一种用于光伏组件的灰尘检测系统的制作方法

本发明涉及光伏发电，具体涉及一种用于光伏组件的灰尘检测系统。

背景技术：

1、光伏组件，是太阳能发电系统中的核心元件。它通过将太阳能转化为电能，为各种应用提供绿色、可再生的能源。光伏组件广泛应用于屋顶光伏发电、光伏农业、交通、通讯、石油、海洋和气象等多个领域，应用场景非常广阔。

2、光伏电站中的光伏组件需要进行日常维护，以保证光伏组件表面清洁，避免组件表面的灰尘遮挡光伏组件的表面，这些灰尘会影响光伏组件的光电转换效率，进而影响组件的发电量。因此，需要对组件表面灰尘进行检测，从而根据灰尘检测结果对光伏组件进行清洁与维护。

3、目前，针对光伏组件进行灰尘检测，一般采用的方法如下：利用摄像头拍摄当前的灰尘图像，进行分析，得到灰尘覆盖情况再针对性进行清洗；利用两个灰尘检测板进行电压对比，在超出阈值时进行清洗；利用电子器件将光伏发电的数据进行检测，在发现发电效率明显降低时进行灰尘清洗；利用历史清洗数据，预测未来的清洗时间，然后在预测的时间进行清洗。然而，采取的这些措施至少包含以下三种问题：

4、1）往往只检测当前的灰尘覆盖情况，缺乏对未来的灰尘预测，无法让用户提前做准备；

5、2）使用普通器件时，检测准确性不够高，使用大量专用器件时，成本又过于高昂，难以平衡准确性和成本；

6、3）利用历史清洗数据进行预测，偏差较大，尤其是光伏组件一般是处于露天的室外，环境气象变化大。

技术实现思路

1、针对上述三个问题，本发明的目的是提出一种用于光伏组件的灰尘检测系统，在预测模块利用bp神经网络提前预测出未来的预期清洗策略，数据偏差小，预测准确且及时，能够使得用户提前确认需要进行的清洗工作；同时，在按照预期清洗策略进行清洗时，还利用检测对比模块实时的进行两个检测板的电压对比，从而实时的判断当前是否需要进行清洗，使得在预测模块出错时也能够保证清洗的有效性，从而保证光伏组件的发电效率；此外，使用的器件成本较低，有效降低成本。

2、通过以下技术方案实现的：

3、一种用于光伏组件的灰尘检测系统，该系统包括分别与cpu连接的检测对比模块、预测模块和预警单元；其中，预测模块包括并行的数据采集单元、数据库、神经网络单元、纠错单元和云平台；数据采集单元用于采集当前的多个特定参数并传输到数据库中进行存储；云平台用于联网获取未来的多个特定参数并传输到数据库中进行存储；神经网络单元基于未来的多个特定参数，利用bp神经网络计算预期清洗策略并分别发送到cpu和数据库中；纠错单元基于当前的多个特定参数对预期清洗策略进行纠错，在发现当前的多个特定参数与预期清洗策略不匹配时，让神经网络单元重新计算预期清洗策略；检测对比模块包括光伏检测板1、光伏检测板2、adc1、adc2、单片机、信号传输单元和清洗子模块；光伏检测板1按照固定周期进行自动清洗，光伏检测板1将太阳光的光信号转换为模拟电压信号1；adc1将模拟电压信号1转换为数字信号1并传输到单片机；光伏检测板2在用户清洗光伏组件时同步清洗，光伏检测板2将太阳光的光信号转换为模拟电压信号2；adc2将模拟电压信号2转换为数字信号2并传输到单片机；单片机对数字信号1和数字信号2进行处理，获得电压对比值并通过信号传输单元传输到cpu；cpu用于将预期清洗策略通过云平台发送给用户，同时，cpu还用于设置阈值，在电压对比值超出阈值时，cpu通过预警单元对用户进行预警并发出清洗指令到单片机中，单片机依据清洗指令控制清洗子模块进行清洗。

