本發(fā)明屬于太陽能光伏，尤其涉及一種基于無人機的光伏板自動清潔系統(tǒng)及其方法。

背景技術(shù)：

1、太陽能光伏板（photovoltaic?panel）是一種利用光電效應(yīng)將太陽能轉(zhuǎn)換為電能的設(shè)備，它們在可再生能源領(lǐng)域中發(fā)揮著重要作用，廣泛應(yīng)用于家庭、商業(yè)和工業(yè)電力生產(chǎn)。由于太陽能光伏板通常裝置在室外環(huán)境中，因此環(huán)境因素對其整體性能有著很大的影響，尤其是光伏板上長期聚塵?積灰，樹葉鳥糞等積聚，嚴重影響發(fā)電效率。然而，利用人工進行光伏板的清洗，效率較低，且存在安全隱患，因此對光伏板進行定期清潔是保持光伏板性能和發(fā)電效率的重要手段。

2、現(xiàn)有技術(shù)中，清洗光伏板上的污漬常采用無人機與清洗裝置結(jié)合的方式進行，然而無人機由于體積受限，其攜帶的清洗裝置通常不能太重且無法具備較高的水載能力，由此會導致無人機對光伏板的清潔效率受到一定程度上的限制且無法保證清潔效果，同時也會增加清潔成本和能耗；并且無人機本身具有的污漬識別能力也會影響清潔效果和效率。因此基于無人機對光伏板進行清潔，針對無人機搭載的清潔裝置進行改進且提高光伏板上污漬/污垢的識別能力，成為亟待解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于無人機的光伏板自動清潔系統(tǒng)及其方法，可以通過以下技術(shù)方案實現(xiàn)：

2、第一方面，本技術(shù)實施例提供了一種基于無人機的光伏板自動清潔系統(tǒng)，包括：無人機、無人機搭載的污染物清潔裝置、無人機搭載的污染物檢測裝置以及遠程控制中心；

3、所述遠程控制中心，用于獲取光伏板的運行數(shù)據(jù)以及光伏板所在區(qū)域的地理信息和氣象數(shù)據(jù)，并以此規(guī)劃無人機的飛行路徑；

4、所述無人機，用于依據(jù)規(guī)劃的飛行路徑實時監(jiān)測光伏板以獲取光伏面板圖像；

5、所述遠程控制中心，還用于分析并識別所述光伏面板圖像以確定污染物的類型和位置；還用于確定光伏板的清潔時間；

6、所述污染物清潔裝置，用于根據(jù)所述污染物的類型以及光伏板的清潔時間選擇清潔方式和清潔設(shè)備并依據(jù)污染物的位置進行清潔操作；

7、所述污染物檢測裝置，用于對清潔后的光伏板進行二次檢測并判斷光伏板的清潔狀態(tài)，若清潔后的光伏板上依然存在污染物，則再次選擇與污染物類型對應(yīng)的清潔方式進行清潔操作，否則輸出清潔完成信號；

8、所述遠程控制中心，還用于依據(jù)所述清潔完成信號記錄每一次利用無人機進行光伏板清潔時的清潔任務(wù)和清潔過程，并以此建立自適應(yīng)模型；

9、其中，所述光伏面板圖像包括第一面板圖像和第二面板圖像；

10、所述自適應(yīng)模型用于在每一輪無人機清潔操作結(jié)束后，自適應(yīng)地調(diào)整所述污染物清潔裝置的相關(guān)參數(shù)；

11、在所述遠程控制中心確定污染物的類型和位置，包括：

12、在所述遠程控制中心中預(yù)先構(gòu)建污染物檢測模型；

13、將所述光伏面板圖像輸入所述污染物檢測模型進行識別以獲取識別結(jié)果，具體包括：

14、將所述第一面板圖像輸入所述污染物檢測模型中進行識別以獲取第一識別結(jié)果，具體為：

15、將第一面板圖像輸入污染物檢測模型中以獲取與第一面板圖像所在位置對應(yīng)的原始標準圖像；

16、將第一面板圖像與原始標準圖像進行相似性對比，若對比結(jié)果超過設(shè)定的相似性閾值，則判定當前進行對比的第一面板圖像為疑似污染物圖像；

17、對所述疑似污染物圖像進行邊緣檢測以獲取污染物輪廓；

18、基于污染物輪廓進行目標檢測以獲取污染物的類型并輸出第一識別結(jié)果；

19、將所述第二面板圖像輸入所述污染物檢測模型中進行識別以獲取第二識別結(jié)果，具體為：

20、將第二面板圖像輸入污染物檢測模型中進行識別，若第二面板圖像與模型中的光斑陰影圖像匹配，則將其判定為非污染物圖像，否則判定為污染物圖像；

21、對污染物圖像進行進一步識別，具體為：

22、計算污染物圖像的污染物附著率，若污染物附著率大于設(shè)定的標準污染物附著概率，則判定此污染物圖像中的污染物為非灰塵顆粒類污染物，否則判定為灰塵顆粒類污染物；

