一种光伏发电系统最大功率点追踪的图像辅助诊断技术的制作方法
【专利摘要】本发明提供的一种光伏发电系统最大功率点追踪诊断技术，所述的光伏发电系统最大功率点追踪诊断技术系统的组成包括：光芒采集模块、图像处理模块、MPPT模块、信号转换模块；所述技术的实现过程为：首先要采集光芒强度图像，采集系统主要结构由光强传感器及温度传感器构成；光芒图像分析，用分割算法在计算机上将光芒图像分成几个灰度值明显不同的部分，选择Otsu法和最大熵法为核心的分割算法，通过分割出最强光强部分在显示屏上进行精确的图像显示；本发明具有很好的功率追踪效果能提高工作效率。
【专利说明】
一种光伏发电系统最大功率点追踪的图像辅助诊断技术
技术领域
[0001] 本发明涉及新能源光伏发电系统领域，具体是一种光伏发电系统最大功率点追踪 的图像辅助诊断技术。
【背景技术】
[0002] 如今世界飞速发展，地球上的资源逐渐减少，资源的减少必然会影响环境和人类 的生活，所以新能源的使用得到了世界的重视，而我国也正在新能源的道路上逐步稳健行 动着，最常见的便是风力和光伏等新能源发电。发电系统最大功率点追踪即MPPT技术，是太 阳能光伏发电中一项重要的关键技术，它是指在温度、光照强度等外界因素条件发生变化 时，系统可以始终保持在最大功率输出。另外，由于光伏不论太阳能板还是电池的转换效率 并不高且价格昂贵，初期的投入较大，最大程度的充分利用光伏发电所产生的能量、提高能 量转换效率、降低成本是该技术存在与发展的重要因素。可如果出现工作效率上出现偏差， 达不到最大效率，那么所造成的损失将变得更高。
[0003] 图像辅助诊断技术主要用到一种叫做图像分割的技术，它是一种重要的图像处理 技术，它的应用越来越广，已经渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保 卫等各个方面，在国计民生及国民经济中发挥着越来越大的作用。因此在新能源中，特别是 光伏发电系统中，该技术是否也可以做到与光伏发电系统的结合与应用，达到更好的效果。 [0004]目前在光伏发电系统中，虽然已有很多关于最大功率追踪的应用技术，不过仍然 没有一种是可以通过人工很直观地能够看出当前功率点是否是最大功率，何况一天从早到 晚，阳光照射强度不一，每一阶段都会存在各自的最大功率点，万一出现功率追踪存在持续 误差而不得及时纠正，这样便更难达到高效。在实际的应用系统中，自然光的辐射强度及大 气的透光率均处于动态变化中，这就给光伏发电系统带来的高效应用带来了困难，而且现 在的很多光伏发电系统所得到的功率结果未必是当时最大点也就是误差，这些问题仍存 在。
[0005] 针对上述问题，本发明提出一种光伏发电系统最大功率点追踪的图像辅助诊断技 术，它可以解决人工是否可以直观判断的问题，达到双端互相验证最终得到最大功率点并 减少损失的效果，从而达到最大效率。
【发明内容】
[0006] 针对现阶段光伏发电系统最大功率追踪的准确性和可细致观测问题，本发明公开 了一种一种光伏发电系统最大功率点追踪的图像辅助诊断技术。让光伏发电最大功率追踪 技术的稳定性得到更大的提升及效率，将图像处理技术应用于最大功率追踪技术，从而可 以从边路辅助诊断当前工作状态。
[0007] 本发明的特点是可以通过肉眼观察图像分割出来的不同光强区域，判断当前最大 功率点的位置，实现比其他情况的应用更佳的功率追踪。比起很多纯装置追踪可能会遇极 值点，通过肉眼在终端显示图像分割结果的计算机的观察更能找到当前最值点既最大功率 点，既为辅助诊断。
