一种光伏电站无人机巡检方法及系统技术方案

本发明专利技术公开了一种光伏电站无人机巡检方法及系统，包括：规划光伏电站无人机的巡检航线；控制无人机按照设定的定时巡检任务进行光伏巡检；当一次定时巡检任务开始时，获取实时气象数据信息，预测得到本次定时巡检时间段内巡检航线上的气象数据预测结果，基于预测结果划分未来气象等级；判断无人机是否能够执行本次巡检任务；如果可以，执行巡检任务，基于巡检图像对光伏板缺陷进行识别；否则，判断推迟设定时间后的气象等级是否符合巡检要求，若推迟时间达到了设定值，取消本次巡检任务。本发明专利技术考虑巡检过程中的天气情况，能够针对不同的天气状态制定不同的巡检任务执行策略，提升了无人机在不同气象条件下的巡检任务完成效率。人机在不同气象条件下的巡检任务完成效率。人机在不同气象条件下的巡检任务完成效率。

【技术实现步骤摘要】
一种光伏电站无人机巡检方法及系统


[0001]本专利技术涉及无人机巡检
，尤其涉及一种光伏电站无人机巡检方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]近年来，随着光伏产业的快速发展，光伏运维巡检的需求也逐年增高；光伏面板传统的巡检方法是运维人员高举扫描仪或者借助车辆对太阳能光伏板进行检查；由于光伏电站一般建在海拔较高、日照资源丰富的山顶地区，传统的人工巡检通勤难度大，巡检效率低。
[0004]使用无人机进行光伏巡检可以极大地提高巡检效率，降低成本；无人机光伏巡检的主要流程为：确定飞行航线
‑
制定飞行任务
‑
执行飞行任务
‑
进行光伏组件缺陷识别；在此过程中，往往存在如下技术问题：
[0005](1)现有的无人机自动巡检往往采用等高飞行，飞行航线中没有考虑到光伏面板高度的不同，可能会导致巡检中拍摄到的图片中光伏面板大小不同，对后续的缺陷分析和定位带来不便。
[0006](2)在无人机执行光伏巡检定时任务时，可能会遇到不适合飞行的天气状况，如果按照原计划执行任务，则会对无人机造成损坏；如果取消本次任务，则不能满足光伏巡检的巡检量需求。无人机巡检任务不能及时适应不同气象条件的变化。
[0007](3)在基于巡检图像进行缺陷识别时，通常光伏电站运维方式主要依据红外设备，通过红外图像的异常温度显示判断设备故障，然后再进行后续检修。在红外图像中，光伏组件缺陷主要有热斑、二极管故障以及组件开路等，但热斑的成因有组件内部缺陷、遮挡、玻璃破碎、反光等。由于红外图像依据物体的辐射成像，使得在红外图像缺陷的外在表现特征比较相似，无法明确具体的缺陷成因类型。

