基于计算机视觉及机器学习的光伏电站双光监测分析系统技术方案

本发明专利技术公开了一种基于计算机视觉及机器学习的光伏电站双光监测分析系统，包括：图像采集模块，用于采集光伏设备的图像信息；图像传输模块，与所述图像采集模块连接，用于传输所述图像信息；本地服务器模块，与所述图像传输模块连接，用于储存并处理所述图像信息；云平台模块，与所述本地服务器模块连接，用于分析处理后的图像信息，并将分析结果进行展示。该监测分析系统可以通过双光设备对电站设备进行实时的远程监测，利用计算机视觉和深度机器学习等AI功能提升光伏电站无人巡检运维的智能化水平。智能化水平。智能化水平。

【技术实现步骤摘要】
基于计算机视觉及机器学习的光伏电站双光监测分析系统


[0001]本专利技术属于新能源发电设备监测领域，特别是涉及一种基于计算机视觉及机器学习的光伏电站双光监测分析系统。

技术介绍

[0002]21世纪以来，电力行业发展迅速，随着双碳的提出，新能源发电，特别是光伏发电发展进一步提升，社会经济发展和人民生活对电的依赖程度越来越高，电力安全生产的重要性越来越突出，安全可靠的供电直接关系到经济的发展和社会生活秩序。
[0003]升级改造配电网，推进智能电网建设。建设安全可靠、经济高效、技术先进的现代电网，适应电力系统智能化要求，支持高效智能电力系统建设。《电力安全生产监督管理办法》指出，电力安全生产工作应当坚持“安全第一、预防为主、综合治理”的方针，预防和减少电力事故，保障电力系统安全稳定运行和电力可靠供应。
[0004]光伏电力设备按所在位置一般分为光伏区与变电站两部分，光伏区主要是光伏组件、逆变器、箱式变压器，变电站主要是电力变压器、高低压配电柜、互感器、电容器、避雷器、断路器、隔离开关、绝缘子、电缆、套管等。光伏电站的异常和故障现象大多是电力的热效应引起的，如果不及时采取措施，极可能造成安全事故。因此，加强设备巡视，保障光伏电站电力设备的正常运行显得尤为重要。
[0005]光伏电站电力设备的异常和故障大多和温度异常有关，现有的红外测温和数据分析工作主要靠人工进行。电站值班人通过定期的巡视检查了解设备运行状况，如观察设备的外观有无异状、触及允许接触的设备温度是否正常、使用手持式红外热像仪检测设备温度等，以判断设备的运行状况是否正常。但这种方法局限性较多，单纯依靠运维人员定时维护和检测难以做到及时完整的收集重要异常数据，对于不便于测温的箱式变压器、配电柜内部，存在检测盲区，另外人工检测难度大、成本高，无法做到实时不间断检测，若未能及时发现温度异常现象，最终可能导致设备发生故障或造成安全事故，甚至严重影响电网供电系统正常运行。
[0006]另外现有一些红外测温监测的系统，只是单纯的对单个电站的设备红外温度实时监测，监测摄像头不具有常光摄像的功能，无法远程访问实时了解设备的真实状态，也没有对采集过来的图像进行分析，无法形成设备预警分析判断能力，依然需要人为进行，智能化程度比较低，对光伏电站的监测作用比较有限。
[0007]因此，电力系统需要一套在线的智能测温预警系统，以实现对重点设备的在线实时温度检测并实时预警分析。

