本發(fā)明涉及到光伏陣列故障檢測(cè)領(lǐng)域，尤其涉及一種基于無人機(jī)的光伏陣列巡檢的方法。

背景技術(shù)：

我國(guó)太陽能資源非常豐富，開發(fā)利用的潛力非常廣闊。今年來，我國(guó)對(duì)能源的需求量日益增加，環(huán)保壓力增大，在國(guó)內(nèi)太陽能光伏發(fā)電的問題得到了廣泛的關(guān)注，同時(shí)也有越來越多的光伏電站建成并投入使用。光伏電站由于其發(fā)電特點(diǎn)，光伏板面積巨大，數(shù)量很多，目前的故障巡檢方式主要采用人工巡檢作業(yè)方式，勞動(dòng)強(qiáng)度大且效率低。另外，當(dāng)前許多光伏電站建設(shè)地點(diǎn)相對(duì)環(huán)境復(fù)雜，許多集中式發(fā)電站建立在廢舊礦坑等位置，地理環(huán)境復(fù)雜，可能還會(huì)產(chǎn)生一定的危險(xiǎn)性，而分布式發(fā)電站大多建立在個(gè)人居住樓房的樓頂，人工檢測(cè)成本極大。

現(xiàn)有的光伏電站的光伏板陣列常見的故障類型主要有：光伏電池板的碎裂、光伏陣列組件老化損壞以及光伏陣列的熱斑現(xiàn)象。目前主要的檢測(cè)方式為電氣測(cè)量方式或者更進(jìn)一步的基于智能算法的故障診斷方式。但是光伏設(shè)備通常運(yùn)行在無人看守的環(huán)境下，因此故障多樣化，具有極大不確定性，許多情況下得到的診斷結(jié)果準(zhǔn)確性并不高。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于無人機(jī)的光伏陣列故障巡檢的方法。

本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的：一種基于無人機(jī)的光伏陣列的巡檢方法，所述的無人機(jī)搭載有陀螺儀、加速度計(jì)、磁感計(jì)、gps測(cè)量模塊、處理器、無線通信模塊、可見光攝像頭和紅外攝像頭；包括以下步驟：

(1)根據(jù)巡檢任務(wù)需求，確認(rèn)待巡檢的目標(biāo)地點(diǎn)，規(guī)劃無人機(jī)的巡檢路徑。

(2)無人機(jī)在巡檢過程中，實(shí)時(shí)獲取當(dāng)前無人機(jī)的角速度w，加速度a和地磁分量psi以及經(jīng)緯度數(shù)據(jù)，并根據(jù)獲取的數(shù)據(jù)，通過sins算法計(jì)算出無人機(jī)估計(jì)位置s1；通過對(duì)gps數(shù)據(jù)處理得到無人機(jī)的觀測(cè)位置s2，最終將s1與s2的位置進(jìn)行融合處理，計(jì)算出無人機(jī)的實(shí)際位置s，此位置用于對(duì)無人機(jī)飛行路徑準(zhǔn)確性的控制；

(3)當(dāng)?shù)竭_(dá)目標(biāo)地點(diǎn)正上方時(shí)，通過紅外攝像頭獲取光伏陣列的紅外圖像，處理器對(duì)紅外圖像中像素rgb數(shù)值進(jìn)行分析比對(duì)，檢測(cè)其圖片是否有熱斑現(xiàn)象；若出現(xiàn)熱斑現(xiàn)象，執(zhí)行步驟4；否則飛向下一個(gè)巡檢區(qū)域；

(4)通過對(duì)圖像中像素點(diǎn)的計(jì)數(shù)，對(duì)熱斑的中心點(diǎn)位置進(jìn)行標(biāo)定；

(5)通過無人機(jī)飛行高度得到的比例尺，根據(jù)步驟2獲得的實(shí)際位置s以及熱斑的中心點(diǎn)位置，獲得無人機(jī)相對(duì)于熱斑中心點(diǎn)位置的偏移距離及方向；

