基于視覺-光電傳感器的光伏板清潔機器人研究

蔣李亞 張家樂 夏侯智聰 劉智英 顧志遠 徐晨陽 熊曉晨

(1.國家電投集團 江西電力有限公司新能源發電分公司, 南昌 330200;2.武漢理工大學 汽車工程學院,武漢 430070;3.三峽大學 機械與動力學院, 湖北 宜昌 443002)

在“碳達峰、碳中和”戰略背景下,加快開展清潔高效發電技術研究對電力行業未來的發展至關重要[1-5].太陽能光伏發電作為一種可再生能源發電技術,具有安全高效、經濟環保、資源豐富的顯著優勢[6-9].然而,由于光伏板暴露在室外,灰塵和飛禽糞便形成的覆蓋層會減少光伏板透光率,降低發電效率[10-11];若長時間不清理,失效部分將持續放熱、形成熱斑,損壞光伏板表面封裝結構[12-13].

由于人工清洗效率低且施工危險,使用機器清洗已成為國內外研究的熱點.文獻[14]為解決光伏板積塵問題,采用紅外傳感器,開發了基于機械臂的自動除塵系統,借助軌道在面板間移動機械臂,清洗速率高.但軌道式清潔系統需要鋪設導軌,設備復雜,安拆不便.文獻[15]開發了一種自動清潔裝置,使用光伏板上下邊緣作為行走軌道,可不使用導軌清除一橫排光伏板上的污垢.但橫排式清潔方案對光伏陣列來說,需要每排配備一臺;運維成本增加.文獻[16]針對光伏陣列積灰效應帶來的光電轉換效率下降的問題,設計了一款車載式光伏陣列清潔機械,提高了光伏陣列清潔效率;但車載式系統尺寸大、能耗高,易遭受地形和光伏板支撐結構空間排布的限制.

南方濕地和丘陵區域電站地面條件差,光伏陣列空間狹小,安裝位置高,清潔面積大[17].因此,急需探索一種新的清潔方式,解決地面及空間環境復雜的光伏電站清潔難題.機器人技術為研究者提供了新思路,小型清潔機器人靈活方便,不需要安裝額外設施.對于高處作業,通過履帶式升降工作平臺將機器人投放在光伏板上,清潔機器人可根據規劃軌跡對光伏板進行自主清潔.

本文針對地面及空間環境復雜的光伏電站清潔問題,設計了一種基于視覺-光電傳感器的光伏板清潔機器人,采用視覺傳感器和光電傳感器融合技術,實現機器人自適應路徑規劃和清潔策略執行,并進行清潔試驗測試機器人的作業效率和作業質量.

1 總體設計與工作原理

1.1 總體設計

光伏板清潔機器人的功能硬件均通過連接件固定在車架上,主要由邊刷、滾刷、霧化噴頭、履帶輪、光電傳感器、真空發生器、主控盒、視覺傳感器和水箱等組成,如圖1所示.

圖1 光伏板清潔機器人結構示意圖

1.2 工作原理

光伏板清潔機器人工作時,視覺傳感器將光伏板表面的特征信息傳遞給主控系統,控制電機的旋轉方向.車體后方驅動電機帶動履帶輪轉動,實現機器人的前進、后退、制動和旋轉;真空發生器提供真空負壓,使機器人吸附在鋼化玻璃表面,以適應不同傾角的光伏板.前進時,水箱中的水通過前方的霧化噴頭噴灑在光伏板表面,兩側邊刷和后方滾刷對光伏板上的灰塵和鳥糞進行清洗.當機器人四周及前方的光電傳感器檢測到光伏板邊緣時,光電傳感器發射低電平信號,將光伏板邊緣信息反饋給控制系統,通過先前構建的地圖和規劃的清洗軌跡進行決策是否改變前進方向,保證清潔機器人的正常工作.光伏板清潔機器人控制系統結構如圖2所示.

圖2 機器人控制系統結構

2 清潔機器人附著條件與吸力分析

為提高發電效率,我國南方光伏電站通常將光伏板保持在最佳傾角,使板面盡量與太陽光線垂直.因此,要求清潔機器人在工作時能夠穩定地在板上行駛,不會滑落.

