买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉通用技术集团工程设计有限公司;山东工研院产业发展有限公司申请的专利光伏多源感知智能清洁降温方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120128071B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510599565.4，技术领域涉及：H02S40/10；该发明授权光伏多源感知智能清洁降温方法及系统是由张伟光;郭衍民;刘聪;苏一鸣;谭龙飞;孙传珠;高秋野;刘天成;吕虹朋;黄秋实设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本光伏多源感知智能清洁降温方法及系统在说明书摘要公布了：本发明公开了光伏多源感知智能清洁降温方法及系统，包括：S1，获取天气数据、光伏发电量数据、光伏设备温度、光伏面板的污染信息和光伏清洁器的清洁海绵的污染信息；S2，预处理获取的数据；S3，分析预处理后的天气数据、光伏发电量数据和光伏面板表面污染物附着情况，生成光伏清洁器清洁指令；S4，分析S1中光伏设备温度，生成光伏清洁器降温指令；S5光伏清洁器执行清洁或降温指令；S6根据清洁过程中清洁海绵的污染程度和清洁或降温操作的耗水量，自动完成光伏清洁器的清洁海绵的更换及清洗和水箱补水操作。本发明实现光伏发电站无人化和智能化部署，提高发电效率，降低光伏发电站的运维成本，提高光伏发电站的经济收益。

本发明授权光伏多源感知智能清洁降温方法及系统在权利要求书中公布了：1.一种光伏多源感知智能清洁降温方法，其特征在于，包括以下步骤： S1，获取监测数据，即天气数据、光伏发电量数据、光伏设备温度、光伏面板的污染信息和光伏清洁器的清洁海绵的污染信息； S2，数据预处理，提取S1中天气数据和光伏发电量数据的关键数据并对光伏面板的污染信息和光伏清洁器的清洁海绵的污染信息进行优化；在S2中，提取S1中天气数据和光伏发电量数据的关键数据并对光伏面板的污染信息和光伏清洁器的清洁海绵的污染信息进行优化的具体情况如下： A、提取天气数据中的空气质量指数、温度、风速、降水量、空气湿度和太阳辐照度； B、从光伏发电量数据中提取出每块光伏面板的实际发电量，从设备说明书中获取每块光伏面板在理想状况下的理论发电量； C、对截取到的光伏面板照片和光伏清洁器的清洁海绵照片进行优化的具体步骤如下： C.1、引入一种新的基于自适应频域融合与超分辨率重建的光伏污染物图像增强方法对拍摄的多张光伏面板监控照片和光伏清洁器的清洁海绵照片进行降噪、锐化和超分辨率优化的具体步骤如下： a、通过小波变换WT分解图像，将图像分解为低频部分L和高频部分H： ； 其中低频L包含光照、阴影信息，高频H包含污染物边缘、高频噪声信息； b、采用BayesShrink方法计算噪声标准差： ； 其中，为取中值数函数，然后获取自适应阈值，过滤图像噪声： ； 其中，为信号标准差，是符号函数，是图像过滤噪声后的高频分量； c、将噪声过滤后的高频分量和低频部分L组合后，进行小波逆变换重构，得到过滤噪声后的图像： C.2、基于结构张量梯度增强图像锐化的具体步骤如下： a、计算Sobel方向梯度： ； 其中，表示沿方向水平的梯度，表示沿方向水平的梯度，然后计算结构张量识别污染物边界： ； 其中，和代表结构的主要方向变化率； b、计算各像素的锐化权重： ； c、对图像进行自适应锐化： ； 其中，为用于增强边缘的Laplacian二阶导数，为自适应锐化系数； C.3、使用基于对抗学习的超分辨率优化图像清晰度的具体步骤如下： a、使用ESRGAN进行超分辨率重建，得到超分辨率重建后的图像： ； 其中，是ESRGAN生成器，计算SR图像与原始高清图像的特征差异： ； 其中，是VGG网络提取层的高层特征，是实际真实的图像，采用对抗损失使超分辨率图像自然化： ； 其中；是判别器网络； b、训练最终目标，优化超分辨率图像： ； 其中；是L1损失，和是控制不同损失的超参数权重； S3，联合分析S2中天气数据和光伏发电量数据的关键数据及优化后的光伏面板照片中的光伏面板表面污染物附着情况，生成光伏清洁器的清洁执行指令；在S3中，联合分析S2中天气数据和光伏发电量数据的关键数据及优化后的光伏面板照片中的光伏面板表面污染物附着情况，生成光伏清洁器的清洁执行指令的具体情况如下： A、根据不同等级的天气因素对污染物附着程度的影响，以及各天气因素之间的相互作用，对不同天气因素赋予相应的污染物附着权重，污染物附着权重可以表示天气因素是否有利于污染物沉降，权重为正值则表示天气因素有利于污染物沉降，权重为零则表明天气因素对污染物沉降无明显影响，权重为负值则表明天气因素不利于污染物沉降，通过统筹分析各类天气因素对污染物附着的综合影响，确定以下六种关键天气因素的污染物附着权重： 