4、将电压对比的实时清洗和预测的预期清洗策略相结合，既可以让用户提前获取到未来的清洗策略进而进行准备，也可以在预期清洗策略出现问题时及时进行补救，保证清洗效率；此外，利用bp神经网络计算出预期清洗策略，有效提升准确性，进而保证有效清洗；

5、优选地，清洗子模块包括清洗单元、驱动电路和光电耦合器，光电耦合器分别连接单片机和驱动电路；其中，清洗单元使用清洗机；驱动电路包括并行的第一支路和第二支路，第一支路中采用中间继电器km2和接触器km1串联，第二支路中采用接触器km3串联清洗机。利用中间继电器和接触器可以有效的对清洗机进行驱动，从而完成相应的清洗工作。

6、优选地，云平台包括数据交互子单元、远程传输子单元和加密子单元；其中，数据交互子单元用于支持联网获取未来的多个特定参数；远程传输子单元用于支持cpu向用户发送预期清洗策略；加密子单元采用aes加密和rsa加密相结合的混合加密方式，对远程传输子单元和数据交互子单元进行加密。混合加密可以有效保证数据传输安全。

7、优选地，多个特定参数包括风速、降水量、空气质量、风向、气压、温度和湿度。风速、降水量、空气质量、风向、气压、温度和湿度均是影响光伏组件灰尘的重要因素，基于这些重要因素，可以准确的进行预测。

8、优选地，神经网络单元采用7-9-2的bp神经网络结构，包括输入层的7个神经元、隐含层的9个神经元和输出层的2个神经元，输入层的7个神经元用于输入多个特定参数，隐含层的9个神经元用于进行计算，输出层的2个神经元用于输出预期清洗时间和预期清洗功率。7-9-2的bp神经网络结构可以有效准确的计算出预期清洗策略相关的结果。

9、优选地，该系统在检测对比模块的实时电压对比超出阈值时会进行清洗，在到达预期清洗策略对应的时间时也会进行清洗，其中，获得预期清洗策略并进行清洗的方法包括如下步骤：

10、s1、先利用云平台联网从不同的网络渠道获得对应的不同版本的未来的多个特定参数，再进行数据筛选，选择出需要传输到神经网络单元的输入参数；其中，每个版本的未来的多个特定参数均包括风速、降水量、空气质量、风向、气压、温度和湿度；

11、s2、神经网络单元获取步骤s1中的输入参数，采用7-9-2结构的bp神经网络进行计算，获得预期清洗策略；

12、s3、数据采集单元采集当前的多个特定参数，纠错单元基于当前的多个特定参数对步骤s2中的预期清洗策略进行纠错，判断当前的多个特定参数是否与预期清洗策略匹配，若不匹配，则重新返回步骤s1进行循环，直至当前的多个特定参数与预期清洗策略匹配；若匹配，则将预期清洗策略分别传输到cpu、数据库和云平台；

13、s4、在云平台的远程传输子单元将步骤s3中的预期清洗策略传输给用户，让用户进行确认审核，若审核通过，则cpu按照预期清洗策略进行清洗；若审核未通过，则重新返回步骤s1进行循环，直至审核通过后，cpu按照预期清洗策略进行清洗。

14、在计算预期清洗策略时进行多次判断或数据筛选，可以提升预测的准确性，从而保证清洗的准确性，同时，借助用户进行审核，也能进一步帮助确认策略的准确性。

15、本发明与现有技术相比具有的有益效果是：

16、本发明的技术方案，在预测模块利用bp神经网络提前预测出未来的预期清洗策略，数据偏差小，预测准确且及时，能够使得用户提前确认需要进行的清洗工作；同时，在按照预期清洗策略进行清洗时，还利用检测对比模块实时的进行两个检测板的电压对比，从而实时的判断当前是否需要进行清洗，使得在预测模块出错时也能够保证清洗的有效性，从而保证光伏组件的发电效率；此外，使用的器件成本较低，有效降低成本。