[发明专利]光伏电池板遮荫部分的检测方法有效
申请号: | 201210087159.2 | 申请日: | 2012-03-29 |
公开(公告)号: | CN102609951A | 公开(公告)日: | 2012-07-25 |
发明(设计)人: | 段其昌;隆霞;段盼;徐宏英;唐若笠;陈耀 | 申请(专利权)人: | 重庆大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 重庆市前沿专利事务所 50211 | 代理人: | 郭云 |
地址: | 400045 *** | 国省代码: | 重庆;85 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电池板 遮荫 部分 检测 方法 | ||
1.一种光伏电池板遮荫部分的检测方法,其特征在于包括以下步骤:
S1、获取在光伏电池板监控区域光伏电池阵列的实际图像A;
S2、将该实际图像A进行灰度化处理,并且将经灰度化处理后的实际图像A与原始图像B进行比较,其中该原始图像B是指不存在阴影部分的灰度图:
如果实际图像A与原始图像B相同则表示实际图像中不存在阴影部分,结束操作;
如果实际图像A与原始图像B不相同则表示实际图像A中存在阴影部分,将该实际图像A的阴影部分作为遮荫区域进行图像分割。
2.根据权利要求1中任何一项所述的光伏电池遮荫部分的检测方法,其特征在于在对该实际图像A的遮荫区域进行图像分割后还包括以下步骤:将经图像分割后的遮荫区域采用数学形态学开运算和闭运算,去除遮荫区域中的细小空洞和孤立点。
3.根据权利要求1或2所述的光伏电池板遮荫部分的检测方法,其特征在于在对该实际图像A的遮荫区域进行图像分割后还包括以下步骤:
S3、统计实际图像A的平均灰度值以及各图像单元的平均灰度值,其中在光伏电池板监控区域光伏电池阵列中每一光伏电池均对应于实际图像A中的一个图像单元:如果图像单元的平均灰度值小于该实际图像A的平均灰度值则将该图像单元标记为遮荫单元,与该图像单元对应的光伏电池为遮荫光伏电池,否则不作标记;
S4、采用光强度传感器采集遮荫光伏电池的遮荫度,并存储该遮荫光伏电池及其遮荫度,从而为最大功率点跟踪算法提供依据。
4.根据权利要求1所述的光伏电池板遮荫部分的检测方法,其特征在于在所述步骤S2中实际图像A与原始图像B的比较步骤为:
求取实际图像求取实际图像A与原始图像B中对应像素点P之间像素差值的绝对值K,并将该像素差值的绝对值K与T1进行比较,其中T1和K均为大于零的实数:如果实际图像A与原始图像B中每一对应像素点P之间的像素差值的绝对值K均≤T1,则表示该实际图像A与原始图像B相同,实际图像A中不存在阴影部分,结束操作;
如果实际图像A与原始图像B中任一对应像素点P之间的像素差值的绝对值K> T1,则表示该实际图像A与原始图像B不相同,实际图像A中存在阴影部分。
5.根据权利要求4所述的光伏电池板遮荫部分的检测方法,其特征在于:在判定实际图像A中存在阴影部分时进一步判断该阴影部分是由于固体遮挡物还是遮荫导致:如果该阴影部分在时间段t内仍然存在,则该阴影部分是由于固体遮挡物导致,否则该阴影部分是由于遮荫导致。
6.根据权利要求5所述的光伏电池板遮荫部分的检测方法,其特征在于判断该阴影部分是由于固体遮挡物还是遮荫导致的步骤为:
获取在时间段t内采集的多张实际图像A中对应像素点P的像素值,并分别求取该多张实际图像A与原始图像B中对应像素点P之间的像素差值的绝对值,从而获得多个像素差值的绝对值K’,将该多个像素差值的绝对值K’与T2进行比较,其中T2为大于零的实数,K’由多个大于零的实数组成:如果该多个像素差值的绝对值K’ 均< T2,则表示该阴影部分是由于固体遮挡物导致,否则表示该阴影部分是由于遮荫导致。
7.根据权利要求5所述的光伏电池板遮荫部分的检测方法,其特征在于:在判定该实际图像中存在阴影部分且该阴影部分是由于遮荫导致时,进一步判断在光伏电池板监控区域光伏电池阵列中光伏电池的数量:
如果光伏电池的数量=1,则该实际图像A的阴影部分即为遮荫区域;
如果光伏电池的数量>1,设定在光伏电池板监控区域光伏电池阵列中每一光伏电池均对应于实际图像A中的一个图像单元,根据实际图像A中各图像单元之间的布局去除各图像单元之间的间隔s=L’ *(1- n * l/L)/(n-1),从而获得实际图像A的遮荫区域,其中L’表示实际图像A的长度,n表示实际图像A中图像单元的个数,l表示单个光伏电池的长度且L表示监控区域光伏电池阵列的长度。
8.根据权利要求1所述的光伏电池遮荫部分的检测方法,其特征在于:在所述步骤S2中采用加权模糊C均值聚类方法对实际图像A的遮荫区域进行图像分割:
该遮荫区域表示为 ,其中表示第i个像素点,即第i个样本,并将该遮荫区域分为c类,其中且c为整数,为遮荫区域的尺寸,通过最小化隶属度矩阵和聚类中心矩阵V()的目标函数实现加权模糊C均值聚类,该目标函数表示为:
其中m为模糊加权指数,为每个样本的加权系数,用于调整聚类中心,且满足条件;,
。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210087159.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种磁力控制的墨水渗透式微接触印刷装置
- 下一篇:桥式数控龙门磨床结构