于 舜, 侯榮旭, 郭朋偉, 張聿博, 夏 炎, 吳欣怡

(1. 沈陽(yáng)工程學(xué)院 信息學(xué)院, 沈陽(yáng) 110136; 2. 東北師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院, 長(zhǎng)春 130024)

隨著人類(lèi)社會(huì)活動(dòng)的不斷深入,能源的消耗量也隨之增長(zhǎng),傳統(tǒng)能源如煤、石油、天然氣等均為不可再生資源或其再生周期極長(zhǎng),由此引發(fā)了能源危機(jī).近年來(lái),隨著科學(xué)技術(shù)水平的不斷進(jìn)步,新能源開(kāi)采與利用的相關(guān)技術(shù)獲得了長(zhǎng)足的進(jìn)步,風(fēng)能、光能、海洋能等新能源逐步融入人類(lèi)生活的各個(gè)方面,極大地緩解了能源危機(jī)帶來(lái)的影響.

在新能源中,太陽(yáng)能具有更加獨(dú)特的優(yōu)勢(shì),如其無(wú)處不在的普遍性、不污染環(huán)境的清潔性以及源源不斷的巨大性和長(zhǎng)久性等.基于太陽(yáng)能的上述特性,各國(guó)政府均加大了對(duì)太陽(yáng)能的開(kāi)采和利用,并且促進(jìn)了能源和電力領(lǐng)域中對(duì)太陽(yáng)能的深入研究.

在太陽(yáng)能的開(kāi)采過(guò)程中,需要使用太陽(yáng)能電池板以實(shí)現(xiàn)太陽(yáng)能的采集工作,為了提高太陽(yáng)能的采集效率,現(xiàn)有研究領(lǐng)域?qū)μ?yáng)能電池板的設(shè)計(jì)研究已經(jīng)相當(dāng)深入.最初的電池板是固定的,無(wú)法保持高效的光能接收,現(xiàn)有的電池板絕大多數(shù)都是可轉(zhuǎn)動(dòng)的,目前相關(guān)研究領(lǐng)域有很多對(duì)轉(zhuǎn)動(dòng)裝置的設(shè)計(jì)以及轉(zhuǎn)動(dòng)策略的研究,其研究目的是提高太陽(yáng)能電池板接收光能的效率,達(dá)到的首要目標(biāo)是保持太陽(yáng)能電池板能夠在接收光能的過(guò)程中始終和光線垂直以達(dá)到每一時(shí)刻的最大光能接收效率.

基于上述思想,本文提出了一種基于轉(zhuǎn)動(dòng)特征選擇和電力視覺(jué)技術(shù)的太陽(yáng)能電池板轉(zhuǎn)動(dòng)策略.該策略包含轉(zhuǎn)動(dòng)要素的特征選擇過(guò)程,在確定太陽(yáng)能電池板是否轉(zhuǎn)動(dòng)以及轉(zhuǎn)動(dòng)角度的過(guò)程中,存在諸多要素,如光強(qiáng)、轉(zhuǎn)動(dòng)能量消耗、轉(zhuǎn)回預(yù)測(cè)、當(dāng)前光強(qiáng)持續(xù)時(shí)間、當(dāng)?shù)厝照兆兓?這些要素都或多或少影響最終的轉(zhuǎn)動(dòng)收益.因此,本文基于這些因素采用特征選擇的方法過(guò)濾無(wú)關(guān)特征和重復(fù)特征,采用RBF網(wǎng)絡(luò)訓(xùn)練相關(guān)參數(shù)得到最終的特征權(quán)重.

1 相關(guān)研究

本文對(duì)太陽(yáng)能電池板轉(zhuǎn)動(dòng)和電力視覺(jué)技術(shù)的相關(guān)研究進(jìn)行了闡述.

1.1 太陽(yáng)能電池板轉(zhuǎn)動(dòng)

太陽(yáng)能電池板轉(zhuǎn)動(dòng)在能源、電力、控制以及機(jī)械等領(lǐng)域均有所涉及,其重點(diǎn)主要集中在太陽(yáng)能電池板的轉(zhuǎn)動(dòng)硬件設(shè)計(jì),以及如何通過(guò)轉(zhuǎn)動(dòng)維持光照垂直于太陽(yáng)能電池板兩個(gè)方面.

