电站中光伏组件的人工智能热红外检测技术进展

基于温度红外图像的光伏组件缺陷检测是实现光伏电站规模化组件质量检测的重要技术。文章简要介绍了光伏组件热斑产生的原因和危害,重点从热斑检测、热斑定位和提取三个方面总结和对比了光伏组件红外图像及视频的人工神经网络模型及其性能。其中改进的YOLOv5模型对光伏组件的热斑检出精度达到了98.8%,Lucas-Kanade稀疏光流跟踪算法的热斑定位精度达到97.5%。简单讨论了适应大规模光伏电站运维需求的热斑检测技术的发展趋势。     

基于GRU神经网络的光伏电站数据预处理方法

光伏电站数据为时间序列数据,会受到通信传输、逆变器采集等因素的影响而包含大量异常数据,故该文研究一种基于深度学习的光伏电站数据预处理算法,进行数据清洗等预处理。一方面,根据组串逆变器的工作特性,对光伏电站数据的常见异常类型进行分析标记,结合滑动窗口法划分数据,构建用于深度学习训练的光伏电站数据集。另一方面,从激活函数、损失函数以及隐藏层等方面优化GRU神经网络模型,并利用自建数据集对该模型进行训练和测试。测试结果表明：该模型在实际光伏电站数据上的处理准确率达99.84%。