一种基于无人机巡检的光伏面板缺陷识别方法技术

本发明专利技术涉及光伏发电技术领域，具体为一种基于无人机巡检的光伏面板缺陷识别方法，包括以下步骤：光伏面板缺陷量提取；光伏面板的缺陷识别；有益效果为：本发明专利技术提出的基于无人机巡检的光伏面板缺陷识别方法，根据适宜机型选择结果，规划无人机巡检路径，通过计算维度灾难系数值的方式，实现基于无人机巡检的光伏面板缺陷量提取

【技术实现步骤摘要】
一种基于无人机巡检的光伏面板缺陷识别方法


[0001]本专利技术涉及光伏发电
，具体为一种基于无人机巡检的光伏面板缺陷识别方法
。

技术介绍

[0002]在无人机巡检过程中，为了保证所采集到的图像的真实性，需要对输电线路及杆塔结构进行近距离拍摄
。
[0003]现有技术中，由于输电网络环境中存在较强的电磁场作用，所以在传输过程中电信号并不能保持绝对稳定的连接状态
。
对于光伏型发电网络而言，无人机巡检线路的设置，需要同时考虑基站建设
、
双向数据传输等多项应用性问题
。
一般情况下，地面基站输出的电信号参量可在光伏面板中暂时寄存，当电量主机接收到动作指令或飞行控制信息时，这些已存储的电信号会根据电感元件所处的实时位置进行传输，且由于面板结构体维稳作用的存在，无人机巡检项目同时具备抗干扰性强
、
传输速率快等多项应用优势
。
[0004]但是，光伏面板是实现由太阳能到电能转化的应用型光伏发电组件，其质量水平的好坏直接影响电信号传输速率及用电行为安全
。
通常情况下，光伏面板表面的缺陷具有较强隐蔽性，在实际应用过程中，极易出现漏检或错检现象，若不能及时发现并解决这些问题，不但会造成传输电能迭代步数的快速增大，也有可能引发一系列的电能过量损失行为
。
传统
YOLOv2
网络型诊断模型为解决上述问题，对电信号特征进行实时提取，再借助组合核函数，完成对光伏面板缺陷问题的识别与处理
。
然而此方法对于能量迭代步数上升行为的抑制能力有限，并不能较好地解决光伏发电过程中的交叉熵过量损失问题，为避免上述情况的发生，本专利提出一种基于无人机巡检的光伏面板缺陷识别方法
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于无人机巡检的光伏面板缺陷识别方法，以解决上述
技术介绍
中提出的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于无人机巡检的光伏面板缺陷识别方法，所述方法包括以下步骤：
[0007]光伏面板缺陷量提取；
[0008]光伏面板的缺陷识别
。
[0009]优选的，光伏面板缺陷量提取由适宜机型选择
、
巡检路径规划
、
维度灾难系数计算三个处理环节组成
。
[0010]优选的，适宜机型选择，用于筛选适合执行光伏面板缺陷识别任务的巡检无人机
。
[0011]优选的，巡检路径规划的具体操作包括：
[0012]R
表示无人机巡检区域的规划半径，在点电荷带电量均值为
q
ˉ
、
光伏输电强度为
g、
电工强度为
W
的情况下，将规划半径
R
定义为：
[0013][0014]在巡检过程中，规定
vmax
代表无人机最大航速，假设一条航迹中共包含
m
个巡检节点，在满足上述物理量条件的情况下，整条巡检航迹的总航程
p
需满足：
[0015][0016]式中，
e
表示起始巡检节点系数，
Ie
表示无人机起始巡检节点坐标，
Im
表示无人机巡检的终点坐标
。
[0017]优选的，维度灾难系数计算的具体操作包括：
[0018]规定
x1,x2,
…
,xn
分别代表
n
个不同的无人机巡检任务定义项，在阶段性极大值为
ε
max、
极小值为
ε
min
的情况下，将维度灾难系数定义为：
[0019][0020]其中，
x
ˉ
表示
n
个无人机巡检任务定义项的物理均值，若将维度灾难系数看作一项定值参考条件，则认为无人机飞行器的巡检路径越长，光伏面板缺陷识别结果也就越接近真实表现情况
。
[0021]优选的，所述光伏面板的缺陷识别包括识别纹理特征
、
识别颜色特征以及识别核函数构造
。
[0022]优选的，识别纹理特征的具体操作包括：
