CN117236936A - 一种基于无人机的光伏电站障碍定位方法 - Google Patents
一种基于无人机的光伏电站障碍定位方法 Download PDFInfo
- Publication number
- CN117236936A CN117236936A CN202311497473.2A CN202311497473A CN117236936A CN 117236936 A CN117236936 A CN 117236936A CN 202311497473 A CN202311497473 A CN 202311497473A CN 117236936 A CN117236936 A CN 117236936A
- Authority
- CN
- China
- Prior art keywords
- image
- inspection
- power station
- photovoltaic power
- photovoltaic
- 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 26
- 238000007689 inspection Methods 0.000 claims abstract description 129
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明涉及障碍定位技术领域,且公开了一种基于无人机的光伏电站障碍定位方法,包括以下步骤:采集光伏电站初始图像,对每个拍摄点进行标记;将飞行路线图放置于空间坐标系中;对初始图像进行图像预处理后进行储存;拍摄光伏电站的巡检图像;对每次的巡检图像进行分析;得出对比参数;分析得出图像Xji的障碍机会度,并将图像Xji所对应的拍摄点坐标发送至终端;根据坐标点顺序对光伏电板进行人工检修与维护;通过设有步骤S06,有利于通过采集巡检图像中的普通图像参数与光伏电站初始图像参数进行对比,通过计算初始变化系数与单频次变化系数,得出最终的对比参数,得到光伏电板表面变化情况数据,加入光伏电板的变化情况数据,能够提高准确性。
Description
技术领域
本发明涉及障碍定位技术领域,更具体地涉及一种基于无人机的光伏电站障碍定位方法。
背景技术
光伏电站作为利用太阳能发电的设施,随着电站设备大面积铺设以及设备运行时间的延长,其运维过程中面临了诸多难题,其中,光伏组件故障问题的及时处理和维护对于光伏电站的长期稳定运行和发电效益来说具有至关重要的意义,因此及时发现并找到光伏电站的障碍位置十分必要。
近年来,采用无人机进行光伏巡检的方案得到了广泛的运用,相比传统的人工巡检,无人机巡检能够有效减少人力成本,可以快速地获取光伏电站的运行数据和异常情况,通过无人机携带的各种传感器和双光相机,可以收集大量的巡检数据,这些数据可以方便地记录和分析,从而更好地了解光伏电站的运行情况。
热斑效应对光伏电站的运行影响极大,而光伏电站铺设范围大,覆盖面积广,对产生热斑故障的光伏电板进行障碍定位能够保证维修人员及时找到准确位置,及时进行维修处理,保障光伏电站的正常运行,延长光伏电板使用寿命,因此使用无人机对光伏电站进行热斑效应的障碍定位十分必要。
发明内容
为了克服现有技术的上述缺陷,本发明提供了一种基于无人机的光伏电站障碍定位方法,以解决上述背景技术中存在的问题。
本发明提供如下技术方案:一种基于无人机的光伏电站障碍定位方法,包括以下步骤:
步骤S01:设定无人机飞行线路L与拍摄间隔时间t,将设定好的无人机飞行路线形成路线图,通过无人机采集光伏电站初始图像,对每个拍摄点进行标记,将无人机进行拍摄的点依次标记为O1、O2、O3…Oi…On,对应的拍摄图像依次标记为P1、P2、P3…Pi…Pn;
步骤S02:将无人机飞行路线图放置于空间坐标系中,则无人机进行拍摄的点可用空间坐标系的形式依次表示为O(x1,y1,z1)、O(x2,y2,z2)、O(x3,y3,z3)…O(xi,yi,zi)…O(xn,yn,zn);
步骤S03:对步骤S01中拍摄的光伏电站初始图像进行图像预处理后进行储存;
步骤S04:采用无人机对光伏电站进行定期巡检,拍摄光伏电站的巡检图像并执行步骤S05;
步骤S05:对每次的巡检图像进行分析:对巡检图像进行预处理后,基于图像识别技术采集巡检图像的巡检图像参数,分析计算后得出第j次巡检中第i个拍摄点图像的巡检偏重度Dji;
步骤S06:基于图像识别技术从步骤S03的图像中采集基础参考参数,与步骤S05中的普通图像参数进行对比,得出对比参数,当光伏电站出现热斑效应障碍时,继续执行步骤S07;
步骤S07:基于步骤S05与步骤S06的数据,分析得出图像Xji的障碍机会度,并按数值从大到小进行排序,并将图像Xji所对应的拍摄点坐标O(xi,yi,zi)按相同的顺序发送至终端;
