一种基于深度学习的沿海太阳能智能发电系统的制作方法

1.本发明涉及太阳能发电技术领域，具体为一种基于深度学习的沿海太阳能智能发电系统。


背景技术：

2.现今，面对能源与环境污染危机，各国都青睐于开发新能源来代替逐渐减少、污染大的不可再生能源。在可再生清洁能源中，太阳能是当今使用最广的清洁能源。
3.但是，目前光伏发电站的太阳能组件大多采用固定式安装、平单轴或斜单轴的追光方式，由于太阳光密度低、间歇性、光照强度时刻变化、目前光伏发电效率不高、野外太阳能电池控制器软硬件设计问题使得原有的光伏发电系统设计一定程度上已无法满足光伏产业的发展，所以急切的需要相应的技术进行适当的改进以促进太阳能发电产业的发展；此外，现有的太阳能电池板绝大多数是没有联网的设备，也就是无法实时地采集当前的数据，在台风等恶劣天气下也无法进行远程监控太阳能电池板的运行状态，并对其进行实时保护；在发电站周围会有许多小动物，这给发电站系统带来许多的隐患，采用传统的防护措施并不能对其进行有效的保护，并且发电站的防盗问题在一定程度上阻碍了光伏产业的发展，所以急需一种基于深度学习的沿海太阳能智能发电系统来解决上述问题。


技术实现要素：

4.本发明提供一种基于深度学习的沿海太阳能智能发电系统，解决现有技术中太阳能电池板安全性能低，且在运行过程中，容易遭受台风的侵袭以及固定式的形态使其吸收效率低下的问题。
5.为实现上述目的，本发明提供如下技术方案：一种基于深度学习的沿海太阳能智能发电系统，包括装置区、物联网区和用户区；其中，
6.所述装置区包括：
7.若干太阳能发电板，以及与太阳能发电板相连，且为所述装置区进行供电的蓄电池；
8.向光单元，包括下拉电阻、十字黑色挡板以及若干个光敏电阻，采用压差法采集下拉电的压差，并生成第一指令，该指令用于控制太阳能发电板实现实时的追光动作；
9.智能保护单元，包括风速传感器，所述风速传感器用于采集太阳能发电板周围的实时风速，并与预设值进行比较，生成第二指令，该指令用于控制太阳能发电板进行收躺动作；
10.驱赶单元，包括感应模块和超声波模块，所述感应模块用于监测入侵动物并产生的感应信号，并生成第三指令，该指令用于控制超声波模块产生超声波；
11.智能防盗单元，包括报警模块和由vaak眼控制的摄像头，所述摄像头用于拍摄靠近太阳能发电板的人，并利用vaak眼分析拍到人的离散运动和行为，产生第四指令，该指令用于控制报警模块做出报警动作；
12.plc控制单元，基于第一指令、第二指令、第三指令和第四指令，分别做出相应的动作；
13.所述物联网区包括服务器和zigbee网络模块，所述服务器通过外网与所述用户区相连，接收所述用户区的指令，所述服务器通过zigbee网路模块与装置区相连，收集所述装置区的数据，并反馈给所述用户区，或基于所述用户区的指令，控制所述plc控制单元做出相应的动作。
14.根据上述技术方案，所述向光单元还包括步进电机和电动推杆，所述步进电机和电动推杆均与各个所述太阳能发电板相连，所述plc控制单元基于第一指令，控制步进电机工作，带动各个所述太阳能发电板进行向光旋转动作，控制电动推杆工作，推动各个所述太阳能发电板进行向光俯仰动作，所述plc控制单元基于第二指令控制电动推杆工作，推动各个所述太阳能发电板进行收躺动作。
15.根据上述技术方案，所述plc控制单元基于第三指令，控制所述超声波模块产生30khz
‑
40khz的超声波，形成超声波电子围栏。
16.根据上述技术方案，所述plc控制单元基于第四指令，控制报警模块发出警报声，同时通过物联网区向用户区发送数据和报警信号，其中，数据包括报警区域和报警时间以及摄像头拍摄的影像。
17.根据上述技术方案，所述报警模块还与电话外线连接，通过电话向拨打预设的联网中心号码、报警号码、手机号码或传呼号码，并在电话中播放用户预设的报警录音。
18.根据上述技术方案，所述摄像头采用usb摄像头，并结合树莓派开发板使用，利用paddlepaddle算法对摄像头拍摄的图像进行处理。
19.根据上述技术方案，所述物联网区还包括单片机，所述单片机与所述装置区相连，用于监测所述装置区的运行状态，并与服务器相连，通过zigbee网络服务器进行调配，利用zigbee网络将调配数据传递给装置区，调整装置区的状态。
20.根据上述技术方案，所述服务器内还安装有tomcat，同时在服务器内部署一个由java编写的控制zigbee网络的互联网war包，并开放一个端口，进行端口映射到外网中，利用以太网访问war包，实现plc控制单元的控制与监控。
