基于自主巡航无人机的光伏组件残余冰雪量识别算法

技术领域

本发明属于光伏组件覆冰在线监测技术领域，具体涉及一种基于自主巡航无人机的光伏组件残余冰雪量识别算法。

背景技术

随着国家对新能源产业的大力支持，光伏电站装机总量快速增长。但由于光伏电站多运行于荒野、山区，自然环境较为恶劣，暴雨、雷电、洪水、冰雪、地震等原因导致光伏电站受灾的报道屡见不鲜。在上述气象和地质灾害中，冰雪积聚会大幅降低光伏组件发电效率、影响组件寿命、造成组件坍塌等问题，已成为影响光伏电站冬季正常运行的最主要因素。美国、加拿大、挪威、德国、土耳其以及我国都有因冰雪积聚导致光伏电站发电效率严重降低，甚至光伏板大面积坍塌的报道。相关数据表明，因覆冰雪问题导致的光伏组件最大月度发电量损失可超过80％，年度发电损失可达30％。造成严重的经济损失，严重影响了寒冷地区光伏电站的正常运行。目前许多分布式光伏电站位于山坡、丘陵等地，雪后工作人员现场察看及清扫非常困难。

发明内容

本发明的目的是提供一种基于自主巡航无人机的光伏组件残余冰雪量识别算法，该方法对偏远地区光伏电站组件冰雪进行监测，实现光伏组件冰雪状态的远距离感知。

本发明所采用的技术方案是，基于自主巡航无人机的光伏组件残余冰雪量识别算法，具体按照以下步骤实施：

步骤1、利用光伏电站布置的无人机采集冬季光伏组件覆冰雪图像集S1；

步骤2、对采集图像集S1中任意的覆冰雪图像I1判断是否畸变：若畸变，则对I1畸变校正后依次进行预处理，获取图像I2；

步骤3、对步骤2获得的图像I2采用自适应最大类间方差法进行图像分割，得到图像I3；

步骤4、对步骤3得到光伏组件覆冰区域分割图像I3进行形态学修正，由于经过分割后的光伏板覆冰图像覆冰曲线不平滑，且覆冰区域内有些许孔洞，故对I3进行形态学修正，得到孔洞填充图I4及覆冰区域修正图I5；

步骤5、图像特征提取与残余冰雪量计算，选择颜色特征和形状特征两种特征量与光伏组件覆冰区域相关；选取覆冰区域面积、覆冰区域形状因子和光伏板冰雪覆盖率作为参数，实现对光伏组件残余冰雪量的计算。

本发明的特征还在于，

步骤1中无人机对光伏组件进行巡检的流程为：在光伏阵列安全范围外起飞无人机，通过手动或自动方式控制无人机飞行到达光伏组件上方，并沿着光伏组件阵列飞行并采集光伏组件的图像信息，当所有检查点的图像都采集完毕得到图像集S1后无人机返回出发点。

步骤2的具体实施方式为：

2.1)将采集图像进行畸变校正

用仿射变换的方法对图像I1进行畸变校正，在二维空间中，点(x,y)经过仿射变换到点(x＇,y＇)的计算式如下：

其中(T

2.2)将彩色图像灰度化

将图像I1中的三通道R、G、B分量的亮度值根据各自的重要性，乘以不同的权值，将每个通道的权值进行加权平均，计算式如下：

Gray(x,y)＝0.30R(x,y)+0.59G(x,y)+0.11B(x,y)(2)

其中，R(x，y)、G(x，y)和B(x，y)为图像R、图像G、图像B在(x，y)处的像素值；

2.3)进行直方图规定化处理

采用直方图规定化方法对图像I1进行图像增强，首先将图像I1进行灰度均衡化：

其中s

然后将目标图像也进行灰度均衡化：

其中v

z

G(v

步骤4的具体实施方式为：

4.1)建立一个平面圆盘形的结构元素，结构元素大小的不同将导致滤波效果，对图像I3进行开运算，除去孤立的小点，毛刺和小桥，最终去除背景中白色栅栏，同时保持剩余冰雪形态也不变；

4.2)处理覆冰区域孔洞

从上一步得到的图像中删除少于P所有连通分量，得到初步覆冰区域孔洞填充的图片，并生成孔洞填充图I4；其中P为判断是否图像背景中亮噪点的阈值；

4.3)将光伏板边框去除，采用人机交互式方法输入参数或直接输入参数，保留参数所在区域内图片，最终得到覆冰区域修正图I5，为下一步计算残余冰雪量做准备。

步骤5的具体实施方式为：

方法一、当用于连续光伏组件覆冰区域面积计算时：采用统计像素点个数法进行残余冰雪量计算，具体方法如下：

统计覆冰区域修正图I5的覆冰区域前景目标的像素数、光伏组件总像素数，并计算前景图像像素数占整个图像像素数的百分比，将百分比数乘以覆冰区域修正图I5的实际面积数，乘积即为覆冰区域面积S，计算公式如下：

