CN111446920A - 光伏电站监控方法、装置及*** - Google Patents
光伏电站监控方法、装置及*** Download PDFInfo
- Publication number
- CN111446920A CN111446920A CN202010254684.3A CN202010254684A CN111446920A CN 111446920 A CN111446920 A CN 111446920A CN 202010254684 A CN202010254684 A CN 202010254684A CN 111446920 A CN111446920 A CN 111446920A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- power station
- live
- image
- monitoring area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 153
- 230000005856 abnormality Effects 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 238000011835 investigation Methods 0.000 claims abstract description 10
- 238000012806 monitoring device Methods 0.000 claims abstract 2
- 230000002159 abnormal effect Effects 0.000 claims description 94
- 238000012545 processing Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 24
- 239000000428 dust Substances 0.000 claims description 22
- 238000013499 data model Methods 0.000 claims description 11
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 28
- 239000011159 matrix material Substances 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 7
- 239000010959 steel Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 241000238631 Hexapoda Species 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000003608 fece Anatomy 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000004568 cement Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011011 black crystal Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
本申请提供了光伏电站监控方法、装置及***，基于各个监控区域的实景图像的图像识别结果以及异常判定依据，分析得到各个监控区域的异常分析结果；然后，对于存在异常的监控区域进行勘误，即重新获取存在异常的监控区域的高清的实景图像，并重复上述异常分析过程得到最终的监控结果。该方案通过至少一次勘误提高了监控结果的准确性，进而提高了光伏电站运维的及时性和准确性，提高了光伏电站运行的安全性。而且，采用该方案不需要运维人员去现场巡检，减轻了运维人员的巡检负担，进而大大减少光伏电站所需的运维人员的数量，实现少人值守甚至无人值守。
Description
技术领域
本发明属于光伏发电技术领域，尤其涉及一种光伏电站监控方法、装置及***。
背景技术
目前，无论是集中式光伏电站还是分布式光伏电站，都要求配置以高清摄像头群为主体的视频监控***。监控摄像头与站内监控室或云平台相连，运维人员可以实时查看、或回放监控探头拍摄的视频/图像信息。
现有的视频监控***，需要运维人员实时监控几十个甚至更多个监控界面，即依靠运维人员人工查看视频监控画面识别光伏电站是否存在异常，这种方案的工作效率非常低，而且，对于视频监控画面中轻微异常，运维人员无法及时发现，导致监控准确性和时效性非常低。
发明内容
有鉴于此，本发明的目的在于提供一种光伏电站监控方法、装置及***，以解决传统的视频监控***工作效率低、且准确性和时效性均非常低的技术问题，其具体的技术方案如下：
第一方面，本申请提供了一种光伏电站监控方法，包括：
获取光伏电站内各个监控区域的实景图像；
基于图像特征数据模型对各个实景图像进行识别得到每个实景图像的图像识别结果；
基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果；
对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对所述异常分析结果进行勘误得到监控结果。
可选地，所述基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果，包括：
依据所述实景图像的图像识别结果判断各个监控区域中是否存在的异常物体得到异物分析结果；
依据所述实景图像的图像识别结果确定各个监控区域所包含的电站元素的电站元素状态，并依据所述电站元素状态及预设电站元素信息，得到电站元素分析结果；
分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息。