[0008] 本发明是通过如下方案实现： 本发明通过CCD采集光芒强度，经过分割算法在计算机显示当前光芒灰度值，从而可以 方便人工观察并结合MPPT确定每次所处最大功率点所在的灰度值，二者进行相辅相成的诊 断得到最终结果。本发明可以在各种不同的天气情况下进行当前最大功率的捕捉追踪，通 过图像处理及MPPT二者综合从而帮助系统诊断是否实现最大功率追踪，甚至可以起到反复 验证当前功率是否处于最大值。本发明辅助诊断效果的实现步骤： 步骤1:通过原MPPT进行最大功率追踪得到当前的功率点； 步骤2:通过图像采集及算法之后，在显示屏上显示当前光芒强度的分割图像； 步骤3:通过上两步的对比得到最大功率点在分割图像上的灰度值占比位置(最佳灰度 值的区域内）； 步骤4:由于光强出现变化，MPPT所追踪到的当前功率点也出现变化，分割图像的灰度 值也会变，但分割图像上的灰度值占比位置基本不会出现变动，双端结果进行比较； 步骤5:如果在分割图像中发现灰度值占比位置出现了明显偏差，那么说明MPPT所追踪 的最大功率点必然出现了误差； 步骤6:若出现误差，通过电机调整太阳能板的角度，将分割图像的灰度值占比位置调 至最标准的占比位置； 步骤7:实现了双端互相验证最终得到最大功率点并减少损失的效果。
【附图说明】
[0009] 下面结合附图对本发明进行进一步的说明。
[0010] 图1是本发明的工作原理流程图， 图2是本发明的整体结构简单模型图； 图3是本发明的辅助诊断原理图； 图4是本发明的分割算法流程图；
【具体实施方式】： 如图1所述，整个系统可分为两个部分，以图中粗虚线为界，右边部分是本发明的核心 部分，CCD工业相机通过接受自然光源，对其进行对应的光线数据采集，和左部分中光强传 感器、温度传感器(双传感器）、电流电压检测电路将采集到的数据发送给信号转换电路对 其进行转换，此转换电路一边将双传感器及检测电路的传来的数据转换后发送给单片核心 控制电路从而进入MPPT系统进行最大功率追踪；另一头将CCD工业相机传来的数据转换后 发送给图像采集卡，进行图像分割算法计算，将当前功率对应的光芒情况的灰度值清晰地 显示在计算机上。然后将MPPT的结果对应着计算机显示屏上显现的分割图像中光强灰度值 占比位置辅助诊断，通过双端验证后判断此功率点是否在当前光芒最强点上，为最大功率 点;若不是，则调整太阳板角度至最佳的点上实现辅助控制最大功率追踪。
[0011] 如图2所述中1为CCD工业相机，2为太阳能板。其实际工作原理可双管齐下:一处是 太阳能板光伏发电进行MPPT并将其运行之后的MPPT值等数据传输给经验数据库在计算机 上集合，另一处是由CCD开端通过图像采集卡和分割算法运行后在计算机上面显示分割图 像结果。然后，通过经验数据库和分割图像的相对应比较，判断最大功率点及最佳灰度值的 分割图像中的光强灰度值占比位置是否常处于那个最佳点，若不是既出现一些乃至很大偏 差，通过计算机控制太阳板下的电机调整太阳板角度至最佳点。这就很好的体现了图像处 理技术在最大功率追踪上很好的辅助诊断，二者相辅相成，大大可以提高效率。
[0012] 如图3所述参数有光强传感器的光强值L、温度传感器的温度值T、MPPT得到的电压 值与功率值及图像分割出来的光芒灰度值：经验数据库是以温度值T为X坐标轴，以光强值 L为Y坐标轴(可互换），以所选用的MPPT得到的最大功率点座位数值，建立数据库。每一个温 度T光强L对应一个MPPT值(包括电压值和功率值），并通过大小比较加以更新，将当前最大 的MPPT值存储起来，辅助诊断的作用：在建立经验数据库的同时，将测得不同的温度值T及 光强值L输入所对应的MPPT值。而每一次的MPPT值都将与同样在对应的温度值T光强值L情 况下分割出来的光芒灰度值进行诊断得出结论，结论就是判断该功率是否处在光强灰度值 占比位置，而这种辅助诊断便需要另外进行。
