發(fā)布時(shí)間：2020-12-16 06:43

　　深度學(xué)習(xí)是近些年來的研究熱點(diǎn),在圖像、音頻和數(shù)據(jù)處理等方面均取得了良好的應(yīng)用,本文將深度學(xué)習(xí)算法與光伏電站中的光伏功率預(yù)測和太陽能電池板缺陷檢測結(jié)合展開研究。太陽能電池板作為光伏電站將太陽能轉(zhuǎn)化為電能過程的核心設(shè)備,其質(zhì)量好壞將直接影響太陽能轉(zhuǎn)化效率和自身的可用壽命,對保障光伏電站安全穩(wěn)定運(yùn)行及收益的最大化也至關(guān)重要。因此對太陽能電池板進(jìn)行缺陷檢測具有十分重要的現(xiàn)實(shí)意義。本文提出首先將電站光伏陣列分成若干區(qū)域范圍,基于深度學(xué)習(xí)算法對每個(gè)區(qū)域的光伏功率做預(yù)測,將該時(shí)刻預(yù)測值與對應(yīng)時(shí)刻的實(shí)時(shí)光伏功率對比,如果偏差超出了設(shè)定誤差范圍,說明此范圍內(nèi)的太陽能電池板可能出現(xiàn)缺陷,然后在該區(qū)域范圍內(nèi)采集電池板電致發(fā)光（EL）圖像,利用在深度學(xué)習(xí)領(lǐng)域中圖像分類性能良好的卷積神經(jīng)網(wǎng)絡(luò)對其進(jìn)行自動(dòng)識別判斷,找出有缺陷的電池板,以及確定缺陷的類型,對該缺陷電池進(jìn)行相應(yīng)處理以保障電站安全高效持續(xù)運(yùn)行。本文的主要研究內(nèi)容如下:（1）對獲取的太陽能光伏功率及天氣信息原始數(shù)據(jù)的不足進(jìn)行了分析,利用箱型圖確定數(shù)據(jù)中存在的缺失值和異常值的位置,基于KNN算法對缺失值和異常值進(jìn)行了填充和替換,利用歸一化對其進(jìn)行數(shù)據(jù)預(yù)處理... 

【文章來源】：西安熱工研究院有限公司陜西省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

中國和全球光伏裝機(jī)容量比較

兩個(gè)母線的兩端都有平行的裂紋，電功率就會下降ges[6]等人通過實(shí)驗(yàn)得出結(jié)論：如果有多個(gè)裂紋且平Chaturvedi[7]等人針對細(xì)微裂紋的電池板做加速老池板上逐漸形成不規(guī)則的暗區(qū)，而這會同時(shí)降低電池板的缺陷可能會對光伏電站的發(fā)電效率造成很大，甚至導(dǎo)致安全事故的發(fā)生。表 1-1 太陽能電池板常見缺陷[8]陷名稱 視覺特點(diǎn)（與標(biāo)準(zhǔn)片相比） 損、裂紋、斷柵形狀上有缺損或多余部分誤切割、碰運(yùn)輸或安或不均勻、顏色異常、熱斑大部分區(qū)域存在著顏色異�；蛘卟痪鶆蝈兡r(shí)化學(xué)電時(shí)發(fā)指紋、輪印存在過亮或者過暗區(qū)域，表現(xiàn)為斑點(diǎn)、指紋或輪印人工操作不

2 深度學(xué)習(xí)算法概述等。測模型數(shù)學(xué)理論介紹神經(jīng)網(wǎng)絡(luò)絡(luò)（Recurrent Neural Network, RNN）起源于多層感也即為全連接神經(jīng)網(wǎng)絡(luò)（Full-connectionNeuralNetnilla RNN，這是一種正反饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)如輸入層，隱含層（可以有多層）和輸出層，除了輸性激活函數(shù)（隱含層通常采用 Sigmoid 函數(shù)），MLP 。由于 MLP 的輸出僅與當(dāng)前時(shí)刻的輸入有關(guān)，而與LP 應(yīng)用領(lǐng)域較窄，通常被應(yīng)用于分類領(lǐng)域。

【參考文獻(xiàn)】：
期刊論文
[1]電致發(fā)光缺陷檢測儀的成像性能評估[J]. 林劍春,楊愛軍,沈熠輝.  光學(xué)精密工程. 2017(06)
[2]適用于小樣本的神經(jīng)網(wǎng)絡(luò)光伏預(yù)測方法[J]. 張程熠,唐雅潔,李永杰,高強(qiáng),江全元.  電力自動(dòng)化設(shè)備. 2017(01)
[3]電致發(fā)光(EL)在光伏電池組件缺陷檢測中的應(yīng)用[J]. 施光輝,崔亞楠,劉小嬌,涂曄,錢福麗,廖華,胡志華.  云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[4]光伏功率預(yù)測技術(shù)[J]. 龔鶯飛,魯宗相,喬穎,王強(qiáng).  電力系統(tǒng)自動(dòng)化. 2016(04)
[5]組合數(shù)值天氣預(yù)報(bào)與地基云圖的光伏超短期功率預(yù)測模型[J]. 朱想,居蓉蓉,程序,丁宇宇,周海.  電力系統(tǒng)自動(dòng)化. 2015(06)
[6]地基云圖結(jié)合徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的光伏功率超短期預(yù)測模型[J]. 陳志寶,丁杰,周海,程序,朱想.  中國電機(jī)工程學(xué)報(bào). 2015(03)
[7]光伏發(fā)電技術(shù)經(jīng)濟(jì)分析及發(fā)展預(yù)測[J]. 曹石亞,李瓊慧,黃碧斌,汪曉露,王乾坤.  中國電力. 2012(08)
[8]基于ARMA模型的光伏電站出力預(yù)測[J]. 蘭華,廖志民,趙陽.  電測與儀表. 2011(02)
[9]淺談太陽能采暖系統(tǒng)應(yīng)用現(xiàn)狀與發(fā)展[J]. 倉啦,李金祥,周李慶,桑擁拉姆.  西藏科技. 2010(10)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識別研究[J]. 趙志宏,楊紹普,馬增強(qiáng).  系統(tǒng)仿真學(xué)報(bào). 2010(03)

博士論文
[1]基于視覺的硅太陽能電池檢測方法的研究[D]. 王楠.河北農(nóng)業(yè)大學(xué) 2014

碩士論文
[1]基于CNN的交通標(biāo)志識別方法研究[D]. 楊振杰.天津工業(yè)大學(xué) 2017
[2]深度學(xué)習(xí)算法在表面缺陷識別中的應(yīng)用研究[D]. 李夢園.浙江工業(yè)大學(xué) 2015
[3]太陽能電池片表面裂紋檢測算法的研究與實(shí)現(xiàn)[D]. 馮博.吉林大學(xué) 2014
[4]多晶硅表面缺陷識別及軟件檢測系統(tǒng)設(shè)計(jì)與開發(fā)[D]. 王晗.上海交通大學(xué) 2014
[5]基于機(jī)器視覺的太陽能電池片表面缺陷檢測的研究[D]. 趙慧陽.燕山大學(xué) 2011



本文編號：2919714