一种基于像素分析统计学技术来判断光伏电池板是否需要清洗的方法

技术领域

本发明涉及的是一种基于像素分析统计学技术来判断光伏电池板是否需要清洗的方法，属于光伏电池板技术领域。

背景技术

光伏电池板发电的原理相当简单，就是让太阳光能够照射到光伏电池板玻璃表面下的发电芯片，芯片将太阳光转换成电流。光伏电池板发电的效率，也就是太阳光转换成电流的效率，取决于太阳光是否能够抵达玻璃层面下的芯片。如果太阳光在抵达玻璃层面下的芯片之前被折射的话，太阳光转换成电流的效率就会大大的损失。太阳光被折射的原因很多，但光伏电池板折射太阳光的原因主要是光伏电池板上的尘土、沙粒、鸟粪、工业排放到空气中的污染物、酸雨在光伏电池板上留下的痕迹、废纸、树叶、或其他飘落或掉落到光伏电池板上的异物等等。覆盖在光伏电池板上的异物造成表面玻璃层的透光度下降，透光度的下降直接造成电流输出的下降。所以光伏电池板被异物覆盖的面积越大、覆盖物越厚，电流转换的效率就越低。太阳光被折射的比例直接影响电流转换效率的损失的比例。

研究显示，一般情况下如果一个月没有清洗，光伏电池板的发电效率损失可高达50％，这相当于每天损失1.2％的效率。我国的空气污染比较严重，而且空气中的灰尘密度比较高，所以如果不经常清洗，光伏电池板发电的效率的损失非常严重。

太阳光被折射不但造成发电效率的损失，同时会严重影响发电装置的寿命，从而造成财产损失、投资损失、发电运营成本高等问题。为了保持发电效率、维护发电装置的寿命、控制运营成本等，光伏电池板需要经常清洗，以确保玻璃表面的干净程度。最简单的做法就是每天清洗，但是每天清洗的成本太高；虽然每天清洗能维持光伏电池板发电的最高效率，但是每天清洗的成本高于每天清洗后所避免的损失，所以每天清洗的成本得不偿失，尤其是大型光伏发电站的清洗成本很高，远远高于每天可避免的1.2％的效率的损失。

不清洗会造成损失，每天清洗又成本太高，如何能维持一种平衡、把运营利益最大化？目前，绝大部分的光伏发电站都靠人检查光伏电池板上的“肮脏”程度，从而确定是否需要清洗；但靠人工检查的方式成本太高，而且容易被疏忽，或者由于判断不准确而未能把利益最大化。而且大型发电站多在偏远地方，光伏电池板数量庞大，天天靠人工检查的方式的可行性不高。

发明内容

本发明的目的在于克服现有技术存在的不足，而提供一种简单而且低成本，可以很可靠的辅助智能决策系统，从而大幅度的降低光伏电站运营成本的基于像素分析统计学技术来判断光伏电池板是否需要清洗的方法。

本发明的目的是通过如下技术方案来完成的，一种基于像素分析统计学技术来判断光伏电池板是否需要清洗的方法，该方法是：

在做决策之前，决策系统需要采集基础数据，具体采集数据的步骤如下：

1a)拍摄N片肮脏光伏电池板的照片；

1b)对肮脏光伏电池板的每一张照片做图像处理，解读每一像素红绿蓝频的峰值，然后计算整体峰值和平均峰值，录入数据库系统；

1c)把N片光伏电池板清洗干净，在同一灯光环境和角度下再拍摄照片；

1d)对干净光伏电池板的每一张照片做图像处理，解读每一像素红绿蓝频的峰值，然后计算整体峰值和平均峰值，录入数据库系统；

监控系统在运行时，判断光伏电池板是否需要清洗的步骤如下：

2a)摄像头定时的拍摄光伏电池板的照片，摄像头可以是安装在清洗机器人装置上的，也是装置在某个固定位置上的；

2b)照片通过无线网络或者有线网络发送到后台决策系统上；

2c)决策系统将收到的照片进行图像处理，解读每一个像素的红绿蓝频的数据；

2d)根据前面描述的算法，计算出F分布值；

2e)跟数据库里预先计算好的阀门值做比较；

2f)如果确定为肮脏，则发送指令给清洗机器人启动清洗操作；如果确定为干净，则等待下一张发送过来的照片再检测。

作为优选：所述的步骤1b)和1d)，分别采用了N片干净的光伏电池板的数据和N片肮脏的光伏电池板的数据作为分级算法的基础数据，基于这N片光伏电池板的数据，用伽玛分布来作为概率函数的模型，而伽玛密度函数是：