徐崢悍等[1]為了最大限度地采集太陽(yáng)能資源,針對(duì)現(xiàn)有自動(dòng)跟蹤系統(tǒng)的缺陷,設(shè)計(jì)了一種雙周四向跟蹤系統(tǒng)并給出了系統(tǒng)框圖及系統(tǒng)電路圖和相關(guān)流程圖,通過(guò)實(shí)驗(yàn)證明了其合理性和可移植性;邱燕[2]通過(guò)比較兩種跟蹤方式,即光電跟蹤和視日運(yùn)動(dòng)軌跡跟蹤,構(gòu)造了一套能夠智能選擇跟蹤方式的太陽(yáng)能轉(zhuǎn)動(dòng)系統(tǒng),給出了基本的控制流程,并通過(guò)實(shí)驗(yàn)驗(yàn)證了其有效性;劉宇恒等[3]針對(duì)太陽(yáng)能電池板接收光能效率低下的問(wèn)題,提出了一種能夠自動(dòng)追蹤太陽(yáng)方向的框架結(jié)構(gòu),并設(shè)計(jì)了相應(yīng)的轉(zhuǎn)換程序和控制程序,實(shí)現(xiàn)了對(duì)太陽(yáng)方向的跟蹤,具有一定的實(shí)用價(jià)值;Ristani等[4]通過(guò)相關(guān)研究總結(jié)出,相比于固定的太陽(yáng)能電池板,可轉(zhuǎn)動(dòng)電池板的光能接收效率可以提高40%,并采用光電跟蹤的方法設(shè)計(jì)了一個(gè)雙軸的自動(dòng)跟蹤系統(tǒng);趙旭等[5]依據(jù)太陽(yáng)運(yùn)行規(guī)律設(shè)計(jì)了一個(gè)基于單片機(jī)的太陽(yáng)跟蹤系統(tǒng),一定程度上解決了現(xiàn)有方法在適應(yīng)性、價(jià)格以及精度等方面存在的問(wèn)題;周詩(shī)悅等[6]為了保持太陽(yáng)能電池板與太陽(yáng)光始終保持垂直狀態(tài),依據(jù)極軸抵消地球自轉(zhuǎn)的原理設(shè)計(jì)了一種極軸太陽(yáng)能跟蹤系統(tǒng),解決了現(xiàn)有相關(guān)方法中光線偏差過(guò)大的問(wèn)題;Ranganathan等[7]基于虛擬儀器設(shè)計(jì)了一個(gè)太陽(yáng)能的自動(dòng)跟蹤系統(tǒng),該系統(tǒng)可以完成天氣的判斷,實(shí)現(xiàn)經(jīng)緯度的設(shè)置等功能,并可以手動(dòng)調(diào)節(jié),從而提高了太陽(yáng)能的采集效率;劉劍等[8]針對(duì)現(xiàn)有的太陽(yáng)能電池板自動(dòng)跟蹤系統(tǒng),總結(jié)了現(xiàn)有系統(tǒng)存在的相關(guān)問(wèn)題并提出了未來(lái)的研究方向及發(fā)展趨勢(shì).

1.2 電力視覺(jué)技術(shù)

隨著人工智能的發(fā)展,機(jī)器學(xué)習(xí)及其相關(guān)方法深入于各個(gè)研究領(lǐng)域之中,其中電力視覺(jué)技術(shù)就是一個(gè)典型的應(yīng)用.電力視覺(jué)是一類(lèi)基于機(jī)器學(xué)習(xí)、模式識(shí)別以及數(shù)字圖像處理等相關(guān)技術(shù),結(jié)合電力領(lǐng)域知識(shí),解決電力系統(tǒng)各個(gè)環(huán)節(jié)中存在視覺(jué)問(wèn)題的人工智能技術(shù),是人工智能的相關(guān)理論方法在電力領(lǐng)域的融合應(yīng)用[9].

