CN116681665A - 一种融合iv和cv的智能诊断***及其方法 - Google Patents
一种融合iv和cv的智能诊断***及其方法 Download PDFInfo
- Publication number
- CN116681665A CN116681665A CN202310633123.8A CN202310633123A CN116681665A CN 116681665 A CN116681665 A CN 116681665A CN 202310633123 A CN202310633123 A CN 202310633123A CN 116681665 A CN116681665 A CN 116681665A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- fault
- power generation
- fusing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000003745 diagnosis Methods 0.000 title claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000010365 information processing Effects 0.000 claims abstract description 6
- 238000010248 power generation Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 15
- 238000002405 diagnostic procedure Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种融合IV和CV的智能诊断***及其方法，包括：IV扫描机构，用以对光伏设备的故障进行分析；无人机；CV检测机构，设置于无人机上，用以对IV扫描机构分析后的故障进行识别；信息处理模块，设置于无人机内部，用以对识别的图像结果与IV扫描机构分析的结果进行对比；通过设置有CV检测机构、无人机及信息处理模块，便于避免仅依靠IV扫描进行检测，检测的准确率低，导致需要人工频繁的往返发生故障的光伏设备区域，本装置通过两种不同形式的检测、智能算法的计算，能够提高检测的准确性，能够很好的在后期根据遮挡物、光伏设备组件损坏采取不同的应对策略。
Description
技术领域
本发明具体涉及一种融合IV和CV的智能诊断***及其方法。
背景技术
光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。主要由太阳电池板(组件)、控制器和逆变器三大部分组成，主要部件由电子元器件构成。太阳能电池经过串联后进行封装保护可形成大面积的太阳电池组件，再配合上功率控制器等部件就形成了光伏发电设备。
光伏发电设备在使用过程中会发生发电效率降低的情况，需要人工排查故障原因，费时费事，效率也低，有些通过IV扫描对故障区域进行检测和分析，但是IV扫描是基于电流和电压的变化，对故障进行简单判断，在判断过程中，可能由于外部物体，如云朵、鸟粪、落叶对光伏设备造成遮挡，影响到光伏设备电流、电压发生变化，造成IV扫描时的误判，这种单一的判断方式准确率低，造成人工来回奔波的不便，不能很好的提高在光伏设备组件发生故障时，找出发生的故障原因，为此我们提出一种融合IV和CV的智能诊断***及其方法。
发明内容
本发明的目的在于提供一种融合IV和CV的智能诊断***及其方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种融合IV和CV的智能诊断***，包括：
IV扫描机构，用以对光伏设备的故障进行分析；
无人机；
CV检测机构，设置于无人机上，用以对IV扫描机构分析后的故障进行视觉识别；
信息处理模块，设置于无人机内部，用以对识别的图像结果与IV扫描机构分析的结果进行对比。
优选地，所述IV扫描机构包括组串式逆变器及计算机，所述组串式逆变器对光伏设备的电流和电压进行采集，再经计算机对采集的数据进行分析。
优选地，所述CV检测机构包括摄像机，所述摄像机对拍摄的图像进行识别。
一种融合IV和CV的智能诊断方法，包括
步骤A：启动IV扫描，获取前一周发电数据及本次发电数据；
步骤B：根据所述发电数据信息，确定遮挡和/或损坏区域，并给出故障结果；
步骤C：将故障结果及故障发生区域的信息通过无线模块传送给无人机：
