基于LS-DCGAN的GCSE-DenseNet光伏组件缺陷识别方法

针对光伏组件样本不均衡及缺陷识别精度低问题,提出一种基于LS-DCGAN的GCSE-DenseNet光伏组件缺陷识别方法。首先,针对光伏组件样本的不均衡问题,构建最小二乘深度卷积生成对抗网络（LS-DCGAN）,进行样本数据增强,以扩充数据集。其次,在传统DenseNet网络基础上引入分组卷积和注意力机制,提出一种基于分组卷积和注意力机制的改进GCSEDenseNet网络模型。改进模型仍采用密集连接机制,实现特征重用防止梯度消失;同时,采用分组卷积优化模型密集模块结构,以降低模型参数量;引入注意力机制加强有效特征、削弱无效特征,以增强模型特征学习能力。最后,对所提模型的有效性进行实验验证。实验表明,改进的GCSE-DenseNet网络模型能有效提高光伏组件缺陷识别精度。     

浅析一种检测光伏组件缺陷的EL检测单元的设计

为满足光伏组件自动生产线的需要,基于太阳电池电致发光(EL)原理,设计了一种检测光伏组件缺陷的EL检测单元。该检测单元通过测试软件驱动机器视觉系统采集数据,生成光伏组件EL图像,以辅助人工完成光伏组件的缺陷检测,降低了人工疲劳及其他人为因素对检测结果的影响。     

基于迁移学习的光伏组件鸟粪覆盖检测

该文基于无人机光伏组件可见光图像采集,提出一种基于迁移学习的光伏组件鸟粪检测方法.方法首先基于掩膜区域卷积神经网络(Mask-RCNN)对光伏组件边界进行框选,再利用迁移学习策略,构建光伏组件鸟粪缺陷检测模型,实现鸟粪智能检测.利用上述方法,实现光伏组件鸟粪覆盖检测准确率为96.75％.     

基于多尺度CNN的光伏组件缺陷识别

为提高光伏组件缺陷分类精度与效率,提出一种改进的多尺度卷积神经网络模型(IMCNN).该算法根据光伏组件缺陷特点,构建3个不同尺度端对端的卷积神经网络模型,同时为优化网络结构,在3个通道中均引入SE-Inception模块.首先由多通道卷积提取精密度不同的特征;再将这些特征进行融合,得到特征的增强表达;最后实现光伏组件...     

基于CSwin的航拍光伏组件红外图像热斑检测方法

针对航拍光伏组件红外图像低对比度、背景复杂和热斑小目标难检测的问题,提出一种融合Swin transformer的跨阶段局部网络（CSwin）,降低参数量的同时可捕获图像全局位置和空间信息,并以CSwin为基础模块构建多尺度特征路径聚合网络（MPC）加强多尺度特征的信息交互以进一步提高小目标检测能力。对航拍光伏红外图像数据集进行定性和定量实验,证明该方法在航拍光伏红外图像热斑检测任务上的有效性。     

晶体硅光伏组件的检测

我国有丰富的太阳能资源，太阳能光伏发电已不再仅仅用于小功率电源系统，而且广泛用于通信、交通、石油、农村电气化、民用产品等各个领域。1998年我国生产的太阳能光伏发电系统的主要部件——光伏组件产量只有2MWp左右，仅相当于世界总产量的1．3％，到2002年产量已达到100MWp左右，截至到2003年底在我国使用光伏组件装机的太阳能电站达到55MWp。保证太阳能光伏发电系统的质量不仅取决于系统的设计，     

基于深度卷积神经网络的光伏组件热斑检测

热斑效应是造成光伏组件损坏的主要原因之一,提早发现光伏组件热斑效应并及时解决,可有效减少损失.该文针对热斑效应问题提出改进的Faster R-CNN红外热斑图像检测方法,该方法是基于SpotFPN多尺度特征学习模块,将SpotFPN应用在二阶段目标检测网络中提高了模型的检测精度,改善热斑的识别准确率.同时为解决数据集不...     