可选地，分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息，包括：
统计同一监控区域在预设时间段内不同监控时刻对应的阴影遮挡信息，得到所述监控区域的阴影变化信息；
统计同一监控区域内的光伏组件在预设时间段内不同监控时刻对应的灰尘信息，得到所述监控区域的灰尘等级变化信息。
可选地，在获得各个监控区域的异常分析结果之后，所述方法还包括：
判断所述异常分析结果中是否存在高危因素；
若存在高危因素，则生成告警信息并展示该告警信息；
若不存在高危因素，则执行对所述异常分析结果进行勘误的步骤。
可选地，所述对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对所述异常分析结果进行勘误得到监控结果，包括：
依据所述异常分析结果确定所述光伏电站中存在异常的监控区域；
调用存在异常的监控区域所对应的摄像设备，并调整该摄像设备的方位及焦距，重新获得所述监控区域对应的实景图像；
基于重新获得的实景图像进行图像识别及异常分析，得到新的异常分析结果；
判断所述新的异常分析结果与上一次异常分析得到的异常分析结果之间的偏差是否超出预设偏差范围；
若所述偏差在所述偏差范围内，则直接将所述新的异常分析结果作为监控结果；
若所述偏差超出所述预设偏差范围，返回执行重新获得新的异常分析结果的过程，直到连续两次得到的异常分析结果之间的偏差在所述预设偏差范围内，并将最新一次的异常分析结果作为监控结果。
可选地，所述方法还包括：
根据所述监控结果更新所述图像特征数据模型中的特征数据。
可选地，在获取光伏电站内各个监控区域的实景图像之前，所述方法还包括：
获取依据所述光伏电站内不同的监控参数设定的巡检周期，按照所述巡检周期触发对所述光伏电站的巡检；
或者，
当检测到高危因素时，直接触发对所述光伏电站的巡检。
第二方面，本申请还提供了一种光伏电站监控装置，包括：
图像处理及识别模块，用于获取光伏电站内各个监控区域的实景图像，并基于图像特征数据模型对各个实景图像进行识别得到每个实景图像的图像识别结果；
异常分析模块，用于基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果；
输出勘误模块，用于对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对所述异常分析结果进行勘误得到监控结果。
可选地，所述异常分析模块具体用于：
依据所述实景图像的图像识别结果判断各个监控区域中是否存在的异常物体得到异物分析结果；
依据所述实景图像的图像识别结果确定各个监控区域所包含的电站元素的电站元素状态，并依据所述电站元素状态及预设电站元素信息，得到电站元素分析结果；
分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息。
可选地，所述异常分析模块用于分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息时，具体用于：
统计同一监控区域在预设时间段内不同监控时刻对应的阴影遮挡信息，得到所述监控区域的阴影变化信息；
统计同一监控区域内的光伏组件在预设时间段内不同预设时刻对应的灰尘信息，得到所述监控区域的灰尘等级变化信息。
可选地，所述异常分析模块还用于：
判断所述异常分析结果中是否存在高危因素；若存在高危因素，则生成告警信息并展示该告警信息；若不存在高危因素，则触发所述输出勘误模块执行对所述异常分析结果进行勘误的过程。
可选地，所述输出勘误模块，具体用于：
依据所述异常分析结果确定所述光伏电站中存在异常的监控区域；
调用存在异常的监控区域所对应的摄像设备，并调整该摄像设备的方位及焦距，重新获得所述监控区域对应的实景图像；
基于所述重新获得的实景图像进行图像识别及异常分析，得到新的异常分析结果；
判断所述新的异常分析结果与上一次异常分析得到的异常分析结果
之间的偏差是否超出预设偏差范围；
若所述偏差在所述偏差范围内，则直接将所述新的异常分析结果作为监控结果；
若所述偏差超出所述预设偏差范围，返回执行重新获得新的异常分析结果的过程，直到连续两次得到的异常分析结果之间的偏差在所述预设偏差范围内，并将最新一次的异常分析结果作为监控结果。
第三方面，本申请还提供了一种光伏电站监控***，其特征在于，包括：本地监控子***以及部署在云平台上的智能分析子***；
所述本地监控子***用于拍摄光伏电站本地的实景图像，并传输至所述智能分析子***；
所述智能分析子***用于执行第一方面任一种可能的实现方式所述的光伏电站监控方法。
本申请提供的光伏电站监控方案，基于各个监控区域的实景图像的图像识别结果以及异常判定依据，分析得到各个监控区域是否存在异常的异常分析结果；然后，对于存在异常的监控区域进行勘误，即重新获取存在异常的监控区域的高清的实景图像，并重复上述异常分析过程得到最终的监控结果。该方案通过至少一次勘误提高了监控结果的准确性，进而提高了光伏电站运维的准确性、安全性。而且，与现有技术中的运维人员目视现场监控画面判断是否存在异常的方案相比，该方案能够自动识别出光伏电站中的异常情况，提高了异常状况识别的及时性。此外，采用该方案不需要运维人员去现场巡检，减轻了运维人员的巡检负担，进而大大减少光伏电站所需的运维人员的数量，实现少人值守甚至无人值守。本申请提供的光伏电站监控***不需要增加硬件设备，只需将***中的软件进行升级。
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，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地介绍，显而易见地，下面描述中的附图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他的附图。
图1是本申请实施例提供的一种光伏电站监控***的结构示意图；
图2是本申请实施例提供的一种高清摄像机部署示意图；
图3是本申请实施例提供的一种光伏电站监控方法的流程图；