假如是采集的图片计算出来的整体的峰值而是平均峰值的话，那么以上的伽玛密度函数的整体峰值便是：

而α和β可以从以下方法计算出来：

作为优选：监控系统在运行时，判断光伏电池板是否需要清洗是：采用统计学方法作为分级原理的计算基础，做一个准确的阀门判断，并判断是否已经达到需要清洗的程度；采用N片光伏电池板，假如

是N片光伏电池板的红绿蓝频道的峰值，而

是红绿蓝频道的平均峰值，那么根据概率分布函数的中心极限定理，这个平均峰值矢量会接近多元正态分布(这里是三元正态分布)；

N片光伏电池板的频道峰值的N个矢量

都是独立的，同时，方差协方差矩阵是：

那么，计算N片板的平均矢量的方差协方差矩阵的方法就是：

这里的N就是N片光伏电池板；如果第i片板的峰值矢量是

的话，那么平均峰值矢量就是

而它的方差协方差矩阵的计算就是：

这样一来，判断一片光伏电池板是否达到需要清洗的肮脏程度的话，假设这片要判断肮脏程度的光伏电池板的红绿蓝频的峰值矢量是(r,g,b)而且

的话，那么下面就是参数为3和N-3的F分布算法：

这时候，如果这片光伏电池板符合以下条件：

即可以判断这片光伏电池板是干净的，不需要清洗；反之，就需要发起清洗操作。

本发明检测光伏电池板的“肮脏”程度的方法，是基于图片像素的光的波长的分析和比较后得出的结论，用普通摄像头在固定位置定时拍摄一张光伏电池板的图片，用图像处理的方法对拍摄到的光伏电池板的图片的像素进行分析光波长和光折射的密度，然后采用统计学的基本算法(例如多元分布、马氏距离等)与原先建立好的数学模型进行比较，最后得出光伏电池板表面的“肮脏”程度的数据；它具有方法简单而成本低等特点。

附图说明

图1是本发明所述用摄像头拍摄光伏电池板的结构原理图。

图2是本发明所述干净的光伏电池板表面图。

图3是本发明所述覆盖了一层沙尘的光伏电池板表面图。

图4是本发明所述干净光伏电池板的频道概率分布和峰值图。

图5是本发明所述肮脏光伏电池板的频道概率分布和峰值图。

图6是本发明所述采集数据流程图。

图7是本发明所述判断光伏电池板是否需要清洗的流程图。

具体实施方式

下面将结合附图对本发明作详细的介绍：本发明所述的一种基于像素分析统计学技术来判断光伏电池板是否需要清洗的方法，该方法是：

在做决策之前，决策系统需要采集基础数据，具体采集数据的步骤如下：

1a)拍摄N片肮脏光伏电池板的照片，见图1所示；

1b)对肮脏光伏电池板的每一张照片做图像处理，解读每一像素红绿蓝频的峰值，然后计算整体峰值和平均峰值，录入数据库系统；

1c)把N片光伏电池板清洗干净，在同一灯光环境和角度下再拍摄照片，见图1所示；

1d)对干净光伏电池板的每一张照片做图像处理，解读每一像素红绿蓝频的峰值，然后计算整体峰值和平均峰值，录入数据库系统；

监控系统在运行时，判断光伏电池板是否需要清洗的步骤如下：

2a)摄像头定时的拍摄光伏电池板的照片，摄像头可以是安装在清洗机器人装置上的，也是装置在某个固定位置上的；

2b)照片通过无线网络或者有线网络发送到后台决策系统上；

2c)决策系统将收到的照片进行图像处理，解读每一个像素的红绿蓝频的数据；

2d)根据前面描述的算法，计算出F分布值；

2e)跟数据库里预先计算好的阀门值做比较；

2f)如果确定为肮脏，则发送指令给清洗机器人启动清洗操作；如果确定为干净，则等待下一张发送过来的照片再检测。

本发明所述的步骤1b)和1d)，分别采用了N片干净的光伏电池板的数据和N片肮脏的光伏电池板的数据作为分级算法的基础数据，基于这N片光伏电池板的数据，用伽玛分布来作为概率函数的模型，而伽玛密度函数是：

假如是采集的图片计算出来的整体的峰值而是平均峰值的话，那么以上的伽玛密度函数的整体峰值便是：

而α和β可以从以下方法计算出来：

本发明所述的监控系统在运行时，判断光伏电池板是否需要清洗是：采用统计学方法作为分级原理的计算基础，做一个准确的阀门判断，并判断是否已经达到需要清洗的程度；采用N片光伏电池板，假如