(6)根據(jù)步驟5獲得的偏移距離及方向，控制無人機(jī)飛行，使之位于熱斑中心點(diǎn)位置中上方。

(7)重復(fù)步驟4-6對(duì)無人機(jī)位置進(jìn)行再調(diào)整；

(8)無人機(jī)在調(diào)整后的位置下降至可見光攝像頭的拍攝高度，在下降過程中，實(shí)時(shí)檢測(cè)熱圖象中熱斑的存在，若熱斑消失，則上升0.5-1m后，再次執(zhí)行步驟4-6對(duì)無人機(jī)位置進(jìn)行修正，直至下降至降至可見光攝像頭的拍攝高度；

(9)下降到拍攝高度后，按照步驟4-6使得無人機(jī)位于熱斑中心點(diǎn)位置正上方，使用可見光攝像頭對(duì)故障區(qū)域進(jìn)行數(shù)據(jù)采集并存儲(chǔ)。

(10)通過無線通信模塊將拍攝到的圖片回傳至地面站；

(11)所述的無人機(jī)完成上述任務(wù)之后，先上升至巡檢高度，并按照步驟2進(jìn)行定位。處理器根據(jù)飛行器定位及巡檢路徑，規(guī)劃回航路徑，使得無人機(jī)返回巡檢路徑，并按照步驟2-10對(duì)下一目標(biāo)地點(diǎn)進(jìn)行監(jiān)測(cè)。

進(jìn)一步地，所述步驟2中的融合處理具體為：采用卡爾曼濾波的方式，對(duì)估計(jì)位置s1和觀測(cè)位置s2進(jìn)行融合處理，估計(jì)位置s1作為卡爾曼濾波的估計(jì)值，觀測(cè)位置s2作為卡爾曼濾波的觀測(cè)值，以此二者為核心建立卡爾曼濾波方程并計(jì)算出最為接近真實(shí)的位置s。

本發(fā)明的有益效果在于：在光伏陣列的故障巡檢任務(wù)中，無人機(jī)由于在空中作業(yè)，可以無視地面環(huán)境帶來的制約，同時(shí)無人機(jī)攜帶的測(cè)量拍攝設(shè)備可以通過無人機(jī)作為平臺(tái)對(duì)地面上的光伏板拍攝出精確的圖片，通過后續(xù)的圖像處理可以有效的對(duì)故障進(jìn)行識(shí)別診斷。因此無人機(jī)在光伏陣列巡檢中的應(yīng)用，可以大大降低成本同時(shí)規(guī)避了人工巡檢面臨的多種風(fēng)險(xiǎn)。

附圖說明

圖1為基于無人機(jī)的光伏陣列巡檢系統(tǒng)結(jié)構(gòu)圖；

圖2為基于無人機(jī)的光伏陣列巡檢的任務(wù)示意圖；

圖3為基于無人機(jī)的光伏陣列巡檢的任務(wù)路徑規(guī)劃效果圖；

圖4為互補(bǔ)濾波算法流程圖；

圖5為基于gps/sins的無人機(jī)定位算法的流程圖；

圖6為紅外圖像熱斑中心定位示意圖；

圖7為熱斑中心相對(duì)無人機(jī)位置的比例尺求取示意圖；

圖8為紅色熱斑示意圖。

具體實(shí)施方式：

光伏板在通常情況下，產(chǎn)生的故障都會(huì)對(duì)其本身的發(fā)電產(chǎn)生影響，會(huì)導(dǎo)致光伏板某些區(qū)域產(chǎn)生短路，電流值增大。過大的電流會(huì)產(chǎn)生更高的熱量，從而在板面溫度上有所體現(xiàn)，通過紅外攝像頭拍攝的熱圖象進(jìn)行分析，即可以得到故障發(fā)生的具體位置，控制無人機(jī)飛行至故障發(fā)生位置上方進(jìn)行可見光圖像的拍攝，即可以有效識(shí)別出故障類型。