图4是本申请实施例提供的一种判断异常分析结果是否有误的过程的流程图；
图5是本申请实施例提供的一种光伏组件的识别模型创建过程的流程图。
具体实施方式
传统的针对光伏电站，需要人工去现场巡检，由于光伏电站面积较大，运维人员通常每周才能完成1次光伏区域的巡查工作，少人驻守的分布式电站，通常每月才能完成1次光伏区域的巡查，这种方式无法及时发现光伏电站中出现的异常情况。另一种方案是通过视频监控***拍摄光伏电站的现场画面，然后，由运维人员目视现场监控画面判断光伏电站的运行状况。对于监控画面中出现的轻微异常，运维人员通过肉眼观察无法及时发现异常情况，导致准确性和时效性低。
为了解决上述技术问题，本申请提供了一种光伏电站监控方案，该方案基于各个监控区域的实景图像的图像识别结果以及异常判定依据，分析得到各个监控区域是否存在异常的异常分析结果；然后，对于存在异常的监控区域进行勘误，即重新获取存在异常的监控区域的高清的实景图像，并重复上述异常分析过程得到新的异常分析结果，从而确定异常分析结果是否有误。该方案通过至少一次勘误提高了监控结果的准确性和及时性，进而提高了光伏电站运维的及时性和准确性，提高了光伏电站运行的安全性。
下面先结合图1先对光伏电站监控***进行介绍：
如图1所示，该***主要包括本地监控子***100、云平台子***200和智能分析子***300。
其中，本地监控子***100主要包括：高清摄像机110、传输线缆及交换机120，以及本地监控工作站130。
高清摄像机110用于现场实景的视频或图像，并接受智能分析子***300的指示，调整摄像方位及焦距，对目标进行定点拍摄。
每个高清摄像机110的拍摄范围有限，因此，可以在整个光伏电站内布置多个高清摄像机110，以全部高清摄像机110的拍摄范围覆盖整个光伏电站为准，如图2所示，一个光伏电站内配置有5个高清摄像机，这5个高清摄像机的拍摄范围能够覆盖整个光伏电站内的每一个位置。
传输线缆及交换机120用于将现场图像传送至本地监控工作站130。
本地监控工作站130实现该***与现场运维人员之间进行交互，展现实景拍摄场景，储存拍摄的视频和/或图像记录。同时作为本地控制装置，可以通过默认的逻辑控制高清摄像机运行，也可以根据云平台子***200下发的指令，对高清摄像机110进行进一步的控制。
除此之外，本地监控工作站130具备对拍摄到的视频和/或图像进行预处理的能力，如，根据智能分析子***300的指令，对本地监控子***100内的设备进行控制，如，将高清摄像机110拍摄的视频和/或图像进行截取，或根据智能分析子***指令，对异常的视频和/或图像进行详细跟拍等。或者，根据智能分析子***的指令，对图像进行的灰度处理等操作提供平台支撑。
云平台子***200主要包括：数据处理平台210和数据展示平台220。
数据处理平台210为智能分析子***300进行图像处理和计算提供支撑。
数据展示平台220用于实现人机交互，例如，将分析报告展示给运维/运营人员，运维/运营人员可以实时查看本地监控子***110上传的视频、图像及记录，以及，运维/运营人员可以通过该数据展示平台220设置光伏电站内各类设备/元素/组件参数及限值等。
智能分析子***300是该***的核心部分，主要用于对本地监控子***100上传的视频、图像进行处理及识别，进一步根据识别结果分析得到各个监控区域的异常分析结果。
其中，智能分析子***300主要包括图像处理及识别模块310、异常分析模块320、输出勘误模块330。需要说明的是，该智能分析子***300即上述的光伏电站监控装置。
下面将结合本申请实施例提供的光伏电站监控方法详细介绍智能分析子***300内各模块的功能。
请参见图3，示出了本申请实施例提供的一种光伏电站监控方法的流程图，该方法应用于上述的智能分析子***300中，该方法主要包括以下步骤：
S110，获取光伏电站内各个监控区域的实景图像。
智能分析子***300获取本地监控子***100拍摄的光伏电站内各个监控区域的实景视频或图像。
S120，基于图像特征数据模型对各个实景图像进行识别得到每个实景图像的图像识别结果。
利用上述的图像处理及识别模块310对上一步骤获得的实景图像进行处理、识别得到各个实景图像的识别结果。
通过该步骤能够识别出光伏电站中的各种元素(即电站元素)，例如，光伏逆变器、彩钢瓦、通风球、水泥屋面、女儿墙、桩基础支架、桥架、线缆、变压器等设备的图像特征数据模型。同时还能识别出：泥垢脏污、白色垃圾、粉尘、昆虫、鸟粪、杂草、树木、浓烟、明火、人员、大型野兽等电站内异物的图像特征数据模型。
以及，识别出光伏电站内各元素的状态，例如，光伏组件的安装高度、阴影遮挡、光伏组件是否有灰尘等。
S130，基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果。
该步骤通过上述的异常分析模块320实现，用于将图像处理及识别模块310输出的信息进行分析、处理，同时，对***内的信息进行统筹处理，从而分析出各个监控区域是否存在异常。
异常分析模块320具备识别图像信息中的异常的能力，除图像处理及识别模块310直接识别出的异常信息之外，还可以调用云平台子***中预存的信息和电站的实时信息判断其他异常。
光伏电站在图像识别领域属于新兴事物，开源数据库中缺乏相关的识别模型，尤其是光伏组件、逆变器等光伏电站中的专用设备，因此，需要预先存储这些专用元素的标准图像信息。而且，需要定义何种图像信息属于正常信息，何种图像信息属于异常信息，即预先设置异常判定依据。
在本申请的一个实施例中，异常分析模块320主要用于分析以下异常情况：
(1)光伏电站异物信息分析
具体的，依据实景图像的图像识别结果判断各个监控区域中是否存在的异常物体得到异物分析结果。其中，异物可以包括：泥垢脏污、粉尘、昆虫、鸟粪、白色垃圾、杂草、树木、浓烟、明火、人员、大型野兽等电站异物。
(2)光伏电站内各电站元素的状态分析
依据实景图像的图像识别结果确定各个监控区域所包含的电站元素的电站元素状态，并依据电站元素状态及预设电站元素信息，得到电站元素状态的分析结果。
