来度量噪声和野点带来的误差；
等价为以下模型：
<mrow> <mtable> <mtr> <mtd> <munder> <munder> <munder> <munder> <mi>min</mi> <mrow> <msub> <mi>J</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>J</mi> <mi>K</mi> </msub> </mrow> </munder> <mrow> <msub> <mi>S</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>S</mi> <mi>K</mi> </msub> </mrow> </munder> <mrow> <msub> <mi>Z</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>Z</mi> <mi>K</mi> </msub> </mrow> </munder> <mrow> <msub> <mi>E</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>E</mi> <mi>K</mi> </msub> </mrow> </munder> </mtd> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <mrow> <mo>(</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>J</mi> <mi>i</mi> </msub> <mo>|</mo> <msub> <mo>|</mo> <mo>*</mo> </msub> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>E</mi> <mi>i</mi> </msub> <mo>|</mo> <msub> <mo>|</mo> <mrow> <mn>2</mn> <mo>,</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;alpha;</mi> <mo>|</mo> <mo>|</mo> <mi>A</mi> <mo>|</mo> <msub> <mo>|</mo> <mrow> <mn>2</mn> <mo>,</mo> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>X</mi> <mi>i</mi> </msub> <msub> <mi>S</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>E</mi> <mi>i</mi> </msub> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <msub> <mi>A</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>J</mi> <mi>i</mi> </msub> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <msub> <mi>A</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>S</mi> <mi>i</mi> </msub> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>K</mi> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
对模型分解以及求解，得到子模型；
角度图像信息校正，输出定位后的角度图像信息。
4.如权利要求3所述太阳能光伏水泵，其特征在于，
提取自适应LBP算子特征算法的具体步骤如下：
将输入的太阳光线角度图像信息转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：
<mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>g</mi> <mi>r</mi> <mi>a</mi> <mi>y</mi> <mi>v</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> <mo>=</mo> <mfrac> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> <mrow> <mi>m</mi> <mo>&amp;times;</mo> <mi>n</mi> </mrow> </mfrac> </mrow>
利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和，求其平均值：
<mrow> <mi>D</mi> <mi>i</mi> <mi>f</mi> <mi>f</mi> <mi>s</mi> <mi>u</mi> <mi>m</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mo>|</mo> <mi>g</mi> <mi>r</mi> <mi>a</mi> <mi>y</mi> <mi>v</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>a</mi> <mi>v</mi> <mi>g</mi> <mo>|</mo> </mrow>
<mrow> <mi>D</mi> <mi>a</mi> <mi>v</mi> <mi>g</mi> <mo>=</mo> <mfrac> <mrow> <mi>d</mi> <mi>i</mi> <mi>f</mi> <mi>f</mi> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> <mrow> <mi>m</mi> <mo>&amp;times;</mo> <mi>n</mi> </mrow> </mfrac> </mrow>
利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：
<mrow> <mi>A</mi> <mi>r</mi> <mi>e</mi> <mi>a</mi> <mi>v</mi> <mi>g</mi> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>7</mn> </munderover> <mo>|</mo> <msub> <mi>g</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>g</mi> <mi>c</mi> </msub> <mo>|</mo> </mrow> <mn>8</mn> </mfrac> </mrow>
拟合计算自适应阈值的方法：
<mrow> <mi>&amp;theta;</mi> <mo>=</mo> <mn>4</mn> <mo>&amp;times;</mo> <msqrt> <mrow> <mi>D</mi> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msqrt> <mo>+</mo> <mi>A</mi> <mi>r</mi> <mi>e</mi> <mi>a</mi> <mi>v</mi> <mi>g</mi> <mo>.</mo> </mrow>
5.如权利要求3所述太阳能光伏水泵，其特征在于，角度图像信息校正，输出定位后的角度图像信息，包括：
设置一个跳变函数f(i,j)，对太阳光线偏离角度区域进行精确定位，确定上下边界：
其中c(i,j)为
c(i,j)＝LBP8,1(i,j)-LBP8,1(i,j-1)
上两式中i＝1,2,3,4,…N,j＝2,3,4,…M，因此任意一行i的跳变次数和S(i)为：
<mrow> <mi>S</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>2</mn> </mrow> <mi>N</mi> </munderover> <mo>|</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow>
如果任意一行跳变次数的和S(i≥12)，则这一行就属于太阳光线未偏离角度区域；由上至下对整幅图像进行扫描，找出所有满足S(i≥12)的行，并记录下这一行的行数i；如果有连续的h行满足S(i≥12)，则得到一个宽度为M，高度为h的矩形区域，这个区域就是太阳光线未偏离角度区域，不具有此特征的区域排除。
CN201711029796.3A 2017-10-27 2017-10-27 一种太阳能光伏水泵 Active CN107587991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711029796.3A CN107587991B (zh) 2017-10-27 2017-10-27 一种太阳能光伏水泵

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711029796.3A CN107587991B (zh) 2017-10-27 2017-10-27 一种太阳能光伏水泵