23、對判定為非灰塵顆粒類污染物的非灰塵污染物圖像進行進一步識別，具體為：

24、計算非灰塵污染物圖像的臟污色深值，若臟污色深值大于設(shè)定的色深參考值，則判定此非灰塵污染物圖像為重度污染物圖像，否則為輕度污染物圖像；

25、輸出第二識別結(jié)果；

26、結(jié)合所述第一識別結(jié)果和所述第二識別結(jié)果以確定污染物的類型和位置。

27、優(yōu)選地，規(guī)劃無人機的飛行路徑，包括如下內(nèi)容：

28、根據(jù)光伏板的運行數(shù)據(jù)建立數(shù)字孿生模型，并以此監(jiān)測光伏板的運行狀態(tài)和性能變化；

29、根據(jù)光伏板所在區(qū)域的地理信息和氣象數(shù)據(jù)確定光伏板上出現(xiàn)運行異常時的光伏板異常時間和光伏板異常位置；

30、基于光伏板異常時間和光伏板異常位置構(gòu)建整個光伏板區(qū)域的動態(tài)時空地圖；

31、以無人機相對光伏板起飛的點作為原點，在動態(tài)時空地圖中構(gòu)建位置坐標系；

32、將光伏板異常位置作為無人機飛行的目標位置，在位置坐標系中計算無人機飛行的最優(yōu)路徑，并將最優(yōu)路徑作為無人機最終的飛行路徑。

33、優(yōu)選地，確定光伏板異常位置，包括如下內(nèi)容：

34、獲取光伏板的歷史光伏數(shù)據(jù)和結(jié)構(gòu)數(shù)據(jù)；

35、以歷史光伏數(shù)據(jù)、結(jié)構(gòu)數(shù)據(jù)和地理信息為依據(jù)將光伏板劃分為多個光伏區(qū)域和若干個光伏模塊；

36、選定一個光伏模塊，檢測這一光伏模塊在當前光照強度下的發(fā)電量數(shù)值；

37、計算所述發(fā)電量數(shù)值與發(fā)電量標準值之間的差值，記為發(fā)電量差值；

38、通過遠程控制中心判斷所述發(fā)電量差值與預(yù)設(shè)異常閾值的大小，若發(fā)電量差值大于預(yù)設(shè)異常閾值，則生成發(fā)電異常信號且標記這一光伏模塊為異常模塊；否則，選定下一個光伏模塊進行發(fā)電量數(shù)值的檢測；

39、記錄每一個異常模塊在光伏板上的位置信息并以此構(gòu)建異常位置集；

40、其中，所述光伏板異常位置是在所述異常位置集中選取并確定；

41、所述歷史光伏數(shù)據(jù)包括歷史光照強度、歷史溫濕度、歷史電流數(shù)據(jù)、歷史電壓數(shù)據(jù)和歷史發(fā)電效率；所述結(jié)構(gòu)數(shù)據(jù)包括串聯(lián)結(jié)構(gòu)、并聯(lián)結(jié)構(gòu)、尺寸數(shù)據(jù)和排列方式。

42、優(yōu)選地，獲取所述光伏面板圖像，包括：

43、無人機根據(jù)光伏板異常位置確定光伏板上的異常模塊，并對異常模塊進行圖像采集以獲取第一面板圖像。

44、優(yōu)選地，獲取所述光伏面板圖像，還包括：

45、所述無人機對光伏板的全部區(qū)域進行圖像采集并對采集的圖像進行切割，獲取若干個大小相等的切割圖像；

46、提取所述切割圖像的顏色特征并進行特征篩選以獲取特征圖像；

47、對所述特征圖像進行污染物識別并選取其中包含污染物的圖像作為第二面板圖像；

48、其中，進行特征篩選以獲取特征圖像，具體為：

49、將顏色特征與光伏板未污染時的標準特征進行對比并獲取特征色差，若特征色差大于設(shè)定的色差閾值，則選擇這一顏色特征代表的切割圖像作為特征圖像，否則進行下一輪的特征對比。