例如，判断当前电站元素状态与云平台预先设置的电站元素信息是否一致，其中，电站元素信息包括但不限于：光伏组件安装的方位角限额、光伏组件安装的高度角限额、光伏组件跟踪误差限额、光伏逆变器安装的平整度限额、电缆桥架安装的平整度限额、桩基础的垂直度限额、光伏支架的安装角度限额、光伏电缆敷设整齐率限额、彩钢瓦平整度限额等。
(3)光伏电站内各电站元素状态的变化情况
分别比较各个监控区域在当前监控周期对应的电站元素状态，以及当前监控周期的上一监控周期对应的电站元素状态，获得光伏电站的异常状态变化信息。
具体的，可以判断当前监控周期内光伏电站内各类电站元素(如各类设备/元素/组件参数等)的状态信息与上一个监控周期内光伏电站各类电站元素的状态信息的变化情况，其中，监控周期根据实际需求自行设置，例如可以是1天、1周、1年等。
其中，电站元素的状态信息包括而不限于：光伏组件的数量、光伏逆变器的数量/相对位置、变压器的数量/相对位置、通风球的数量/相对位置、桩基础的数量/相对位置、泥垢污渍的大小/数量/相对位置、杂草树木的大小/数量/相对位置、白色垃圾的大小/数量/相对位置等。
(4)阴影遮挡和灰尘影响
统计同一监控区域在预设时间段内不同监控时刻对应的图像识别结果中的阴影遮挡信息，得到监控区域的阴影变化信息。具体实施时，可以将图像处理及识别模块识别出的阴影遮挡数据按时间早晚顺序进行记录，如可以按30min为间隔进行汇总记录，从而获得阴影遮挡的变化情况。
比较同一监控区域在预设时间段内不同监控时刻对应的灰尘信息，得到监控区域的灰尘等级变化信息。具体实施是，可以将图像处理及识别模块识别出的灰尘影响数据按等级进行记录，例如，可以在图像处理及识别模块中，设定各类光伏组件的标准灰度，灰度每增加一定数值，相应的灰尘等级增加1级。
最后，将分析出的异物、超限值参数、异常状态变化、阴影遮挡变化及灰尘等级等数据进行综合分析，依据预先设定的各类异常描述，结合判踞，生成异常分析报告(即，异常分析结果)，并将其发送至输出勘误模块330。
具体的异常分析结果可能包括如下信息：
例如，组件角度超过设定允许值，结合方位角、边缘轮廓信息，得到当前组件处于倾覆状态，即将跌落，结合天气信息，如大风警告等，得出组件受大风吹倾覆等判定结果；
又如，依据每增加1级灰尘等级，得出灰尘可能导致组件发电量降低0.5％；
又如，依据阴影遮挡时刻，判断是否在9:00～15:00，输出报告是否存在异常的阴影遮挡，根据异常阴影遮挡影响组件块数Y，得出影响光伏发电量y kWh。
在本申请的一个实施例中，为了保证光伏电站监控***的即时性，若异常分析模块320输出的异常分析结果中存在高危因素，如，烟火、大型野兽、非法入侵人员、洪水等，则立刻产生告警信息并通过数据展示平台220展示该告警信息。即实现在出现高危因素时，先进行汇报，随后再进行定点监控和勘误，以使运维人员能够及时处理高危因素，保证光伏电站安全运行。
在本申请的另一个实施例中，异常分析模块320同时承担整个光伏电站的巡检任务的制定。
在一种应用场景下，可以依据光伏电站内的监控参数设定相应的巡检周期，例如，固定以4小时为巡检周期进行全站巡检，巡检周期也可以人为设定为更高或更低的数值，此处不再赘述。
在另一种应用场景下，可以设定不定期巡检模式，由异常分析模块判断是否触发不定期巡检。不定期巡检的触发条件可以是判断出存在高危因素，如发现危险源(如，烟火、大型野兽等)、恶劣天气(如，风、雨、雪及温度骤变等)、电站运行异常，或者发现监控***空闲时间过长等事件。
上述的不定期巡检模式，能够及时发现光伏电站中的出现的异常状况，并使运维人员针对检测出的异常状况做出相应的维护措施，进而提高光伏电站运行的安全性。
S140，对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对异常分析结果进行勘误得到监控结果。
受限于现有的图像处理算法和高清摄像头硬件条件的限制，光伏电站图像识别结果很难达到满意的准确率，可以进行至少一次勘误过程。
在本申请的一个实施例中，勘误过程由上述的输出勘误模块330实现，该模块用于对于异常分析模块320输出的异常分析报告进行分析，判断异常分析模块320输出的异常分析结果是否有误。
在本申请的一个实施例中，如图4所示，输出勘误模块330对异常分析结果进行勘误的过程如下：
S141，依据异常分析结果确定光伏电站中存在异常的监控区域。
S142，调用存在异常的监控区域所对应的摄像设备，并调整该摄像设备的方位及焦距，获得监控区域对应的清晰的实景图像。
S143，重新基于清晰的实景图像进行图像识别及异常分析，得到新的异常分析结果。
S144，判断新的异常分析结果与上一次异常分析得到的异常分析结果之间的偏差是否超出预设偏差范围；若偏差在预设偏差范围内，则执行S145；若偏差超出预设偏差范围，则返回执行S141。
本步骤的上一次异常分析得到的异常分析结果可以是异常分析模块输出的异常分析结果，也可以是输出勘误模块输出的异常分析结果。
在本申请的一个实施例中，可以通过云平台子***发指令至存在异常的监控区域所对应的高清摄像机，调用该监控区域的高清摄像机并根据存在异常的具***置调整摄像头的方位和焦距，获取更具有针对性的高清图像，对异常目标进行连续详细拍摄，将获得的高清图像信息上传至云平台子***，重新执行S110～S130的步骤，得到新的异常分析结果。
S145，将新的异常分析结果作为监控结果。
若输出勘误模块输出的异常分析结果与异常分析模块输出的异常分析结果之间的偏差在预设偏差范围内，则直接将输出勘误模块输出的异常分析结果(即，新的异常分析结果)作为最终的监控结果。其中，预设偏差范围可以根据实际需求设定，例如，可设定百分比，如10％。
若输出勘误模块输出的异常分析结果与异常分析模块输出的异常分析结果之间的偏差超出预设偏差范围，则需要进行反复勘误即返回执行S141～S144，直到连续两次勘误过程得到的异常分析结果的偏差在预设偏差范围内，将输出勘误模块输出的最新一次的异常分析结果作为最终监控结果。