是N片光伏电池板的红绿蓝频道的峰值，而

是红绿蓝频道的平均峰值，那么根据概率分布函数的中心极限定理，这个平均峰值矢量会接近多元正态分布(这里是三元正态分布)；

N片光伏电池板的频道峰值的N个矢量

都是独立的，同时，方差协方差矩阵是：

那么，计算N片板的平均矢量的方差协方差矩阵的方法就是：

这里的N就是N片光伏电池板；如果第i片板的峰值矢量是

的话，那么平均峰值矢量就是

而它的方差协方差矩阵的计算就是：

这样一来，判断一片光伏电池板是否达到需要清洗的肮脏程度的话，假设这片要判断肮脏程度的光伏电池板的红绿蓝频的峰值矢量是(r,g,b)而且

的话，那么下面就是参数为3和N-3的F分布算法：

这时候，如果这片光伏电池板符合以下条件：

那么我们可以判断这片光伏电池板是干净的，不需要清洗；反之，就需要发起清洗操作。

实施例：Rayleigh折射原理阐述了光线被折射的方式。阳光分为红外光、红光、绿光、蓝光、紫外光等。红外光的波长最长，红光次之，然后是绿光，再是蓝光和紫外光。光波短的光会被体积小的颗粒物体干扰而折射，光波较长的光被体积较大的颗粒干扰而折射。地球大气层中，有78.1％的氮、20.94％的氧气、0.93％的氩和0.035％的其他气体。阳光进入大气层时，大部分的蓝光和紫外光被体积较小的氮和氧气的分子折射，所以造成从地面往上看，天看起来是蓝色的。红外光、红光和绿光可以穿过而不受干扰。但是如果空气中有体积较大的颗粒，如水气、污染物、灰尘、煤烟等，就会折射光波较长的光，如红外光、红光、绿光等。而被折射的红光和绿光与被折射的蓝光和紫外光混合在一起，使我们看到的天就是灰色的。

本发明就是用光的折射原理，配合图像处理技术、数学算法和模型分析来判断光伏电池板的“肮脏”程度的方法。

当阳光照射在光伏电池板上时，红外光和红光的光波最长，所以能穿透光伏电池板的玻璃表层，直接照射到玻璃表层下面的芯片，所以红外光和红光是产生电流的最大贡献者。蓝光和紫外光则被表面玻璃吸收或折射，所以对光伏发电几乎没有任何贡献。

当阳光照射在干净的光伏电池板上时，红外光、红光和绿光的折射比较少，而当阳光照射在覆盖了一层灰尘(或其他异物)的光伏电池板上时，灰尘的颗粒大，所以会折射较多红外光、红光和绿光，而穿透一层灰尘和玻璃的光比较少，造成发电效率降低。同时，如果我们通过算法分析一片干净的光伏电池板表面折射的光，和一片肮脏的光伏电池板表面折射的光，就能判断一片光伏电池板的“肮脏”程度。

图2、3分别展示干净的和肮脏的光伏电池板的对比：光伏电池板越肮脏，也就是说，覆盖光伏电池板的尘土越多，被折射的阳光就越多。判断光伏电池板是否肮脏，或者判断其肮脏程度的原理，就是分析光伏电池板上被折射的阳光的密度。被折射的阳光的密度越大，表示光伏电池板越肮脏。

在获得一张光伏电池板的图片后，系统先用基本的图像处理技术分解出每个像素的红光频道、绿光频道和蓝光频道，然后用概率密度函数计算图片的红频、绿频和蓝频的密度分布和峰值。按每一个频道的值是从0到255来计算，图4、5分别显示一片干净的和一片覆盖了灰尘的光伏电池板的红绿蓝频的概率分布图；从图4、5可以看到，在一片肮脏的光伏电池板上，各频道的峰值都比较靠右，也就是说峰值比较高，这符合前面描述的关于阳光在肮脏光伏电池板上折射比较多的现象。

本发明采用了N片干净的光伏电池板的数据和N片肮脏的光伏电池板的数据作为分级算法的基础数据。N越大，分级算法的结果更准确，但操作成本更高。本发明采用的N值为100片，也就是说，本发明采用100片光伏电池板的数据作为基础数据。N片肮脏的光伏电池板的图片采集后，系统计算出每一片的频道概率分布和峰值。把N片光伏电池板清洗干净后，在同样的光线环境和角度下采集图片，然后同样计算出每一片的频道概率分布和峰值，同时计算出整体峰值和平均值。基于这N片光伏电池板的数据，我们可以用伽玛分布来作为概率函数的模型，而伽玛密度函数是：