50、優(yōu)選地，預(yù)先構(gòu)建所述污染物檢測模型，包括：

51、獲取模型訓練數(shù)據(jù)，包括光伏板的圖像樣本和圖像樣本對應(yīng)的標簽；

52、將所述模型訓練數(shù)據(jù)輸入深度學習模型中進行圖像樣本的特征提取；

53、根據(jù)提取的特征進行預(yù)測以輸出預(yù)測結(jié)果；

54、根據(jù)預(yù)測結(jié)果與標簽生成損失值；

55、根據(jù)損失值訓練所述深度學習模型直至滿足模型訓練的結(jié)束條件，并將結(jié)束訓練的深度學習模型確定為所述污染物檢測模型；

56、其中，圖像樣本包括存在污染物的光伏面板圖像、不存在污染物的光伏面板圖像以及疑似污染物的光伏面板圖像；

57、圖像樣本對應(yīng)的標簽包括是否存在污染物、污染物的種類、污染物的形狀、污染物的大小以及污染物的位置。

58、優(yōu)選地，所述清潔方式包括吹風式清潔、水洗式清潔和吹風-水洗式清潔。

59、優(yōu)選地，確定光伏板的清潔時間，具體為：

60、基于光伏板的運行數(shù)據(jù)獲取各圖像采集時間點的發(fā)電效率和當前發(fā)電效率，分析得出光伏板的發(fā)電評估系數(shù)；

61、基于光伏板所在區(qū)域的地理信息和氣象數(shù)據(jù)獲取當前時間點的當前光照強度和當前輻照度，分析得出光伏板的環(huán)境評估系數(shù)；

62、分析發(fā)電評估系數(shù)和環(huán)境評估系數(shù)得出光伏板的清潔時間；

63、根據(jù)污染物的類型計算污染物面積，并以此確定光伏板清潔的持續(xù)時間。

64、優(yōu)選地，建立所述自適應(yīng)模型，包括：

65、對完成清潔任務(wù)的光伏板表面進行檢測，獲取清潔度參數(shù)；

66、根據(jù)所述清潔度參數(shù)評定光伏板的初始表面清潔度；

67、提取與所述初始表面清潔度相關(guān)的清潔干擾參數(shù)；

68、根據(jù)所述清潔干擾參數(shù)設(shè)定光伏板的缺陷清潔評估因子和環(huán)境承載清潔評估因子；

69、基于缺陷清潔評估因子和環(huán)境承載清潔評估因子再次評定光伏板的表面清潔度，并統(tǒng)計得到最終的綜合表面清潔度；

70、對完成清潔任務(wù)的清潔過程進行合格性評價并獲取任務(wù)評價結(jié)果；

71、基于所述綜合表面清潔度和所述任務(wù)評價結(jié)果建立所述自適應(yīng)模型；

72、其中，所述清潔度參數(shù)包括表面圖像、各監(jiān)測時段的環(huán)境溫度、掃描的溫度分布圖以及光伏板各區(qū)域內(nèi)的反射率；所述清潔干擾參數(shù)包括結(jié)構(gòu)干擾參數(shù)、色度干擾參數(shù)和環(huán)境干擾參數(shù)。

73、第二方面，本技術(shù)實施例提供了一種基于無人機的光伏板自動清潔方法，應(yīng)用于如上所述的光伏板自動清潔系統(tǒng)，包括如下步驟：

74、獲取光伏板的運行數(shù)據(jù)以及光伏板所在區(qū)域的地理信息和氣象數(shù)據(jù)，并以此規(guī)劃無人機的飛行路徑；

75、依據(jù)規(guī)劃的飛行路徑實時監(jiān)測光伏板以獲取光伏面板圖像；所述光伏面板圖像包括第一面板圖像和第二面板圖像；

76、分析并識別所述光伏面板圖像以確定污染物的類型和位置；還用于確定光伏板的清潔時間；

77、根據(jù)所述污染物的類型以及光伏板的清潔時間選擇清潔方式和清潔設(shè)備并依據(jù)污染物的位置進行清潔操作；

78、對清潔后的光伏板進行二次檢測并判斷光伏板的清潔狀態(tài)，若清潔后的光伏板上依然存在污染物，則再次選擇與污染物類型對應(yīng)的清潔方式進行清潔操作，否則輸出清潔完成信號；

79、依據(jù)所述清潔完成信號記錄每一次利用無人機進行光伏板清潔時的清潔任務(wù)和清潔過程，并以此建立自適應(yīng)模型；

80、其中，所述光伏面板圖像包括第一面板圖像和第二面板圖像；

81、所述自適應(yīng)模型用于在每一輪無人機清潔操作結(jié)束后，自適應(yīng)地調(diào)整所述污染物清潔裝置的相關(guān)參數(shù)；