步骤S08:根据步骤S07所传输的坐标点顺序对光伏电板进行人工检修与维护。
优选的,所述步骤S04中的巡检路线与设定的无人机飞行线路L相同,拍摄点也与步骤S01中的拍摄点位置相同,所述巡检图像包括普通图像与红外图像,将普通图像按照巡检次数依次标记为X1、X2、X3…Xj…Xm,将红外图像按照巡检次数依次标记为H1、H2、H3…Hj…Hm,其中,Xj为第j次巡检所拍摄的普通图像,Hj为第j次巡检所拍摄的红外图像,将第j次巡检中各拍摄点的普通图像依次标记为Xj1、Xj2、Xj3…Xji…Xjn,将第j次巡检中各拍摄点的红外图像依次标记为Hj1、Hj2、Hj3…Hji…Hjn。
优选的,所述步骤S05中的巡检图像参数包括光伏电板的总面积、出现热斑的区域数量、出现热斑的区域总面积、表面污渍区域数量、表面污渍区域总面积、光伏电板被遮挡区域数量以及光伏电板被遮挡区域总面积。
优选的,所述步骤S06中的基础参考参数包括光伏电板的倾斜角度、光伏电板之间的间距、表面污渍区域数量、表面污渍区域总面积、光伏电板被遮挡区域数量以及光伏电板被遮挡区域总面积。
优选的,所述巡检偏重度Dji的计算包括以下步骤:
步骤S11:计算热斑影响权重系数Aji:,其中,Rji为第j次巡检中第i个拍摄点图像中出现热斑的区域总面积,rji为第j次巡检中第i个拍摄点图像中出现热斑的区域数量,Sji为第j次巡检中第i个拍摄点图像中的光伏电板的总面积;
步骤S12:计算额外影响权重系数Bji:,其中,Wji为第j次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Zji为第j次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,wji为第j次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域数量,zji为第j次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域数量;
步骤S13:计算巡检偏重度:,其中,Dji为第j次巡检中第i个拍摄点图像的巡检偏重度。
优选的,所述对比参数的计算包括以下步骤:
步骤S21:将第一次巡检图像的普通图像与光伏电站初始图像进行对比,得出第一次巡检过后的光伏电站的初始变化系数:,其中,β0为初始变化系数,W1i为第一次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Z1i为第一次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,Woi为光伏电站初始图像Pi中光伏电板表面出现污渍的区域总面积,Zoi为光伏电站初始图像Pi中光伏电板表面出现污渍的区域总面积,n为拍摄点总个数;
步骤S22:将第一次过后的巡检图像中的普通图像与第一次巡检图像的普通图像进行对比,得出单频次变化系数:,其中,W(j-1)i为第(j-1)次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Z(j-1)i为第(j-1)次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,m为巡检总次数;
步骤S23:计算对比参数:,其中,γ为对比参数,b为变动系数。
优选的,所述障碍机会度的计算公式为:,其中,OPPji为图像Xji的障碍机会度,K为光伏电板的使用寿命年限。
本发明的技术效果和优点:
(1)本发明通过设有步骤S05,有利于采集巡检图像的巡检图像参数,得出第j次巡检中第i个拍摄点图像的巡检偏重度Dji,通过计算热斑影响权重系数与额外影响权重系数,得出光伏电板表面图像发生变动的因素影响权重,从而计算得出巡检偏重度,为计算最终的障碍机会度奠定了基础,对多块光伏电板的图像分别进行处理,保证了数据的准确度与障碍定位的准确度。
(2)本发明通过设有步骤S06,有利于通过采集巡检图像中的普通图像参数与光伏电站初始图像参数进行对比,从而获得与光伏电板图像变化情况相关的系数,通过计算初始变化系数与单频次变化系数,得出最终的对比参数,得到光伏电板表面变化情况数据,加入光伏电板的变化情况数据,能够提高准确性。
附图说明
图1为本发明的基于无人机的光伏电站障碍定位方法流程图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,另外,在以下的实施方式中记载的各结构的形态只不过是例示,本发明所涉及的一种基于无人机的光伏电站障碍定位方法并不限定于在以下的实施方式中记载的各结构,在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