Publications (2)

Publication Number Publication Date
CN107587991A true CN107587991A (zh) 2018-01-16
CN107587991B CN107587991B (zh) 2018-12-21

Family

ID=61044685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711029796.3A Active CN107587991B (zh) 2017-10-27 2017-10-27 一种太阳能光伏水泵

Country Status (1)

Country Link
CN (1) CN107587991B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024490A (zh) * 2021-11-03 2022-02-08 无锡苏明达科技有限公司 一种稳定采光的太阳能发电设备用组合式转向安装支架

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2357762A1 (fr) * 1976-07-06 1978-02-03 Lemasson Yves Procede de pompage de l'eau par l'energie solaire
CN102338055A (zh) * 2010-07-26 2012-02-01 大禹电气科技股份有限公司 一种太阳能光伏水泵装置
CN202194797U (zh) * 2011-08-20 2012-04-18 福建先行新能源科技有限公司 太阳能光伏水泵
CN202707399U (zh) * 2012-07-26 2013-01-30 深圳市可多为太阳能技术有限公司 一种太阳能光伏水泵***
CN202707444U (zh) * 2012-06-12 2013-01-30 郝勇 一种全自动智能光伏水泵
CN104578413A (zh) * 2014-12-25 2015-04-29 海南泰新电气成套设备工程有限公司 一种太阳能光伏电场箱式变电站监控***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2357762A1 (fr) * 1976-07-06 1978-02-03 Lemasson Yves Procede de pompage de l'eau par l'energie solaire
CN102338055A (zh) * 2010-07-26 2012-02-01 大禹电气科技股份有限公司 一种太阳能光伏水泵装置
CN202194797U (zh) * 2011-08-20 2012-04-18 福建先行新能源科技有限公司 太阳能光伏水泵
CN202707444U (zh) * 2012-06-12 2013-01-30 郝勇 一种全自动智能光伏水泵
CN202707399U (zh) * 2012-07-26 2013-01-30 深圳市可多为太阳能技术有限公司 一种太阳能光伏水泵***
CN104578413A (zh) * 2014-12-25 2015-04-29 海南泰新电气成套设备工程有限公司 一种太阳能光伏电场箱式变电站监控***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024490A (zh) * 2021-11-03 2022-02-08 无锡苏明达科技有限公司 一种稳定采光的太阳能发电设备用组合式转向安装支架

Also Published As

Publication number Publication date
CN107587991B (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN106359023A (zh) 一种基于物联网的农业灌溉***
CN104865499B (zh) 一种特高压直流输电线路区内外故障识别方法
US20140330443A1 (en) Method for measuring frequency of phasor of power system
CN106160659B (zh) 一种光伏电站区域定向故障诊断方法
CN105353268A (zh) 一种用于输电线路分布式行波故障判断及定位方法
CN104809722A (zh) 一种基于红外热像的电气设备故障诊断方法
CN107360549A (zh) 一种基于蓝牙5的室内定位导航方法
CN104579166A (zh) 分布式光伏电站监控***及其故障诊断方法
CN102802260A (zh) 基于矩阵相关的wlan室内定位方法
CN105898713A (zh) 一种基于加权余弦相似度的WiFi指纹室内定位方法
CN107102593A (zh) 一种基于计算机互联网技术的智能远程视频监控控制***
Hegarty et al. A low-cost remote solar energy monitoring system for a buoyed IoT ocean observation platform
CN112763853B (zh) 一种并网模式下交流微电网短路故障的检测与定位***及其工作方法
CN103399223A (zh) 一种新能源发电***并网智能检测报警装置及方法
CN107817531A (zh) 管线仪接收机线圈结构及信号处理方法、管线仪接收机
CN104616061A (zh) 基于小波包对数能量熵及遗传算法优化的孤岛检测方法
CN102005755A (zh) 基于支持向量机的特高压直流输电线路边界元件构成方法
CN107587991A (zh) 一种太阳能光伏水泵
CN103855767A (zh) 一种电动汽车充电站的调度方法
CN103259287A (zh) 一种分布式新能源发电***的双向并网逆变装置及方法
CN106357217A (zh) 基于光伏智能汇流箱实现光伏组件故障诊断的***及方法
CN108107168A (zh) 一种河道水质监测***
Schuss et al. Moving photovoltaic installations: Impacts of the sampling rate on maximum power point tracking algorithms
CN108732477A (zh) 一种基于电力无线通信的配电网主设备带电检测的***和方法
CN101127547B (zh) 分集切换

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20180511

Address after: 221600 Taizhou Road, Peixian Economic Development Zone, Xuzhou, Jiangsu

Applicant after: Jiangsu Province Singe Irrigation & Drainage Equipment Co., Ltd.

Address before: 221600 Taizhou Road, Peixian Economic Development Zone, Xuzhou, Jiangsu

Applicant before: Zhu Xianmin

GR01 Patent grant
GR01 Patent grant