式中：S为覆冰区域面积，P

其中公式(11)中：

光伏组件总像素数p

覆冰雪区域像素数P

最后将p

方法二、当用于局部光伏组件的覆冰雪区域面积计算时，采用外接椭圆法进行残余冰雪量计算具体方法如下：

a)根据图像I5确定所需冰雪区域；

b)以光伏组件边框方向作为椭圆的x轴，其垂线方向为y轴，分别以沿x、y轴方向的残余冰雪最大像素投影的中点为椭圆中心，最大像素投影长度为椭圆两个特征长度；

c)以步骤b中的椭圆中点和长度参数绘制椭圆；

d)如椭圆以外的残余冰雪像素对应面积是椭圆面积的10-20％，则认为符合要求。否则转入步骤e；

e)以一定步长分别调整长轴、短轴、角度，返回步骤c。

本发明的有益效果是：

1)本发明方法针对冬季野外光伏电站冰雪难以人工检测的问题，利用无人机和监控摄像头拍照识别光伏组件上的覆冰图像，结合图像处理算法对偏远地区光伏电站组件冰雪进行监测，实现光伏组件冰雪状态的远距离感知。

2)本发明方法提出了完整的图像识别流程，主要包括光伏组件角点定位、区域分割、冰雪残留面积计算，能够准确识别光伏组件覆冰雪区域及残余冰雪量的严重程度，满足发电企业对光伏组件表面冰雪程度识别的要求，对于光伏电站开展冬季冰雪条件下发电效率预测及组件运维具有重要意义。

3)光伏电站无人机巡检具有受地形限制小、巡检效率高、巡检效果好、可快速布署、巡检成本低、操作简单等优点，可在巡检范围、内容和频次上对人工巡检进行有效补充，已在国内多个光伏电站推广应用。因此，本发明方法通过基于光伏电站布置的自主巡航无人机拍摄冬季组件上的冰雪照片，通过图像处理计算出冰雪消融过程中组件上的残余冰雪量，实现光伏组件冰雪状态的远距离感知，为冬季光伏电站电力生产预测提供参考依据。

附图说明

图1为本发明基于自主巡航无人机的光伏组件残余冰雪量识别算法的流程图；

图2为本发明基于自主巡航无人机的光伏组件残余冰雪量识别算法识别效果流程图；

图3为本发明实施例覆冰区域外接椭圆示意图；

图4为本发明实施例1采集原图；

图5为本发明实施例1覆冰区域修正图；

图6为本发明实施例2采集原图；

图7为本发明实施例2覆冰区域修正图；

图8为本发明实施例3采集原图；

图9为本发明实施例3覆冰区域修正图；

图10为本发明实施例4采集原图；

图11为本发明实施例4覆冰区域修正图；

图12为本发明实施例5采集原图；

图13为本发明实施例5覆冰区域修正图；

图14为本发明实施例6采集原图；

图15为本发明实施例6覆冰区域修正图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提供一种基于自主巡航无人机的光伏组件残余冰雪量识别算法，如图1所示，具体按照以下步骤实施：

步骤1、利用光伏电站布置的自主巡航无人机采集冬季光伏组件覆冰雪图像集S1，无人机对光伏组件进行巡检的流程为：在光伏阵列安全范围外起飞无人机，通过手动或自动方式控制无人机飞行到达光伏组件上方，并沿着光伏组件阵列飞行并采集光伏组件的图像信息，当所有检查点的图像都采集完毕得到图像集S1后无人机返回出发点。

步骤2、对采集图像集S1中任意的覆冰雪图像I1判断是否畸变：若畸变，则对I1畸变校正后依次进行预处理，包括图像灰度化、图像增强、图像滤波处理，去除干扰噪声，增强图像对比度，使冰雪区域更加突出，获取图像I2。具体过程是，

2.1)将采集图像进行畸变校正

无人机采集到的光伏组件并非每张图片都是从组件正上方拍摄的，部分图片会产生畸变，为了减小残余冰雪量的计算误差，需要用仿射变换的方法对图像I1进行畸变校正，在二维空间中，点(x,y)经过仿射变换到点(x＇,y＇)的计算式如下：

其中(T

2.2)将彩色图像灰度化，

本发明采用基于加权平均值的算法对其进行灰度化，可以降低图像数据量，提高运行效率。

将图像I1中的三通道R、G、B分量的亮度值根据各自的重要性，乘以不同的权值，将每个通道的权值进行加权平均，计算式如下：

Gray(x,y)＝0.30R(x,y)+0.59G(x,y)+0.11B(x,y)(2)

其中，R(x，y)、G(x，y)和B(x，y)为图像R、图像G、图像B在(x，y)处的像素值；

2.3)进行直方图规定化处理

另外由于图像I1冰雪边缘与背景板的边界模糊不清，故采用直方图规定化方法对图像I1进行图像增强，首先将图像I1进行灰度均衡化：

其中s

然后将目标图像也进行灰度均衡化：

其中v

z

G(v

步骤3、对步骤2获得的图像I2采用自适应最大类间方差法(OTSU)进行图像分割，该方法是通过对图像的灰度级进行计算，得出背景和目标的最大方差，从而得到图像的分割阈值，然后根据这个阈值进行二值化处理，最终分割出光伏组件覆冰区域分割图像I3。

