[發明專利]太陽能光伏板表面積灰程度的預測方法

在審

• 申請號: 201910348956.3
• 申請日: 2019-04-28
• 公開（公告）號: CN110210060A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 孫富康;方潛生;從光杰;解建俠
• 申請（專利權）人: 安徽建筑大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01N21/94;G01N25/20;G06T7/00
• 代理公司: 合肥市上嘉專利代理事務所(普通合伙) 34125
• 代理人: 李璐

1.一種太陽能光伏板表面積灰程度的預測方法，包括以下步驟：

S1：隨機選取太陽能光伏發電站中的若干太陽能光伏板作為被測對象；

S2：采集被測對象的表面積灰程度數據，形成太陽能光伏板表面積灰程度數據集；

S3：利用采集的太陽能光伏板表面積灰程度數據集，建立太陽能光伏板表面積灰程度預測模型。

2.根據權利要求1所述的太陽能光伏板表面積灰程度的預測方法，其特征在于，步驟S2中，被測對象的表面積灰程度數據的采集方法包括以下步驟：

S201：通過紅外成像模塊獲取太陽能光伏板表面的紅外圖像；

S202：將采集的紅外圖像轉換成灰度圖像，并對灰度圖像進行預處理；

S203：采用OTSU算法對灰度圖像中的積灰區域進行檢測、識別；

S204：根據灰度圖像中積灰區域的占比，計算太陽能光伏板表面的積灰程度。

3.根據權利要求2所述的太陽能光伏板表面積灰程度的預測方法，其特征在于，在步驟S202中，預處理的過程包括：

S202.1：通過中值濾波算法對灰度圖像進行濾波；

S202.2：采用分段線性變換算法對步驟S202.1得到的灰度圖像進行增強。

4.根據權利要求2所述的太陽能光伏板表面積灰程度的預測方法，其特征在于，步驟S202的具體步驟包括：

S202.1：采用中值濾波算法對灰度圖像G_m×n進行濾波，得到濾波后的灰度圖像H_m×n；

h(x,y)＝Med{g(x-k,y-l),(k,l∈w)} (3)

式(3)中，h(x,y)代表濾波后灰度圖像H_m×n中的一個像素點；

S202.2：采用分段線性變換算法對濾波后的灰度圖像H_m×n進行增強，得到最終的灰度圖像F_m×n；

式(4)中，f(x,y)代表最終灰度圖像(F_m×n)中的一個像素點，a和b分別為常數，a＝30，b＝180，L＝256。

5.根據權利要求2所述的太陽能光伏板表面積灰程度的預測方法，其特征在于，步驟S204的具體步驟包括：

S204.1：計算灰度圖像F_m×n中積灰區域的面積：

式(5)中，S_dust代表灰度圖像F_m×n中積灰區域的面積值；

S204.2：計算灰度圖像中積灰區域的占比，以占比值表示太陽能光伏板表面積灰的程度；

式(6)中，S_PV代表灰度圖像F_m×n中光伏板的總面積值，d代表灰度圖像中積灰區域的占比，即太陽能光伏板表面積灰程度的數值。

6.根據權利要求1所述的太陽能光伏板表面積灰程度的預測方法，其特征在于，步驟S2中，太陽能光伏板表面積灰程度數據集的形成方法具體步驟為：

假設隨機選取的被測太陽能光伏板的數量為n；d_i表示第i個被測太陽能光伏板的表面積灰程度，0＜i≤n；D表示隨機選取的所有被測太陽能光伏板的表面積灰平均程度，即為所有被測太陽能光伏板的表面積灰程度的平均值，如式(7)所示。

每天采集被測太陽能光伏板的表面積灰程度數值，形成的太陽能光伏板表面積灰程度數據集為時序數列{D₁,D₂,...,D_t,...,D_m}，1＜t≤m，其中t表示天數，即D_t表示第t日的所有被測太陽能光伏板的表面積灰程度的平均值，m表示最大天數。

7.根據權利要求6所述的太陽能光伏板表面積灰程度的預測方法，其特征在于，步驟S3的具體步驟為：

基于采集獲得的時序數列{D₁,D₂,...,D_t,...,D_m}，利用最小二乘法擬合獲得太陽能光伏板表面積灰程度隨時間變化的模型。