一种光伏清洁机器人续航优化方法技术

本发明专利技术公开了一种光伏清洁机器人续航优化方法，属于光伏发电板清洁技术领域，包括以下步骤：S1：光伏追踪发电装置追踪；S2：RVFL神经网络预测模型判断清洁时刻。本发明专利技术利用光伏追踪发电装置根据光照强度和光照角度来决定光伏板的朝向位置，使得发电装置中光伏板始终对着光照最强位置，使发电装置的效率始终处于最佳状态；并根据光伏发电板群体的发电电流量、光照强度、光照角度、空气湿度等因素来计算转换效率，并通过转换效率预测清洁时刻，提高光伏清洁机器人的清洁效率以及适用性，减少重复清洁浪费的能耗。复清洁浪费的能耗。复清洁浪费的能耗。

【技术实现步骤摘要】
一种光伏清洁机器人续航优化方法


[0001]本专利技术涉及光伏发电板清洁
，具体涉及一种光伏清洁机器人续航优化方法。

技术介绍

[0002]我国太阳能资源丰富,尤其是西部地区﹐光照时间长,地广人稀。因此光伏发电装置主要集中于西部地区，但是该地区气候干燥,降水少,加之灰尘的影响,光伏发电板积灰现象严重且频繁，所以需要延长光伏清洁机器人的续航时间，进行及时清洁。
[0003]常见的光伏清洁机器人提升续航能力的方式是增加一个光伏发电装置，但是这种光伏发电装置一般是固定在光伏清洁机器人表面。由于光伏转换效率和太阳光角度有关，这种固定位置的光伏发电装置，在光照角度发生改变时，光伏转化效率会降低。
[0004]目前，常见的清洁控制方式是由清洁控制系统定时驱动清洁装置，或人工通过远程控制进行运行。但是，这种常规的控制方式不能根据光伏发电板所处环境的湿度及下雨状态自行工作，很难实现最佳的清洁效果。另外，当光伏发电板比较干净暂时不需要清洁时，常规的控制方式依然会固定运行，导致耗费不必要的清洁工作降低续航能力。为此，提出一种光伏清洁机器人续航优化方法。