在電力視覺(jué)中,應(yīng)用最廣泛的為相關(guān)深度學(xué)習(xí)理論[10].在計(jì)算機(jī)技術(shù)與電力領(lǐng)域融合研究中,趙振兵等[11]將圖像處理技術(shù)應(yīng)用于智能輸變電并進(jìn)行了相關(guān)研究,利用深度學(xué)習(xí)相關(guān)方法對(duì)輸電線路關(guān)鍵部件進(jìn)行視覺(jué)檢測(cè);周筑博等[12]開(kāi)展了基于深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)輸電線路可見(jiàn)光圖像目標(biāo)檢測(cè)的研究.在太陽(yáng)能電池板跟蹤方面,李文華等[13]通過(guò)電力視覺(jué)相關(guān)技術(shù)以及模糊識(shí)別的相關(guān)方法識(shí)別太陽(yáng)位置,將采集到的圖像經(jīng)過(guò)一系列處理,如灰度變換、濾波等實(shí)現(xiàn)對(duì)太陽(yáng)方位的自動(dòng)跟蹤,保證了光線與太陽(yáng)能電池板的垂直.

2 基于轉(zhuǎn)動(dòng)要素的特征選擇過(guò)程

在太陽(yáng)能電池板的轉(zhuǎn)動(dòng)過(guò)程中存在許多特征,為了更高效地利用這些特征,需要對(duì)這些特征進(jìn)行選擇.

2.1 特征選擇過(guò)程

影響太陽(yáng)能電池板轉(zhuǎn)動(dòng)的因素有很多,因此,在基于網(wǎng)絡(luò)訓(xùn)練太陽(yáng)能電池板轉(zhuǎn)動(dòng)要素參數(shù)之前,必須采用相應(yīng)的特征選擇過(guò)程和特征選擇算法對(duì)其進(jìn)行預(yù)處理,其目的是找到相關(guān)特征集合,剔除無(wú)關(guān)特征,從而達(dá)到降低特征維數(shù),降低后續(xù)訓(xùn)練任務(wù)難度的目的.通過(guò)分析可能影響轉(zhuǎn)動(dòng)的因素,總結(jié)太陽(yáng)能電池板的轉(zhuǎn)動(dòng)特征,結(jié)果如表1所示.表1中共列出了8種可能影響太陽(yáng)能電池板的特征,這些特征并不都是有效特征,需要通過(guò)實(shí)驗(yàn)進(jìn)一步確定.而在實(shí)驗(yàn)過(guò)程中,需要考慮兩個(gè)主要問(wèn)題,即如何確定特征子集以及如何評(píng)價(jià)特征子集的優(yōu)劣.

表1 轉(zhuǎn)動(dòng)備選特征

確定特征子集的過(guò)程可以通過(guò)如下算法來(lái)完成.輸入為特征集合F={I,t,L,R,A,T,S,E}.流程包含:1)任選一個(gè)特征a作為最優(yōu)特征O;2)計(jì)算信息增益Gmax;3)加入另外一個(gè)特征作為特征集合a′;4)計(jì)算信息增益G′max;5)如果GmaxGk.輸出為最優(yōu)特征子集O.

《水利工程混凝土耐久性技術(shù)規(guī)范》提出的水利工程混凝土設(shè)計(jì)、施工、運(yùn)行管理等階段的耐久性技術(shù)要求，有利于促進(jìn)資源節(jié)約利用，提高水利工程興利減災(zāi)效果，有利于更好地實(shí)現(xiàn)水利工程設(shè)計(jì)使用年限目標(biāo)，適應(yīng)水利現(xiàn)代化的需要。

該算法為向前搜索特征選擇算法,其核心思想是通過(guò)迭代選取最優(yōu)的特征子集,迭代終止條件是當(dāng)候選的k+1輪特征子集評(píng)價(jià)不如k輪時(shí),信息增益G代表某一輪的最大增益,對(duì)于第一輪的單個(gè)特征子集,如果{ai}最優(yōu),則將{ai}作為第一輪的選定集得到Gmax.在上述算法中,涉及到特征子集評(píng)價(jià)的過(guò)程,子集評(píng)價(jià)計(jì)算公式為

