光伏能源在我国能源结构占比逐年提升，光伏电站智能高效运维成为行业热点。伴随物联网与机器学习发展，人工维护逐步被机器人和算法替代。现有光伏电站运维方案存在不足：清洁低效、依赖人工清洁；光伏输出功率预测时间较长、算法较复杂；热斑检测漏检率高，难以有效区分热斑与虚警。结合行业需求与现状，本文设计光伏电站远程运维系统，集成智能清洁、功率预测、热斑检测、设备远程更新功能。硬件部分由ARM Cortex‑M3内核控制板与通信板组成：控制板完成机器人清洁控制与数据采集，通信板负责边缘终端与云端数据交互；通过霍尔传感器与控制板实现单排机器人智能清洁；运维系统基于微服务架构搭建后端功能群，包含功率预测、热斑检测、远程更新、数据分析等业务。光伏功率预测可保障电网稳定，反映光伏系统健康状态。利用控制板采集环境数据构建数据集，在研究多种预测方案后，提出基于区间划分的K近邻短期光伏功率预测算法，计算实时与历史数据欧式距离确定输出区间，取区间内前K个值加权平均得到预测结果。该方法实现简单、接口响应速度快，平均绝对百分误差7.83%，均方根误差0.5053。功率输出反映系统健康，热斑效应是造成光伏电池损坏的主要因素。本文设计并实现基于XGBoost优化Flood Fill的热斑检测算法。边缘终端通过红外成像仪获取红外图像，经灰度变换后利用Flood Fill识别热斑形态，再用XGBoost算法学习热斑形态。测试表明该方法识别热斑精确率较高，可有效减少非热斑光源造成的误判，热斑识别精确率达92.31%。
作者：徐志杰
指导老师：陈科明
企业导师：曾佳
发布时间：2022年5月