步骤4、对步骤3得到光伏组件覆冰区域分割图像I3进行形态学修正，由于经过分割后的光伏板覆冰图像覆冰曲线不平滑，且覆冰区域内有些许孔洞，故对I3进行形态学修正，得到孔洞填充图I4及覆冰区域修正图I5；具体过程是：

4.1)处理掉光伏板背景栅栏，使图像背景简单。建立一个平面圆盘形的结构元素，结构元素大小的不同将导致滤波效果(本实施例指定结构元素大小半径为7)，对图像I3进行开运算，除去孤立的小点，毛刺和小桥，最终去除背景中白色栅栏，同时保持剩余冰雪形态也不变；

4.2)处理覆冰区域孔洞

从上一步得到的图像中删除少于P(p为判断是否图像背景中亮噪点的阈值)的所有连通分量，得到初步覆冰区域孔洞填充的图片，并生成孔洞填充图I4；

4.3)将光伏板边框去除，采用人机交互式方法输入参数或直接输入参数，保留参数所在区域内图片，最终得到覆冰区域修正图I5，为下一步计算残余冰雪量做准备。

采用步骤1-4对光伏组件覆冰雪图像进行识别，识别过程效果如图2所示。

步骤5、图像特征提取与残余冰雪量计算，选择两种特征量与光伏组件覆冰区域相关，分别是颜色特征和形状特征。一般白色区域占比越高时，覆冰区域面积比也越大(覆冰区域面积表征残余冰雪量)。因此，选取覆冰区域面积、覆冰区域形状因子和光伏板冰雪覆盖率作为本发明的参数，实现对光伏组件残余冰雪量的计算。

方法一、当用于连续光伏组件覆冰区域面积计算时：采用统计像素点个数法进行残余冰雪量计算，具体方法如下：

统计覆冰区域修正图I5的覆冰区域前景目标的像素数、光伏组件总像素数，并计算前景图像像素数占整个图像像素数的百分比，将百分比数乘以覆冰区域修正图I5的实际面积数，乘积即为覆冰区域面积S，计算公式如下：

式中：S为覆冰区域面积，P

其中公式(11)中：

光伏组件总像素数p

覆冰雪区域像素数P

最后将p

方法二、当用于局部光伏组件的覆冰雪区域面积计算时，采用外接椭圆法进行残余冰雪量计算，因为冰雪类型的不确定性，当冰雪区域识别有缺失时通过椭圆划定冰雪覆盖区域，可以减小误差，该方法具有借鉴和参考的价值与意义，具体方法如下：

a)根据图像I5确定所需冰雪区域；

b)以光伏组件边框方向作为椭圆的x轴，其垂线方向为y轴，分别以沿x、y轴方向的残余冰雪最大像素投影的中点为椭圆中心，最大像素投影长度为椭圆两个特征长度；

c)以步骤b中的椭圆中点和长度参数绘制椭圆；

d)如椭圆以外的残余冰雪像素对应面积是椭圆面积的10-20％(人为标定)，则认为符合要求。否则转入步骤e；

e)以一定步长(例1～例5步长2％)分别调整长轴、短轴、角度，返回步骤c。

实验结果：覆冰区域外接椭圆图如图3所示，图中a表示长轴长，b表示短轴长。步骤5中提出了两种计算光伏组件覆冰区域面积的方法：

方法一是通过统计图像上目标区域像素点个数的方法计算覆冰区域面积，通过遍历整张图片，统计目标区域的所有像素点以及整幅图像素个数，最后得到覆冰区域面积。计算结果如表1所示。

表1

其中，例1的原图如图4所示，覆冰区域修正图如图5所示；例2的原图如图6所示，覆冰区域修正图如图7所示；例3的原图如图8所示，覆冰区域修正图如图9所示；例4的原图如图10所示，覆冰区域修正图如图11所示；例5的原图如图12所示，覆冰区域修正图如图13所示；例6的原图如图14所示，覆冰区域修正图如图15所示。得到图5、7、9、11、13、15就可以用方法一计算残余冰雪量。例6是光伏组件连续残余冰雪区域图片，不存在局部光伏组件的情况，故采用方法一计算残余冰雪量。

方法二是采用外接椭圆法进行残余冰雪量计算，实施例为例1～例5，原图I1仍为图6、8、10、12、14所示，经前述识别流程处理后，再按方法二所述，例1～例5残余冰雪量

残余冰雪量计算模型误差分析：

对比步骤5两种方法，评估冰雪消融过程中残余冰雪量算法的准确性，本发明采用准确率和绝对误差这两个指标反映残余冰雪量的准确性；

其中L

表2

由表2可知，这两种方法分别对于连续和局部光伏组件覆冰雪区域面积的计算都可以实现，且最大误差不超过5％，相对准确率也都在90％以上。综上所述，本发明方法能够利用图像处理技术准确识别光伏组件上覆冰雪区域及残余冰雪量的严重程度，对偏远地区光伏电站组件冰雪进行监测，实现光伏组件冰雪状态的远距离感知，省时省力，能够在光伏电站及偏远安装光伏发电的丘陵、山林大范围推广使用，降低劳动强度，对光伏巡检有重要意义。