(1)

在信息增益Gain(A)的計(jì)算中,給定數(shù)據(jù)集D,假定D中第i類(lèi)樣本所占比例為pi,i為1到|y|,對(duì)于屬性子集A,假設(shè)根據(jù)其取值將D分為V個(gè)子集,而每個(gè)子集在樣本A上的取值相同.信息增益越大,說(shuō)明特征子集A包含的有助于分類(lèi)的信息越多.Ent(D)的值越小,則D的純度越高.通過(guò)上述特征選擇算法和特征子集評(píng)價(jià)過(guò)程,可以確定最優(yōu)的特征子集.

2.2 基于神經(jīng)網(wǎng)絡(luò)的特征權(quán)重確定

由于太陽(yáng)能電池板的光能采集效率取決于特征選擇過(guò)程,而在現(xiàn)實(shí)中不同的太陽(yáng)能電池板構(gòu)造以及不同地域的光照條件均不相同,因此,針對(duì)某一特定的場(chǎng)景,特征選擇的最佳特征子集中每個(gè)特征的權(quán)重必然不同,那么就需要對(duì)權(quán)重進(jìn)行計(jì)算.為了更精確地確定相關(guān)權(quán)重,本文基于徑向基函數(shù)RBF計(jì)算最優(yōu)特征子集的特征權(quán)重.

RBF網(wǎng)絡(luò)本質(zhì)上是一種單隱層前饋神經(jīng)網(wǎng)絡(luò),使用徑向基函數(shù)作為隱藏神經(jīng)元的激活函數(shù),輸出層為對(duì)隱層神經(jīng)元輸出的線性組合.假設(shè)輸入為d維向量x,那么RBF網(wǎng)絡(luò)可表示為

(2)

式中:q為隱層神經(jīng)元個(gè)數(shù);ci和wi分別為第i個(gè)隱層神經(jīng)元所對(duì)應(yīng)的中心和權(quán)重;ρ(x,ci)為徑向基函數(shù),其本質(zhì)為沿徑向?qū)ΨQ(chēng)的標(biāo)量函數(shù),通常定義為樣本x到數(shù)據(jù)中心ci之間歐氏距離的單調(diào)函數(shù).高斯徑向基函數(shù)表達(dá)式為

(3)

式中,βi為RBF待訓(xùn)練的網(wǎng)絡(luò)參數(shù).RBF網(wǎng)絡(luò)能夠以任意精度逼近任意連續(xù)函數(shù),具有結(jié)構(gòu)簡(jiǎn)單,學(xué)習(xí)速度快以及泛化能力強(qiáng)等特點(diǎn).在確定神經(jīng)元中心ci的過(guò)程中,本文采用隨機(jī)采樣來(lái)實(shí)現(xiàn),之后利用誤差逆?zhèn)鞑P算法來(lái)確定相關(guān)參數(shù).在實(shí)驗(yàn)過(guò)程中,針對(duì)不同場(chǎng)景模擬4類(lèi)數(shù)據(jù)集,因此可以訓(xùn)練出4組網(wǎng)絡(luò)參數(shù),從而可以驗(yàn)證本文提出策略的有效性和適用性.

3 基于電力視覺(jué)的光強(qiáng)時(shí)長(zhǎng)預(yù)測(cè)

在特征選擇過(guò)程中,光強(qiáng)持續(xù)時(shí)長(zhǎng)T的相關(guān)數(shù)據(jù)需要基于電力視覺(jué)的相關(guān)技術(shù)獲取.在現(xiàn)有研究中,通常將灰度圖像二值化,根據(jù)周?chē)h(huán)境光的亮度對(duì)比進(jìn)行計(jì)算,從而判定閾值,再利用開(kāi)運(yùn)算處理二值圖像,其中開(kāi)運(yùn)算是一種復(fù)合運(yùn)算,由腐蝕和膨脹兩種運(yùn)算合成得到.