假如是采集的图片计算出来的整体的峰值而是平均峰值的话，那么以上的伽玛密度函数的整体峰值便是：

而α和β可以从以下方法计算出来：

当一片光伏电池板变得越来越脏的时候，系统需要判断是否已经脏到需要清洗的程度，因为清洗操作是有成本的，如果清洗后提升的发电效率的经济效益还不够清洗成本的话，就没有清洗的必要。所以这里需要做一个准确的阀门判断，是否已经达到需要清洗的程度。为了准确的计算这个阀门，本发明采用了统计学方法作为分级原理的计算基础。

正如前面的描述指出，本发明采用N片光伏电池板，假如

是N片光伏电池板的红绿蓝频道的峰值，而

是红绿蓝频道的平均峰值，那么根据概率分布函数的中心极限定理，这个平均峰值矢量会接近多元正态分布(这里是三元正态分布)。

N片光伏电池板的频道峰值的N个矢量

都是独立的，同时，方差协方差矩阵是：

那么，计算N片板的平均矢量的方差协方差矩阵的方法就是：

这里的N就是前面描述的100，即100片光伏电池板。如果第i片板的峰值矢量是

的话，那么平均峰值矢量就是

而它的方差协方差矩阵的计算就是：

这样一来，如果我们要判断一片光伏电池板是否达到需要清洗的肮脏程度的话，我们假设这片要判断肮脏程度的光伏电池板的红绿蓝频的峰值矢量是(r,g,b)而且

的话，那么下面就是参数为3和N-3的F分布算法：

这时候，如果这片光伏电池板符合以下条件：

那么我们可以判断这片光伏电池板是干净的，不需要清洗。反之，就需要发起清洗操作。也就是说，我们采用的肮脏程度分级算法公式是一个使用参数3、N-3和有效性水平为s的F分布算法。有效性水平可以根据实际情况进行调整。

本发明中的描述只描述了两级的“肮脏”程度，即干净的和肮脏的光伏电池板。本发明也可以扩展到检测不同级别的“肮脏”程度，也就是说可以支持多级别的肮脏程度的判断方式，只要在采集基础数据的时候，分为不同级别的肮脏程度的光伏电池板即可，在做判断时，需要计算多轮的F分布值。例如，如果光伏电池板只是覆盖了少许的灰尘，也就是说已经不能算是干净的了，但还没有达到需要清洗的肮脏程度的话，则可以判断为不需要清洗。多级别的肮脏程度判断方式更有效的适合不同环境的光伏发电站的监控和运营。

另外，F分布值对普通用户来说不容易理解，本发明还可以把不同级别的肮脏程度的F分布值，映射到一个更容易理解的平面上，例如把肮脏程度映射到一个从0到100的值的平面上，0值表示为最干净的状态，而100的值表示为最肮脏的状态。

本发明在决策系统做决策之前，需要采集基础数据，采集数据的流程如下(见图6)：

1a)拍摄N片肮脏的光伏电池板的照片；

1b)对肮脏光伏电池板的每一张照片做图像处理，解读每一像素红绿蓝频的峰值，然后计算整体峰值和平均峰值，录入数据库系统；

1c)把N片光伏电池板清洗干净，在同一灯光环境和角度下再拍摄照片；

1d)对干净光伏电池板的每一张照片做图像处理，解读每一像素红绿蓝频的峰值，然后计算整体峰值和平均峰值，录入数据库系统；

监控系统在运行时，判断光伏电池板是否需要清洗的流程如下(见图7所示)：

2a)摄像头定时的拍摄光伏电池板的照片，摄像头可以是安装在清洗机器人装置上的，也是装置在某个固定位置上的；

2b)照片通过无线网络或者有线网络发送到后台决策系统上；

2c)决策系统将收到的照片进行图像处理，解读每一个像素的红绿蓝频的数据；

2d)根据前面描述的算法，计算出F分布值；

2e)跟数据库里预先计算好的阀门值做比较；

2f)如果确定为肮脏，则发送指令给清洗机器人启动清洗操作；如果确定为干净，则等待下一张发送过来的照片再检测。

本发明具有如下特点：

一是框架和算法都非常简单，容易明白、容易实现；

二是不需要特殊硬件装备，只需要普通摄像机就可以完成任务；

三是精确度非常高，完全可以替代人工鉴别的工作；

四是实验证明，本发明的判断准确率在正常情况下达到95％以上；

五是容易集成到光伏发电厂的管理系统里，成为智能决策系统的功能模块；

六是非常通用，适用于大型光伏发电厂的需求，可以快速鉴别是否需要进行光伏电池板清洗；容易扩展支持多级别的肮脏程度的判断，更有效的适应不同环境的光伏发电站的需求。