21.与现有技术相比，本发明的有益效果：本发明运用物联网结合服务器的技术来远程控制太阳能电池板的保护装置和智能向光控制系统的功能以及使用paddlepaddle算法来处理拍摄的图像，增强对装备的远程监控力度，从而实现从底层机器设备、控制管理系统到产供销系统的彻底网络化；
22.其中，在本发明中使用单片机作为“弱电”控制中枢，通过控制装置上的继电器，进而控制plc控制单元，发送实现实地控制要求，采用单片机结合zigbee网络模块接收用户通过以太网访问的装置附近和zigbee模块组网的服务器发来的数据的物联网组网方式远程通信，实现对该装置的超远程控制；并通过usb摄像头组件结合树莓派开发板，使用paddlepaddle算法对图像进行加强处理并上传至装置附近的服务器，从而方便用户通过pc或手机与服务器进行连接，实现对装置的实时监控和影像历史回放，极大增强了对该装置的控制力度；
23.另外，本发明中，通过向光单元，可控制太阳能发电板实现实时的追光，解决现有太阳能板固定式的形态吸收率低下的问题，通过太阳能超声波驱赶装置，形成了一定范围
内的超声波电子围栏，对整个系统起到极大的保护作用；并且，以“vaak眼”为核心的智能防盗装置，能在最大程度上起到防盗作用，这对整个系统的安全起到了极大的巩固作用。
附图说明
24.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
25.在附图中：
26.图1是本发明的自动模式plc程序流程图；
27.图2是本发明远程控制plc程序流程图；
28.图3是本发明系统框架图；
29.图4是本发明智能防盗单元各个模块分布图；
30.图5是本发明plc各模块分布图；
31.图6是本发明zigbee与stm32和pc的组网原理图；
32.图7是本发明zigbee模块硬件组网图。
具体实施方式
33.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
34.实施例：如图1
‑
2所示，一种基于深度学习的沿海太阳能智能发电系统，包括装置区、物联网区和用户区；其中，
35.如图3所示，装置区包括若干太阳能发电板，以及与太阳能发电板相连的蓄电池构成的电源区、plc控制区、接触器和驱动器、继电器和传感器区，装置区通过继电器与物联网区进行连接，在接触器和驱动器中包括：
36.向光单元，在向光单元中包括下拉电阻、十字黑色挡板以及若干个光敏电阻，采用压差法采集下拉电的压差，其中，在本实施例中，由q68adv模块将采集压差变换为数字量进行传递，并生成第一指令，plc控制单元基于第一指令，控制步进电机工作，带动各个太阳能发电板进行向光旋转动作，控制电动推杆工作，推动各个太阳能发电板进行向光俯仰动作，从而控制太阳能发电板实现实时的追光。
37.智能保护单元，包括风速传感器，本实施例中，采用三杯式风速传感器，风速传感器用于采集太阳能发电板周围的实时风速，且通过q68adv模块进行采集变换后与设定值进行比较，由plc控制单元判断是否启动自动保护和解除保护程序，当进行自动保护保护时，生成第二指令，plc控制单元基于第二指令控制电动推杆工作，推动各个所述太阳能发电板进行收躺动作；
38.驱赶单元，包括感应模块和超声波模块，且感应模块和超声波模块均与蓄电池相连，不仅充分利用了资源，而且还起到节能环保的作用，感应模块用于监测入侵动物并产生的感应信号，并生成第三指令，plc控制单元基于第三指令，控制超声波模块产生30khz
‑
40khz的超声波，形成超声波电子围栏；
39.如图4所示，从左到右依次是摄像头、vaak眼模块、sk
‑
239c/239/b主机模块、报警模块、pstn电话网模块以及手机或电话模块，其中，摄像模块负责监控拍照，“vaak眼”模块
作为整个装置的核心负责对摄像头所拍摄到的图像进行分析拍到人的离散运动和行为，判断其是否存在偷窃行为，当判断为偷窃行为时，产生第四指令，plc控制单元基于第四指令，控制报警模块发出警报声，以及通过手机程序发出报警信号，sk
‑
239c/239/b主机模块采用微电脑cpu控制，智能化程度高，可靠性强，在接收到报警信号后，可显示报警的区域和报警的时间，让警报器模块发出警报声以及与电话线相连接，通过pstn电话网模块拨打预先设定的联网中心号码、报警号码、手机或传呼号码给手机或电话模块，从而实现安全防盗的作用；
