使用无人机和地面系统进行太阳能电池板清洁和预测性维护的AI集成自动机器人

科学领域:

• 可再生能源系统
• 人工智能
• 机器人技术

背景情况:

• 太阳能光伏 (PV) 系统面临着由于污染和加热而在尘埃和高温地区的性能下降.
• 手动维护往往会延迟,效率低下,劳动密集,影响整体能源产量.

研究的目的:

• 开发和评估人工智能集成的自主机器人系统,用于实时监控,故障检测和智能清洁太阳能电池板.
• 提高太阳能电池板的性能,能源效率和运营弹性.

主要方法:

• 一个混合系统,将卷积神经网络-长期短期内存 (CNN-LSTM) 结合起来用于故障检测和深度Q网络 (DQN) 强化学习用于机器人清理.
• 使用热和LiDAR设备的无人机进行故障检测和地面机器人进行清洁,支持Jetson Nano和Raspberry Pi 4B上的边缘AI分析.
• 实现基于MQTT的物联网通信,用于实时数据交换.

主要成果:

• 实现了91.3%的平均清洁效率,减少了尘埃密度,恢复了高达31.2%的能量输出.
• CNN-LSTM故障检测达到92.3%的准确性;RL清洁减少了34.9%的能源和水消耗.
• 边缘推断延迟平均为47.2毫秒,超过云处理63%;确认了尘埃和热异常之间的强相关性 (r=0.87).

结论:

• 这种由人工智能驱动的自主机器人系统为主动维护太阳能电池板提供了弹性和智能化解决方案.
• 借助人工智能,机器人和边缘计算,提高能源效率,减少人工劳动,并支持适应气候的智能太阳能基础设施.