步骤D：无人机启动后移动到故障发生区域，通过CV检测机构确定遮挡和/或损坏，包括：识别遮挡图像随时间的变化面积，根据所述变化面积与历史发电数据对比，判断是否为遮挡；
步骤E：将无人机确定的故障信息与IV扫描故障信息进行对比，故障信息一致，输出故障结果，故障不一致，重复步骤A-D，进行对比，对比次数超过预设阈值，停止对比，并输出最后一次IV扫描故障信息及无人机确定的故障信息；
步骤F：在为遮挡和/或损坏时进行分级，包括：根据处理维护成本及获得效益随时间的变化，做出不同优先级。
优选地，在步骤A中，所述数据为利用组串式逆变器采集到光伏设备每个组串的的电流和电压曲线信号信息，再通过IV测试仪得到光照、温度数据。
优选地，在步骤B中，所述光伏设备受遮挡和/或损坏时，随时间发展，发电数据产生波动。
优选地，在步骤B中，通过数据学习和AI识别算法建立故障模型库，通过将发电数据与模型库对比，给出故障结果。
优选地，在步骤D中，
在为遮挡时，随时间变化，遮挡的阴影图像发生改变，同时发电数据发生改变；
在为光伏设备损坏时，不能检测到遮挡的阴影。
优选地，在存在遮挡时，通过算法对无人机采集到的红外及高清可见光图像进行识别，判断具体遮挡物体。
优选地，在步骤F中，
设置遮挡时间阈值和光伏设备损坏影响发电效率的阈值，在超过阈值时，对遮挡物体进行排障，在不超过阈值时不需处理。
与现有技术相比，本发明的有益效果是：
通过设置有CV检测机构、无人机及信息处理模块，便于避免仅依靠IV扫描进行检测，检测的准确率低，导致需要人工频繁的往返发生故障的光伏设备区域，本装置通过两种不同形式的检测、智能算法的计算，能够提高检测的准确性，能够很好的在后期根据遮挡物、光伏设备组件损坏采取不同的应对策略，通过本发明的诊断方法，采用电压、电流数据、数据库故障的对比，图像的采集，能够迅速及准确的判断故障区域及故障原因，同时采用不同的优先级别，可以给出后期人工排障时的建议，根据轻重缓急，维护成本，采用不同的维护形式。
附图说明
图1为本发明的结构示意图；
图2为本发明的诊断方法结构示意图；
图3为本发明的IV扫描和CV检测对比结构示意图；
图4为本发明的诊断故障信息准确率效果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图4，本发明提供一种技术方案：一种融合IV和CV的智能诊断***，包括：
IV扫描机构，用以对光伏设备的故障进行分析；
无人机；
CV检测机构，即计算机视觉领域中的目标检测，其基本流程是在给定图像中找到关注目标，确定目标类别并输出相应的坐标位置，对输入的图像进行描述，从已有的类标签集合中找出最符合的标签分配给该图像，设置于无人机上，用以对IV扫描机构分析后的故障进行识别视觉识别；
信息处理模块，设置于无人机内部，用以对识别的图像结果与IV扫描机构分析的结果进行对比，将CV检测机构识别的故障信息与IV扫描机构分析的故障信息进行对比，结果一致的话，说明故障信息是存在的，输出故障结果，如果结果不一致，会对故障信息进行再次对比。
优选地，所述IV扫描机构包括组串式逆变器及计算机，所述组串式逆变器对光伏设备的电流和电压进行采集，再经计算机对采集的数据进行分析，便于根据电流及电压的改变，判断是否为遮挡。
优选地，所述CV检测机构包括摄像机，所述摄像机对拍摄的图像进行识别。
一种融合IV和CV的智能诊断方法，包括
步骤A：启动IV扫描，获取前一周发电数据及本次发电数据；
步骤B：根据所述发电数据信息，确定遮挡和/或损坏区域，并给出故障结果，便于进行第一次故障信息判断；
步骤C：将故障结果及故障发生区域的信息通过无线模块传送给无人机，便于后续对故障信息进行对比：
步骤D：无人机启动后移动到故障发生区域，通过CV检测机构确定遮挡和/或损坏，包括：识别遮挡图像随时间的变化面积，根据所述变化面积与历史发电数据对比，判断是否为遮挡，便于通过图像识别，更好的判断是遮挡故障还是光伏设备组件损坏故障；
步骤E：将无人机确定的故障信息与IV扫描故障信息进行对比，故障信息一致，输出故障结果，故障不一致，重复步骤A-D，进行对比，对比次数超过预设阈值，停止对比，并输出最后一次IV扫描故障信息及无人机确定的故障信息，便于对故障信息进行验证，进而提高故障信息的准确性；
步骤F：在为遮挡和/或损坏时进行分级，包括：根据处理维护成本及获得效益随时间的变化，做出不同优先级，便于后期根据维护成本给出排障人员建议。
优选地，在步骤A中，所述数据为利用组串式逆变器采集到光伏设备每个组串的的电流和电压曲线信号信息，再通过IV测试仪得到光照、温度数据，便于更好的根据电流电压信息对故障进行判断。