在本申请的一个实施例中，在依据勘误得到最终准确的监控结果后，根据该监控结果更新图像特征数据模型中的特征数据，即对图像特征数据模型中的图像特征信息进行丰富。
此外，可以通过云平台子***中的数据展示平台220直观展示发生异常的监控区域，且可以直观地展示异常的详细信息。
由上述内容可知，本申请提供的光伏电站监控方案，基于各个监控区域的实景图像的图像识别结果以及异常判定依据，分析得到各个监控区域是否存在异常的异常分析结果；然后，对于存在异常的监控区域进行勘误，即重新获取存在异常的监控区域的高清的实景图像，并重复上述异常分析过程得到最终的监控结果。该方案通过至少一次勘误提高了监控结果的准确性，进而提高了光伏电站运维的准确性、安全性。而且，与现有技术中的运维人员目视现场监控画面判断是否存在异常的方案相比，该方案能够自动识别出光伏电站中的异常情况，提高了异常状况识别的及时性。此外，采用该方案不需要运维人员去现场巡检，减轻了运维人员的巡检负担，进而大大减少光伏电站所需的运维人员的数量，实现少人值守甚至无人值守。本申请提供的光伏电站监控***不需要增加硬件设备，只需将***中的软件进行升级。
下面将详细介绍图像处理及识别模块310的相关内容：
在本申请的一个实施例中，图像处理及识别模块310包括图像特征数据库311、视频图像处理模块312、图像检测模块313及图像识别模块314。
图像特征数据库311为***数据基础，通过提前收集光伏电站正常环境信息，以使监控***获知电站内正常图景应该包含何种信息，各类设备或环境信息具备何种特征。使***具备分辨光伏电站监控视频/图像中所包含的电站元素的基础。
例如：训练***认识光伏组件、逆变器、彩钢瓦、通风球、水泥屋面、女儿墙、桩基础、支架、桥架、线缆、变压器等设备。同时训练***认识：泥垢脏污、白色垃圾、粉尘、昆虫、鸟粪、杂草、树木、浓烟、明火、人员、大型野兽等。
开源数据库中缺乏针对光伏电站元素的识别模型，需要训练光伏电站内全部电站元素对应的图像数据和图像特征识别模型。光伏电站内各元素特征较为明显、且特征较为固定，可以使用基于先验经验的传统图像识别技术，也可以使用深度学习等相关的技术。
由于实际使用中，每台高清摄像头通常需要覆盖0.5MW-1MW的光伏区域，摄像镜头中的光伏组件图像大小不一，清晰程度不一。为了贴合现场应用实际，数据库内首先建立基础图像模板。
下面以建立一种光伏组件的识别模型为例，来说明图像特征数据库的建立过程，如图5所示，该过程主要包括以下步骤：
S210，获取光伏电站实际安装的光伏组件的图像，对图像进行处理，降低图像像素，如160*100。
S220，对降低像素后的图像进行归一化处理，如归一化为64*40大小。
因为光伏电站视频监控大部分工作属于静物监控，对图像处理速度的要求远低于常规的人脸识别、车牌识别等，所以可以采用准确度高，但计算量大，计算速度略慢的图像识别方法。
S230，将归一化后的图像数据转换为字符串数据，如可以将样本排列构成64*40的矩阵样本。
S240：继续丰富光伏组件模型，分别将单晶、多晶、半片、叠瓦、双面、黑晶、60片、72片等组件实景，按照S210-S230的步骤转换为相应的矩阵样本。
S250，采用特征提取算法(如主成分分析法等)提取光伏组件特征，得到原始特征信息。
S260，将获取的大量光伏组件的原始特征信息，通过卷积神经网络反复训练分类器，得到光伏组件的基础图像模板。
进一步地，光伏电站监控***需要监控光伏电站内光伏组件的角度、方位、阴影遮挡等情况，而常规的图像识别技术，将角度偏差、方位偏差、阴影遮挡等视为图像识别中的误差因素和噪声来源，在常规算法中设法将角度、方位、阴影等元素剔除，因此不适用于光伏电站的应用场景。
所以本申请需要更精准的，受角度、方位、阴影、灰尘等影响后的光伏电站各设备或各组件基础图像信息。需要将角度、方位、阴影影响纳入图像特征数据库中。
例如，将光伏组件安装高度角0°-180°范围内光伏组件的实景图像均进行特征提取，可以以1°作为步长，建立全角度的图像特征数据库。
同理，按照训练光伏组件的图像特征数据库的过程，训练光伏电站中其他电站元素的图像特征数据库，例如，可以包括光伏逆变器、彩钢瓦、通风球、水泥屋面、女儿墙、桩基础、支架、桥架、线缆、变压器等设备。以及，泥垢脏污、白色垃圾、粉尘、昆虫、鸟粪、杂草、树木、浓烟、明火、人员、大型野兽等电站异物。
视频图像处理模块312，用于获取本地监控子***上传给云平台子***的现场监控图像，并按照与图像特征数据库311相同的图像处理逻辑，对高清摄像机摄取的图像进行处理，并将处理过的图像矩阵信息提供给图像检测模块313。
图像检测模块313，用于检测经视频图像处理模块312初步处理后的电站实景图像对应的矩阵信息，排除非电站元素的干扰，如蓝天、白云等。并将该矩阵信息中的数据进行粗略分类，如将光伏组件、彩钢瓦、电缆桥架、树木等进行初步分选。
整个图像检测可以采用较为成熟的Mask R-CNN算法进行粗略分类，该过程而不需要对组件状态、支架状态等详细信息进行识别处理；可以按主要特征分为光伏组件类、彩钢瓦类、异物类等等大类，再根据Mask R-CNN算法进行特征图分解，对大类内的图像分解为7*7甚至更小的矩阵信息，矩阵信息可能有N组。
图像识别模块314，用于将图像检测模块313分选后的N组电站实景图像的矩阵信息与图像特征数据库311中的相应分类信息进行一一比较，筛选出图像特征数据库311中最相近的信息，确认当前电站实景信息的状态，最后将识别处理后的图像信息进行汇总。
例如，识别出当前摄像机传输图像中1组至(N-1)组内光伏组件的安装高度角均为21°，第N组光伏组件安装高度角为45°。
又如，识别出当前图像信息中包含异物信息，如在第M组异物信息中识别到范围为6*7范围的杂草特性。
又如，通过图像信息中代表色彩或代表灰度的信息，通过对比图像特征数据库311中的信息，识别出第2组光伏组件的色彩及灰度符合受阴影遮挡的表现。
需要说明的是，图像识别模块314除采用上述的对比模型的算法外，也可以通过神经网络学习数据库中的特征信息，更快捷的识别分选后的电站实景矩阵，直接输出识别结果。