本发明提供了一种基于无人机的光伏电站障碍定位方法,包括以下步骤:
步骤S01:设定无人机飞行线路L与拍摄间隔时间t,将设定好的无人机飞行路线形成路线图,通过无人机采集光伏电站初始图像,对每个拍摄点进行标记,将无人机进行拍摄的点依次标记为O1、O2、O3…Oi…On,对应的拍摄图像依次标记为P1、P2、P3…Pi…Pn,所述光伏电站的初始图像能够涵盖所有的光伏板,设定的无人机飞行路线根据光伏电站的具体地形具体设定,所述飞行路线L与拍摄间隔时间t使无人机能够拍摄到所有的光伏电板图像即可;
步骤S02:将无人机飞行路线图放置于空间坐标系中,则无人机进行拍摄的点可用空间坐标系的形式依次表示为O(x1,y1,z1)、O(x2,y2,z2)、O(x3,y3,z3)…O(xi,yi,zi)…O(xn,yn,zn);
步骤S03:对步骤S01中拍摄的光伏电站初始图像进行图像预处理后进行储存,所述图像预处理包括但不限于图像灰度化、几何变换以及图像增强;
步骤S04:采用无人机对光伏电站进行定期巡检,拍摄光伏电站的巡检图像并执行步骤S05,巡检路线与设定的无人机飞行线路L相同,拍摄点也与步骤S01中的拍摄点位置相同,所述巡检图像包括普通图像与红外图像,将普通图像按照巡检次数依次标记为X1、X2、X3…Xj…Xm,将红外图像按照巡检次数依次标记为H1、H2、H3…Hj…Hm,其中,Xj为第j次巡检所拍摄的普通图像,Hj为第j次巡检所拍摄的红外图像,将第j次巡检中各拍摄点的普通图像依次标记为Xj1、Xj2、Xj3…Xji…Xjn,将第j次巡检中各拍摄点的红外图像依次标记为Hj1、Hj2、Hj3…Hji…Hjn;
步骤S05:对每次的巡检图像进行分析:对巡检图像进行预处理后,基于图像识别技术采集巡检图像的巡检图像参数,分析计算后得出第j次巡检中第i个拍摄点图像的巡检偏重度Dji;
步骤S06:基于图像识别技术从步骤S03的图像中采集基础参考参数,与步骤S05中的普通图像参数进行对比,得出对比参数,当光伏电站出现热斑效应障碍时,继续执行步骤S07;
步骤S07:基于步骤S05与步骤S06的数据,分析得出图像Xji的障碍机会度,并按数值从大到小进行排序,并将图像Xji所对应的拍摄点坐标O(xi,yi,zi)按相同的顺序发送至终端;
步骤S08:根据步骤S07所传输的坐标点顺序对光伏电板进行人工检修与维护,按顺序从障碍机会度最大的光伏电板依次检查到障碍机会度最小的光伏电板,能够从多块存在热斑效应的光伏电板中最快地找到出现问题的光伏电板,进行更换,同时对其他出现热斑效应但依旧能正常使用的光伏电板进行维护,尽可能地延长光伏电板的使用寿命。
本实施例中,需要具体说明的是,所述巡检图像参数包括但不限于光伏电板的总面积、出现热斑的区域数量、出现热斑的区域总面积、表面污渍区域数量、表面污渍区域总面积、光伏电板被遮挡区域数量以及光伏电板被遮挡区域总面积。
本实施例中,需要具体说明的是,所述巡检偏重度Dji的计算包括以下步骤:
步骤S11:计算热斑影响权重系数Aji:,其中,Rji为第j次巡检中第i个拍摄点图像中出现热斑的区域总面积,rji为第j次巡检中第i个拍摄点图像中出现热斑的区域数量,Sji为第j次巡检中第i个拍摄点图像中的光伏电板的总面积;
步骤S12:计算额外影响权重系数Bji:,其中,Wji为第j次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Zji为第j次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,wji为第j次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域数量,zji为第j次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域数量;
步骤S13:计算巡检偏重度:,其中,Dji为第j次巡检中第i个拍摄点图像的巡检偏重度。
本实施例中,需要具体说明的是,所述步骤S06中的基础参考参数包括但不限于光伏电板的倾斜角度、光伏电板之间的间距、表面污渍区域数量、表面污渍区域总面积、光伏电板被遮挡区域数量以及光伏电板被遮挡区域总面积。
本实施例中,需要具体说明的是,所述对比参数的计算包括以下步骤:
步骤S21:将第一次巡检图像的普通图像与光伏电站初始图像进行对比,得出第一次巡检过后的光伏电站的初始变化系数:,其中,β0为初始变化系数,W1i为第一次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Z1i为第一次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,Woi为光伏电站初始图像Pi中光伏电板表面出现污渍的区域总面积,Zoi为光伏电站初始图像Pi中光伏电板表面出现污渍的区域总面积,n为拍摄点总个数;