2.1 板上履帶附著條件

驅動電機帶動履帶輪為履帶轉動提供了驅動力,履帶與光伏板之間存在的相對運動趨勢產生了摩擦力,如圖3所示.

圖3 履帶受力圖

但該摩擦力存在極限值,將光伏板對履帶的切向作用力的極限值定義為附著力Fs:

式中:μ為板面附著系數;Fn為履帶接觸面正壓力.

若履帶不發生打滑,則要求驅動力矩M引起的板面切向作用力不大于附著力:

式中:Mf為滾動摩阻力偶矩;r為履帶輪半徑;F x為板面給履帶的切向作用力.

因此,履帶在板上不發生打滑的條件為

式中:C為附著率.

2.2 清潔機器人最小吸力分析

在保證機器人穩定地在光伏板上開展清潔工作的目標下,需要對機器人的最小吸力進行分析,確定所需的負壓大小.為增大清潔機器人履帶和光伏板表面鋼化玻璃間的摩擦力,履帶表面采用橡膠材料.假設機器人為均質剛體,放置在傾角為θ的光伏板上,如圖4所示.機器人的受力分析為

圖4 機器人受力分析

式中:FN為光伏板對機器人的支持力;m為清潔機器人總質量,包括本體質量6 kg和載水質量2 kg;Fr為真空發生器產生的吸力.

為使機器人作業時不打滑,光伏板表面產生的摩擦力FS應滿足:

式中:fs為靜摩擦系數,等于光伏板和履帶之間的附著系數μ.

根據《全國地面光伏電站最佳安裝角度及發電量速查表》,取光伏板傾角θ為20°.依據文獻[18],干燥光伏板面的附著系數為0.52,有較多水的板面附著系數為0.25.若吸力Fr為0,代入式(4)、(5)可知,機器人可以在干燥的板面上工作,但不能在濕潤的板面上行駛.因此,清潔機器人必須提供吸力,才能在濕潤的板面上作業.由已知條件可得,當吸力Fr＞33.62 N 時,機器人可在濕潤的板面上行駛.

根據文獻[19],真空發生器的吸力可按下式計算:

式中:D為吸盤直徑,預選直徑為50 mm 的風琴形吸盤;p為真空度;n為安全系數,依據文獻[19],選擇安全系數為4.

由式(6)可得,所需真空度p為68.49 kPa.因此,可采用標準型真空發生器,其最大真空度可達88 kPa,滿足使用要求.同時,為縮小機器人跨過光伏板留縫間隙時負壓泄漏導致吸力減少的影響,采用兩套真空發生器,吸盤分別布置在輪一、輪三中間.

3 光伏板清潔機器人路徑規劃

由于清潔機器人投放時的位置和方向難以精準控制,因此在進行作業前,機器人應自主調整所處的位置和方向,到達指定的作業初始位置.為了正確地到達指定位置,采用視覺傳感器和光電傳感器相融合的方法,規劃、調整運動軌跡.利用光伏板的特征信息和邊緣特點,構建完善的行駛地圖.

3.1 光伏板邊緣圖像識別

光伏板組件層壓封裝完成后通常使用鋁合金邊框進行包邊,起到保護和支撐組件的作用.當視覺傳感器拍攝到含鋁合金邊框的光伏板圖像時,采用深度學習目標檢測算法對其識別后進行處理,計算出機器人至邊框的像素距離,比較和判斷離機器人最近的一條邊框,控制機器人移動至該側.

為濾除采集圖像的噪聲,采用高斯濾波進行處理;同時,為方便進行邊緣檢測,進一步使用灰度化處理,處理結果如圖5(a)所示.為提取出鋁合金邊框,采用銳化處理突出邊緣信息.經調試后顯示,Roberts算子具有較好的邊緣檢測效果,但邊緣灰度值較低,因此設置一定的閾值進行圖形分割,凸顯邊緣信息,其效果如圖5(b)所示.由此圖可以看出,邊緣信息已顯現,而其中仍存在許多面積小且不連通的白色干擾噪點.因此采用面積濾波處理,將連通域面積小于閾值的區域設置為背景,其處理效果如圖5(c)所示.經處理后已可得明顯的邊緣信息,利用霍夫直線檢測對上述邊緣進行直線擬合,得到邊框直線,通過列掃描得出兩條直線的中心線,如圖5(d)所示.再對圖像進行列掃描,計算出中心線至圖像底側的平均像素距離.按照以上流程處理視覺傳感器其他方向的圖像,判斷目前距離機器人最近的邊框方向,控制機器人向此方向前進.