晶体硅光伏组件的检测

我国有丰富的太阳能资源，太阳能光伏发电已不再仅仅用于小功率电源系统，而且广泛用于通信、交通、石油、农村电气化、民用产品等各个领域。1998年我国生产的太阳能光伏发电系统的主要部件——光伏组件产量只有2MW。左右，仅相当于世界总产量的1．3％，到2002年产量已达到100MW。左右，截至到2003年底在我国使用光伏组件装机的太阳能电站达到55MWp。保证太阳能光伏发电系统的质量不仅取决于系统的设计，还取决于构成系统各部件产品的质量。光伏组件作为太阳能光伏发电系统的主要部件，其产品的质量就显得尤为重要。为保证该产品的质量，国家制定了相关的检测标准．本文就光伏组件产品质量的检测作一介绍．     

基于改进SSD算法的光伏组件缺陷检测研究

为了解决无人机巡检光伏组件的效率和识别准确率低的问题,提出了一种基于超分辨率和双池化融合的光伏组件缺陷检测方法。首先,使用生成对抗网络（GAN）对光伏组件图像数据进行扩展,建立可用于光伏电站缺陷目标检测的图像数据集;然后,构建图像超分辨网络,减小图像数据集的噪声和提高局部区域的纹理特征。最后,将单次多边框检测（SSD）的主干网络替换为双池化方式融合的特征提取网络（VGG19＿MP）,在不提高网络参数的情况下,学习更深层次的纹理结构。结果表明基于超分辨率网络和双池化融合的光伏组件缺陷检测算法精确率达到了98.21%,平均检测时间为0.066 s,相较于对比的检测算法提高了0.9%～9.1%,平均检测时间提高了0.01～0.07 s,为光伏组件缺陷的精确识别提供了更有效的检测方法。     

典型气候区光伏组件PID检测方法研究

以我国几个典型区域的气候条件情况和在此气候条件下光伏组件出现PID效应现象为基础,研究了在不同实验室温度、相对湿度、电压、时间等测试条件下,不同抗PID等级光伏组件的微观结构和发电性能的变化。通过对典型气候区域环境温度和相对湿度的对比分析,结合光伏电站运行电压和时间两个导致光伏组件PID效应的关键因素,得到了光伏组件在典型气候区PID效应的实验室模拟检测方法,即模拟湿热气候环境温度和相对湿度、组件运行电压和运行时间分别为85℃和85%,-1 000 V和96 h;亚湿热气候为60℃和85%,-1 000 V和96 h;暖温气候为60℃和60%,-1 000 V和96 h,合格判据均为最大功率衰减不超过0.8%。     

光伏组件选型对光伏系统发电量的影响

深入研究了不同种类光伏组件在不同天气条件下的发电特性以及相同种类不同厂家光伏组件的发电特性。实验结果表明不同种类太阳电池在不同季节的发电特性存在明显差异。晶体硅和CIGS(铜铟镓硒)电池冬季发电量明显高于硅薄膜电池,最多可多发电10%左右;随时间推移,三者之间的差异先逐渐减小后增加,到夏季硅薄膜反超多晶硅和CIGS,最多可多发电20%左右。同时,结合光辐照度、温度、湿度等天气资料,测试结果表明:晶体硅和CIGS更适合辐照量高、温度低、湿度小的中国北部地区;硅薄膜在辐照度不高、温度高、湿度大的中国南部大部分地区具有更高发电量。     

基于光伏组件的太阳能资源观测

鉴于太阳能资源的测量和评价是太阳能开发利用的重要基础,按照光伏电池两种主要安装方式(倾斜固定和太阳跟踪),利用单晶、多晶和非晶三种典型的光伏组件设计进行了太阳能光伏资源观测试验,获得了各季节典型晴天条件下各类型光伏组件辐照度的日变化特征和倾斜面光伏组件一年中月均每日可发电量的极大值、极小值及其月份。通过对比各类型光伏组件在太阳跟踪器上和纬度倾斜面上光伏辐照度变化,得出跟踪光伏组件日均光伏曝辐量与倾斜光伏组件日均光伏曝辐量的相比较优势。根据光伏组件的观测结果推算出各类型光伏组件的光伏反演辐照度,与气象辐射观测用总辐射表的总辐射辐照度趋势非常一致,在太阳能光伏主要利用时段相对误差基本在10%以内。     

基于I-V特性分析的晶硅光伏组件故障诊断

该文针对实际电站中的光伏组件故障,实地调研并收集多晶硅光伏组件中的一些常见故障类型,建立光伏电池的反偏模型,分析光伏组件失配下I-V输出特性的原因,测试不同故障类型光伏组件的I-V特性曲线,重点分析了玻璃碎裂组件I-V特性出现凸函数特征的原因,提取不同故障组件的故障特征,提出一种基于I-V特性的光伏组件故障在线诊断方法...     