40.其中，摄像头采用usb摄像头，并结合树莓派开发板使用，利用paddlepaddle算法对摄像头拍摄的图像进行处理，树莓派是一款基于arm的微型电脑主板，以sd/microsd卡为内存硬盘，卡片主板周围有1/2/4个usb接口和一个10/100以太网接口，可连接键盘、鼠标和网线，同时它运行的系统是linux系统；而paddle paddle是一个功能相对较全面的深度学习框架，主要包括图像识别、语音识别等，涉及多领域的业务和技术方向，该框架目前已实现cpu/gpu单机和分布式模式，同时支持海量数据、数百台机器并行运算，可以轻松应对大规模的数据训练，此外该框架具有易用、高效、灵活和可伸缩等特点，具备高质量gpu代码；
41.利用usb摄像头拍摄的装置区的图片经过在树莓派linux系统的paddlepaddle算法的处理，不仅增强了其识别度，而且也能识别出黑夜中的人脸，有力地加强了对该系统装置区的监测力度。
42.plc控制区包括plc控制单元，并基于第一指令、第二指令、第三指令和第四指令，分别做出相应的动作，其中，如图5所示为采用三菱qplc各模块在q68b基板上的布置，从左到右依次为q61p电源模块、q02hcpu模块、qx40弱电继电器输入模块、qy10继电器输出模块、qy41p晶体管输出模块、qj71c24n
‑
r2串行通信模块和q68adv模块，其中，蓄电池接220v电源为plc供电；cpu模块作为控制的核心处理各种运算和发送命令；输入模块接收继电器开关信号；输出模块在接收开关信号并经cpu处理后输出信号接通相应的继电器；晶体管输出模块用于通过程序编写输出相应的模拟脉冲信号用于驱动步进电机运作；ad模块用于采集光敏电阻的模拟信号和风速传感器模拟信号并送入cpu进行处理，控制装置智能向光、风速过大保护和保护解除功能。
43.物联网区包括zigbee网络服务器，zigbee服务器通过外网与用户区相连，接收用户区的指令，服务器通过zigbee网路与装置区相连，收集装置区的数据，并反馈给用户区，或基于用户区的指令，控制plc控制单元做出相应的动作，其中，物联网区还包括单片机，单片机与装置区相连，用于监测装置区的运行状态，并与zigbee网络服务器相连，通过zigbee网络服务器进行调配，利用zigbee网络将调配数据传递给装置区，调整装置区的状态。
44.如图6
‑
7所示，分别为zigbee与stm32和pc的组网原理图和zigbee模块硬件组网图，在本实施例中，zigbee采用的是型号为drf1609h和drf2659c，主芯片是ti公司开发的cc2530f256，drf2659c设置为coordinator，通过usb转485转接模块连接到服务器上；drf1609h设置为router，直接接在stm32f103zet6开发板的uart1口，通过zigbee与服务器通信、zigbee与单片机通信这种方法实现了远距离控制监控plc，在服务器内安装有tomcat，同时在服务器内部署一个由java编写的控制zigbee网络的互联网war包，并开放一个端口，进行端口映射到外网中，利用以太网访问war包，实现异地控制与监控本地的plc。
45.本实施例中，组网具体为：首先对信道进行扫描，当信道中的设备接收到beoneck
请求帧时，则发送becon帧(包含发送帧的地址信息)，允许设备的其余部分及其子节点加入表单；若加入失败则监听信标帧，选择父节点，发送入网请求，观察是否加入成功，若加入成功，则会显示网络地址等信息，并进入监控状态，倘若加入失败，则会重新发送入网请求，如果重试超过三次，仍加入失败，则入网失败。
46.如果未接收到beoneck请求帧，则扫描信道ed，选择低ed的信道进行组网，组网成功后，则会显示网络id，频道号等信息，之后便进入监控状态，监控是否存在空中无线信号，若存在无线信号，则表明有节点请求入网，此时应检查端地址是否已满，若端地址未满，则允许子节点加入，若端地址已满，则不允许子节点加入。
47.在本实施例中的用户区可分布在世界各地，可以由计算机、手机或其他移动设备通过以太网网络访问物联网区的服务器，实现对装置区的所有装置设备进行远程监控，因此，用户可在任意时间、任意地点观察现场的设备状态，并可根据现场情况对设备进行远程控制。