圖5 光伏板邊框圖像處理

3.2 清潔機器人姿態調整

機器人姿態調整需將機器人四角及正前方光電傳感檢測的邊緣信息與視覺傳感器提供的方向信息相結合.為減少高處投放光伏板清潔機器人的跌落風險,將機器人投送至光伏板上半區域,如圖6狀態①所示.在控制系統計算出平均像素距離最短方向后,控制機器人底盤原地旋轉,將機器人的前部大致旋轉至距離最近的方向.移動機器人向光伏板邊緣前進,但機器人前部不一定與光伏板邊框完全平行,如圖6狀態②所示.當機器人到達一側邊框時,機器人左前方和正前方的光電傳感器檢測到光伏板邊框,光電傳感器發射低電平信號,將光伏板邊緣信息反饋給控制系統,機器人停止向前移動.由于機器人左前方的光電傳感器檢測到邊緣,系統控制右側電機正轉、左側電機輕微反轉,使機器人旋轉前進方向,直至右前方光電傳感器識別到邊緣.此時左前方和右前方的光電傳感器同時識別到光伏板邊框,正前方的光電傳感器位于邊框外側,如圖6狀態③所示.經旋轉后,機器人前部和光伏板邊框平行,控制視覺傳感器采集其他方向的圖像信息,利用上述圖像算法計算出距離最近的邊框,旋轉機器人向其移動.在移動過程中,機器人右前方和右后方的兩個光電傳感器同時識別到邊框,控制機器人沿邊框直線行走.當機器人正前方光電傳感器檢測到邊框時,機器人減速準備停止,直至左前方和右前方的光電傳感器同時檢測到邊緣時,機器人停止前進,如圖6狀態④所示.此時清潔機器人左前方、右前方和右后方的光電傳感器同時檢測到光伏板邊框,控制視覺傳感器旋轉采集其他方向的圖像信息,計算出距離最近的邊框.當視覺傳感器順時針旋轉270°時,邊框中心線至圖像底側的平均像素距離最近,判定此時清潔機器人位于光伏板的右上角.控制機器人向左旋轉90°,沿光伏板上邊緣移動至光伏板左上角,隨后再旋轉90°,沿光伏板左邊框移動至光伏板左下角,控制機器人原地旋轉大致180°,調整至機器人左上角、左下角和右下角同時檢測到光伏板邊框,此時位置為光伏板清潔機器人的初始作業位置,如圖6狀態⑤所示.

圖6 姿態調整過程

當清潔機器人視覺傳感器初次識別到光伏板左側邊緣距離最近時,則控制機器人向最近的邊框移動,如圖7狀態①所示.此時機器人左前方和右前方的光電傳感器檢測到光伏板邊框,正前方的光電傳感器位于邊框外側.控制視覺傳感器采集其他方向的圖像信息,使機器人沿著光伏板左側邊框向距離最近的邊框移動.當機器人左前方、右前方和左后方的光電傳感器同時檢測到光伏板邊框時,控制視覺傳感器旋轉采集其他方向的圖像信息.當視覺傳感器順時針旋轉90°時,邊框中心線到圖像底部的平均像素距離最近,此時判定清潔機器人位于光伏板的左上角,如圖7狀態②所示.然后控制電機反轉,使機器人向后移動,直至右后方光電傳感器檢測到光伏板邊框.