步骤S22:将第一次过后的巡检图像中的普通图像与第一次巡检图像的普通图像进行对比,得出单频次变化系数:,其中,W(j-1)i为第(j-1)次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Z(j-1)i为第(j-1)次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,m为巡检总次数;
步骤S23:计算对比参数:,其中,γ为对比参数,b为变动系数,,其中,α为光伏电板的倾斜角度,α标为光伏电板标准的最佳倾斜角度,d为光伏电板之间的间距,d标为光伏电板之间标准的最佳间距。
本实施例中,需要具体说明的是,所述障碍机会度的计算公式为:
,其中,OPPji为图像Xji的障碍机会度,K为光伏电板的使用寿命年限,OPPji的值越大,说明光伏电板发生热斑效应导致障碍的概率越大,图像Xji所对应的光伏电板成为导致光伏电站障碍的故障点的可能性越大,则按图像Xji所对应的拍摄点坐标进行定位,便能够找到所对应的光伏电板位置,进而能够使工作人员对光伏电板进行检修。
本实施例中,需要具体说明的是,所述障碍机会度的值越大,则说明障碍机会度所对应的图像发生热斑效应故障的可能性越大,率先对可能性大的光伏电板进行检查,能够最大概率地找出发生故障点的光伏电板,因此对对应图像进行定位,并按顺序进行排查,能够最大限度地节约障碍点查找时间,最快地找出障碍光伏电板,同时能够对出现热斑效应的光伏电板进行相应维护。
本实施例中,需要具体说明的是,本实施与现有技术的区别主要在于本实施例具备步骤S05与步骤S06,有利于采集巡检图像的巡检图像参数,得出第j次巡检中第i个拍摄点图像的巡检偏重度Dji,通过计算热斑影响权重系数与额外影响权重系数,得出光伏电板表面图像发生变动的因素影响权重,从而计算得出巡检偏重度,为计算最终的障碍机会度奠定了基础,对多个光伏电板的图像分别进行处理,保证了数据的准确度与障碍定位的准确度,通过采集巡检图像中的普通图像参数与光伏电站初始图像参数进行对比,从而获得与光伏电板图像变化情况相关的系数,通过计算初始变化系数与单频次变化系数,得出最终的对比参数,得到光伏电板表面变化情况数据,加入光伏电板的变化情况数据,能够提高准确性。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于无人机的光伏电站障碍定位方法,其特征在于:包括以下步骤:
步骤S01:设定无人机飞行线路L与拍摄间隔时间t,将设定好的无人机飞行路线形成路线图,通过无人机采集光伏电站初始图像,对每个拍摄点进行标记,将无人机进行拍摄的点依次标记为O1、O2、O3…Oi…On,对应的拍摄图像依次标记为P1、P2、P3…Pi…Pn;
步骤S02:将无人机飞行路线图放置于空间坐标系中,则无人机进行拍摄的点可用空间坐标系的形式依次表示为O(x1,y1,z1)、O(x2,y2,z2)、O(x3,y3,z3)…O(xi,yi,zi)…O(xn,yn,zn);
步骤S03:对步骤S01中拍摄的光伏电站初始图像进行图像预处理后进行储存;
步骤S04:采用无人机对光伏电站进行定期巡检,拍摄光伏电站的巡检图像并执行步骤S05;
步骤S05:对每次的巡检图像进行分析:对巡检图像进行预处理后,基于图像识别技术采集巡检图像的巡检图像参数,分析计算后得出第j次巡检中第i个拍摄点图像的巡检偏重度Dji;
步骤S06:基于图像识别技术从步骤S03的图像中采集基础参考参数,与步骤S05中的普通图像参数进行对比,得出对比参数,当光伏电站出现热斑效应障碍时,继续执行步骤S07;
步骤S07:基于步骤S05与步骤S06的数据,分析得出图像Xji的障碍机会度,并按数值从大到小进行排序,并将图像Xji所对应的拍摄点坐标O(xi,yi,zi)按相同的顺序发送至终端;
步骤S08:根据步骤S07所传输的坐标点顺序对光伏电板进行人工检修与维护。
2.根据权利要求1所述的一种基于无人机的光伏电站障碍定位方法,其特征在于:所述步骤S04中的巡检路线与设定的无人机飞行线路L相同,拍摄点也与步骤S01中的拍摄点位置相同,所述巡检图像包括普通图像与红外图像,将普通图像按照巡检次数依次标记为X1、X2、X3…Xj…Xm,将红外图像按照巡检次数依次标记为H1、H2、H3…Hj…Hm,其中,Xj为第j次巡检所拍摄的普通图像,Hj为第j次巡检所拍摄的红外图像,将第j次巡检中各拍摄点的普通图像依次标记为Xj1、Xj2、Xj3…Xji…Xjn,将第j次巡检中各拍摄点的红外图像依次标记为Hj1、Hj2、Hj3…Hji…Hjn。