為了精確計(jì)算特定光強(qiáng)的持續(xù)時(shí)長(zhǎng),需要考慮云層的厚度,因此灰度圖像二值化是不可行的,應(yīng)將彩色圖像轉(zhuǎn)換成灰度圖像,根據(jù)其灰度值判斷云層的厚度并計(jì)算持續(xù)時(shí)長(zhǎng)T.在此過(guò)程中,對(duì)于云層運(yùn)動(dòng)方向和速度的判斷可以通過(guò)實(shí)際中前后采集圖像的差來(lái)實(shí)現(xiàn).通過(guò)上述相關(guān)計(jì)算,可以較為精確地判斷出當(dāng)前光強(qiáng)的持續(xù)時(shí)長(zhǎng),再通過(guò)計(jì)算能量收益和轉(zhuǎn)動(dòng)損耗計(jì)算整體能量收益,進(jìn)而決定太陽(yáng)能電池板是否需要轉(zhuǎn)動(dòng)及所需轉(zhuǎn)動(dòng)角度.對(duì)于電池板是否需要轉(zhuǎn)動(dòng)的判斷需要借助深度卷積神經(jīng)網(wǎng)絡(luò)DCNN,本文采用的DCNN網(wǎng)絡(luò)如圖1所示.

圖1 用于計(jì)算光強(qiáng)持續(xù)時(shí)長(zhǎng)的DCNN網(wǎng)絡(luò)

在DCNN網(wǎng)絡(luò)中,輸入為經(jīng)過(guò)處理的灰度圖像,在圖像預(yù)處理過(guò)程中,通過(guò)圖像變換對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充,擴(kuò)充后的數(shù)據(jù)集輸入像素小于實(shí)際拍攝的像素.本文采用的DCNN網(wǎng)絡(luò)包含輸入層、卷積層、池化層、全連接層以及輸出層.在卷積層中,為了降低模型的迭代次數(shù)以達(dá)到盡快收斂的目的,采用分組卷積,并且使用多個(gè)小卷積核替代大卷積核的方式降低網(wǎng)絡(luò)所需要訓(xùn)練的參數(shù).為了增強(qiáng)方法的實(shí)用性,池化層采用空間金字塔(SPP)方法,使得該網(wǎng)絡(luò)可以處理任意大小的圖像,避免了數(shù)據(jù)集擴(kuò)充過(guò)程中圖像特征減少的問(wèn)題.輸出層輸出通過(guò)灰度識(shí)別的太陽(yáng)位置、云層位置、云層厚度以及云層移動(dòng)速度,其中太陽(yáng)位置為直接輸出,而其他三項(xiàng)需要通過(guò)相關(guān)計(jì)算獲取.為了使收斂速度更快,計(jì)算成本更低,激活函數(shù)使用ReLU,計(jì)算公式為

(4)

4 實(shí) 驗(yàn)

本文實(shí)驗(yàn)分為三部分:1)基于備選特征的特征選擇實(shí)驗(yàn);2)基于不同訓(xùn)練數(shù)據(jù)集的參數(shù)確定實(shí)驗(yàn)以及不同天氣情況下的對(duì)比實(shí)驗(yàn);3)本文提出方法與現(xiàn)有方法的對(duì)比實(shí)驗(yàn).

4.1 特征選擇實(shí)驗(yàn)

特征選擇實(shí)驗(yàn)的目的是通過(guò)相關(guān)計(jì)算,過(guò)濾掉無(wú)關(guān)特征或者冗余特征,依據(jù)特征選擇過(guò)程中的轉(zhuǎn)動(dòng)因素以及相關(guān)算法和計(jì)算過(guò)程,得到的實(shí)驗(yàn)結(jié)果如表2所示.