[0013] 如图4是本发明中辅助诊断系统的核心分割算法的步骤，用何种分割算法呢?首先 想到的是一种阈值分割法，是一种非常古老而又十分流行的图像分割方法，该方法通常基 于图像的整体或局部信息，通过选取一个或多个阈值将像素分为若干类，从而实现图像的 单个目标或多个目标分割。在采用阈值法对图像进行分割时，通常都对其存在一定的假设， 即基于某些特定的图像模型。常用图像模型可描述如下：设图像中目标和背景的灰度级分 布呈单峰特性，目标和背景区域内相邻像素的灰度值之间存在高度的相关性，而目标与背 景交界处的像素之间在灰度值上存在较大差异。如图像满足上述条件，则其灰度直方图可 近似视为由两个分别对应于目标和背景的单峰直方图所混合而成;如这两个分布的大小相 近，而均值相距较远且均方差较小，则该直方图呈双峰特性，阈值分割法对该类图像能取得 较好的分割效果。阈值分割法因简单有效，已被广泛应用于图像处理领域，出现了各种各样 的阈值分割算法，其中影响较大的主要有:直方图法及直方图变换法、最小误差法、最大熵 法、最大类间方差法、模糊阈值法、最小交叉熵法、动态阈值法。虽然目前有众多的阈值分割 方法，且这些方法也都相对简单，但因其通常仅基于图像的灰度信息而忽略了像素间的空 间相关性，故该方法仅适用于对图像分割的质量要求不高的场合。对于那些存在噪声干扰、 对比度较低的图像，由于其灰度值不存在明显差异或各对象灰度值间存在较大范围的重 叠，其灰度直方图不呈明显的双峰特性，故此时如采用阈值法，则难以获得准确的分割结 果。实际应用中的图像往往不是单目标图像，当用阈值分割法进行图像分割时，为了提取出 图像中的各个目标，必须确定多各阈值。Otsu法和最大烟法是图像处理领域运用的最为广 泛的两种阈值分割法，这两种阈值分割法都能够非常简单的扩展为多阈值分割，这里主要 阐述运用ΚΜΤ0Α求解多阈值问题的具体实现过程。
[0014] Otsu法比较简单，是基于最小二乘法思想推导发展而来的。其基本原理是：根据 图像的灰度特征，将其分为不同的类别，各类间的方差越大则意味着各类间的差异越大；当 部分像素被错分时，各类间的差异将变小。故使得类间方差取最大值的分割即为错分率最 小的分割。对于给定的图像I，如其所包含的像素总数为N，其灰度级总数为L，则灰度级i所 出现的频率Pi可定义为： 其中表示灰度级I所出现的频数。
[0015]如图像憑被阈值:|分为％、两个部分，其中g包含灰度级，而则包 含灰度级_#::欺·，则％和心出现的总概率％^ 1?可分别定义为：
%和^的灰度均值:咏1?可定义为：
如记图像i的整体灰度均值为Pt:，则很容易得出：
取得最大值的阈值f即为所求的最佳阈值。
[0016] 最大熵法实现简单且分割效果好，引起了国内外学者的广泛关注而成为一种具有 代表性的熵分割算法。与otsu法类似，设图像I的灰度级空间为1::1?…i:U，阈值f将图像 I分为&和匕两个部分，其中包含灰度级t，而&包含灰度级_冷_~1，则图像置的熵可 定义为：
使得&.取得最大值的阈值t唧为所求的最佳阈值。
[0017] 在运用otsu法和最大熵法进行图像分割时，需要在阈值空间中选取使得类间方差 或图像熵取得最大值的阈值，基于ΚΜΤ0Α求m个阈值的具体步骤如下： 步骤1:初始化种群及算法参数。设种群规模为Popsize，则随机生成Popsize个m维的向 量以构成初始种群；由于灰度级的取值范围为〇~255,所以向量每一维的取值均为0~255间 的整数;统计图像的各阶段的灰度级出现的频率，得到相对应的直方图； 步骤2:基于式计算每个个体的适应值，并挑选出当前种群中的最有个体Xbest。为了选 择出m各最佳阈值，就得用到以下两式(1)或(2):
步骤3:对于每个个体，用KMTOA计算其相应的吸引、排斥或波动加速度； 步骤4:计算个体的速度并移动个体。移动个体之后，就需要对个体进行取整行为，并判 断各维是否在〇~255间；如发生越界，则进行相应的越界处理； 步骤5:对种群中的最优个体执行精英保留策略，以防止群体发生退化； 步骤6:判断算法是否结束。如果结束则找出最优阈值并依据该值按 照下式(3)进行图像分割以得到分割结果，如果没有结束则返回步骤2,而这里的分割结果 就是最后在计算机上面显示的用来辅助诊断的图像。
其中：表示待分割图像中像素_?的灰度值。
【主权项】
