专利汇可以提供一种无人机自动充电站的太阳能故障诊断方法专利检索,专利查询,专利分析的服务。并且本 发明 提出一种无人机自动充电站的 太阳能 故障诊断方法,所述充电站的电源组件包括汇流箱,汇流箱与发电支路相连,发电支路的电 力 输出端处设有用于采集发电支路 电压 信号 U的 电流 霍尔 传感器 ;所述电流霍尔传感器与 数据采集 中心相连以上传发电支路的电压信号U,数据采集中心的微控制单元以数据位率变换法把电压信号U还原为发电支路的输出电流值及发电支路的 输出电压 ;所述 数据中心 以发电支路的输出电流值和输出电压建立建立 太阳能 电池 阵列电压-电流数据模型,调用极限学习机 算法 对数据进行分析,对太阳能电池阵列的工况进行故障诊断评估;本发明能通过检测太阳能电池阵列数据的情况,判断太阳能电池阵列处于正常状态还是出现故障。,下面是一种无人机自动充电站的太阳能故障诊断方法专利的具体信息内容。
1.一种无人机自动充电站的太阳能故障诊断方法,其特征在于:所述充电站(10)的电源组件包括汇流箱,所述汇流箱与发电支路(1)的电力输出端相连,以汇聚发电支路内太阳能电池阵列的电能;所述发电支路的电力输出端处设有用于采集发电支路电压信号U的电流霍尔传感器(12);所述电流霍尔传感器与数据采集中心相连以上传发电支路的电压信号U,数据采集中心(11)的微控制单元以数据位率变换法把电压信号U还原为发电支路的输出电流值I及发电支路的输出电压U0;所述数据中心以发电支路的输出电流值和输出电压建立建立太阳能电池阵列电压-电流数据模型,调用极限学习机算法对数据进行分析,对太阳能电池阵列的工况进行故障诊断评估。
2.根据权利要求1所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
所述汇流箱与n条发电支路的电力输出端并联;所述发电支路以q块太阳能电池板生成电能;所述太阳能电池板串联设置形成太阳能电池阵列;所述n条发电支路汇集到汇流箱之后,汇流箱以电压霍尔传感器(15)采集发电支路并联汇集后的电路总电压;
每条发电支路在接入汇流箱前先通过电流霍尔传感器;所述电流霍尔传感器把发电支路的初始电流I转化为小电压U,并通过通讯电路把数据上传至数据采集中心。
3.根据权利要求2所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
所述微控制单元以数据位率变换法还原数据的方法包括以下步骤;
步骤A1、n条发电支路的太阳能电池阵列总输出电流I=[I1,I2,...,Ii,...,In]T,其中Ii表示太阳能电池阵列第i条支路太阳能电池板的输出电流,输入电流I经过压流比线性度为K的电流电流霍尔传感器,输入电流转为为小信号输出电压值U,其值为:
U=K*I=[U1,U2,…,Ui,…,Un]T
其中K为电流霍尔传感器将电流值转化为电压值的比例系数,单位为V/A;
步骤A2、所述太阳能电池阵列输出电压即为发电支路的输出电压U0,电压霍尔传感器把初始大电压数据U0转换为小电压数据Up,发电支路的输出电流经过电压霍尔传感器输入端电阻R0后,形成电压霍尔传感器输入端电流 假设电压霍尔传感器输出端与输入端电流比为L,则电压霍尔传感器输出端电流Ip=L*I0,输出端电流Ip为经过电压霍尔传感器输出端电阻Ri的输出电流值,输出电压的计算公式为Up=Ip*Ri,由输入端电流与输出端电流关系可得:
因此,可求输入电压与输出电压比Kv为:
步骤A3、微控制单元采集小信号电压U后,进行数据倍率变换,还原太阳能电池阵列的电流值: 实现电流采集的目的,还原输入电压U0=Kv*Up,从而实现电压采集的目的。
4.根据权利要求3所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
所述极限学习机算法的训练方法为;
采集太阳能电池阵列不同状态下的样本数据,对极限学习机模型进行训练;太阳能电池不同状态的样本矩阵为(X,Y),其中X为各发电支路电流值与电压值样本数据,Y为太阳能电池阵列状态期望样本,不同状态以不同数值代表;
所述各支路电流值与电压值样本数据包括开路电压、总电压、短路电流、下属支路电流;
所述太阳能电池阵列状态期望样本的状态类别包括正常、开路、短路、老化、阴影;
根据极限学习机神经网络模型结构,可得:
输入样本与神经元个数确定,可以由样本数据随机生成权值w和阈值b。;
随机产生的w和b可以在训练模型之前就确定,后续使用中无需改变;由此,在确定了神经元的数量与神经元激活函数式后,就可以计算出神经元输出矩阵
在太阳能电池阵列故障评估系统中,由训练样本数据,确定了输入层与隐含层之间的权值w,隐含层神经元阈值b,求解出了隐含层与输出层之间的连接权值β。
5.根据权利要求4所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
当实时采集的输入数据xi导入数据采集中心时,微控制单元调用极限学习机模型,输出评估矩阵yi。
6.根据权利要求5所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
微控制单元调用极限学习机模型处理完成数据后,把电流值信息与电压值信息,以及诊断结果传输给无人机服务站总数据中心,由无人机服务站数据中心进行结果显示和结果网络回传作业。
7.根据权利要求2所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
所述电流霍尔传感器设有电线孔位(5);所述发电支路电力输出端的电线穿置于电流霍尔传感器的电线孔位处。所述汇流箱与多个发电支路的电力输出端并联;所述汇流箱汇聚各发电支路的电能以向充电站的蓄电池(9)供电。
8.根据权利要求7所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
蓄电池的额定电压为N伏,每块太阳能电池板的额定电压为p伏,当发电支路需要q块太阳能电池板串联后对蓄电池供电时,则发电支路的输出电压M=p*q>N;
当光伏电池板电流正常供电时,电池板的每条支路经过汇流箱,电流汇聚之后给无人机服务站蓄电池供电;数据采集中心以单片机通过电流霍尔传感器采集发电支路的电流数据和电压数据,数据通过数据处理器进行采集,数据采集之后进行分析,诊断出无人机服务站太阳能电池是处于正常状态还是处于故障状态。
9.根据权利要求7所述的一种无人机自动充电站的太阳能故障诊断方法,其特征在于:
电流霍尔传感器可采用的型号包括HCS-LSP 20A,电流霍尔传感器的线性度为0.1V/A,电流霍尔传感器测试范围为-20A至20A;电压霍尔传感器可采用的型号包括LEM LV25P。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
模拟电源装置及包括其的设备 | 2020-05-24 | 2 |
一种改进的永磁同步电机转子位置检测方法 | 2020-08-04 | 0 |
防电塞 | 2021-03-15 | 2 |
一种精确监测锂离子电池循环寿命的充放电测试方法 | 2021-06-07 | 1 |
一种电水壶 | 2020-08-25 | 2 |
一种倒装式感温火灾探测器 | 2020-10-30 | 2 |
车载电源检测及后装设备保护电路 | 2020-11-27 | 1 |
电梯导靴靴衬磨损量检测装置 | 2021-01-12 | 2 |
一种红外LED灯模块 | 2021-07-14 | 1 |
一种电动机超负荷再降温装置 | 2023-04-20 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。