技术实现思路

[0008]为了解决上述问题，本专利技术提出了一种光伏电站无人机巡检方法及系统，在航线规划时，考虑光伏面板的设置高度，实现仿地飞行；通过贝叶斯优化的LSTM算法，预测定时任务执行时间段内的气象状况；并且基于光伏可见光图像对组件缺陷类型进行细致划分，为后续光伏电站运维决策提供信息支撑。
[0009]在一些实施方式中，采用如下技术方案：
[0010]一种光伏电站无人机巡检方法，包括：
[0011]规划光伏电站无人机的巡检航线；
[0012]控制无人机按照设定的定时巡检任务进行光伏巡检；当一次定时巡检任务开始时，获取实时气象数据信息，基于所述实时气象数据，利用训练好的通用气象预测模型和特
定气象预测模型，预测得到本次定时巡检时间段内巡检航线上的气象数据预测结果，基于预测结果划分未来气象等级；
[0013]基于实时气象数据的气象等级以及未来气象等级，判断无人机是否能够执行本次巡检任务；如果可以，执行巡检任务，基于巡检图像对光伏板缺陷进行识别；否则，判断推迟设定时间后的气象等级是否符合巡检要求，若推迟时间达到了设定值，取消本次巡检任务。
[0014]作为进一步地方案，规划光伏电站无人机的巡检航线时，为巡检航线中的每一个航点设置飞行高度。
[0015]所述飞行高度为：H
F
＝H
G
+H
P
‑
H0，其中H
G
为巡检人员设置的相对起飞点的高度，H
P
为航点设定范围内的最高海拔高度，H0为起飞点海拔高度。
[0016]作为进一步地方案，所述特定气象预测模型为光伏电站所在区域范围内的气象预测模型；所述通用气象预测模型为光伏电站所在区域所属的地市及周边区域的气象预测模型。
[0017]作为进一步地方案，利用训练好的通用气象预测模型和特定气象预测模型，预测得到本次定时巡检时间段内巡检航线上的气象数据预测结果，具体过程为：
[0018]利用训练好的通用气象预测模型和特定气象预测模型，分别预测得到相对应的特定气象数据和通用气象数据；
[0019]对于特定气象数据，利用预先训练好的第一SVM模型得到所述气象数据内每一项气象数值的等级；如果某项气象数值的等级与其他各项气象数值的等级差值达到设定值，则判定该项气象数值为异常值；
[0020]利用预先训练好的第一SVM模型得到通用气象数据内每一项气象数值的等级；采用相同的方法判断该项气象数值是否仍然为异常值，如果是，保留该值；否则，将通用气象数据中的该项气象数值代替特定气象数据中的该项气象数值；
[0021]最后得到的特定气象数据作为本次定时巡检时间段内巡检航线上的气象数据预测结果。
[0022]作为进一步地方案，基于预测结果划分未来气象等级，具体为：
[0023]将气象预测结果输入至训练好的第二SVM分类模型中，输出气象等级分类结果；其中，根据以往飞行经验，为每一组历史气象数据标定气象等级，然后利用标定后的历史气象数据作为训练集，以气象等级作为输出，对第二SVM分类模型进行训练。
[0024]作为进一步地方案，基于实时气象数据的气象等级以及未来气象等级，判断无人机是否能够执行本次巡检任务，具体为：
[0025]确定实时气象数据的气象等级，若所述气象等级在设定的适飞气象等级范围内，继续判断未来气象等级是否在设定的适飞气象等级范围内，若在，则执行本次巡检任务，否则，判断推迟设定时间后的气象等级是否符合巡检要求。
[0026]作为进一步地方案，推迟设定时间后的气象等级通过预测设定时间后的气象数据来确定。
[0027]作为进一步地方案，执行巡检任务，基于巡检图像对光伏板缺陷进行识别，具体过程如下：
[0028]无人机巡检期间，获取光伏组件的可见光图像；
[0029]对可见光图像进行预处理后输入至训练好的Mask R
‑
CNN网络模型，得到光伏板缺
陷类别及掩膜。
[0030]作为进一步地方案，Mask R
‑
CNN网络模型对输入图像的处理过程具体为：
[0031]预处理后的图像首先输入至骨干网络，输出高层语义特征图；使用滑窗方法在高层语义特征图上滑动生成多个建议框，将这些建议框输入RPN网络进行分类和回归，判断建议框是否包含缺陷目标，过滤掉不包含缺陷目标的建议框；
[0032]对剩余的建议框进行ROIAlign操作，将建议框与高层语义特征图进行对应，将高层语义特征图与原始图像进行对应；
[0033]对剩余的建议框分别进行分类、回归和mask生成，得到光伏组件缺陷的类别、缺陷的坐标以及缺陷的掩膜。
[0034]作为进一步地方案，所述RPN网络部分采用可变形卷积DCN v2替换标准卷积。
[0035]作为进一步地方案，所述Mask R
‑
CNN网络模型的损失函数为类别损失函数、目标框回归损失函数及mask缺陷掩膜分割损失函数的和；其中，类别损失采用多类别交叉熵损失函数，目标框回归函数采用CIOU损失函数计算位置损失。
[0036]在另本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏电站无人机巡检方法，其特征在于，包括：规划光伏电站无人机的巡检航线；控制无人机按照设定的定时巡检任务进行光伏巡检；当一次定时巡检任务开始时，获取实时气象数据信息，基于所述实时气象数据，利用训练好的通用气象预测模型和特定气象预测模型，预测得到本次定时巡检时间段内巡检航线上的气象数据预测结果，基于预测结果划分未来气象等级；基于实时气象数据的气象等级以及未来气象等级，判断无人机是否能够执行本次巡检任务；如果可以，执行巡检任务，基于巡检图像对光伏板缺陷进行识别；否则，判断推迟设定时间后的气象等级是否符合巡检要求，若推迟时间达到了设定值，取消本次巡检任务。2.如权利要求1所述的一种光伏电站无人机巡检方法，其特征在于，规划光伏电站无人机的巡检航线时，为巡检航线中的每一个航点设置飞行高度。3.如权利要求2所述的一种光伏电站无人机巡检方法，其特征在于，所述飞行高度为：H
F
＝H
G
+H
P
‑
H0，其中H
G
为巡检人员设置的相对起飞点的高度，H
P
为航点设定范围内的最高海拔高度，H0为起飞点海拔高度。4.如权利要求1所述的一种光伏电站无人机巡检方法，其特征在于，所述特定气象预测模型为光伏电站所在区域范围内的气象预测模型；所述通用气象预测模型为光伏电站所在区域所属的地市及周边区域的气象预测模型。5.如权利要求1或4所述的一种光伏电站无人机巡检方法，其特征在于，利用训练好的通用气象预测模型和特定气象预测模型，预测得到本次定时巡检时间段内巡检航线上的气象数据预测结果，具体过程为：利用训练好的通用气象预测模型和特定气象预测模型，分别预测得到相对应的特定气象数据和通用气象数据；对于特定气象数据，利用预先训练好的SVM模型得到所述气象数据内每一项气象数值的等级；如果某项气象数值的等级与其他各项气象数值的等级差值达到设定值，则判定该项气象数值为异常值；利用预先训练好的SVM模型得到通用气象数据内每一项气象数值的等级；采用相同的方法判断该项气象数值是否仍然为异常值，如果是，保留该值；否则，将通用气象数据中的该项气象数值代替特定气象数据中的该项气象数值；最后得到的特定气象数据作为本次定时巡检时间段内巡检航线上的气象数据预测结果。6.如权利要求1所述的一种光伏电站无人机巡检方法，其特征在于，基于预测结果划分未来气象等级，具体为：将气象预测结果输入至训练好的SVM分类模型中，输出气象等级分类结果；其中，根据以往飞行经验，为每一组历史气象数据标定气象等级，然后利用标定后的历史气象数据作为训练集，以气象等级作为输出，对SVM分类模型进行训练。7.如权利要求1所述的一种光伏电站无人机巡检方法，其特征在于，基于实时气象数据的气象等级以及未来气象等级，判断无人机是否能够执...

【专利技术属性】
技术研发人员：李豹，刘天立，李哲，董俊冶，于晓艳，邱玲，吕建红，李涛，姜鹏，徐金晔，刘越，张飞，高绍楠，陈敬娟，周长明，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：