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳述：

如圖1所示，本發(fā)明基于無人機(jī)的光伏陣列巡檢方法，其中包括無人機(jī)與地面控制站兩個(gè)部分，無人機(jī)上搭載有云臺(tái)以控制攝像頭拍攝，飛控系統(tǒng)負(fù)責(zé)無人機(jī)空中姿態(tài)的保持，處理器負(fù)責(zé)路徑規(guī)劃及控制，同時(shí)也負(fù)責(zé)無人機(jī)與地面站之間的通訊。該方法的實(shí)現(xiàn)步驟如下：

步驟(1)，由于光伏電站通常情況下建立在地形環(huán)境較差的區(qū)域，因此光伏板的分部并非完全的集中而是在以幾個(gè)分散的區(qū)域以較小的規(guī)模分部；甚至于，在分布式光伏發(fā)電如城市屋頂?shù)?，其分布更加分散。因此，基于這個(gè)特點(diǎn)，光伏陣列巡檢的任務(wù)存在多個(gè)待巡檢區(qū)域，無人機(jī)需要飛行至每一塊區(qū)域并對(duì)故障進(jìn)行確認(rèn)。

本實(shí)施方案中，我們?cè)O(shè)定一個(gè)巡檢目標(biāo)區(qū)域數(shù)量為4的一個(gè)光伏陣列巡檢任務(wù)，如圖2所示，無人機(jī)從起點(diǎn)起飛，經(jīng)過1、2、3、4四個(gè)待巡檢區(qū)域并飛行至終點(diǎn)降落以完成巡檢任務(wù)。在此例中，按照現(xiàn)有技術(shù)，建立以東方向?yàn)閤軸方向，北方向?yàn)閥方向，天空方向?yàn)閦軸方向的導(dǎo)航坐標(biāo)系，并以飛機(jī)的起飛點(diǎn)作為坐標(biāo)系原點(diǎn)。本例中，為了計(jì)算方便，使用飛行路程作為無人機(jī)的飛行代價(jià)，路程越大代價(jià)越高，其代價(jià)函數(shù)為其中(x0,y0,z0)為起點(diǎn)坐標(biāo)。路徑規(guī)劃中，采用a*算法與蟻群算法融合得到最終路徑。從圖2中，可以看出經(jīng)過四個(gè)巡檢區(qū)域，無人機(jī)可以有多種飛行方式，同時(shí)，每?jī)牲c(diǎn)間的路徑在有地形環(huán)境的約束下，其路徑也有多種方式。在本例中，對(duì)于兩點(diǎn)間的路徑規(guī)劃，我們采用a*算法求出基于當(dāng)前代價(jià)的最優(yōu)解，在此基礎(chǔ)之上，得到全局每?jī)牲c(diǎn)之間的路徑代價(jià)，并以此帶入蟻群算法，找到最優(yōu)巡檢順序。圖3是使用matlab對(duì)此算法進(jìn)行的仿真結(jié)果。圖中位置1為起點(diǎn)，位置6為重點(diǎn)，其路徑從起點(diǎn)1，依次經(jīng)過順序134256到達(dá)終點(diǎn)，并且有效的規(guī)避了地形帶來的環(huán)境威脅，并且路徑最優(yōu)(最短)。

步驟(2)，為了即時(shí)獲得無人機(jī)當(dāng)前在導(dǎo)航坐標(biāo)系中的準(zhǔn)確位置，無人機(jī)采用sins算法(捷聯(lián)慣性導(dǎo)航算法)計(jì)算無人機(jī)當(dāng)前位置，并融合gps數(shù)據(jù)進(jìn)行精度修正以期達(dá)到最優(yōu)精度。其中，sins算法一般使用無人機(jī)當(dāng)前的加速度、角速度與地磁量三個(gè)變量結(jié)合無人機(jī)初始狀態(tài)，以積分的手段進(jìn)行位置求解，其主要分為兩個(gè)階段：第一階段是無人機(jī)的初始狀態(tài)確定，第二階段為位置的實(shí)時(shí)計(jì)算。初始對(duì)準(zhǔn)階段，需要在無人機(jī)啟動(dòng)之后根據(jù)確定常值參數(shù)，此例中，gps給出的位置數(shù)據(jù)為(113.9579,22.5432)，后通過公式g＝9.78049×(1+0.0052884×(sinl)²-0.0000059×(sin2l)²)-0.00000286h計(jì)算出當(dāng)前位置的重力加速度，其中l(wèi)為緯度數(shù)據(jù)；同時(shí)，地球的自轉(zhuǎn)角速度取常值：ωie＝0.00007292115147，子午圈半徑取常值：re＝6378245；