圖7 角點檢測過程

當清潔機器人視覺傳感器初次識別到光伏板上邊緣距離最近時,則控制機器人向最近的邊框移動,如圖7狀態③所示.控制視覺傳感器采集其他方向的圖像信息,使機器人沿著光伏板上邊緣向距離最近的邊框移動.當檢測左側邊框距離最近時,控制機器人向左旋轉90°向其移動,直至左前方、右前方和右后方的光電傳感器同時檢測到光伏板邊框,控制視覺傳感器旋轉采集其他方向的圖像信息.當視覺傳感器順時針旋轉180°時,邊框中心線到圖像底部的平均像素距離最近,此時判定清潔機器人位于光伏板的左上角,如圖7狀態④所示.當檢測右側邊框距離最近時,則向其移動直至左前方、右前方和左后方的光電傳感器同時檢測到邊框,當視覺傳感器順時針旋轉180°時,檢測到與邊框中心線距離最近,判定機器人位于右上角,如圖7狀態⑤所示.

當機器人移動至光伏板兩條邊框交匯處,即上半區域任一角落時,左前方和右前方的光電傳感器均會檢測到光伏板鋁合金邊框.因此,結合機器人左后方、右后方的信號和視覺傳感器的旋轉角度可以判別不同姿態的清潔機器人所處角點位置,進而控制機器人移動至清潔作業的初始位置.清潔機器人角點位置判別方案見表1.

表1 清潔機器人角點位置判定方案

在清潔機器人左前方和右前方的光電傳感器檢測到光伏板邊框的前提下,同時收到左后方光電傳感器的信號后,視覺傳感器順時針旋轉90°或270°采集到距離最近的邊框信息時,判定機器人在左上角,旋轉180°采集到距離最近的邊框信息時,判定機器人在右上角;在同時收到右后方光電傳感器的信號時同理.隨后機器人根據角點判定方案,選擇既定路徑移動到起始位置準備作業.

3.3 機器人清潔策略

在機器人自主移動到初始作業位置后,需根據光伏板陣列的排布方式構建地圖、規劃作業軌跡.光伏板上主要存在灰塵和鳥糞兩類污染物,控制機器人先對易于清潔的灰塵進行全面清潔,然后對板面上固結的鳥糞進行定點反復清潔.

3.3.1 灰塵清潔策略

由于覆蓋在光伏板上的灰塵易于清潔,因此使機器人的作業軌跡覆蓋整個板面即可完成灰塵的清除.在已知的清掃策略中,本文選擇左右S 形清掃方案[20],在清掃過程中不會受到水和污染物受重力沿板面向下流動的影響,并且可根據光伏陣列的形狀調整橫向作業長度,減少轉彎次數,保證清潔效率.灰塵清潔路徑如圖8所示.

圖8 灰塵清潔路徑

機器人從初始位置沿光伏板左側邊框向上作業,在光伏板左上角轉彎,開始左右S形清掃方案,作業時按照已知的光伏板長寬信息,即提前構建的清潔路徑進行全面清潔,橫向作業時跨過光伏板的留縫間隙(30 mm),縱向作業時機器人正前方的光電傳感器如提前檢測到光伏板邊框,則控制電機制動,并及時轉向,減少機器人跌落風險.

3.3.2 鳥糞清潔策略

在完成一組光伏陣列的全面清潔后,控制機器人從板面的左下角或者右下角利用視覺傳感器拍攝所在光伏板的板面圖像,采用深度學習模型進行鳥糞識別.若未檢測到鳥糞,則移動到最左側或最右側的中間位置再次識別,然后移動到留縫間隙邊緣對下一光伏板進行檢測;若檢測到鳥糞,則計算其在地圖中的具體位置,控制機器人到該位置反復清潔.

光伏板上的細柵線和主柵線分別用來收集載流子和匯流、串聯,主柵上覆蓋的焊帶負責收集和傳輸電流,被層壓在鋼化玻璃下方.根據鳥糞和光伏板特征線之間的相對距離可求解出污染物在地圖中的具體位置,視覺傳感器采集的圖像如圖9(a)所示.光伏板上的鳥糞固化后一般為灰白色,采用高斯濾波和灰度化處理,利用Roberts算子檢測邊框、特征線和污染物邊緣信息,設置一定閾值進行二值化處理,處理結果如圖9(b)所示.對邊框和特征線進行直線檢測,確定污染物所在范圍,紅色為外緣線,綠色為內緣線,如圖9(c)所示.保留內側邊框線,將像素值為255的像素點分割出來,結果如圖9(d)所示.