表2 特征選擇結(jié)果

由表2可知,相關(guān)特征包括光照強(qiáng)度、轉(zhuǎn)動(dòng)能量消耗、轉(zhuǎn)回預(yù)測(cè)、光強(qiáng)持續(xù)時(shí)長(zhǎng)以及日照變化記錄.無(wú)關(guān)特征包括當(dāng)前時(shí)間,冗余特征包括環(huán)境散光和能量收益.根據(jù)實(shí)驗(yàn)結(jié)果分析無(wú)關(guān)特征可知,當(dāng)前時(shí)間對(duì)轉(zhuǎn)動(dòng)過(guò)程中的能量收益不起作用的原因在于太陽(yáng)光受各種環(huán)境因素的影響,在不同時(shí)刻其分布大體上是均勻的,因此當(dāng)前時(shí)間對(duì)轉(zhuǎn)動(dòng)調(diào)整的影響微乎其微,其作用可以用日照變化記錄替代,而日照變化記錄是根據(jù)長(zhǎng)時(shí)間觀測(cè)某一光伏發(fā)電站的日照變化獲取,在實(shí)驗(yàn)中采用模擬數(shù)據(jù),記錄了一年中每一天的日照變化統(tǒng)計(jì)值.冗余特征可以通過(guò)其他特征推導(dǎo)獲取,其中環(huán)境散光蘊(yùn)含在光強(qiáng)持續(xù)時(shí)長(zhǎng)T中,而能量收益則可以通過(guò)其他特征計(jì)算得到.

4.2 不同網(wǎng)絡(luò)適用場(chǎng)景

為了對(duì)比不同天氣狀況下本文提出策略的有效性和適用性,采用4個(gè)模擬數(shù)據(jù)集分別訓(xùn)練網(wǎng)絡(luò)參數(shù),4類(lèi)數(shù)據(jù)集的模擬分別對(duì)應(yīng)4個(gè)參數(shù)訓(xùn)練結(jié)果,如表3所示.

表3 不同數(shù)據(jù)集上的RBF網(wǎng)絡(luò)訓(xùn)練結(jié)果

在實(shí)際操作過(guò)程中,為了測(cè)試本文提出轉(zhuǎn)動(dòng)策略的有效性,4類(lèi)模擬數(shù)據(jù)集的構(gòu)建參照中國(guó)氣象局網(wǎng)站公開(kāi)的氣象數(shù)據(jù),將表3中得到的訓(xùn)練參數(shù)分別應(yīng)用于晴天、多云、雨天、雪天4種天氣,得到轉(zhuǎn)動(dòng)增益如圖2～5所示.

圖2 晴天轉(zhuǎn)動(dòng)增益

圖3 多云轉(zhuǎn)動(dòng)增益

由圖2～5可知,本文提出的太陽(yáng)能電池板轉(zhuǎn)動(dòng)策略適用于各種場(chǎng)景以及特殊天氣,適用性較強(qiáng).結(jié)合表3可以看出,針對(duì)不同地區(qū)及天氣特點(diǎn),參數(shù)并不是固定的,而是依據(jù)當(dāng)?shù)氐奶鞖夂凸庹諗?shù)據(jù)訓(xùn)練得到,因此可以用于當(dāng)?shù)毓夥l(fā)電站的太陽(yáng)能電池板轉(zhuǎn)動(dòng)預(yù)測(cè)過(guò)程中.通過(guò)在數(shù)據(jù)集上的訓(xùn)練以及不同天氣的轉(zhuǎn)動(dòng)增益可以發(fā)現(xiàn),在不同天氣下,5個(gè)特征的權(quán)重變化較大,如在晴天,光照強(qiáng)度影響最大,此時(shí)的光強(qiáng)比較固定且較強(qiáng),轉(zhuǎn)動(dòng)消耗遠(yuǎn)小于光能吸收增益,光強(qiáng)時(shí)長(zhǎng)變化相對(duì)較小,因此基本不會(huì)轉(zhuǎn)回,故轉(zhuǎn)回預(yù)測(cè)權(quán)重較低.在多云天氣,光強(qiáng)時(shí)長(zhǎng)的權(quán)重更加重要,光強(qiáng)時(shí)長(zhǎng)預(yù)測(cè)對(duì)進(jìn)一步優(yōu)化設(shè)置電池板的轉(zhuǎn)動(dòng)起了很大作用.在雨雪天氣,日照記錄的影響較大,這是因?yàn)槟骋坏貐^(qū)某一時(shí)間范圍內(nèi)的雨雪特點(diǎn)通常是比較固定的.

