[发明专利]一种基于图像处理的光伏电站光伏板污染物智能检测辅助系统及方法

权利要求书

1.一种基于图像处理的光伏电站光伏板污染物智能检测辅助系统，其特征在于，包括监控照相机(1)、光伏板温度传感器(2)、环境温度传感器(3)、光伏板逆变器(4)、数据采集卡(5)、数据库(6)、图像特征学习系统(7)、图像分类训练系统(8)、光伏板污染物在线检测系统(9)和智能清洁辅助系统(10)；

所述监控照相机(1)、光伏板逆变器(4)、光伏板温度传感器(2)、环境温度传感器(3)、与数据采集卡相连(5)；

所述数据采集卡(5)、图像特征学习系统(7)、图像分类训练系统(8)、光伏板污染物在线检测系统(9)、智能清洁辅助系统(10)与数据库(6)相连并可进行数据交换。

2.根据权利要求1所述的一种基于图像处理的光伏电站光伏板污染物智能检测辅助系统，其特征在于，所述数据库(6)可与数据输入设备键盘、鼠标相连。

3.根据权利要求1所述的一种基于图像处理的光伏电站光伏板污染物智能检测辅助系统，其特征在于，所述数据库(6)可与光伏电站数据采集与监控控制系统SCADA相连，并可进行数据交换。

4.一种根据权利要求1所述的一种基于图像处理的光伏电站光伏板污染物智能检测方法，其特征在于，采用下述步骤：

第一步，图像采集：通过光伏板监控照相机采集光伏板图像，包含无污染物光伏板图像、各类型污染物光伏板图像，并采集相应时刻光伏板理论有功功率，光伏板实际有功功率，光伏板电流，光伏板电压，光伏板温度，光伏板环境温度数据；

第二步，图像预处理：采用三维块匹配BM3D对步骤第一步采集得到的光伏板图像进行去噪，去除图像干扰点；

第三步，图像标定：针对污染物类型和污染程度，对第二步去噪后的数据进行人工标定，标定污染物类别及污染等级，污染物类别可分为灰尘污染、飘落物污染、附着物污染，并依据灰尘厚度对灰尘污染分为三个污染等级，依据飘落物污染及附着物污染面积分为三个污染等级，其中可依据光伏电站实际情况需求更改污染物类别及污染程度，从而得到光伏图像训练集；

第四步，图像特征向量计算：采用主成分特征分析网络计算第三步得到的训练图像的主成分滤波器组和特征向量，具体步骤为：

1)计算训练集图像出成分滤波器，并对所有训练集图像进行卷积计算；

设定共有L个滤波器，本发明中设定L＝2，大小为k₁×k₂，对于给定的光伏板图像训练集V(共有图像h张)，提取每副光伏板图像I_i(i＝1,2,...,h)的所有像素点周围k₁×k₂大小的块p，并整合，得到一个所有块的集合矩阵P；由公式(1)得到主成分滤波器组C_r；

其中，是一个矩阵转换方程，将图转换为矩阵q_r(PP^T)是矩阵PP^T第r个主特征矢量；

然后由如下公式得到输出图像

其中，*为二维卷积计算；

2)对所有1)输出中的训练图像进行卷积计算，计算训练图像和测试图像的特征向量；其主要过程为，将所有训练数据经过1)得到的图像作为输入，再次计算所有图像的主成分滤波器组，并用该滤波器组对所有图像进行卷积计算，得到最终输出图像Y_i^r；主成分滤波器组的计算和卷积计算的次数也根据实际情况向1)步骤一样适当增加；

然后，通过公式(3)计算图像Y_i^r的特征向量：

F_i＝[BhistH(Y_i¹),...,BhistH(Y_i^L)]^T, (3)

其中BhistH(Y_i¹)是一个将整数化的Y_i^r直方图转换为向量的方程；

3)对步骤2)得到的特征向量进行光伏板信息融合，通过公式(4)计算训练图像V的特征向量，来描述对应光伏板图像：

Γ_i＝[Gt_i,Gr_i,Dg_i,A_i,U_i,Es_i,Eb_i,De_i,nor(F_i)]^T (4)

其中：

nor(a)是一讲向量a进行归一化处理的方程；

Gt_i＝nor[gt_i1,...,gt_iT],其中gt_it(t＝1,2,...,T)为图像I_i生成时对应光伏板逆变器前3分钟内第t次采样得到的理论有功功率，T为3分钟内采样总数；

Gr_i＝nor[gr_i1,...,gr_iT],其中gr_it(t＝1,2,...,T)为图像I_i生成时对应光伏板逆变器前3分钟内第t次采样得到的实际有功功率；

Dg_i＝nor(Gt_i-Gr_i)；

A_i＝nor[a_i1,...,a_iT],其中a_it(t＝1,2,...,T)为图像I_i生成时对应光伏板逆变器前3分钟内第t次采样得到的逆变器电流；

U_i＝nor[u_i1,...,u_iT],其中u_it(t＝1,2,...,T)为图像I_i生成时对应光伏板逆变器前3分钟内第t次采样得到的逆变器电压；

Es_i＝nor[es_i1,...,es_iT],其中es_it(t＝1,2,...,T)为图像I_i生成时对应光伏板逆变器前3分钟内第t次采样得到的光伏板温度；

Eb_i＝nor[eb_i1,...,eb_iT],其中eb_it(t＝1,2,...,T)为图像I_i生成时对应光伏板逆变器前3分钟内第t次采样得到的光伏板温度；

De_i＝nor[Es_i-Eb_i]；

第五步：图像训练：本步骤采用有监督分类器——支持向量机对步骤3)式(4)得到的特征向量Γ_i进行训练；

设支持向量机数据空间中超平面方程为：w·x+b＝0， (5)

其中w即为所求分类面；

则分类间隔为求最优平面即转化为：

本发明采用线性核函数：

K(x，x_i)＝xx_i (7)

其中：x_i∈Rⁿ，i＝1,2,...,N为可分样本，N为样本可分总数；

结合公式(4)得到的光伏板图像特征向量与步骤3)得到的人工标定结果，对光伏板污染物种类及污染物程度进行训练，建立训练模型；

第六步，光伏板污染物在线检测：同步骤1)，通过光伏板监控照相机采集待测光伏板的图像I_TE，并采集相应时刻光伏板理论有功功率，光伏板实际有功功率，光伏板电流，光伏板电压，光伏板温度，光伏板环境温度数据；

由步骤4)得到的主成分滤波器C₁、C₂，作为待测图像I_TE的主成分滤波器，并通过公式(2)及公式(3)迭代计算出图像I_TE的图像特征F_i；

结合采集到的光伏板理论有功功率，光伏板实际有功功率，光伏板电流，光伏板电压，光伏板温度，光伏板环境温度数据，利用公式(4)计算图像I_TE的特征向量f^TE，来描述图像I_TE对应光伏板；

将图像I_TE的特征向量f^TE与步骤4)得到的训练模型输入到支持向量机进行有监督分类，采用公式(7)作为分类核函数，实现对图像I_TE所属污染物类别及污染物程度进行分类；

第六步，智能清洁辅助系统：依据经验，建立光伏板污染清洁专家库，根据由步骤5)得到的光伏板污染物类型及污染程度、污染时长进行预警，并调用专家库，实现对当前污染的清洁建议；智能清洁辅助系统与光伏电站数据采集与监控控制系统相连，直接输出至工程师站操作台上，并在屏幕显示。