关键词:
光伏发电
机器视觉
实例分割
智能监测系统
嵌入式系统
摘要:
光伏发电作为清洁能源技术,因其可持续供能的特性,被广泛应用于林区火警监测站、农林气象站等场所。然而,其发电效率易受环境因素影响,尤其是树叶、积雪、鸟粪等异物对光伏组件造成遮挡,可能导致输出功率下降,严重时甚至中断供电,影响设备正常运行。因此,定期清理维护至关重要。针对偏远地区小型光伏系统人工巡检成本高等实际问题,本文设计了一种光伏组件异物监测与响应系统,通过机器视觉方法完成异物检测,可有效改善光伏系统在复杂环境下的自主运维能力。本文主要研究内容如下:
(1)构建了涵盖高纬度地区光伏组件积雪遮挡、林区光伏组件树叶遮挡等实际场景的异物数据集。采用GhostNet架构替代YOLOv8的原始骨干网络,构建实例分割模型,通过理论计算与实验测试,本文采用的模型相比原模型参数量减少14.4%,推理过程FLOPs降低20.8%,模型在计算效率提高的同时,可保持良好的检测精度,实现光伏组件表面的阴影、积雪、落叶和鸟粪的分割识别,为智能分级响应策略提供数据支持。
(2)设计不同遮阴工况下的发电功率实验,基于实验数据建立不同类别异物的遮挡比例与最大输出功率的量化关系,并结合异物对发电功率的影响程度及不同的清理方式,将异常遮挡定义为软遮挡、硬遮挡和混合遮挡,并以此制定智能分级响应策略。当硬遮挡面积(Rh%)超过5%时,系统发送警报通知清理;当软遮挡面积(Rs%)超过45%时,系统自动调整光伏组件朝向;当混合遮挡的Rs%大于27%且Rh%大于3%时,系统同时调整舵机并发出警报,以维持光伏组件的发电效率。
(3)搭建基于树莓派的光伏组件异物监测与响应系统,包括图像采集、远程通信和舵机驱动等模块。异物监测方面,优化后的GhostNet-YOLOv8模型部署到由树莓派构建的嵌入式设备中,采用定时采样策略完成异物监测。经测试,推理速度达到1.4s/帧,满足光伏监测需求。针对不同类型的遮挡情况,系统通过舵机自动调整光伏组件朝向,以减少软遮挡影响,并结合远程警报机制对硬遮挡和混合遮挡做出及时响应,确保光伏系统在复杂环境下的稳定运行。
综上,本研究设计并实现了一种适用于小型光伏组件的智能化遮挡检测与响应系统,结合轻量级实例分割模型和智能分级响应策略,实现了计算资源受限环境下的异物快速检测与响应。未来研究可进一步优化推理加速技术,并提升系统在复杂气候环境中的适应性,以推动光伏系统的智能化运维。