基于卷积神经学习的光伏板积灰状态识别与分析
Proceedings of the CSEE（2019）
摘要
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.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要