论文部分内容阅读
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％.
基于迁移学习的光伏组件鸟粪覆盖检测
【摘 要】
：
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％.
【机 构】
：
南昌航空大学信息工程学院,南昌 330063;中国电建集团江西省电力建设有限公司,南昌 330001
【出 处】
：
太阳能学报
【发表日期】
：
2022年2期
其他文献
该研究基于非标准测试条件,结合五参数电学模型、热阻模型和损失模型,提出一种评估光伏组件能量分布的耦合模型.通过模拟数据和实验数据的对比,验证该模型在模拟光伏组件发电量和太阳电池温度方面的准确性,并研究非标准测试条件下光伏组件的运行状态和能量分布情况.结果表明,在某个晴天下,对于一个实际运行的光伏组件,21.9％的入射太阳能由于太阳电池本身或连接处的光学反射而耗散在周围环境中,只有14.3％的太阳能转换为电能实现有效输出,剩余63.8％的能量则被转换成热源.在这些热源中,超过一半是来自光谱失配损失,即热化损
针对中国大中型面南的水库电站大坝,向光性比较好,具备安装太阳能光伏发电系统的条件,并使得2种可再生能源融合并网发电模式具有一定的创新性.水库电站的发电系统是已建成的,增加太阳能光伏发电系统并建设融合型并网发电系统,不仅体现了投资成本低发电效益高等特点,同时具有节约国土资源、保护大坝和节能减排等社会效益.在设计和实践过程中,研发了水电与太阳能光伏发电共享型控制系统、光伏逆变谐波抑制及无功补偿系统、水电与太阳能光伏发电共享型直流系统等,这些发明设备与技术在实践应用中取得了良好的效果.研究实践表明,太阳能光伏发
随着高渗透率分布式光伏的接入,配电网的过电压问题愈发严重,传统集中式的电压优化控制方法因为变量维数过多而无法满足控制时间的要求.基于此,该文提出一种主动配电网电压分区协调优化控制的方法.首先提出无功/有功分区质量函数作为分区指标,并以网络快速分区算法对配电网进行无功、有功分区.在无功分区内,以无功调节量最少为目标建立光伏逆变器无功优化二阶锥模型,在有功分区内,以光伏有功剪切最少为目标建立光伏逆变器有功剪切二阶锥优化模型,采用并行计算方式对各分区内二阶锥优化模型同时求解,然后将各分区优化结果作为其他分区优化
该文结合财务评价系统的成本分类,配合国内增值税、所得税等税金的计算方式,推导通用的项目含税平准化度电成本(LCOE)公式,并提出项目含税LCOE值盈亏平衡点的概念和计算方法,来表征项目含税成本与上网电价间的盈亏平衡点.具体实例分析结果表明,含税LCOE公式可以适应项目全生命周期税率和上网电价变化的情况.项目扣减进项税或所得税“三免三减半”后,全周期度电成本明显降低,税收优惠政策对减轻项目前期资金压力有较好的支持作用.
针对现有的技术缺陷,提出一种高电压增益的单级逆变电路,利用直流侧改良倍压单元和逆变侧直通状态,实现交流输出电压受耦合绕组匝数比和直通占空比的双自由度调节,在小直通占空比时能够获得高升压比.分析新拓扑的工作模态、各元件之间的电压和电流关系以及比较三相桥式逆变器总开关功率.在此基础上,分析寄生参数条件下逆变器升压比与效率之间的关系.最后,搭建850 W实验样机进行验证,实验结果与理论分析和仿真结果一致,验证所提逆变器的正确性和可行性.
针对光伏组件冬季覆冰而导致其输出特性受到影响的问题,通过搭建单相闭环光伏发电实验平台,并基于12月份乌鲁木齐冬季室外环境,研究覆冰面积、覆冰厚度及覆冰倾角的改变对光伏组件输出功率及功率损耗率的影响规律.实验结果表明,当覆冰面积逐渐增加,光伏组件输出功率下降愈来愈迅速,填充因子增大,功率损耗率升高;随着覆冰厚度的逐步增大,光伏组件输出功率变化趋势先平稳后降低,相应的损耗率开始升高;而覆冰倾角的增加会一定程度改善因覆冰所造成的光线折反射与遮拦效应问题.
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;最后实现光伏组件的缺陷分类.由于光伏组件的缺陷样本较少,使用生成对抗网络生成一部分图像样本,达到有效进行数据增强的目的.实验结果表明,所提算法的Kappa系数较高,分类精度与效率均有明显提升.
为提升太阳电池模型参数辨识的准确率,该文提出基于Jaya算法与蜻蜓算法相融合的辨识方法,运用Jaya算法进行初步全局搜索,并结合蜻蜓算法进行局部搜索最优解,使算法收敛精度得到有效提升.研究结果表明:运用Jaya-DA算法求得太阳电池模型的电流均方根误差为9.861×10-4,相较于单一使用Jaya算法、蜻蜓算法、人工蜂群算法、粒子群算法,该方法所得结果均方根误差更小,可更准确地确定太阳电池模型参数.
针对传统长短时记忆神经网络(LSTM)参数量较多以及在处理长时间序列时容易忽略重要时序信息的不足,提出一种结合注意力机制(attention)与门控循环单元(GRU)的Attention-GRU短期光伏发电功率预测模型.首先,基于改进相似日理论建立新的数据集;然后,利用门控循环单元提取光伏发电功率的时序特征,引入注意力机制加强对时序输入中重要信息的关注;最终构建针对不同天气类型的预测模型.仿真结果表明,提出的模型与对比模型相比,预测精度更高.
针对最大功率点跟踪技术在光伏发电系统中的应用和研究现状,提出一种改进功率预测变步长扰动法.首先分析光照强度在一个采样周期内非线性变化时功率预测法会因功率预估值偏差较大而产生误判这一现象,为减少功率振荡损失,基于牛顿插值法建立三点采样函数模型以减少预测功率值与实际功率值的偏差.其次在确定变步长的过程中纳入光照强度变化这一动态因素,通过引入对光照强度变化的修正系数提出一种变步长的确定方法.最后搭建光伏系统模型及车载光伏实验平台进行最大功率点追踪仿真,结果表明改进功率预测变步长扰动法在改善误判和失效问题的同时能