【技术实现步骤摘要】
本专利技术涉及一种识别方法，具体涉及一种基于无人机载高光谱的光伏板积灰检测与污染物识别方法。
技术介绍
1、随着全球对可再生能源的需求不断增长，光伏发电作为一种清洁、可持续的能源形式得到了广泛应用。然而，光伏组件在长期运行过程中容易受到环境与气象因素的影响，导致脏污积累和面板损坏等问题，进而影响光伏电站的发电效率和安全性。
2、目前对光伏组件的巡检主要是依靠人工巡检，不仅耗时耗力，而且全站巡检周期长，隐患无法及时排除，导致发电量持续下降并带来经济损失。
技术实现思路
1、本专利技术的目的是解决现有人工巡检光伏组件的方式，不仅耗时耗力，而且全站巡检周期长，隐患无法及时排除，导致发电量持续下降并带来经济损失的技术问题，而提供一种基于无人机载高光谱的光伏板积灰检测与污染物识别方法。
2、本专利技术采用全自主无人机系统，结合无人机场(塔式或地基)的协同工作，无人机场不仅具备为无人机提供充电、维护和存储等功能，还能进行任务规划和调度，从而使无人机能够在无人干预的情况下自主执行巡检任务。通过搭载高光谱成像传感器的无人机，该系统能够实时、高效地对光伏板进行非接触式检测，及时发现脏污和损坏情况，从而优化维护计划，降低人工成本，确保光伏电站的高效运行和发电安全性。
3、为实现上述目的，本专利技术所采用的技术方案为：
4、一种基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特殊之处在于，包括以下步骤：
5、步骤1、通过无人机搭载的高光谱
6、步骤2、对采集到的光谱数据进行预处理；
7、步骤3、对预处理后的光谱数据进行主成分分析来减少维度，并提取有效的光谱特征；
8、步骤4、通过预先构建的基于时间序列的光谱变化检测模型，将提取的有效光谱特征与历史参考特征进行比对，识别积灰和污染物导致的光谱变化，并判断是否存在污染物；若是，则将提取的有效光谱特征与已有光谱库中的参考光谱进行比对，识别污染物的类型，再执行步骤5；若否，则直接执行步骤5；
9、步骤5、将提取的有效光谱特征输入至支持向量机中，利用支持向量机对积灰和污染物程度进行分类和量化，获取检测结果；
10、步骤6、基于检测结果，评估积灰和污染物对光伏板光电转换效率的影响程度，生成积灰和污染物分布图与等级报告，并在积灰和/或污染物的影响程度超过预设阈值时发出维护警报。
11、进一步地，步骤4中，所述光谱变化检测模型的光谱变化检测表达式为：
12、
13、式中：d为提取的有效光谱特征对应的欧几里得距离；xk为历史参考特征；yk为提取的有效光谱特征；m为常数；
14、通过判断d是否超过预设阈值δ，判断是否存在污染物。
15、进一步地，步骤4中，将提取的有效光谱特征与已有光谱库中的参考光谱进行比对，通过如下的光谱角匹配公式计算光谱相似性：
16、
17、式中：x为提取的有效光谱特征；y为光谱库中的参考光谱；θ为光谱特征与参考光谱之间的光谱角；
18、将光谱特征与参考光谱之间的光谱角θ，同设定的光谱角大小与污染物类型对照表进行比对，以识别污染物的类型。
19、进一步地，步骤5中，所述支持向量机的分类模型为：
20、f(x)＝sign(wtx+b)
21、式中：f(x)为分类模型，w为权重向量，b为偏置项。
22、进一步地，步骤6中，基于检测结果确定当前状态下的光伏板光电转换效率，再采用如下公式计算光伏板光电转换效率的变化，对积灰和污染物的影响程度进行评估：
23、
24、式中：η为积灰和污染物引起的光伏板光电转换效率损失百分比，pactual为清洁状态下的光伏板光电转换效率，pideal为当前状态下的光伏板光电转换效率。
25、进一步地，步骤2具体为：
26、对采集到的光谱数据进行辐射校正和归一化处理，实现预处理。
27、进一步地，步骤3中，采用如下公式对预处理后的光谱数据进行主成分分析来减少维度，并提取有效的光谱特征：
28、xreduced＝xnormwt
29、cw＝wλ
30、
31、式中：c协方差矩阵；n为样本数量；λ为对角矩阵；w为主成分分析的特征向量矩阵；xnorm为投影后的主成分光谱特征；xreduced为提取的有效光谱特征。
32、本专利技术的有益效果是：
33、本专利技术通过高光谱成像结合光谱变异分析，实现了光伏板积灰和污染物的自动化、非接触式监测，能够实时、高精度地捕捉光伏板表面微小的光谱变化，从而精确检测积灰和污染物程度及其类型。相比传统的人工检查方法，本专利技术不仅提高了检测的精度和实时性，还有效降低了维护成本，避免了不必要的清洁操作，能够根据检测结果及时提供维护建议，从而进一步提高光伏板的能源转化效率。
本文档来自技高网...【技术保护点】
1.一种基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于；
3.根据权利要求2所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于：
4.根据权利要求1-3任一所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于，步骤5中，所述支持向量机的分类模型为：
5.根据权利要求4所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于：
6.根据权利要求1所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于，步骤2具体为：
7.根据权利要求6所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于：
【技术特征摘要】
1.一种基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于；
3.根据权利要求2所述的基于无人机载高光谱的光伏板积灰检测与污染物识别方法，其特征在于：
4.根据权利要求1-3任一所述的基于无人机载高光谱的光伏板积灰检测与污染物识...
【专利技术属性】
技术研发人员：李海巍，李晗之，陈军宇，严强强，宋丽瑶，高晓惠，李思远，胡炳樑，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。