本实施例提供的图像处理及识别模块，运用图像识别技术能识别光伏电站的正常状态和异常状态，例如，能够识别出光伏组件角度异常、组件表面异常、组件阴影遮、高危因素等，提高光伏电站智能监控***目标识别与判断的准确性和及时性。
本申请提供了一种计算设备，该计算设备包括处理器和存储器，该存储器内存储有可在处理器上运行的程序。该处理器运行存储器内存储的该程序时实现上述的光伏电站监控方法。本文中的设备可以是计算机设备，如服务器或计算机终端等。
本申请还提供了一种计算设备可执行的存储介质，该存储介质中存储有程序，该程序由计算设备执行时实现上述的光伏电站监控方法。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种光伏电站监控方法，其特征在于，包括：
获取光伏电站内各个监控区域的实景图像；
基于图像特征数据模型对各个实景图像进行识别得到每个实景图像的图像识别结果；
基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果；
对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对所述异常分析结果进行勘误得到监控结果。
2.根据权利要求1所述的方法，其特征在于，所述基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果，包括：
依据所述实景图像的图像识别结果判断各个监控区域中是否存在的异常物体得到异物分析结果；
依据所述实景图像的图像识别结果确定各个监控区域所包含的电站元素的电站元素状态，并依据所述电站元素状态及预设电站元素信息，得到电站元素分析结果；
分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息。
3.根据权利要求2所述的方法，其特征在于，分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息，包括：
统计同一监控区域在预设时间段内不同监控时刻对应的阴影遮挡信息，得到所述监控区域的阴影变化信息；
统计同一监控区域内的光伏组件在预设时间段内不同监控时刻对应的灰尘信息，得到所述监控区域的灰尘等级变化信息。
4.根据权利要求1-3任一项所述的方法，其特征在于，在获得各个监控区域的异常分析结果之后，所述方法还包括：
判断所述异常分析结果中是否存在高危因素；
若存在高危因素，则生成告警信息并展示该告警信息；
若不存在高危因素，则执行对所述异常分析结果进行勘误的步骤。
5.根据权利要求1所述的方法，其特征在于，所述对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对所述异常分析结果进行勘误得到监控结果，包括：
依据所述异常分析结果确定所述光伏电站中存在异常的监控区域；
调用存在异常的监控区域所对应的摄像设备，并调整该摄像设备的方位及焦距，重新获得所述监控区域对应的实景图像；
基于重新获得的实景图像进行图像识别及异常分析，得到新的异常分析结果；
判断所述新的异常分析结果与上一次异常分析得到的异常分析结果之间的偏差是否超出预设偏差范围；
若所述偏差在所述偏差范围内，则直接将所述新的异常分析结果作为监控结果；
若所述偏差超出所述预设偏差范围，返回执行重新获得新的异常分析结果的过程，直到连续两次得到的异常分析结果之间的偏差在所述预设偏差范围内，并将最新一次的异常分析结果作为监控结果。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述监控结果更新所述图像特征数据模型中的特征数据。
7.根据权利要求1所述的方法，其特征在于，在获取光伏电站内各个监控区域的实景图像之前，所述方法还包括：
获取依据所述光伏电站内不同的监控参数设定的巡检周期，按照所述巡检周期触发对所述光伏电站的巡检；
或者，
当检测到高危因素时，直接触发对所述光伏电站的巡检。
8.一种光伏电站监控装置，其特征在于，包括：
图像处理及识别模块，用于获取光伏电站内各个监控区域的实景图像，并基于图像特征数据模型对各个实景图像进行识别得到每个实景图像的图像识别结果；
异常分析模块，用于基于各个监控区域的实景图像对应的图像识别结果，以及预先设置的异常判定依据，获得各个监控区域的异常分析结果；
输出勘误模块，用于对于存在异常的监控区域，重新获取该监控区域对应的实景图像，并基于该实景图像对所述异常分析结果进行勘误得到监控结果。
9.根据权利要求8所述的装置，其特征在于，所述异常分析模块具体用于：
依据所述实景图像的图像识别结果判断各个监控区域中是否存在的异常物体得到异物分析结果；
依据所述实景图像的图像识别结果确定各个监控区域所包含的电站元素的电站元素状态，并依据所述电站元素状态及预设电站元素信息，得到电站元素分析结果；
分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息。
10.根据权利要求9所述的装置，其特征在于，所述异常分析模块用于分别比较各个监控区域在不同监控时刻对应的电站元素状态，获得所述光伏电站的元素状态变化信息时，具体用于：
统计同一监控区域在预设时间段内不同监控时刻对应的阴影遮挡信息，得到所述监控区域的阴影变化信息；
统计同一监控区域内的光伏组件在预设时间段内不同预设时刻对应的灰尘信息，得到所述监控区域的灰尘等级变化信息。
11.根据权利要求8-10任一项所述的装置，其特征在于，所述异常分析模块还用于：
判断所述异常分析结果中是否存在高危因素；若存在高危因素，则生成告警信息并展示该告警信息；若不存在高危因素，则触发所述输出勘误模块执行对所述异常分析结果进行勘误的过程。
12.根据权利要求8所述的装置，其特征在于，所述输出勘误模块，具体用于：
依据所述异常分析结果确定所述光伏电站中存在异常的监控区域；
调用存在异常的监控区域所对应的摄像设备，并调整该摄像设备的方位及焦距，重新获得所述监控区域对应的实景图像；