3.根据权利要求1所述的一种基于无人机的光伏电站障碍定位方法,其特征在于:所述步骤S05中的巡检图像参数包括光伏电板的总面积、出现热斑的区域数量、出现热斑的区域总面积、表面污渍区域数量、表面污渍区域总面积、光伏电板被遮挡区域数量以及光伏电板被遮挡区域总面积。
4.根据权利要求1所述的一种基于无人机的光伏电站障碍定位方法,其特征在于:所述步骤S06中的基础参考参数包括光伏电板的倾斜角度、光伏电板之间的间距、表面污渍区域数量、表面污渍区域总面积、光伏电板被遮挡区域数量以及光伏电板被遮挡区域总面积。
5.根据权利要求1所述的一种基于无人机的光伏电站障碍定位方法,其特征在于:所述巡检偏重度Dji的计算包括以下步骤:
步骤S11:计算热斑影响权重系数Aji:,其中,Rji为第j次巡检中第i个拍摄点图像中出现热斑的区域总面积,rji为第j次巡检中第i个拍摄点图像中出现热斑的区域数量,Sji为第j次巡检中第i个拍摄点图像中的光伏电板的总面积;
步骤S12:计算额外影响权重系数Bji:,其中,Wji为第j次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Zji为第j次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,wji为第j次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域数量,zji为第j次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域数量;
步骤S13:计算巡检偏重度:,其中,Dji为第j次巡检中第i个拍摄点图像的巡检偏重度。
6.根据权利要求1所述的一种基于无人机的光伏电站障碍定位方法,其特征在于:所述对比参数的计算包括以下步骤:
步骤S21:将第一次巡检图像的普通图像与光伏电站初始图像进行对比,得出第一次巡检过后的光伏电站的初始变化系数:,其中,β0为初始变化系数,W1i为第一次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Z1i为第一次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,Woi为光伏电站初始图像Pi中光伏电板表面出现污渍的区域总面积,Zoi为光伏电站初始图像Pi中光伏电板表面出现污渍的区域总面积,n为拍摄点总个数;
步骤S22:将第一次过后的巡检图像中的普通图像与第一次巡检图像的普通图像进行对比,得出单频次变化系数:,其中,W(j-1)i为第(j-1)次巡检中第i个拍摄点图像中光伏电板表面出现污渍的区域总面积,Z(j-1)i为第(j-1)次巡检中第i个拍摄点图像中光伏电板表面出现被遮挡的区域总面积,m为巡检总次数;
步骤S23:计算对比参数:,其中,γ为对比参数,b为变动系数。
7.根据权利要求1所述的一种基于无人机的光伏电站障碍定位方法,其特征在于:所述障碍机会度的计算公式为:,其中,OPPji为图像Xji的障碍机会度,K为光伏电板的使用寿命年限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311497473.2A CN117236936A (zh) | 2023-11-11 | 2023-11-11 | 一种基于无人机的光伏电站障碍定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311497473.2A CN117236936A (zh) | 2023-11-11 | 2023-11-11 | 一种基于无人机的光伏电站障碍定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117236936A true CN117236936A (zh) | 2023-12-15 |
Family
ID=89089700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311497473.2A Pending CN117236936A (zh) | 2023-11-11 | 2023-11-11 | 一种基于无人机的光伏电站障碍定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236936A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170113939A (ko) * | 2016-03-29 | 2017-10-13 | 현대디지텍이엔씨(주) | 세척 기능을 갖는 태양광 발전 시스템 및 장치 |
