国家能源局统计数据显示，2017年中国光伏发电新增装机53.06GW，累计装机已达130.25GW，连续3a位居全球第一，占全球光伏总装机量30%以上；在低碳经济和可持续发展背景下，以光伏为代表的新能源将持续引领能源行业的发展.与此同时，国内光伏电站的整体质量却不容乐观，光伏组件发电功率衰降现象较严重，迫切需要有效的巡检和运维手段，保障光伏电站在长达25a运营周期内的发电效益.目前的巡检方式仍以人工巡检为主，但由于集中式光伏电站安装环境较复杂，在大部分场景下人工巡检效率低下且难以满足要求.利用无人机（unmanned aerial vehicle，UAV)搭载可见光相机以及红外相机采集图像数据，可大幅提高规模化集中式光伏电站的巡检效率，精准的图像数据是光伏组件故障分析与诊断、健康度评估的重要基础.
小型四旋翼无人机由于造价低廉、性能优良、控制简单，广泛地应用于农业植保、电力线路巡检等领域.用于光伏巡检的无人机平台通常根据光伏厂区地理位置信息生成路径点，无人机在路径点采集图像数据，其准确性很大程度上依赖于路径点和光伏组件实际位置是否匹配.对于区域环境复杂且装机容量较大的集中式光伏电站而言，较难获取光伏组件的精确位置信息；在GPS信号较弱或者精度要求较高的场合下，GPS导航通常难以满足要求.无人机相机与图像处理算法相结合，具有设备简单、低功耗、完全自主等优点，在GPS导航失效或信号强度较弱的情况下，基于视觉伺服的导航方式成为重要选择.考虑到光伏厂区的实际特点，可通过光伏组串识别引导无人机自主飞行.本研究涉及到基于视觉伺服的无人机飞行控制策略，相关研究成果已被广泛应用于农业植保和电力线路巡检等领域.Yang等]通过无人机视频流实时检测架空电力线，并对复杂光照条件下的检测效果进行分析与讨论；Sarapura等]将基于视觉的无人机飞行控制应用到农作物巡检中，在排布规则的农作物种植区，通过检测农作物排布方向控制无人机飞行；Brandao等]将边缘检测和无人机自主飞行应用到无人机对水道边缘的跟随控制中；Huang等5.ll]对视觉伺服控制及机器人自动循迹进行了类似研究.颜色、形状与纹理是目标检测的常用特征，Zhang等2]将聚类算法与颜色、纹理相结合进行光伏组串识别，其结果依赖于聚类中心的选择，当局部环境变化较大时难以实现理想分割，且实时性较差；Wu等]借鉴局部二值模式（local bin-ary pattern,LBP)思想，将相邻光伏组件颜色差异用于航拍图像拼接；作为无人机飞行控制的基础，实时的图像处理算法也应用于农业等领域[14]
将光伏组件识别与无人机自主飞行相结合，提出可应用于集中式光伏电站巡检无人机的视觉定位与导航算法，涉及光伏组串边缘检测、无人机飞行过程的反馈控制以及区域边缘的转弯策略等.主要工作包括：1）根据光伏组件颜色和形状特征实现适应性较强的光伏组件识别算法；2)根据光伏组件分布特点在光伏厂区中实现无人机自主飞行方式；3）将视觉伺服应用到无人机光伏巡检领域.
1 问题描述与算法设计
集中式光伏电站分布地域广、装机容量大，受限于续航能力以及通讯距离，单架无人机、单一起始点可能无法对光伏厂区任务区域有效覆盖，因此须考虑区域分割、起始点规划以及多无人机任务分配，Li等]对此问题进行了初步研究.如图1所示为集中式光伏电站示意图，可根据厂区内道路将电站划分为若干子区域.本研究专注于无人机在子区域内的飞行过程.
以图1中子区域②为例，有序顶点坐标集V={P1(x1,y1),P2(x2,y2）.…,P6(x6,y6)}描述了子区域的位置信息.根据光伏发电特点，光伏组串呈现近似东西走向，无人机机载处理器可实时获取可见光相机视频流，识别光伏组串并将偏移量反馈给无人机飞控模块，据此实现无人机对光伏组串的自动循迹；当无人机到达区域边界后，执行转向策略并重复上述过程，直至无人机完成对整个区域的图像采集任务.所述方法的完整流程图如图2所示。
暂无评论内容