第一种，空气质量指数对应的污染物附着权重：所选时段内的空气质量指数小于50，则认为污染物积累较少，赋予空气质量指数对应的污染物附着权重为-0.2；所选时段内的空气质量指数大于50且小于150，则认为污染物积累速度较快，赋予空气质量指数对应的污染物附着权重为0.1；所选时段内的空气质量指数大于150，则认为污染物积累速度极快，赋予空气质量指数对应的污染物附着权重为0.3； 第二种，降水量对应的污染物附着权重：所选时间段内的降水量小于2mm，不仅不能清洗光伏表面的灰尘甚至可能吸附空气中的灰尘，因此赋予降水量对应的污染物附着权重为0.2；所选时段内的降水量大于2mm且小于10mm，可能仅清洗光伏表面的部分污染物，因此赋予降水量对应的污染物附着权重为-0.1；所选时段内的降水量大于10mm，可能会清洗光伏表面的大部分污染物，因此赋予降水量对应的污染物附着权重为-0.3； 第三种，空气湿度对应的污染物附着权重：所选时间段内的空气湿度小于30%，表明空气干燥，容易形成静电吸附污染，因此赋予空气湿度对应的污染物附着权重为0.2；所选时间段内的空气湿度大于30%且小于80%，则对污染物的附着没有明显影响，因此赋予空气湿度对应的污染物附着权重为0.0；所选时间段内的空气湿度大于80%，可能会导致光伏表面形成泥浆状灰尘污染，因此赋予空气湿度对应的污染物附着权重为0.15； 第四种，太阳辐照度对应的污染物附着权重：所选时间段内的太阳辐照度小于200Wm2，光伏表面低温，污染物不易固化，因此赋予太阳辐照度对应的污染物附着权重为-0.1；所选时间段内的太阳辐照度大于200Wm2且小于600Wm2，则对污染物的附着没有明显影响，因此赋予太阳辐照度对应的污染物附着权重为0.0；所选时间段内的太阳辐照度大于600Wm2，可能会导致光伏表面高温，导致污染物固化，清洗困难，因此赋予太阳辐照度对应的污染物附着权重为0.2； 第五种，风速对应的污染物附着权重：所选时间段内的风速小于1ms，表明空气相对静止，污染物沉降严重，因此赋予风速对应的污染物附着权重为0.3；所选时间段内的风速大于1ms且小于5ms，风速适中，有助于减少污染物沉降，因此赋予风速对应的污染物附着权重为-0.1；所选时间段内的风速大于5ms，可能会带来新的灰尘，因此赋予风速对应的污染物附着权重为0.1； 第六种，温度对应的污染物附着权重：所选时间段内的温度小于20°C，环境处于低温，光伏表面的污染物不易固化，因此赋予温度对应的污染物附着权重为-0.2；所选时间段内的温度大于20°C且小于30°C，环境温度适中，污染物适度固化，则赋予温度对应的污染物附着权重为-0.1；所选时间段内的温度大于30°C，环境处于高温，光伏表面污染物固化明显，清洗困难，因此赋予温度对应的污染物附着权重为0.3； 根据上述不同天气因素计算光伏清洗的必要性指数，计算公式为： ； 其中，是空气质量指数、是降水量、是空气湿度、是太阳辐照度、是风速、是温度、是空气质量指数对应的污染物附着权重、是降水量对应的污染物附着权重、是空气湿度对应的污染物附着权重、是太阳辐照度对应的污染物附着权重、是风速对应的污染物附着权重以及是温度对应的污染物附着权重； B、根据不同等级的天气因素对光伏发电量的影响，以及各天气因素之间的相互作用，对不同天气因素赋予相应的光伏发电量影响权重，光伏发电量影响权重可以表示天气因素是否有利于光伏发电，天气因素的影响权重越接近1则表示该天气因素状况越有利于光伏发电，通过统筹分析各类天气因素对光伏发电量的综合影响，确定以下七种关键天气因素的光伏发电量影响权重： 第一种，太阳辐照度的光伏发电量影响权重：计算实际的太阳辐照度与理论测试场景下的太阳辐照度的比值作为太阳辐照度的发电量影响权重： ； 其中，是实际的太阳辐照度，是理论测试场景下的太阳辐照度； 第二种，云量的光伏发电量影响权重：采用指数衰减模型计算云量的光伏发电量影响权重： ； 其中，是云量，是可根据实测数据调整的经验系数，即为云量的光伏发电量影响权重； 第三种，温度的光伏发电量影响权重：光伏组件的温度以及光伏周围的环境温度综合影响光伏发电的效率： ； 其中，是由光伏上的温度传感器测量的光伏设备温度，是温度系数，是标准温度25°C，即为温度的光伏发电量影响权重； 第四种，风速的光伏发电量影响权重：风速对于光伏的散热存在影响进而影响发电的发电效率： ； 其中，是实际风速，是标准参考风速；是风速影响系数，即为风速的光伏发电量影响权重； 