CN109215042A (zh) * | 2018-09-28 | 2019-01-15 | 吉林电力股份有限公司科技开发分公司 | 一种基于计算机视觉的光伏电池板热斑效应检测***及其计算方法 |
CN111522355A (zh) * | 2020-03-19 | 2020-08-11 | 尚特杰电力科技有限公司 | 一种基于边缘计算的无人机巡检***及其巡检方法 |
CN111753645A (zh) * | 2020-05-11 | 2020-10-09 | 深圳创动科技有限公司 | 一种光伏电站的巡检方法、巡检装置以及存储介质 |
CN112633535A (zh) * | 2021-01-14 | 2021-04-09 | 国网安徽省电力有限公司 | 一种基于无人机图像的光伏电站智能巡检方法及*** |
CN114115361A (zh) * | 2021-11-08 | 2022-03-01 | 苏州热工研究院有限公司 | 一种基于光伏电站的无人机巡检***及其巡检方法 |
CN114898232A (zh) * | 2022-04-29 | 2022-08-12 | 中科云尚(南京)智能技术有限公司 | 基于光伏组串数据分析的光伏电站无人机巡检方法及*** |
CN115082858A (zh) * | 2022-06-25 | 2022-09-20 | 华能(上海)电力检修有限责任公司 | 一种光伏电站智能巡检故障诊断***及其方法 |
CN116402882A (zh) * | 2023-06-09 | 2023-07-07 | 天津市渤海新能科技有限公司 | 一种光伏电站故障定位方法、装置、***及存储介质 |
WO2023132458A1 (ko) * | 2022-01-07 | 2023-07-13 | 금오공과대학교 산학협력단 | 자율운항 무인 이동체를 이용한 해상 풍력발전 단지 관리시스템 |
CN116773598A (zh) * | 2023-05-23 | 2023-09-19 | 上海深邃智能科技有限公司 | 无人机自动巡检与定位光伏板缺陷的数字化方法 |
CN116797944A (zh) * | 2022-11-28 | 2023-09-22 | 北京信息科技大学 | 一种基于无人机图像识别光伏面板清洁度的检测方法及*** |
CN116866512A (zh) * | 2023-05-19 | 2023-10-10 | 大唐共和清洁能源有限公司 | 一种光伏电站巡检***及其运行方法 |
CN116915171A (zh) * | 2023-07-13 | 2023-10-20 | 中网能源科技(广东)有限公司 | 一种光伏支路故障检测方法、装置和光伏发电*** |
-
2023
- 2023-11-11 CN CN202311497473.2A patent/CN117236936A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170113939A (ko) * | 2016-03-29 | 2017-10-13 | 현대디지텍이엔씨(주) | 세척 기능을 갖는 태양광 발전 시스템 및 장치 |
CN109215042A (zh) * | 2018-09-28 | 2019-01-15 | 吉林电力股份有限公司科技开发分公司 | 一种基于计算机视觉的光伏电池板热斑效应检测***及其计算方法 |
CN111522355A (zh) * | 2020-03-19 | 2020-08-11 | 尚特杰电力科技有限公司 | 一种基于边缘计算的无人机巡检***及其巡检方法 |
CN111753645A (zh) * | 2020-05-11 | 2020-10-09 | 深圳创动科技有限公司 | 一种光伏电站的巡检方法、巡检装置以及存储介质 |
CN112633535A (zh) * | 2021-01-14 | 2021-04-09 | 国网安徽省电力有限公司 | 一种基于无人机图像的光伏电站智能巡检方法及*** |
CN114115361A (zh) * | 2021-11-08 | 2022-03-01 | 苏州热工研究院有限公司 | 一种基于光伏电站的无人机巡检***及其巡检方法 |
WO2023132458A1 (ko) * | 2022-01-07 | 2023-07-13 | 금오공과대학교 산학협력단 | 자율운항 무인 이동체를 이용한 해상 풍력발전 단지 관리시스템 |