优选地，在步骤B中，所述光伏设备受遮挡和/或损坏时，随时间发展，发电数据产生波动。
优选地，在步骤B中，通过数据学习和AI识别算法建立故障模型库，通过将发电数据与模型库对比，给出故障结果。
优选地，在步骤D中，
在为遮挡时，随时间变化，遮挡的阴影图像发生改变，同时发电数据发生改变；
在为光伏设备损坏时，不能检测到遮挡的阴影。
优选地，在存在遮挡时，通过算法对无人机采集到的红外及高清可见光图像进行识别，判断具体遮挡物体。
优选地，在步骤F中，
设置遮挡时间阈值和光伏设备损坏影响发电效率的阈值，在超过阈值时，对遮挡物体进行排障，在不超过阈值时不需处理。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种融合IV和CV的智能诊断***，其特征在于，包括：
IV扫描机构，用以对光伏设备的故障进行分析；
无人机；
CV检测机构，设置于无人机上，用以对IV扫描机构分析后的故障进行视觉识别；
信息处理模块，设置于无人机内部，用以对识别的图像结果与IV扫描机构分析的结果进行对比。
2.根据权利要求1所述的一种融合IV和CV的智能诊断***，其特征在于：所述IV扫描机构包括组串式逆变器及计算机，所述组串式逆变器对光伏设备的电流和电压进行采集，再经计算机对采集的数据进行分析。
3.根据权利要求1所述的一种融合IV和CV的智能诊断***，其特征在于：所述CV检测机构包括摄像机，所述摄像机对拍摄的图像进行识别。
4.一种融合IV和CV的智能诊断方法，其特征在于：包括
步骤A：启动IV扫描，获取前一周发电数据及本次发电数据；
步骤B：根据所述发电数据信息，确定遮挡和/或损坏区域，并给出故障结果；
步骤C：将故障结果及故障发生区域的信息通过无线模块传送给无人机：
步骤D：无人机启动后移动到故障发生区域，通过CV检测机构确定遮挡和/或损坏，包括：识别遮挡图像随时间的变化面积，根据所述变化面积与历史发电数据对比，判断是否为遮挡；
步骤E：将无人机确定的故障信息与IV扫描故障信息进行对比，故障信息一致，输出故障结果，故障不一致，重复步骤A-D，进行对比，对比次数超过预设阈值，停止对比，并输出最后一次IV扫描故障信息及无人机确定的故障信息；
步骤F：在为遮挡和/或损坏时进行分级，包括：根据处理维护成本及获得效益随时间的变化，做出不同优先级。
5.根据权利要求4所述的一种融合IV和CV的智能诊断方法，其特征在于：在步骤A中，所述数据为利用组串式逆变器采集到光伏设备每个组串的的电流和电压曲线信号信息，再通过IV测试仪得到光照、温度数据。
6.根据权利要求4所述的一种融合IV和CV的智能诊断方法，其特征在于：在步骤B中，所述光伏设备受遮挡和/或损坏时，随时间发展，发电数据产生波动。
7.根据权利要求4所述的一种融合IV和CV的智能诊断方法，其特征在于：在步骤B中，通过数据学习和AI识别算法建立故障模型库，通过将发电数据与模型库对比，给出故障结果。
8.根据权利要求6或7所述的一种融合IV和CV的智能诊断方法，其特征在于：在步骤D中，
在为遮挡时，随时间变化，遮挡的阴影图像发生改变，同时发电数据发生改变；
在为光伏设备损坏时，不能检测到遮挡的阴影。
9.根据权利要求8所述的一种融合IV和CV的智能诊断方法，其特征在于：在存在遮挡时，通过算法对无人机采集到的红外及高清可见光图像进行识别，判断具体遮挡物体。
10.根据权利要求4所述的一种融合IV和CV的智能诊断方法，其特征在于：在步骤F中，
设置遮挡时间阈值和光伏设备损坏影响发电效率的阈值，在超过阈值时，对遮挡物体进行排障，在不超过阈值时不需处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310633123.8A CN116681665A (zh) | 2023-05-31 | 2023-05-31 | 一种融合iv和cv的智能诊断***及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310633123.8A CN116681665A (zh) | 2023-05-31 | 2023-05-31 | 一种融合iv和cv的智能诊断***及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116681665A true CN116681665A (zh) | 2023-09-01 |
Family