后采用解析法對(duì)無人機(jī)的初始姿態(tài)進(jìn)行初對(duì)準(zhǔn)，初始狀態(tài)下，飛行器通常處于靜止?fàn)顟B(tài)，因此重力加速度在導(dǎo)航坐標(biāo)系中的投影為：gn＝[00-g]^t，加速度計(jì)測(cè)量值則為重力加速度在載體坐標(biāo)系下的投影gb，根據(jù)其中vn＝gn,vb＝gb可以計(jì)算出初始姿態(tài)矩陣。但是單一的使用重力加速度作為姿態(tài)矩陣的校準(zhǔn)，引入?yún)?shù)較少，無法計(jì)算出中全部的參數(shù)，因此再次引入地球的自轉(zhuǎn)角速度在導(dǎo)航坐標(biāo)系下的投影：同時(shí)將重力加速度與地球自轉(zhuǎn)角速度做叉乘處理得到g×ωie，以及(g×ωie)×g來構(gòu)建方程，并使用下列公式完成初姿態(tài)矩陣的粗對(duì)準(zhǔn)：

式中，gn，為重力加速度以及地球自轉(zhuǎn)角速度在導(dǎo)航坐標(biāo)系下的理論值，為重力加速度與地球自轉(zhuǎn)角速度在載體坐標(biāo)系下投影的測(cè)量值，即慣性感測(cè)器的輸出值；

飛行器在完成粗對(duì)準(zhǔn)之后，可以采用卡爾曼濾波技術(shù)，對(duì)得到的姿態(tài)矩陣進(jìn)行再次的精確對(duì)準(zhǔn)，在經(jīng)過短時(shí)間的迭代即可得到最接近真實(shí)值的姿態(tài)矩陣；

無人機(jī)起飛之后，按照50hz的頻率獲取加速度計(jì)、陀螺儀以及磁感計(jì)獲測(cè)量的加速度a，角速度w和地磁量ψ。根據(jù)加速度以及地磁量的低頻特性優(yōu)良，角速度高頻特性優(yōu)良的特性，分別建立低通以及高通濾波器，此例中采用的濾波器模型如下：無人機(jī)飛行時(shí)，采用互補(bǔ)濾波的方式對(duì)處理過的加速度和地磁量對(duì)角速度進(jìn)行誤差修正，其處理過程如圖4所示；得到修正后的角速度之后，采用一階龍格庫塔法對(duì)當(dāng)前時(shí)刻無人機(jī)的姿態(tài)四元數(shù)進(jìn)行求取以獲得當(dāng)前無人機(jī)的準(zhǔn)確姿態(tài)。之后，對(duì)無人機(jī)測(cè)量的加速度由機(jī)體坐標(biāo)系轉(zhuǎn)化至導(dǎo)航坐標(biāo)系并進(jìn)行積分，求出當(dāng)前無人機(jī)的速度以及位移。至此通過sins算法完成了無人機(jī)的位置估計(jì)計(jì)算，記作估計(jì)位置s1；

無人機(jī)以同樣50hz的頻率測(cè)量出gps的數(shù)據(jù)，轉(zhuǎn)化至導(dǎo)航坐標(biāo)系下的位置為s2，無人機(jī)采用卡爾曼濾波的方式，對(duì)上文得到的位置數(shù)據(jù)進(jìn)行融合處理，s1作為卡爾曼濾波的估計(jì)值，s2作為卡爾曼濾波的觀測(cè)值，以此二者為核心建立卡爾曼濾波方程并計(jì)算出最為接近真實(shí)的位置s；圖5給出了整體算法的流程圖。

