一种清扫控制策略生成方法、光伏清扫控制系统与流程

本申请涉及光伏，尤其涉及一种清扫控制策略生成方法、光伏清扫控制系统、存储介质。

背景技术：

1、光伏组件长期暴露于外部环境中，容易受到灰尘和异物对光伏组件的影响，影响光伏电站的发电效率，因此，需要使用光伏清扫机器人有效去除光伏组件上的覆盖物。在过去，工作人员往往依靠经验来制定光伏清扫机器人的清扫控制策略，但这种方式智能化程度较低，控制策略的精准性不能得到保证，导致无法在光伏电站发电功率和清扫机器人运维成本之间做到平衡。

2、因此，如何制定合理的光伏清扫控制策略，成为目前光伏电站运维急需解决的问题。

技术实现思路

1、为了解决上述技术问题，本申请提供一种清扫控制策略生成方法、光伏清扫系统、存储介质。

2、具体的，本申请的技术方案如下：

3、第一方面，本申请提供一种清扫控制策略生成方法，用于光伏清扫机器人对光伏电站的清扫作业，包括：

4、基于支持向量回归算法，根据历史发电数据构建发电功率预测模型；所述历史发电数据包括所述光伏电站在不同清扫频率和/或不同清扫时刻下的发电数据；

5、通过粒子群算法，求解所述发电功率预测模型，得到使得所述光伏电站的发电功率最大化的清扫控制策略，以便于根据所述清扫控制策略控制所述光伏清扫机器人进行清扫作业；

6、所述清扫控制策略包括清扫时刻和清扫频率。

7、在一些实施方式中，所述的基于支持向量回归算法，根据历史发电数据构建发电功率预测模型，包括：

8、按照预设划分比例，将所述历史发电数据划分为训练集和测试集；

9、将所述训练集中的所述历史发电数据输入至预设的发电功率初始模型中，输出发电功率预测数据；

10、根据所述发电功率预测数据与所述测试集中的所述历史发电数据之间的数据偏差，通过支持向量回归算法，对所述发电功率初始模型进行优化调整，得到所述发电功率预测模型。

11、在一些实施方式中，所述的通过粒子群算法，求解所述发电功率预测模型，得到使得所述光伏电站的发电功率最大化的清扫控制策略，包括：

12、初始化粒子群参数，所述粒子群参数包括所述粒子群中各粒子的位置向量和速度向量；

13、根据所述位置向量，计算所述粒子群中各粒子的适应度值；

14、根据所述适应度值，获取所述各粒子的个体最优值和所述粒子群的全局最优值；

15、根据所述个体最优值、所述全局最优值和所述速度向量，更新所述位置向量；并重新计算所述适应度值；

16、根据重新计算后的所述适应度值，对所述个体最优值和所述全局最优值进行迭代更新，直到满足迭代终止条件；

17、将满足所述迭代终止条件的所述全局最优值作为所述发电功率预测模型的最优解，得到使得所述光伏电站的发电功率最大化的所述清扫控制策略。

18、在一些实施方式中，所述的基于支持向量回归算法，根据历史发电数据构建发电功率预测模型之前，还包括：

19、获取所述光伏电站在不同清扫频率和/或不同清扫时刻下的原始发电数据；

20、对所述原始发电数据进行预处理，得到所述历史发电数据。

21、在一些实施方式中，所述的对所述原始发电数据进行预处理，得到所述历史发电数据，包括：

22、根据预设误差值对所述原始发电数据进行筛选，剔除异常发电数据，得到第一发电数据；

23、对所述第一发电数据中的缺失值进行填充处理，得到第二发电数据；

24、对所述第二发电数据进行归一化处理，得到所述历史发电数据。

25、第二方面，本申请提供一种光伏清扫控制系统，包括处理器和光伏清扫机器人，

26、所述处理器，用于基于支持向量回归算法，根据历史发电数据构建发电功率预测模型；所述历史发电数据包括所述光伏电站在不同清扫频率和/或不同清扫时刻下的发电数据；

27、所述处理器，还用于通过粒子群算法，求解所述发电功率预测模型，得到使得所述光伏电站的发电功率最大化的清扫控制策略，以便于根据所述清扫控制策略控制所述光伏清扫机器人进行清扫作业；所述清扫控制策略包括清扫时刻和清扫频率；