融合视觉特征的光伏组件语义分割模型研究

针对光伏组件红外图像的分割问题,使用MobileNetv2作为DeepLabv3+的主干特征提取网络并使用位置通道注意力模块减少背景干扰,引入混合条带池化对ASPP模块进行优化,帮助模型进一步捕获全局和上下文信息。针对检测困难的屋顶光伏组件设计DeepLabv3-T网络,在上述改进的基础上融入纹理信息进行选择性背景抑制,实现光伏组件的精确分割。在PV＿large和PV＿roof数据集上进行实验证明该文方法优于现有技术,DeepLabv3-T相较于DeepLabv3+,mIoU值分别提高了2.74%和10.53%。此外,设计消融实验表明各个改进模块的有效性。     

中国光伏组件价格变化的学习曲线模型及政策建议

用学习曲线模型估计了不同最低价格情景下中国光伏组件的学习率，研究了光伏组件的学习率与最低价格的关系，发现中国光伏组件的学习率大致22％-34％间，并与最低价格呈高度线性相关关系。在最低价格为5元／Wp以下时，实现光伏组件的商业化累计产量要达到目前累计产量的35倍-100倍以上，学习成本在26．37—50．28亿元人民币之间。最后就加速学习过程提出了政策建议.     

高海拔荒漠地区光伏组件衰减机理分析

光伏组件是光伏发电系统的核心部件,其光电转换效率主要受到环境温度、太阳辐照度和蒙尘特性等影响,但目前对于高海拔地区光伏组件光电转换效率衰减的机理尚不明确。文章以光伏电池板为研究对象,采用I-V曲线测试仪获得光伏组件的各项参数,重新定义光伏组件实际工作温度,建立光电转换效率与温度差之间关系的数学模型,并应用MATLAB软件进行仿真计算。仿真结果表明,当温度差超过75℃时,光伏组件光电转换效率的降低程度比较明显。同时,通过实际发电数据对模型进行验证,分析了光伏组件发电效率衰减的原因。     

基于动态规划的光伏组件最优布线算法设计与实现

针对光伏组件选配系统中逆变器选择及电缆线路规划需要工程师人工计算手工标注的问题,提出基于动态规划的光伏组件最优布线算法。通过使用光伏组件最优布线算法,根据光伏阵列分布以及光伏组件型号动态生成最优布线策略,可提高设计人员的工作效率以及线路规划的精准度。测试表明,该最优布线算法能够解决任意规模下的逆变器选择及电缆线路规划问题,显著提升设计效率。     

基于BP神经网络光伏组件价格预测的研究

根据光伏组件的构成,将影响组件价格的因素分为技术因素和非技术因素,并采用网站数据采集法和专家咨询法确定各主要因素的分项价格,构建BP神经网络预测模型,在此基础上利用Matlab内置的Neural Net Fitting模块对组件价格进行预测,结果表明BP神经网络对组件价格预测的相关性较好,预测价格与实际价格偏差率为-2.62%～2.11%,预测结果可接受度为89.47%,预测精度满足实际需要,为光伏项目的顺利实施提供了辅助决策依据。     

光伏组件反向通电的电流响应特性及其可靠性测试

通过对光伏组件分别反向通2、4、8、12 A电流,分析了不同通电强度下光伏组件表面温度的变化曲线;并对反向通电500 h(通电电流为6.67 A)后的光伏组件进行I-V测试,结果显示,通电后光伏组件最大功率的变化幅度不超过0.5%。     

光伏组件清洁方法浅谈

光伏电站运行中,光伏组件的清洁方法目前仍无规范进行明确规定与说明,导致相关专业设计及维护无从下手.本文参考近年来国内光伏电站工程中应用的清洁方法,说明目前对于光伏组件上积雪积灰的处理方式,并对每种方式的清洁水量和周期提供可参考数据,以方便工程设计和运行及促进绿色能源的发展.