步驟(3)，無人機(jī)到達(dá)目標(biāo)地點(diǎn)上方時(shí)，開啟紅外攝像頭對(duì)下方區(qū)域拍攝并獲取紅外圖像。處理器對(duì)此紅外圖像中像素的rgb數(shù)值進(jìn)行分析，檢測(cè)圖片中熱斑的存在；如果檢測(cè)存在，則執(zhí)行步驟(4)；否則飛向下一個(gè)巡檢區(qū)域；對(duì)于像素顏色的判定條件，本例中通過將像素轉(zhuǎn)換至hsv空間進(jìn)行顏色判定。

步驟(4)通過對(duì)圖像中像素點(diǎn)的計(jì)數(shù)，對(duì)熱斑的中心點(diǎn)位置進(jìn)行標(biāo)定；此例中，我們以拍攝得到的紅外圖像建立坐標(biāo)系，以圖像的左下角作為坐標(biāo)原點(diǎn)，x軸正方向?yàn)閳D像右側(cè)，y軸正方向?yàn)閳D像上側(cè)，此外，y軸方向與無人機(jī)正方向一致。對(duì)于目標(biāo)區(qū)域中心點(diǎn)的選取，本例中對(duì)符合的像素坐標(biāo)的最大值和最小值求取平均值計(jì)算得到，其示意圖如圖6所示。

步驟(5)，令步驟(4)中得到的熱斑中心點(diǎn)坐標(biāo)為(xd,yd),整個(gè)圖像的中心坐標(biāo)為(xm,ym),將目標(biāo)點(diǎn)的坐標(biāo)與圖像中心的坐標(biāo)求差，得到x＝(xd-xm),y＝(yd-ym)，對(duì)xy值的正負(fù)進(jìn)行判定，可得到熱斑中心相對(duì)于無人機(jī)的方向。同時(shí)，根據(jù)無人機(jī)的飛行高度計(jì)算比例尺，并求出目標(biāo)區(qū)域的相對(duì)距離，其示意圖如圖7所示。

步驟(6)，根據(jù)步驟5獲得的偏移距離及方向，控制無人機(jī)飛行，使之位于熱斑中心點(diǎn)位置中上方。

步驟(7)，重復(fù)步驟4-6對(duì)無人機(jī)位置進(jìn)行再調(diào)整；

步驟(8)無人機(jī)在調(diào)整后的位置開始下降，在下降過程中，實(shí)時(shí)檢測(cè)熱圖象中熱斑的存在，若熱斑消失，則上升0.5-1m后，再次執(zhí)行步驟4-6對(duì)無人機(jī)位置進(jìn)行修正，直至下降至降至可見光攝像頭的拍攝高度，本例中，為保證圖像的精度，拍攝高度為3m，也即無人機(jī)下降至3m時(shí)即停止下降；

(9)下降到拍攝高度后，按照步驟4-6使得無人機(jī)位于熱斑中心點(diǎn)位置中上方，如圖8所示，可以明顯看出圖中下方方框區(qū)域的紅色熱斑現(xiàn)象。后使用可見光攝像頭對(duì)故障區(qū)域進(jìn)行數(shù)據(jù)采集并存儲(chǔ)。

(10)通過無線通信模塊將拍攝到的圖片回傳至地面站；無線通信模塊功能有二：其一是將無人機(jī)的狀態(tài)參數(shù)等數(shù)據(jù)回傳至地面站；其二是回傳拍攝得到的可見光圖像。本例中采用4g協(xié)議對(duì)數(shù)據(jù)進(jìn)行傳輸處理。

(11)所述的無人機(jī)完成上述任務(wù)之后，先上升至巡檢高度，并按照步驟2進(jìn)行定位。處理器根據(jù)飛行器定位及步驟(1)規(guī)劃的巡檢路徑，規(guī)劃回航路徑，控制無人機(jī)飛回至當(dāng)前當(dāng)前目標(biāo)區(qū)域的航跡控制點(diǎn)，使得無人機(jī)返回巡檢路徑，并按照步驟2-10對(duì)下一目標(biāo)地點(diǎn)進(jìn)行監(jiān)測(cè)。