[0023]设
l1、l2
代表光伏面板原始灰度图像中的两个像素参量，
β
表示光伏电量的数字化定义系数，联立式
(3)
，将光伏面板缺陷识别的纹理特征定义条件表示为：
[0024][0025]通过无人机巡检方式所获得的光伏面板原始灰度图像具有一定强度的色域缺陷，为保证最终缺陷识别结果的有效性，在实施应用指令之前，对电量信号的纹理特征进行准确计算
。
[0026]优选的，识别颜色特征的具体操作包括：
[0027]设
c0
代表光伏面板缺陷节点的初始颜色定义系数，
cn
代表光伏面板缺陷节点的最终颜色定义系数，
Bmin
代表最小的缺陷识别量，
Bmax
代表最大的缺陷识别量，
k0、kn
分别代表两个不同的电信号传输差异系数，在物理量的支持下，联立式
(4)
，将光伏面板缺陷识别的颜色特征定义条件表示为：
[0028]。
[0029]优选的，识别核函数构造的具体操作包括：
[0030]设
S
代表光伏面板中的电信号调度系数，
a
表示缺陷识别指令的全局化系数，
f
表示系数值为
a
时的电量识别精度值，联立上述物理量，将基于无人机巡检的初级识别函数表示
为：
[0031]D0＝
||S
‑
f
a
||(6)
[0032]设光伏电感强度为
f
，在光伏电信号输出量为：
[0033][0034]取
t
作为光伏电信号的折中传输点，规定最大电量缺陷强度值为
β
，此时联立式
(5)、
式
(7)
，将基于无人机巡检的光伏面板缺陷识别核函数表示为：
[0035][0036]式中，分别代表两个不同的光伏面板缺陷节点识别系数
。
[0037]与现有技术相比，本专利技术的有益效果是：
[0038]本专利技术提出的基于无人机巡检的光伏面板缺陷识别方法，根据适宜机型选择结果，规划无人机巡检路径，通过计算维度灾难系数值的方式，实现基于无人机巡检的光伏面板缺陷量提取
。
在此基础上，分别定义光伏面板的纹理特征与颜色特征，根据核函数构造原理，完成光伏面板的缺陷表现行为识别
。
实例分析结果表明，与
YOLOv2
网络型诊断模型相比，无人机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于无人机巡检的光伏面板缺陷识别方法，其特征在于：所述方法包括以下步骤：光伏面板缺陷量提取；光伏面板的缺陷识别
。2.
根据权利要求1所述的一种基于无人机巡检的光伏面板缺陷识别方法，其特征在于：光伏面板缺陷量提取由适宜机型选择
、
巡检路径规划
、
维度灾难系数计算三个处理环节组成
。3.
根据权利要求2所述的一种基于无人机巡检的光伏面板缺陷识别方法，其特征在于：适宜机型选择，用于筛选适合执行光伏面板缺陷识别任务的巡检无人机
。4.
根据权利要求2所述的一种基于无人机巡检的光伏面板缺陷识别方法，其特征在于：巡检路径规划的具体操作包括：
R
表示无人机巡检区域的规划半径，在点电荷带电量均值为
q
ˉ
、
光伏输电强度为
g、
电工强度为
W
的情况下，将规划半径
R
定义为：在巡检过程中，规定
vmax
代表无人机最大航速，假设一条航迹中共包含
m
个巡检节点，在满足上述物理量条件的情况下，整条巡检航迹的总航程
p
需满足：式中，
e
表示起始巡检节点系数，
Ie
表示无人机起始巡检节点坐标，
Im
表示无人机巡检的终点坐标
。5.
根据权利要求2所述的一种基于无人机巡检的光伏面板缺陷识别方法，其特征在于：维度灾难系数计算的具体操作包括：规定
x1,x2,
…
,xn
分别代表
n
个不同的无人机巡检任务定义项，在阶段性极大值为
ε
max、
极小值为
ε
min
的情况下，将维度灾难系数定义为：其中，
x
ˉ
表示
n
个无人机巡检任务定义项的物理均值，若将维度灾难系数看作一项定值参考条件，则认为无人机飞行器的巡检路径越长，光伏面板缺陷识别结果也就越接近真实表现情况
。6.
根据权利要求1所述的一种基于无人机巡检的光伏面板缺陷识...

【专利技术属性】
技术研发人员：张浩，董桂森，宋晓琳，
申请(专利权)人：浪潮软件集团有限公司，
类型：发明
国别省市：