1. 一种光伏发电系统最大功率点追踪的图像辅助诊断技术其特征在于四大模块:光芒 采集模块、信号转换模块、图像处理模块、MPPT模块;通过光芒采集模块准确接收当时光芒 强度及溫度，之后将采集到的光芒数据通过信号转换电路传输至图像处理模块及MPPT模 块，再通过图像处理模块通过分割算法得出各种灰度值(灰度值是诊断光芒强度的重要依 据)及MPPT模块判断当前是否处于最大功率点(光芒强度越强则越接近最大功率点）。2. 根据权利要求1所述光芒采集模块，其特征在于它的四个核屯、部件:光强传感器、溫 度传感器和电压电流检测电路、CCD工业机等，该模块是整个系统的大口。3. 根据权利要求2所述CCD工业机其特征在于它是能够将光线变为电荷并将电荷存储 及转移，也可将存储之电荷取出使电压发生变化，它是整个图像处理模块最重要的开端，采 集光强形成图像再之后通过算法进行分割和显现。4. 根据权利要求1所述信号转换模块内含信号转换电路，其特征在于将光芒采集模块 所发出的采集数据进行转换再传输给图像处理模块及MPPT模块。5. 根据权利要求1所述图像处理模块，其特征在于采用某种分割算法运行后可持续在 计算机显示屏上显现分割图像中光强灰度值占比位置(最佳灰度值的区域内），而运个光强 灰度值占比位置便是当前对应的最大功率点，通过查阅其他文献及资料，运里所采用的分 割算法为阔值分割法;阔值分割法是一种图像分割方法，该方法通常基于图像的信息，通过 选取一个或多个阔值将像素分为若干类，从而实现图像的单个目标或多个目标分割，在采 用阔值法对图像进行分割时，通常都对其存在一定的假设，即基于某些特定的图像模型，阔 值分割法因简单有效，已被广泛应用于图像处理领域，出现了各种各样的阔值分割算法，对 于运个世界它的影响较大，虽然目前有众多的阔值分割方法，且运些方法也都相对简单，仅 适用于对图像分割的质量要求不高的场合，对于那些存在噪声干扰、对比度较低的图像，由 于其灰度值不存在明显差异或各对象灰度值间存在较大范围的重叠，其灰度直方图不呈明 显的双峰特性，故此时如采用阔值法，则难W获得准确的分割结果，实际应用中的图像往往 不是单目标图像，当用阔值分割法进行图像分割时，为了提取出图像中的各个目标，必须确 定多各阔值，其中本发明选择化SU法和最大赌法运两种图像处理领域运用的最为广泛的阔 值分割法，运两种阔值分割法都能够非常简单的扩展为多阔值分割，在运用化SU法和最大 赌法进行图像分割时，需要在阔值空间中选取使得类间方差或图像赌取得最大值的阔值， 基于KMTOA求m个阔值的具体步骤如下： 步骤1:初始化种群及算法参数，设种群规模为化psize，则随机生成化psize个m维的向 量W构成初始种群；由于灰度级的取值范围为0~255,所W向量每一维的取值均为0~255间 的整数;统计图像的各阶段的灰度级出现的频率，得到相对应的直方图； 步骤2:基于式计算每个个体的适应值，并挑选出当前种群中的最有个体Xbest，为了选 择出m各最佳阔值，就得用到W下两式(1)或(2):步骤3:对于每个个体，用KMTOA计算其相应的吸引、排斥或波动加速度； 步骤4:计算个体的速度并移动个体，移动个体之后，就需要对个体进行取整行为，并判 断各维是否在0~255间；如发生越界，则进行相应的越界处理； 步骤5:对种群中的最优个体执行精英保留策略，W防止群体发生退化； 步骤6:判断算法是否结束，如果结束则找出最优阔值r二馈s,t拓"V編3,并依据该值按照 下式(3)进行图像分割W得到分割结果，如果没有结束则返回步骤2,而运里的分割结果就 是最后在计算机上面显示的用来辅助诊断的图像：(3) 其中:SU)表示待分割图像中像素髮I錢的灰度值。6.根据权利要求1或5所述图像处理模块是整个发明的核屯、，其特征在于辅助诊断当前 MPPT模块得出系统追踪是否处于最大功率点，从而决定是否调整太阳板角度至当前最佳 点。
【文档编号】G05F1/67GK106094969SQ201610327033
【公开日】2016年11月9日
【申请日】2016年5月17日
【发明人】黄昊, 易灵芝
【申请人】湘潭大学