28、所述光伏清扫机器人，用于根据所述清扫控制策略对所述光伏电站进行清扫作业。

29、在一些实施方式中，所述处理器包括：

30、划分单元，用于按照预设划分比例，将所述历史发电数据划分为训练集和测试集；

31、预测单元，用于将所述训练集中的所述历史发电数据输入至预设的发电功率初始模型中，输出发电功率预测数据；

32、优化单元，用于根据所述发电功率预测数据与所述测试集中的所述历史发电数据之间的数据偏差，通过支持向量回归算法，对所述发电功率初始模型进行优化调整，得到所述发电功率预测模型。

33、在一些实施方式中，所述处理器包括：

34、初始化单元，用于初始化粒子群参数，所述粒子群参数包括所述粒子群中各粒子的位置向量和速度向量；

35、计算单元，用于根据所述位置向量，计算所述粒子群中各粒子的适应度值；

36、获取单元，用于根据所述适应度值，获取所述各粒子的个体最优值和所述粒子群的全局最优值；

37、所述计算单元，还用于根据所述个体最优值、所述全局最优值和所述速度向量，更新所述位置向量；并重新计算所述适应度值；

38、所述计算单元，还用于根据重新计算后的所述适应度值，对所述个体最优值和所述全局最优值进行迭代更新，直到满足迭代终止条件；

39、输出单元，用于将满足所述迭代终止条件的所述全局最优值作为所述发电功率预测模型的最优解，得到使得所述光伏电站的发电功率最大化的所述清扫控制策略。

40、在一些实施方式中，还包括：

41、获取单元，用于获取所述光伏电站在不同清扫频率和/或不同清扫时刻下的原始发电数据；

42、预处理单元，用于对所述原始发电数据进行预处理，得到所述历史发电数据。

43、第三方面，本申请提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述任一项清扫控制策略生成方法所执行的操作。

44、与现有技术相比，本申请至少具有以下一项有益效果：

45、本申请根据光伏电站在不同清扫情况下的发电数据，将支持向量回归算法和粒子群算法结合，生成合理的清扫控制策略。相比于传统的人工制定清扫控制策略的方式，本实施例中的方式效率更高，并且制定出的清扫控制策略能够较好地在光伏电站发电功率和光伏电站运维成本之间做到平衡。

技术特征：

1.一种清扫控制策略生成方法，用于光伏清扫机器人对光伏电站的清扫作业，其特征在于，包括：

2.根据权利要求1所述的一种清扫控制策略生成方法，其特征在于，所述的基于支持向量回归算法，根据历史发电数据构建发电功率预测模型，包括：

3.根据权利要求1所述的一种清扫控制方法，其特征在于，所述的通过粒子群算法，求解所述发电功率预测模型，得到使得所述光伏电站的发电功率最大化的清扫控制策略，包括：

4.根据权利要求1所述的一种清扫控制方法，其特征在于，所述的基于支持向量回归算法，根据历史发电数据构建发电功率预测模型之前，还包括：

5.根据权利要求4所述的一种清扫控制方法，其特征在于，所述的对所述原始发电数据进行预处理，得到所述历史发电数据，包括：

6.一种光伏清扫控制系统，其特征在于，包括处理器和光伏清扫机器人，

7.根据权利要求6所述的一种光伏清扫控制系统，其特征在于，所述处理器包括：

8.根据权利要求6所述的一种光伏清扫控制系统，其特征在于，所述处理器包括：

9.根据权利要求6所述的一种光伏清扫控制系统，其特征在于，还包括：

10.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求5任一项所述的清扫控制策略生成方法所执行的操作。

技术总结
本申请公开了一种清扫控制策略生成方法、光伏清扫系统，方法包括：基于支持向量回归算法，根据历史发电数据构建发电功率预测模型；所述历史发电数据包括所述光伏电站在不同清扫频率和/或不同清扫时刻下的发电数据；通过粒子群算法，求解所述发电功率预测模型，得到清扫控制策略，以便于根据所述清扫控制策略控制光伏清扫机器人进行作业。本申请根据光伏电站在不同清扫情况下的发电数据，利用支持向量回归算法和粒子群算法生成合理的清扫控制策略。

技术研发人员：王士涛,王国宁
受保护的技术使用者：湖州丽天智能科技有限公司
技术研发日：
技术公布日：2024/2/1