基于卷积神经网络的光伏阵列污染报警系统

被引：5

作者：

薛家祥

陈海峰

机构：

[1] 华南理工大学机械与汽车工程学院

来源：

电测与仪表 | 2020年 / 57卷 / 07期

关键词：

光伏阵列; 卷积神经网络; 报警系统; 网站;

D O I：

暂无

中图分类号：

TM615 [太阳能发电]; TP183 [人工神经网络与计算]; TP277 [监视、报警、故障诊断系统];

学科分类号：

080811 [新能源发电与电能存储]; 140102 [集成电路设计与设计自动化]; 140502 [人工智能];

摘要：

针对依靠人工检查光伏阵列是否需要清洗的效率低,机器人定期清洗又会造成资源浪费的问题,文章提出一种基于卷积神经网络(Convolution Neural Network,CNN)的光伏阵列污染报警系统。该系统通过采集受污染和未受污染的光伏阵列图像作为训练集训练CNN神经网络,将训练好的模型嵌入网站后端,再定期采集光伏阵列图像,通过CNN神经网络模型识别是否受到污染,当光伏阵列受到污染时由前端显示报警信息。实验结果表明:该系统识别精度达97. 6%,系统工作稳定,具有较强的实用价值。

引用

页码：54 / 59

页数：6

共 6 条

[1]

大规模分布式光伏接入的配网风险评估及应对措施研究 [J].

乐健 ;

朱江峰 ;

孙旻 ;

曾伟 .

电测与仪表 , 2019, (14) :28-33

[2]

移动式光伏板积灰干式清洗装置研制及应用 [J].

赵波 ;

范思远 ;

曹生现 ;

王恭 ;

许兆鹏 ;

崔立业 ;

李晓刚 .

中国电机工程学报, 2019, 39 (06) :1707-1713+1867

[3]

改进BP神经网络的SVM变压器故障诊断 [J].

王保义 ;

杨韵洁 ;

张少敏 .

电测与仪表, 2019, 56 (19) :53-58

[4]

一种光伏发电站组件自动清扫机器人的应用 [J].

王璐 .

电工技术, 2018, (14) :97-98

[5]

基于多层卷积神经网络的变电站异常场景识别算法 [J].

孟格格 ;

高强 .

电测与仪表, 2018, 55 (05) :46-50

[6]

Modeling and analysis of dust and temperature effects on photovoltaic systems’ performance and optimal cleaning frequency: Jordan case study.[J].Bashar Hammad;Mohammad Al–Abed;Ahmed Al–Ghandoor;Ali Al–Sardeah;Adnan Al–Bashir.Renewable and Sustainable Energy Reviews.2018, P3

← 1 →