CN114898232A (zh) * | 2022-04-29 | 2022-08-12 | 中科云尚(南京)智能技术有限公司 | 基于光伏组串数据分析的光伏电站无人机巡检方法及*** |
CN115082858A (zh) * | 2022-06-25 | 2022-09-20 | 华能(上海)电力检修有限责任公司 | 一种光伏电站智能巡检故障诊断***及其方法 |
CN116797944A (zh) * | 2022-11-28 | 2023-09-22 | 北京信息科技大学 | 一种基于无人机图像识别光伏面板清洁度的检测方法及*** |
CN116866512A (zh) * | 2023-05-19 | 2023-10-10 | 大唐共和清洁能源有限公司 | 一种光伏电站巡检***及其运行方法 |
CN116773598A (zh) * | 2023-05-23 | 2023-09-19 | 上海深邃智能科技有限公司 | 无人机自动巡检与定位光伏板缺陷的数字化方法 |
CN116402882A (zh) * | 2023-06-09 | 2023-07-07 | 天津市渤海新能科技有限公司 | 一种光伏电站故障定位方法、装置、***及存储介质 |
CN116915171A (zh) * | 2023-07-13 | 2023-10-20 | 中网能源科技(广东)有限公司 | 一种光伏支路故障检测方法、装置和光伏发电*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109029299B (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
US20210003114A1 (en) | Method and device for determining tower clearance for wind turbine | |
CN108894933A (zh) | 通过无人机对风机叶尖跟踪检测时跟丢再捕捉方法及*** | |
CN112184711A (zh) | 一种光伏组件缺陷检测和定位方法及*** | |
CN110533649B (zh) | 一种无人机通用结构裂缝识别检测装置及方法 | |
CN109976339B (zh) | 一种车载配网巡检数据采集方法与巡检*** | |
CN112101118B (zh) | 一种远景与近景图像结合的光伏组件定位与匹配方法 | |
US20230105991A1 (en) | Method of imaging a wind turbine rotor blade | |
CN114434036B (zh) | 用于大型船舶结构件龙门式机器人焊接的三维视觉***及运行方法 | |
CN114881997A (zh) | 一种风电机组缺陷评估方法及相关设备 | |
CN116797944A (zh) | 一种基于无人机图像识别光伏面板清洁度的检测方法及*** | |
CN117236936A (zh) | 一种基于无人机的光伏电站障碍定位方法 | |
CN117526838A (zh) | 一种光伏电站清洁维护*** | |
CN117252840B (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
CN118012100A (zh) | 无人机智能光伏电站巡检方法及*** | |
CN111102923B (zh) | 一种反应堆压力容器顶盖贯穿件定位方法 | |
CN116245944B (zh) | 一种基于实测数据的舱段自动化对接方法及*** | |
CN114723184B (zh) | 一种基于视觉感知的风力发电机测量方法、装置以及设备 | |
CN207923179U (zh) | 智能巡检车 | |
Xu et al. | Intelligent corrosion detection and rating based on faster region-based convolutional neural network | |
CN105260989B (zh) | 基于多图配准复原三维图像的方法 | |
CN112396604B (zh) | 一种基于多视角的飞机蒙皮缺陷检测方法 | |
CN113850173A (zh) | 针对故障光伏组件的消除重复定位的方法、装置及介质 | |
CN115239002A (zh) | 一种新能源分布式光伏电站监测预警***及方法 | |
CN114047779A (zh) | 一种基于无人机巡检的缺陷追踪方法及*** |
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 |