ID=87784791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310633123.8A Pending CN116681665A (zh) | 2023-05-31 | 2023-05-31 | 一种融合iv和cv的智能诊断***及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116681665A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117788006A (zh) * | 2024-01-03 | 2024-03-29 | 北京盛迅科技有限公司 | 一种基于人工智能的企业信息化管理***及方法 |
-
2023
- 2023-05-31 CN CN202310633123.8A patent/CN116681665A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117788006A (zh) * | 2024-01-03 | 2024-03-29 | 北京盛迅科技有限公司 | 一种基于人工智能的企业信息化管理***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2023508759A (ja) | 太陽光発電アレイの動作状態を決定する方法および装置、デバイス並びに記憶媒体 | |
| CN110567964B (zh) | 一种检测变电设备缺陷的方法、装置及存储介质 | |
| CN116681665A (zh) | 一种融合iv和cv的智能诊断***及其方法 | |
| CN116394794B (zh) | 一种高安全性智能充电桩 | |
| CN112697798B (zh) | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 | |
| JP2019022251A (ja) | 太陽電池診断方法及び太陽電池診断システム | |
| CN112653393B (zh) | 一种光伏***iv诊断的控制方法及装置 | |
| CN116418293B (zh) | 一种基于物联网大数据的光伏电站智慧诊断*** | |
| CN112818806A (zh) | 一种基于深度学习的变电站巡检机器人辅助导航方法 | |
| CN115619592A (zh) | 一种光伏组串损失电量计算方法及*** | |
| CN116385421A (zh) | 光伏面板检测方法、无人机和计算机可读存储介质 | |
| CN117411436B (zh) | 光伏组件状态检测方法、***及存储介质 | |
| CN116827264B (zh) | 一种用于光伏发电的预警*** | |
| Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
| CN117372954A (zh) | 充电站安全监测方法、装置、***和计算机设备 | |
| US11339763B2 (en) | Method for windmill farm monitoring | |
| CN104849654A (zh) | 断路器在线监测方法及*** | |
| CN115061012A (zh) | 基于边缘计算供电电网智能监测诊断***及方法 | |
| WO2022096571A1 (en) | Solar energy facility monitoring | |
| CN113992151A (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
| CN114360089A (zh) | 配电开关室的设备巡检方法、装置、设备及介质 | |
| CN113657621A (zh) | 一种隐患监测方法和*** | |
| Hwang et al. | Soiling detection for photovoltaic modules based on an intelligent method with image processing | |
| CN117559502B (zh) | 一种新能源储能变流升压一体舱 | |
| Wang et al. | Electrical Fault Detection Based On Infrared Temperature Measurement Technology |
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 |