[发明专利]一种基于人工智能的光伏跟踪支架故障检测方法和装置

权利要求书

1.一种基于人工智能的光伏跟踪支架故障检测方法，其特征在于，包括：

获取当前时刻太阳能电池板的输出电流，以及当前时刻的光照强度；

根据所述太阳能电池板的输出电流，获取当前时刻所述太阳能电池板的实际输出功率，根据所述当前时刻的光照强度，获取当前时刻所述太阳能电池板的目标输出功率；

获取所述实际输出功率和所述目标输出功率的功率误差值，并比较所述功率误差值与预设功率误差阈值的大小；

若所述功率误差值大于或者等于所述预设功率误差阈值，则获取当前时刻所述太阳能电池板的实际角度；

根据所述当前时刻，以及预设的角度数据库，获取所述太阳能电池板当前时刻对应的目标角度；

获取所述实际角度和所述目标角度的角度误差值，并比较所述角度误差值与预设角度误差阈值的大小；

若所述角度误差值大于或者等于所述预设角度误差阈值，则判定光伏跟踪支架存在故障；若所述角度误差值小于所述预设角度误差阈值，则判定光伏跟踪支架不存在故障。

2.根据权利要求1所述的基于人工智能的光伏跟踪支架故障检测方法，其特征在于，所述获取当前时刻所述太阳能电池板的实际角度，包括：

获取所述太阳能电池板预设个数的目标关键点的三维坐标；

根据所述目标关键点的三维坐标，获取所述太阳能电池板中心点的电池板法向量以及经过所述中心点的地面法向量；

根据所述电池板法向量和所述地面法向量，计算得到所述实际角度。

3.根据权利要求2所述的基于人工智能的光伏跟踪支架故障检测方法，其特征在于，所述预设个数的目标关键点为所述太阳能电池板的四个角点。

4.根据权利要求2或3所述的基于人工智能的光伏跟踪支架故障检测方法，其特征在于，所述获取所述太阳能电池板预设个数的目标关键点的三维坐标，包括：

获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标；

将各所述目标关键点在所述太阳能电池板实际图像中的二维坐标转换成在世界坐标系中的三维坐标。

5.根据权利要求4所述的基于人工智能的光伏跟踪支架故障检测方法，其特征在于，所述获取所述太阳能电池板的各所述目标关键点在太阳能电池板实际图像中的二维坐标，包括：

获取太阳能电池板样本图像；

在所述太阳能电池板样本图像中标注目标关键点；

将标注的目标关键点的散点图与高斯核进行卷积，获取目标关键点样本热力图，得到标签数据；

将所述太阳能电池板样本图像以及所述标签数据输入到太阳能电池板关键点提取网络中进行训练，得到目标关键点提取模型；

获取当前时刻的所述太阳能电池板实际图像；

将所述太阳能电池板实际图像输入至所述目标关键点提取模型中，得到目标关键点热力图；

根据目标关键点热力图，获取各所述目标关键点在所述太阳能电池板实际图像中的二维坐标。

6.根据权利要求5所述的基于人工智能的光伏跟踪支架故障检测方法，其特征在于，所述太阳能电池板关键点提取网络包括编码器和解码器；

所述将所述太阳能电池板样本图像以及所述标签数据输入到太阳能电池板关键点提取网络中进行训练，得到目标关键点提取模型，包括：

将所述太阳能电池板样本图像以及所述标签数据进行归一化处理；

将归一化处理后的所述太阳能电池板样本图像输入至所述编码器中，进行特征提取，得到所述太阳能电池板样本图像的Feature map，将所述Feature map输入至所述解码器中进行上采样，输出目标关键点初始热力图；

将所述标签数据与所述目标关键点初始热力图使用交叉熵损失函数进行热力图损失计算，得到所述目标关键点提取模型。