基于所述重新获得的实景图像进行图像识别及异常分析，得到新的异常分析结果；
判断所述新的异常分析结果与上一次异常分析得到的异常分析结果
之间的偏差是否超出预设偏差范围；
若所述偏差在所述偏差范围内，则直接将所述新的异常分析结果作为监控结果；
若所述偏差超出所述预设偏差范围，返回执行重新获得新的异常分析结果的过程，直到连续两次得到的异常分析结果之间的偏差在所述预设偏差范围内，并将最新一次的异常分析结果作为监控结果。
13.一种光伏电站监控***，其特征在于，包括：本地监控子***以及部署在云平台上的智能分析子***；
所述本地监控子***用于拍摄光伏电站本地的实景图像，并传输至所述智能分析子***；
所述智能分析子***用于执行权利要求1-8任一项所述的光伏电站监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254684.3A CN111446920A (zh) | 2020-04-02 | 2020-04-02 | 光伏电站监控方法、装置及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254684.3A CN111446920A (zh) | 2020-04-02 | 2020-04-02 | 光伏电站监控方法、装置及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111446920A true CN111446920A (zh) | 2020-07-24 |
Family
ID=71655120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010254684.3A Pending CN111446920A (zh) | 2020-04-02 | 2020-04-02 | 光伏电站监控方法、装置及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111446920A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111884239A (zh) * | 2020-08-03 | 2020-11-03 | 湖南经研电力设计有限公司 | 储能电站调节方法 |
| CN113054902A (zh) * | 2021-03-25 | 2021-06-29 | 广东海洋大学 | 一种基于深度学习的沿海太阳能智能发电*** |
| CN113066118A (zh) * | 2021-04-13 | 2021-07-02 | 武汉一维路科技有限公司 | 基于远程监控和工业物联网的太阳能光伏发电运行安全监测*** |
| CN113131865A (zh) * | 2021-04-19 | 2021-07-16 | 阳光新能源开发有限公司 | 一种光伏电站监控*** |
| CN114268095A (zh) * | 2021-12-22 | 2022-04-01 | 浙江芯能光伏科技股份有限公司 | 光伏电力交易***及分布式光伏电站 |
| CN114580062A (zh) * | 2022-03-08 | 2022-06-03 | 武汉广旺科技有限公司 | 一种基于大数据的大型光伏电站工程施工建设质量分析云*** |
| CN116260391A (zh) * | 2022-12-16 | 2023-06-13 | 深圳市名洋能源科技有限公司 | 一种光伏储能发电站智能监控管理*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103296753A (zh) * | 2013-05-09 | 2013-09-11 | 宁波天安智能电网工程技术有限公司 | 用于光伏电站的监测*** |
| CN105811880A (zh) * | 2016-05-16 | 2016-07-27 | 安徽思普瑞德新能源科技有限公司 | 基于无人机搭载的光伏组件实时监测*** |
| CN107507163A (zh) * | 2017-07-04 | 2017-12-22 | 国网山东省电力公司菏泽供电公司 | 一种识别光伏太阳能板表面污垢程度的方法及*** |
| CN109187558A (zh) * | 2018-10-10 | 2019-01-11 | 中南大学 | 一种基于无人机的光伏电站自动巡检*** |
| CN109784138A (zh) * | 2018-11-15 | 2019-05-21 | 国网河南省电力公司郑州供电公司 | 无人变电站图像数据化巡视方法 |
| CN110033103A (zh) * | 2019-04-12 | 2019-07-19 | 合肥佳讯科技有限公司 | 一种光伏板巡检***及巡检方法 |
-
2020
- 2020-04-02 CN CN202010254684.3A patent/CN111446920A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103296753A (zh) * | 2013-05-09 | 2013-09-11 | 宁波天安智能电网工程技术有限公司 | 用于光伏电站的监测*** |
| CN105811880A (zh) * | 2016-05-16 | 2016-07-27 | 安徽思普瑞德新能源科技有限公司 | 基于无人机搭载的光伏组件实时监测*** |
| CN107507163A (zh) * | 2017-07-04 | 2017-12-22 | 国网山东省电力公司菏泽供电公司 | 一种识别光伏太阳能板表面污垢程度的方法及*** |
| CN109187558A (zh) * | 2018-10-10 | 2019-01-11 | 中南大学 | 一种基于无人机的光伏电站自动巡检*** |