圖2～3中,晴天的D1數(shù)據(jù)集和多云的D2數(shù)據(jù)集轉(zhuǎn)動(dòng)增益最大.由于雨雪天氣有共性,陽(yáng)光被云遮住,整體光強(qiáng)較弱,因此圖4中雨天轉(zhuǎn)動(dòng)增益在D3和D4數(shù)據(jù)集上表現(xiàn)較好.雨雪天氣又存在極大的區(qū)別,與雨天不同,雪天反光較強(qiáng)導(dǎo)致光強(qiáng)較強(qiáng),因此圖4～5中D4數(shù)據(jù)集訓(xùn)練得到的網(wǎng)絡(luò)參數(shù)轉(zhuǎn)動(dòng)增益均高于D3數(shù)據(jù)集的增益.

圖4 雨天轉(zhuǎn)動(dòng)增益

圖5 雪天轉(zhuǎn)動(dòng)增益

4.3 實(shí)驗(yàn)對(duì)比

為了對(duì)本文提出的方法做總體評(píng)估,與現(xiàn)有文獻(xiàn)[13]方法進(jìn)行對(duì)比.針對(duì)晴天、多云、雨、雪天氣條件,對(duì)應(yīng)數(shù)據(jù)集為D1～D4,分別采用文獻(xiàn)[13]方法以及本文所提出的方法計(jì)算太陽(yáng)能電池板轉(zhuǎn)動(dòng)方案的整體能量增益提升,對(duì)比實(shí)驗(yàn)結(jié)果如圖6所示.

圖6 能量增益提升對(duì)比

由圖6可以看出,本文方法較文獻(xiàn)[13]方法在4個(gè)數(shù)據(jù)集上的太陽(yáng)能電池板能量采集增益均有所提升.對(duì)于更偏向于晴天的D1數(shù)據(jù)集,二者差異不大,因?yàn)榍缣觳⒉荒芡耆w現(xiàn)本文提出轉(zhuǎn)動(dòng)策略的優(yōu)勢(shì).在D2的多云數(shù)據(jù)集以及雨雪天氣的D3和D4數(shù)據(jù)集上則能夠看出本文方法的優(yōu)勢(shì),證明了該方法在應(yīng)對(duì)特殊天氣方面的有效性.

5 結(jié) 論

針對(duì)基于太陽(yáng)能電池板相關(guān)轉(zhuǎn)動(dòng)研究中,忽視轉(zhuǎn)動(dòng)損耗與不能應(yīng)對(duì)特殊天氣的不足,提出了一種基于特征選擇和電力視覺(jué)的太陽(yáng)能電池板轉(zhuǎn)動(dòng)策略.該方法通過(guò)特征選擇算法確定影響太陽(yáng)能電池板轉(zhuǎn)動(dòng)的相關(guān)特征,通過(guò)RBF網(wǎng)絡(luò)訓(xùn)練獲取相關(guān)特征的權(quán)重參數(shù).在計(jì)算光強(qiáng)時(shí)長(zhǎng)T的過(guò)程中,采用了電力視覺(jué)中的深度神經(jīng)網(wǎng)絡(luò)DCNN,通過(guò)設(shè)計(jì)一個(gè)6層網(wǎng)絡(luò)處理灰度圖像獲取太陽(yáng)位置、云層位置、云層厚度和云層速度等相關(guān)數(shù)據(jù)用于精確計(jì)算當(dāng)前光強(qiáng)所能持續(xù)的時(shí)間.實(shí)驗(yàn)過(guò)濾掉了冗余特征和無(wú)關(guān)特征,通過(guò)模擬構(gòu)建4類(lèi)針對(duì)性的數(shù)據(jù)集,分別對(duì)晴天、多云、雨、雪天氣訓(xùn)練出4組參數(shù),并對(duì)參數(shù)進(jìn)行了驗(yàn)證,證明了本文方法的適用性,通過(guò)對(duì)比實(shí)驗(yàn)證明了本文提出的基于特征選擇和電力視覺(jué)技術(shù)的太陽(yáng)能電池板轉(zhuǎn)動(dòng)策略的有效性.