48.最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于深度学习的沿海太阳能智能发电系统，其特征在于，包括装置区、物联网区和用户区；其中，所述装置区包括：若干太阳能发电板，以及与太阳能发电板相连，且为所述装置区进行供电的蓄电池；向光单元，包括下拉电阻、十字黑色挡板以及若干个光敏电阻，采用压差法采集下拉电的压差，并生成第一指令，该指令用于控制太阳能发电板实现实时的追光动作；智能保护单元，包括风速传感器，所述风速传感器用于采集太阳能发电板周围的实时风速，并与预设值进行比较，生成第二指令，该指令用于控制太阳能发电板进行收躺动作；驱赶单元，包括感应模块和超声波模块，所述感应模块用于监测入侵动物并产生的感应信号，并生成第三指令，该指令用于控制超声波模块产生超声波；智能防盗单元，包括报警模块和由vaak眼控制的摄像头，所述摄像头用于拍摄靠近太阳能发电板的人，并利用vaak眼分析拍到人的离散运动和行为，产生第四指令，该指令用于控制报警模块做出报警动作；plc控制单元，基于第一指令、第二指令、第三指令和第四指令，分别做出相应的动作；所述物联网区包括服务器和zigbee网络模块，所述服务器通过外网与所述用户区相连，接收所述用户区的指令，所述服务器通过zigbee网络模块与装置区相连，收集所述装置区的数据，并反馈给所述用户区，或基于所述用户区的指令，控制所述plc控制单元做出相应的动作。2.根据权利要求1所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述向光单元还包括步进电机和电动推杆，所述步进电机和电动推杆均与各个所述太阳能发电板相连，所述plc控制单元基于第一指令，控制步进电机工作，带动各个所述太阳能发电板进行向光旋转动作，控制电动推杆工作，推动各个所述太阳能发电板进行向光俯仰动作，所述plc控制单元基于第二指令控制电动推杆工作，推动各个所述太阳能发电板进行收躺动作。3.根据权利要求1所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述plc控制单元基于第三指令，控制所述超声波模块产生30khz
‑
40khz的超声波，形成超声波电子围栏。4.根据权利要求1所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述plc控制单元基于第四指令，控制报警模块发出警报声，同时通过物联网区向用户区发送数据和报警信号，其中，数据包括报警区域和报警时间以及摄像头拍摄的影像。5.根据权利要求4所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述报警模块还与电话外线连接，通过电话向拨打预设的联网中心号码、报警号码、手机号码或传呼号码，并在电话中播放用户预设的报警录音。6.根据权利要求4所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述摄像头采用usb摄像头，并结合树莓派开发板使用，利用paddlepaddle算法对摄像头拍摄的图像进行处理。7.根据权利要求1所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述物联网区还包括单片机，所述单片机与所述装置区相连，用于监测所述装置区的运行状态，并与服务器相连，通过zigbee网络模块进行调配，利用zigbee网络模块将调配数据传
递给装置区，调整装置区的状态。8.根据权利要求1所述的一种基于深度学习的沿海太阳能智能发电系统，其特征在于：所述服务器内还安装有tomcat，同时在服务器内部署一个由java编写的控制zigbee网络的互联网war包，并开放一个端口，进行端口映射到外网中，利用以太网访问war包，实现plc控制单元的控制与监控。
技术总结
本发明公开了一种基于深度学习的沿海太阳能智能发电系统，包括装置区、物联网区和用户区，通过运用物联网结合服务器的技术来远程控制太阳能电池板的保护装置和智能向光控制系统的功能，其中，使用单片机作为“弱电”控制中枢，通过控制装置上的继电器控制PLC控制单元，发送实地控制要求，采用单片机结合Zigbee网络模块接收用户通过以太网访问的装置附近和Zigbee模块组网的服务器发来的数据的物联网组网方式远程通信，实现对装置的超远程控制；并通过摄像头结合树莓派开发板，使用PaddlePaddle算法对图像进行加强处理并上传至装置附近的服务器，从而方便用户通过PC或手机与服务器进行连接，实现对装置的实时监控和影像历史回放，极大增强了对该装置的控制力度。度。度。


技术研发人员：李用江 罗朋 苏静 黎日松 林锦涛 何裕墙 熊泽花
受保护的技术使用者：广东海洋大学
技术研发日：2021.03.25
技术公布日：2021/6/29