圖9 光伏板鳥糞區域圖像處理

為得到污染物的具體位置,需計算污染物與最近特征線的實際距離.根據污染物的幾何特征求出其中心點,作平行線至最近的特征線.設幾何中心點至兩側邊框線的像素距離分別為lM和lN,實際距離分別為l1和l2;最近兩條特征線的像素長度分別為lP和lQ,實際長度分別為l3和l4.計算位置如圖10所示.

圖10 鳥糞計算位置示意圖

根據相似原理,像素距離與實際距離及長度的關系式為

由式(7)可得

由視覺傳感器可得像素距離lM和lN以及像素長度lP和lQ,結合光伏板特征線的長寬信息,可得實際距離l1和l2,再結合特征線的像素距離和實際距離可得清潔機器人與鳥糞的距離.隨后控制機器人前往該位置,反復清潔該處的污染物.

4 光伏板清潔試驗

4.1 試驗條件與設備

為測試光伏板清潔機器人的作業效率和作業質量,完成傳感器調試后,搭建光伏板清潔試驗臺.選用鋼化玻璃來模擬光伏板表面,板面尺寸1 m×1 m,在玻璃板四周利用鋁板來模擬光伏板鋁合金邊框,使用類光伏組件顏色板來模擬電池片.試驗灰塵和鳥糞選用細土和小土塊模擬,分別用2 mm 和5 mm 土壤篩過濾后均勻鋪在鋼化玻璃表面.根據《全國地面光伏電站最佳安裝角度及發電量速查表》將平臺傾斜20°,光伏板清潔機器人如圖11所示.

圖11 光伏板清潔機器人

4.2 試驗目的與方案

為判斷清潔機器人的作業效率,以任一姿勢將清潔機器人投放在光伏板上,測量機器人自主調整到初始作業位置用時,接著記錄清潔機器人進行全面清潔的用時.由于光伏板上的鳥糞大小、數量和位置的不確定,故不測量鳥糞清潔時間,僅通過試驗圖像的采集和處理,求出鳥糞中心位置,結合實際鳥糞中心位置,計算定位誤差.共進行5組試驗,取平均值作為試驗結果.

為評估清潔機器人的作業質量,采用圖像識別來準確客觀地體現機器人清潔能力.對清潔前后的圖像灰度化處理,采用中值濾波增強圖像,設置一定閾值分割圖像進行二值化處理[21].先統計光伏板自身白色條紋的白色像素點數量,再分別統計清潔前后的白色像素點數量,將清潔后白色灰塵像素點減少的數量與清潔前白色灰塵像素點的數量比值作為除塵率.統計試驗共進行5組,取平均值作為試驗結果.

4.3 試驗結果

試驗結果見表2,光伏板清潔機器人抵達初始位置的平均時間為49.7 s,光伏板全面清潔平均時間為72.0 s,換算得清潔效率為50 m2/h,鳥糞平均定位誤差為1.38 mm.

表2 作業效率試驗結果

光伏板清潔機器人清潔前后對比及圖像處理比較結果如圖12所示.

圖12 機器人清潔前后對比及圖像處理比較

由表3可知,光伏板無塵時,平均白色像素點的數量為26 122,清潔前平均白色像素點(包含白色灰塵像素)的數量為35 677,清潔后平均白色像素點的數量為26 967,計算得除塵率為91.16%.

表3 作業質量試驗結果

5 結 論

1)基于光電-視覺傳感器的光伏板清潔機器人,解決了地面及空間環境復雜的光伏電站清潔問題,為光伏板智能清潔機器人的開發及應用提供技術方案,促進太陽能光伏發電的提質增效.

2)分析了光伏板上機器人行駛所需的最小吸力;提出了視覺傳感器和光電傳感器配合控制光伏板清潔人移動的自適應路徑規劃方法和清潔策略,實現光伏板表面灰塵的全面清潔和鳥糞的定位清潔.

3)試驗結果表明光伏板清潔機器人的清潔效率為50 m2/h,鳥糞的平均定位誤差為1.38 mm,除塵率為91.16%.