人工智能
王雪燕, 蒋丰庚, 田梁玉, 兰海, 洪奕添
【目的】在全球积极推动清洁能源转型的大背景下,光伏发电作为一种可持续绿色能源,在能源结构中的地位日益重要。然而,光伏面板在长期户外运行过程中,易受自然环境因素的影响,如强风、沙尘、降雨与鸟类活动等,致使光伏面板出现破损、污渍等问题,极大地降低了光伏发电效率与系统稳定性。传统依赖人工的运维方式,不仅耗费大量人力、物力和时间成本,且在复杂地形和恶劣天气条件下难以确保运维工作的及时性与有效性,因此,研发高效智能的光伏面板运维技术势在必行。【方法】本文提出了一种创新性光伏面板运维方案,融合基于Mamba模块的高效目标识别网络与改进粒子群算法的路径规划策略,驱动光伏运维机器人实现智能化作业。在目标识别环节,Mamba模块应用于构建目标检测网络,凭借其独特的架构优势,能够精准地捕捉光伏面板上的细微破损纹理与污渍痕迹,完成对异常面板的快速识别。同时,引入多尺度检测策略,通过在不同尺度下对图像特征进行提取与融合,有效克服了小目标特征易丢失、面板间遮挡造成信息缺失等问题,显著提升了检测精度与速度,满足了光伏运维实时性要求。在路径规划方面,对传统粒子群算法进行优化改进,引入了自适应惯性权重更新策略,该策略依据目标识别网络所反馈的检测与定位结果,实时动态调整粒子搜索行为,使得粒子能够快速收敛至全局最优解,从而为运维机器人规划出最短、最有效的维护路径,避免了无效路径与重复作业,有效提高了运维效率。【结果】仿真实验与实际项目测试验证结果表明,本文方法在检测精度与路径规划效果方面取得了显著成果。在检测精度方面,对各类破损和污渍面板的平均检测精度明显高于传统检测算法;在路径规划效果方面,相比传统算法,本文方法大幅提升了光伏运维机器人的工作效能,为光伏面板的智能化、高效化运维提供了可靠的技术支撑与实践范例。【结论】本文方法检测精度和速度表现出色,有效提高了光伏运维机器人的工作效率,为光伏面板运维提供了切实可行的创新方案,具有较高的应用价值和推广前景。