光伏板积灰会降低光伏系统发电效率,易引发灼烧、腐蚀等连带故障,因而开展光伏板积灰智能识别与分析对提高光伏发电效益意义重大。鉴于积灰状态光伏板在可见光图像中显著的颜色与纹理特征,提出一种基于卷积神经学习的光伏板积灰状态识别与分析方法,在光伏电站现场构建积灰状态图像识别实验系统,获取积灰状态图像制备数据集,以残差网络来辨识不同积灰程度的光伏板图像,挖掘分析积灰状态图像与发电效率损失率的对应关系。结果表明:对于现场11个等级的光伏板积灰状态,ResNet-50和ResNet-101模型识别的准确率为0.81、0.72,均方根误差为0.69、0.95。提出的积灰状态识别与分析方法可直接、实时、定量分析积灰对光伏发电效率的影响,为光伏系统便携式巡检与智能化运维技术研究提供参考与新思路。
类型: 期刊论文
作者: 赵波,廖坤,邓春宇,谈元鹏,曹生现
关键词: 光伏板,积灰状态识别,卷积神经学习,残差网络,发电效率
来源: 中国电机工程学报 2019年23期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 东北电力大学自动化工程学院,中国电力科学研究院有限公司人工智能应用研究所
基金: 国家自然科学基金项目(51606035),吉林省科技发展计划(20190201098JC),中国电力科学研究院有限公司科技项目(AI83-19-006)~~
分类号: TM615
DOI: 10.13334/j.0258-8013.pcsee.190279
页码: 6981-6989+7111
总页数: 10
文件大小: 1078K
下载量: 281
本文来源: https://www.lunwen90.cn/article/5605b6c2e153e755e891ebb7.html