技术实现思路

[0008]为了克服现有监测作用比较有限的问题，本专利技术提出一种基于计算机视觉及机器学习的光伏电站双光监测分析系统。通过各电站部署本地监测平台，对电站实时监测，总部部署云平台，对各电站本地监测平台上传的数据进行分布式调度分析，及时了解单个电站
监测情况，同时可对所有电站监测的视频图像数据进行汇总，利用计算机视觉和深度机器学习等AI功能提升光伏电站无人巡检运维的智能化水平。
[0009]为实现上述目的，本专利技术提供了如下方案：一种基于计算机视觉及机器学习的光伏电站双光监测分析系统，包括：
[0010]图像采集模块，用于采集光伏设备的图像信息；
[0011]图像传输模块，与所述图像采集模块连接，用于传输所述图像信息；
[0012]本地服务器模块，与所述图像传输模块连接，用于储存并处理所述图像信息；
[0013]云平台模块，与所述本地服务器模块连接，用于分析处理后的图像信息，并将分析结果进行展示。
[0014]优选地，所述图像采集模块包括红外热成像单元和常光拍摄单元；
[0015]所述红外热成像单元用于通过检测红外热辐射的强度获取红外图像信息；
[0016]所述常光拍摄单元用于采集光伏设备的常光图像信息。
[0017]优选地，所述红外热成像单元包括检测单元、转换单元和处理单元；
[0018]所述检测单元用于检测红外热辐射；
[0019]所述转换单元用于将检测到的红外热辐射信号转换为电信号；
[0020]所述处理单元用于放大所述电信号。
[0021]优选地，所述图像传输模块包括有线传输单元和无线传输单元；
[0022]有线传输单元用于通过传输线路传输所述图像信息；
[0023]无线传输单元用于通过共享网络进行图像信息传输。
[0024]优选地，所述传输线路包括超五类双绞线和光纤，采用光纤进行传输时需增加光电转换器进行光电信号转换。
[0025]优选地，所述本地服务器模块包括存储单元、图像管理单元和图像分析单元；
[0026]所述存储单元用于储存所述图像信息；
[0027]所述图像管理单元用于根据采集模块地址将所述图像信息进行分类；
[0028]所述图像分析单元用于将红外图像和温度值同步映射到常光图像上，获得映射图。
[0029]优选地，所述云平台模块包括用户管理单元、分析单元、告警单元、存储单元、查询管理单元和实时显示单元；
[0030]所述用户管理单元用于管理访问权限；
[0031]所述分析单元用于基于计算机视觉对所述映射图进行图像对比分析，采用哈希算法输出图像变化对比度，并生成历史温度曲线；
[0032]所述告警单元用于光伏设备和分析系统运行异常时发出警报；
[0033]所述查询管理单元用于查询实时运行时的图像信息；
[0034]所述实时显示单元用于实时显示运行时的图像信息；
[0035]所述存储单元用于存储映射图、红外图像、常光图像和历史温度曲线。
[0036]优选地，所述告警单元包括第一告警单元、第二告警单元和第三告警单元；
[0037]所述第一告警单元用于设定告警阈值，当图像变化对比度或温度高于告警阈值时，告警单元发出警报；
[0038]所述第二告警单元用于图像分析异常时发出警报；
[0039]所述第三告警单元用于视频传输信号异常时发出警报。
[0040]本专利技术公开了以下技术效果：
[0041]本专利技术通过各电站部署本地监测平台，对电站实时监测，总部部署云平台，对各电站本地监测平台上传的数据进行分布式调度分析，及时了解单个电站监测情况，同时可对所有电站监测的视频图像数据进行汇总，利用计算机视觉和深度机器学习等AI功能提升光伏电站无人巡检运维的智能化水平。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本专利技术实施例的双光监测分析系统结构图；
[0044]图2为本专利技术实施例的本地服务器模块结构图；
[0045]图3为本专利技术实施例的云平台模块结构图。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉及机器学习的光伏电站双光监测分析系统，其特征在于，包括：图像采集模块，用于采集光伏设备的图像信息；图像传输模块，与所述图像采集模块连接，用于传输所述图像信息；本地服务器模块，与所述图像传输模块连接，用于储存并处理所述图像信息；云平台模块，与所述本地服务器模块连接，用于分析处理后的图像信息，并将分析结果进行展示。2.根据权利要求1所述的基于计算机视觉及机器学习的光伏电站双光监测分析系统，其特征在于，所述图像采集模块包括红外热成像单元和常光拍摄单元；所述红外热成像单元用于通过检测红外热辐射的强度获取红外图像信息；所述常光拍摄单元用于采集光伏设备的常光图像信息。3.根据权利要求2所述的基于计算机视觉及机器学习的光伏电站双光监测分析系统，其特征在于，所述红外热成像单元包括检测单元、转换单元和处理单元；所述检测单元用于检测红外热辐射；所述转换单元用于将检测到的红外热辐射信号转换为电信号；所述处理单元用于放大所述电信号。4.根据权利要求1所述的基于计算机视觉及机器学习的光伏电站双光监测分析系统，其特征在于，所述图像传输模块包括有线传输单元和无线传输单元；有线传输单元用于通过传输线路传输所述图像信息；无线传输单元用于通过共享网络进行图像信息传输。5.根据权利要求4所述的基于计算机视觉及机器学习的光伏电站双光监测分析系统，其特征在于，所述传输线路包括超五类双绞线和光纤，采用光纤进行传输时需增加光电转...

【专利技术属性】
技术研发人员：布红伟，陈鹤，王鹏，赵国立，王厦，王晶，苑垚凯，刘佳坤，
申请(专利权)人：英利集团有限公司，
类型：发明
国别省市：