第五种，空气湿度的光伏发电量影响权重：不同的空气湿度对光伏表面的污染物附着有着不同的影响，进一步影响光伏发电效率，空气湿度大于80%，空气湿度的光伏发电量影响权重赋为0.95，空气湿度大于30%小于80%，空气湿度的光伏发电量影响权重赋为1，空气湿度小于30%，空气湿度的光伏发电量影响权重赋为0.98； 第六种，降水量的光伏发电量影响权重：雨水在空气中可以对太阳光造成折射，影响光伏对光源的直接接受，雨水的降水量与太阳光的折射之间存在关系，降水量大于10mm，降水量的光伏发电量影响权重赋为1.2，降水量大于2mm小于10mm，降水量的光伏发电量影响权重赋为1.05，降水量小于2mm，降水量的光伏发电量影响权重赋为0.9； 第七种，空气质量的光伏发电量影响权重：空气的尘埃等杂质会降低太阳光辐射的强度，空气质量指数大于150，空气质量的光伏发电量影响权重赋为0.8，空气质量指数大于50小于150，空气质量的光伏发电量影响权重赋为0.9，空气质量指数小于50，空气质量的光伏发电量影响权重赋为1； 根据上述不同天气因素计算光伏的理论发电量，计算公式为： ； 其中，是光伏在理想环境条件下的发电量，是光伏在实际环境条件下的理论发电量，之后比较光伏的实际发电量与实际的理论发电量，如果光伏的实际发电量能够达到实际的理论发电量的90%，则表明光伏实际发电量未出现明显异常，设光伏发电异常指数，反之则认为光伏发电量异常,设光伏发电异常指数； C、引入一种新的基于自适应特征融合的污染物识别方法识别步骤2）中优化后的光伏面板监控照片中的光伏面板表面小范围污染物的具体情况如下： C.1、使用YOLOv8进行污染物目标检测，输出污染物边界框： ； 其中，表示污染物区域的最左位置，表示污染物区域的最下位置，表示污染物区域的最右位置，表示污染物区域的最上位置，基于边界框裁剪目标区域： ； C.2、使用SwinTransformer通过滑动窗口注意力机制提取污染物区域特征： ； 计算污染物区域的空间一致性，合并边界相接的污染物： ； C.3、结合CNN与SwinTransformer提取特征： ； 计算最终融合特征： ； 其中，和是自适应权重； C.4、引入多帧信息融合方法，计算污染物在多张照片中的一致性： ； 其中，当大于保留阈值时，保留； C.5、使用U-Net对保留的污染物区域进行分割，生成污染物掩码： ； D、使用基于空间颜色分析的广域污染物识别步骤2）中优化后的光伏面板监控照片中的光伏面板表面大范围污染物的具体步骤如下： D.1、计算清洁光伏面板和实际图像中面板的颜色直方图差异： ； 其中，为颜色空间，分别表示RGB空间中的红、绿、蓝三个通道，表示颜色通道中的第个颜色区间的频率，表示清洁光伏面板的颜色直方图，表示实际图像的颜色直方图； D.2、计算清洁光伏面板颜色通道均值 ； 其中，是清洁光伏面板中像素点的颜色值，计算实际图像中面板的颜色通道均值： ； 其中，是实际图像中光伏面板中像素点的颜色均值，计算清洁光伏面板和实际图像中光伏面板的颜色通道均值差异： ； D.3、根据a中颜色直方图的差异与颜色直方图差异阈值的比较结果和b中颜色通道均值的差异与颜色通道均值的差异阈值的比较结果生成污染物区域的掩码： ； E、通过像素数量计算小范围污染物面积和大范围污染物面积： ； 其中，每个像素的面积为1cm2，表示小范围污染物的像素数量即污染物面积，表示大范围污染物的像素数量即污染物面积，pollutionregion表示污染物区域； F、综合分析A中的光伏清洗的必要性指数、B中光伏发电异常指数及C中污染物面积和判断光伏是否需要清洗的具体步骤如下： F.1、根据光伏清洗必要性指数、光伏发电异常指数和污染物面积对光伏清洗需求的影响，分别为它们分配不同重要性权重：； F.2、根据F.1中的重要性权重计算不同范围污染物的光伏综合清洁指数： ； 当或时光伏清洁器获得清洁污染物的执行指令，其中是小范围污染物综合清洁阈值区间，是大范围污染物综合清洁阈值区间； S4，分析S1中光伏设备温度，生成光伏清洁器的降温执行指令； S5，根据S3中光伏清洁器的清洁执行指令和S4中光伏清洁器的降温执行指令，光伏清洁器对光伏面板进行自适应清洁与降温操作； S6，根据S5中光伏清洁器的耗水量和清洁海绵的污染程度，自动完成清洁海绵的更换及清洗和光伏清洁器的水箱补水操作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人通用技术集团工程设计有限公司;山东工研院产业发展有限公司，其通讯地址为：250000 山东省济南市天桥区堤口路141号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。