发电量预测方法、装置及设备与流程

摘要: 本技术涉及人工智能领域,尤其涉及一种发电量预测方法、装置及设备。背景技术:1、在自然光照下,光伏板表面的坏斑缺陷与遮挡物视觉特征差异不显著,相关分割方法难以准确...
发电量预测方法、装置及设备与流程

本技术涉及人工智能领域,尤其涉及一种发电量预测方法、装置及设备。

背景技术:

1、在自然光照下,光伏板表面的坏斑缺陷与遮挡物视觉特征差异不显著,相关分割方法难以准确分辨含坏斑的发电区域,导致坏斑对发电效率的有害影响被系统性遗漏,进而造成发电量预测精度偏低。

技术实现思路

1、本技术的主要目的在于提供一种发电量预测方法、装置及设备,旨在解决自然光照下,坏斑对发电效率的有害影响被系统性遗漏,进而造成发电量预测精度偏低的技术问题。

2、为实现上述目的,本技术提供一种发电量预测方法,所述发电量预测方法包括:

3、响应于输入的光伏板图像和红外热像图,将所述光伏板图像和红外热像图输入预设预测模型,所述预设预测模型包括第一网络和第二网络;

4、通过所述第一网络对所述光伏板图像进行区域分割,获得光伏板区域图,所述第一网络包括illumibranch模块,所述illumibranch模块用于提取光伏板图像的光照特征;

5、通过所述第二网络对所述光伏板区域图和所述红外热像图进行跨模态特征处理,获得有效发电区域,所述第二网络包括tpe-module模块和dsav-net模块,所述tpe-module模块用于提取坏斑特征,所述dsav-net模块用于融合光伏板区域特征和红外热像特征;

6、基于有效发电区域进行发电量预测,获得发电量预测结果。

7、可选地,所述通过所述第二网络对所述光伏板区域图和所述红外热像图进行跨模态特征处理,获得有效发电区域,包括:

8、通过所述第二网络对所述光伏板区域图和所述红外热像图进行特征提取,获得光伏板特征图和红外特征图;

9、通过tpe-module模块对所述红外特征图进行坏斑形态编码,获得坏斑形态响应图;

10、通过dsav-net模块对所述光伏板特征图和所述红外特征图进行跨模态空间对齐,获得空间匹配特征图;

11、基于所述坏斑形态响应图和所述空间匹配特征图进行时序判别,获得坏斑检测结果;

12、根据所述坏斑检测结果对所述光伏板区域图进行区域重构,获得有效发电区域。

13、可选地,所述tpe-module模块包括第一分支、第二分支以及第三分支,所述通过tpe-module模块对所述红外特征图进行坏斑形态编码,获得坏斑形态响应图,包括:

14、通过所述第一分支对所述红外特征图进行径向卷积,获得径向特征图;

15、通过所述第二分支对所述红外特征图进行方向滤波,获得方向特征图;

16、通过所述第三分支对所述红外特征图进行形态编码,获得形态特征图;

17、将所述径向特征图、所述方向特征图以及所述形态特征图进行特征融合,获得坏斑形态响应图。

18、可选地,所述通过dsav-net模块对所述光伏板特征图和所述红外特征图进行跨模态空间对齐,获得空间匹配特征图,包括:

19、通过dsav-net模块对所述光伏板特征图和所述红外特征图进行特征交叉,获得相似度特征矩阵;

20、通过所述dsav-net模块对所述相似度特征矩阵进行掩码约束,获得约束特征矩阵;

21、根据预设温度系数对所述约束特征矩阵进行归一化,获得归一化特征矩阵;

22、通过所述dsav-net模块对所述归一化特征矩阵进行匹配验证,获得空间匹配特征图。

23、可选地,所述基于所述坏斑形态响应图和所述空间匹配特征图进行时序判别,获得坏斑检测结果,包括:

24、基于所述坏斑形态响应图和所述空间匹配特征图进行坏斑检测,获得初始检测结果;

25、根据所述初始检测结果对温度异常目标进行追踪,获得异常目标轨迹;

26、基于所述异常目标轨迹进行时序嵌入,获得时序特征;

27、根据所述初始检测结果和所述时序特征生成坏斑检测结果。

28、可选地,所述通过所述第一网络对所述光伏板图像进行区域分割,获得光伏板区域图,包括:

29、通过illumibranch模块对所述光伏板图像进行软投影,获得光照特征;

30、通过所述第一网络对所述光伏板图像进行空间卷积,获得空间特征;

31、根据所述光照特征和所述空间特征生成光伏板区域图。

32、可选地,所述根据所述光照特征和所述空间特征生成光伏板区域图,包括:

33、基于所述光照特征调整全局门控,获得融合权重;

34、基于所述空间特征调整空间门控,获得空间掩膜;

35、根据所述融合权重和所述空间掩膜对所述光照特征和所述空间特征进行特征增强,获得深度特征;

36、根据所述深度特征对所述光伏板图像进行阈值化处理,获得光伏板区域图。

37、可选地,所述基于有效发电区域进行发电量预测,获得发电量预测结果,包括:

38、基于有效发电区域进行像素映射,获得有效发电面积;

39、根据预设发电参数对所述有效发电面积进行加权计算,获得发电量预测结果。

40、此外,为实现上述目的,本技术还提出一种发电量预测装置,所述发电量预测装置包括:

41、数据输入模块,用于响应于输入的光伏板图像和红外热像图,将所述光伏板图像和红外热像图输入预设预测模型,所述预设预测模型包括第一网络和第二网络;

42、区域分割模块,用于通过所述第一网络对所述光伏板图像进行区域分割,获得光伏板区域图,所述第一网络包括illumibranch模块,所述illumibranch模块用于提取光伏板图像的光照特征;

43、有效区域提取模块,用于通过所述第二网络对所述光伏板区域图和所述红外热像图进行跨模态特征处理,获得有效发电区域,所述第二网络包括tpe-module模块和dsav-net模块,所述tpe-module模块用于提取坏斑特征,所述dsav-net模块用于融合光伏板区域特征和红外热像特征;

44、发电预测模块,用于基于有效发电区域进行发电量预测,获得发电量预测结果。

45、此外,为实现上述目的,本技术还提出一种发电量预测设备,所述发电量预测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的发电量预测程序,所述发电量预测程序配置为实现如上文所述的发电量预测方法。

46、本技术提出的一个或多个技术方案,至少具有以下技术效果:

47、在本技术中,公开了响应于输入的光伏板图像和红外热像图,将光伏板图像和红外热像图输入预设预测模型,预设预测模型包括第一网络和第二网络,通过第一网络对光伏板图像进行区域分割,获得光伏板区域图,第一网络包括illumibranch模块,illumibranch模块用于提取光伏板图像的光照特征,通过第二网络对光伏板区域图和红外热像图进行跨模态特征处理,获得有效发电区域,第二网络包括tpe-module模块和dsav-net模块,tpe-module模块用于提取坏斑特征,dsav-net模块用于融合光伏板区域特征和红外热像特征,基于有效发电区域进行发电量预测,获得发电量预测结果;由于本技术通过将光伏板图像和红外热像图输入预测模型,利用预测模型从光伏板图像中分割出光伏板区域,并有效剔除光伏板区域中坏斑和障碍物所覆盖的无效发电区域,提取出纯净的有效发电面积进行发电量预测,获得具有更高的准确性的发电量预测结果。