| CN109784138A (zh) * | 2018-11-15 | 2019-05-21 | 国网河南省电力公司郑州供电公司 | 无人变电站图像数据化巡视方法 |
| CN110033103A (zh) * | 2019-04-12 | 2019-07-19 | 合肥佳讯科技有限公司 | 一种光伏板巡检***及巡检方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111884239A (zh) * | 2020-08-03 | 2020-11-03 | 湖南经研电力设计有限公司 | 储能电站调节方法 |
| CN111884239B (zh) * | 2020-08-03 | 2021-08-27 | 湖南经研电力设计有限公司 | 储能电站调节方法 |
| CN113054902A (zh) * | 2021-03-25 | 2021-06-29 | 广东海洋大学 | 一种基于深度学习的沿海太阳能智能发电*** |
| CN113066118A (zh) * | 2021-04-13 | 2021-07-02 | 武汉一维路科技有限公司 | 基于远程监控和工业物联网的太阳能光伏发电运行安全监测*** |
| CN113131865A (zh) * | 2021-04-19 | 2021-07-16 | 阳光新能源开发有限公司 | 一种光伏电站监控*** |
| CN114268095A (zh) * | 2021-12-22 | 2022-04-01 | 浙江芯能光伏科技股份有限公司 | 光伏电力交易***及分布式光伏电站 |
| CN114580062A (zh) * | 2022-03-08 | 2022-06-03 | 武汉广旺科技有限公司 | 一种基于大数据的大型光伏电站工程施工建设质量分析云*** |
| CN114580062B (zh) * | 2022-03-08 | 2022-12-13 | 中国华电科工集团有限公司 | 一种基于大数据的大型光伏电站工程施工建设质量分析云*** |
| CN116260391A (zh) * | 2022-12-16 | 2023-06-13 | 深圳市名洋能源科技有限公司 | 一种光伏储能发电站智能监控管理*** |
| CN116260391B (zh) * | 2022-12-16 | 2023-10-24 | 深圳市名洋能源科技有限公司 | 一种光伏储能发电站智能监控管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111446920A (zh) | 光伏电站监控方法、装置及*** | |
| CN111967393B (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
| CN111462451B (zh) | 基于视频信息的秸秆焚烧检测报警*** | |
| CN110084165B (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
| CN111047818A (zh) | 一种基于视频图像的森林火灾预警*** | |
| CN107437318B (zh) | 一种可见光智能识别算法 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
| CN107194396A (zh) | 国土资源视频监控***中基于特定违章建筑识别预警方法 | |
| CN112863100B (zh) | 一种智能施工安全监测***及方法 | |
| CN117037406B (zh) | 一种森林火灾智能化监控和预警*** | |
| CN110287917B (zh) | 基建工地的安全管控***和方法 | |
| CN110047092B (zh) | 一种复杂环境下多目标实时跟踪方法 | |
| CN112112629A (zh) | 一种钻井作业过程中的安全业务管理***和方法 | |
| CN112671104A (zh) | 面向复杂场景的变电站多维度场景管控平台 | |
| KR101196678B1 (ko) | 실시간 화재 감시 장치 및 방법 | |
| CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
| CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测*** | |
| CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及*** | |
| CN115131937A (zh) | 一种基于传感器与深度学习的森林火情预警方法 | |
| CN113095160B (zh) | 基于人工智能和5g的电力***人员安全行为识别方法及*** | |
| CN117768610A (zh) | 基于多目标识别的高速铁路周界入侵风险监测方法及*** | |
| CN113569956A (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
| CN111510685A (zh) | 一种基于三维模型的信息输出方法及装置 | |
| CN108520615B (zh) | 一种基于图像的火灾识别***和方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd. Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant before: Sunshine New Energy Development Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200724 |
|
| RJ01 | Rejection of invention patent application after publication |