82、在所述遠程控制中心確定污染物的類型和位置，包括：

83、在所述遠程控制中心中預(yù)先構(gòu)建污染物檢測模型；

84、將所述光伏面板圖像輸入所述污染物檢測模型進行識別以獲取識別結(jié)果，具體包括：

85、將所述第一面板圖像輸入所述污染物檢測模型中進行識別以獲取第一識別結(jié)果，具體為：

86、將第一面板圖像輸入污染物檢測模型中以獲取與第一面板圖像所在位置對應(yīng)的原始標準圖像；

87、將第一面板圖像與原始標準圖像進行相似性對比，若對比結(jié)果超過設(shè)定的相似性閾值，則判定當前進行對比的第一面板圖像為疑似污染物圖像；

88、對所述疑似污染物圖像進行邊緣檢測以獲取污染物輪廓；

89、基于污染物輪廓進行目標檢測以獲取污染物的類型并輸出第一識別結(jié)果；

90、將所述第二面板圖像輸入所述污染物檢測模型中進行識別以獲取第二識別結(jié)果，具體為：

91、將第二面板圖像輸入污染物檢測模型中進行識別，若第二面板圖像與模型中的光斑陰影圖像匹配，則將其判定為非污染物圖像，否則判定為污染物圖像；

92、對污染物圖像進行進一步識別，具體為：

93、計算污染物圖像的污染物附著率，若污染物附著率大于設(shè)定的標準污染物附著概率，則判定此污染物圖像中的污染物為非灰塵顆粒類污染物，否則判定為灰塵顆粒類污染物；

94、對判定為非灰塵顆粒類污染物的非灰塵污染物圖像進行進一步識別，具體為：

95、計算非灰塵污染物圖像的臟污色深值，若臟污色深值大于設(shè)定的色深參考值，則判定此非灰塵污染物圖像為重度污染物圖像，否則為輕度污染物圖像；

96、輸出第二識別結(jié)果；

97、結(jié)合所述第一識別結(jié)果和所述第二識別結(jié)果以確定污染物的類型和位置。

98、本發(fā)明的有益效果為：

99、（1）本發(fā)明利用無人機搭載的攝像裝置對光伏板進行實時監(jiān)測，并通過遠程控制中心進行圖像分析和污染物識別，同時利用無人機搭載的清潔裝置進行光伏板清潔，并利用污染物檢測裝置進行清潔后的再次檢測；此外，本發(fā)明中對無人機搭載的清潔裝置進行改進，采用了吹風式清潔、水洗式清潔以及吹風-水洗式清潔結(jié)合的多種清潔方式，可以根據(jù)污染物的種類進行靈活選擇，保障了無人機對光伏板的清潔效果且提高了清潔效率，同時還通過建立自適應(yīng)模型來自動調(diào)整后續(xù)的清潔參數(shù)，達到節(jié)能效果。

100、（2）本發(fā)明首先通過遠程控制中心獲取光伏板的運行數(shù)據(jù)以及光伏板所在區(qū)域的地理信息和氣象數(shù)據(jù)，并以此規(guī)劃無人機的飛行路徑；接著通過無人機依據(jù)規(guī)劃的飛行路徑實時監(jiān)測光伏板以獲取光伏面板圖像；然后通過遠程控制中心分析并識別上述光伏面板圖像以此確定污染物的類型和位置，同時還確定光伏板的清潔時間；接著利用無人機搭載的污染物清潔裝置根據(jù)污染物的類型以及光伏板的清潔時間選擇相應(yīng)的清潔方式和清潔設(shè)備并憑借污染物的位置進行清潔操作；然后通過無人機搭載的污染物檢測裝置對清潔后的光伏板進行二次檢測并判斷光伏板當前的清潔狀態(tài)，若清潔后的光伏板上依然存在污染物，則再次選擇與污染物類型對應(yīng)的清潔方式進行清潔操作，若清潔后的光伏板上沒有污染物了，則輸出表示完成當前或這一輪清潔任務(wù)的清潔完成信號；最后再通過遠程控制中心依據(jù)上述清潔完成信號記錄每一次利用無人機進行光伏板清潔時的清潔任務(wù)和清潔過程，并以此建立自適應(yīng)模型；需要說明的是，該自適應(yīng)模型用于在每一輪無人機清潔操作結(jié)束后，自適應(yīng)地調(diào)整上述污染物清潔裝置的清潔參數(shù)，以此來為每一輪的光伏板清潔做出最佳的清潔決策，同時也能夠令無人機實現(xiàn)自適應(yīng)調(diào)節(jié)，從而在保證清潔效果的同時，達到節(jié)約能耗的目的。