技术实现思路

[0005]为了解决现有技术中存在的上述缺陷，提供了一种光伏清洁机器人续航优化方法，通过光伏追踪发电装置提高发电量，并通过RVFL神经网络判断最佳清洁时刻降低能耗，提高续航能力。
[0006]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0007]S1：光伏追踪发电装置追踪
[0008]根据光照强度和光照角度来调整光伏板的朝向位置，使得光伏追踪发电装置中光伏板始终对着光照最强位置；
[0009]S2：RVFL神经网络预测模型判断清洁时刻
[0010]根据光伏发电板群体清洁状态后的理想发电电流值、光照强度、光照角度、空气湿度、空气温度利用RVFL神经网络预测模型预测不同环境状态下的理想发电电流值，并通过与该状态下的实际发电电流值计算获得转换效率，通过转换效率预测清洁时刻，进而控制光伏清洁机器人进行对光伏发电板群体的清洁工作。
[0011]更进一步地，在所述步骤S1中，光伏追踪发电装置包括光伏板、光照强度传感器、位置角度传感器、转向器，其中，光照强度传感器用于检测光伏板边界和中心位置的光照强度数据，位置角度传感器用于检测光伏板的偏移角度，转向器用于调节光伏板位置。
[0012]更进一步地，在所述步骤S1中，具体包括以下步骤：
[0013]S11：通过光照强度传感器检测光伏板边界和中心位置的光照强度数据，并通过位置角度传感器检测光伏板的偏移角度；
[0014]S12：当光照强度达到设置要求后，光伏追踪发电装置每隔设定时间采集当前的光照强度数据，并传输到光伏清洁机器人的主控板中，主控板控制转向器改变光伏板位置，使光伏板向光照强度高的方向偏移，通过不断调整使得光伏板中心位置光照强度最大，实现光伏追踪。
[0015]更进一步地，在所述步骤S11中，光伏追踪发电装置在初始角度下与光伏发电板群体是平行的，经过光伏追踪之后光伏板的偏移角度即太阳光与光伏发电板群体的夹角角度，也即光照角度。
[0016]更进一步地，在所述步骤S12中，主控板接收光照强度数据后，通过转向器内设置的两组舵机改变光伏板在三维空间内的位置，其中两组舵机分别用于控制光伏板水平位置和垂直位置的360
°
旋转动作。
[0017]更进一步地，在所述步骤S2中，RVFL神经网络预测模型的构建过程如下：
[0018]S21：采集输入变量与输出量数据；
[0019]S22：将采集到的数据设定为数据集：
[0020]D＝{(χ
i
，t
i
)|χ
i
∈R
d
，t
i
∈R
m
}，i＝1，2，...，N
[0021]其中，χ
i
为第i条样本的属性值，t
i
为该样本对应的标签值；
[0022]S23：对于RVFL神经网络模型：
[0023][0024]其中，X＝[χ1，χ2，
…
，χ
n
]为输入变量，G(
·
)为激活函数，ω
j
和b
j
为隐藏层与输入层间的输入权重和隐藏偏差；β
j
为隐藏层与输出层间的输出权重，L为隐藏层节点数目；
[0025]通过sine激活函数的作用将输入变量的特征传递下一个神经元，得到：
[0026]H
j
＝G(ω
j
·
χ
i
+b
j
)
[0027]其中，H
j
是第j个隐藏节点的输出，然后通过计算得到整个隐藏层的输出随机特征映射矩阵H：
[0028][0029]令输出权重为β，根据RVFL神经网络原理，其网络输出为：
[0030]Hβ＝Y；
[0031]S24：进行反向推导β值更新，得到：
[0032][0033]其中，T为样本真实标签，H
+
为矩阵H的摩尔
‑
彭若斯逆矩阵；
[0034]添加L2正则约束项,根据正则化最小二乘得到：
[0035][0036]其中，λ为正数，||β||2是L2范数；
[0037]对β
′
求导，得到：
[0038]β
*
＝（H
T
H+λI）
‑1H
T
T
[0039]其中，I为单位矩阵；
[0040]S25：得到最终的RVFL神经网络预测模型为：
[0041][0042]更进一步地，在所述步骤S21中，输入变量包括光照强度、光照角度、空气湿度、空气温度，输出量为光伏发电板群体清洁状态后的理想发电电流值A1。
[0043]更进一步地，在所述步骤S2中，RVFL神经网络预测模型计算转换效率的过程如下：
[0044]S26：采集一段时间之后的光照强度、光照角度、空气湿度、空气温度数据，进行数据预测处理，归一化处理后输入已构建的RVFL神经网络预测模型；
[0045]S27：RVFL神经网络预测模型输出预测结果，即光伏发电板群体清洁状态后的理想发电电流值，并与光伏发电板群体的发电实际电流值进行计算，求得转换效率。
[0046]更进一步地，在所述步骤S27中，转换效率为η＝((A1
‑
A2)/A1)*100，其中，A1是预测得到的光伏发电板群体清洁状态后的理想发电电流值，A2是光伏发电板群体的发电实际电流值；当转换效率η低于设定阈值时，启动光伏清洁机器人开始对光伏发电板群体的清洁工作。
[0047]更进一步地，在所述步骤S27中，光伏发电板群体的发电实际电流值通过光伏发电板群体的直流母线上串联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏清洁机器人续航优化方法，其特征在于，包括以下步骤：S1：光伏追踪发电装置追踪根据光照强度和光照角度来调整光伏板的朝向位置，使得光伏追踪发电装置中光伏板始终对着光照最强位置；S2：RVFL神经网络预测模型判断清洁时刻根据光伏发电板群体清洁状态后的理想发电电流值、光照强度、光照角度、空气湿度、空气温度利用RVFL神经网络预测模型预测不同环境状态下的理想发电电流值，并通过与该状态下的实际发电电流值计算获得转换效率，通过转换效率预测清洁时刻，进而控制光伏清洁机器人进行对光伏发电板群体的清洁工作。2.根据权利要求1所述的一种光伏清洁机器人续航优化方法，其特征在于：在所述步骤S1中，光伏追踪发电装置包括光伏板、光照强度传感器、位置角度传感器、转向器，其中，光照强度传感器用于检测光伏板边界和中心位置的光照强度数据，位置角度传感器用于检测光伏板的偏移角度，转向器用于调节光伏板位置。3.根据权利要求2所述的一种光伏清洁机器人续航优化方法，其特征在于：在所述步骤S1中，具体包括以下步骤：S11：通过光照强度传感器检测光伏板边界和中心位置的光照强度数据，并通过位置角度传感器检测光伏板的偏移角度；S12：当光照强度达到设置要求后，光伏追踪发电装置每隔设定时间采集当前的光照强度数据，并传输到光伏清洁机器人的主控板中，主控板控制转向器改变光伏板位置，使光伏板向光照强度高的方向偏移，通过不断调整使得光伏板中心位置光照强度最大，实现光伏追踪。4.根据权利要求3所述的一种光伏清洁机器人续航优化方法，其特征在于：在所述步骤S11中，光伏追踪发电装置在初始角度下与光伏发电板群体是平行的，经过光伏追踪之后光伏板的偏移角度即太阳光与光伏发电板群体的夹角角度，也即光照角度。5.根据权利要求3所述的一种光伏清洁机器人续航优化方法，其特征在于：在所述步骤S12中，主控板接收光照强度数据后，通过转向器内设置的两组舵机改变光伏板在三维空间内的位置，其中两组舵机分别用于控制光伏板水平位置和垂直位置的360
°
旋转动作。6.根据权利要求5所述的一种光伏清洁机器人续航优化方法，其特征在于：在所述步骤S2中，RVFL神经网络预测模型的构建过程如下：S21：采集输入变量与输出量数据；S22：将采集到的数据设定为数据集：D＝{(χ
i
，t
i
)|χ
i
∈R
d
，t
i
∈R
m
}，i＝1，2，...，N其中，χ
i
为第i条样本的属性值，t
j
为该样本对应的标签值；S23：对于RVFL神经网络模型：其中，X＝[χ1，χ2...

【专利技术属性】
技术研发人员：李飞，周白玉，杨玉洁，黄迅，田昊，李雨婷，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：