光伏板板面灰塵積累會降低其光電轉(zhuǎn)換效率,減少單位時間發(fā)電量造成經(jīng)濟損失,積灰嚴(yán)重時還會腐蝕光伏板外表面防護(hù)層,灼燒光伏板內(nèi)部電路引發(fā)安全問題。然而,行之有效的積灰狀況評估方案是產(chǎn)業(yè)界處理積灰問題的前提。本課題立足于光伏電站積灰狀況分析的現(xiàn)實需求,針對光伏板積灰狀態(tài)定量分析與光伏電站全局狀況感知兩大痛點問題,研究深度學(xué)習(xí)（Deep Learning）技術(shù)在圖像識別領(lǐng)域相關(guān)技術(shù),提出了基于現(xiàn)場圖像的光伏板識別提取模型和積灰狀態(tài)定量分析模型。課題主要內(nèi)容包括以下兩方面:其一,基于深度殘差網(wǎng)絡(luò)（Residual Network,ResNet）提出一種光伏板積灰圖像識別方案,基于可見光監(jiān)控圖像中積灰在光伏板上產(chǎn)生的顏色與紋理特征,本課題以圖像特征為積灰程度差異的分辨依據(jù),提取光伏電站監(jiān)控圖像,結(jié)合光伏系統(tǒng)電流、電壓等運行參數(shù),以殘差網(wǎng)絡(luò)ResNet辨識不同積灰程度的光伏板圖像,挖掘分析積灰狀態(tài)圖像與發(fā)電效率損失率的非線性耦合關(guān)系,定量分析評價積灰對光伏發(fā)電的影響,實現(xiàn)光伏系統(tǒng)積灰狀況智能感知。試驗數(shù)據(jù)證明,對于現(xiàn)場11個等級的光伏板積灰狀態(tài),搭建的積灰狀況識別模型識別的準(zhǔn)確率達(dá)到0.81。其二,... 

【文章來源】：東北電力大學(xué)吉林省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２各類函數(shù)對應(yīng)曲線及數(shù)學(xué)表達(dá)??較之線性函數(shù)和非線性的閾值函數(shù)，Ｓｉｇｍｏｉｄ函數(shù)在幾何圖形中表現(xiàn)為一條連續(xù)且處??

數(shù)據(jù)特征方面，將參數(shù)權(quán)重由人工設(shè)置升級為模型自主獲取，這種工??作模式有效降低了模型設(shè)計團(tuán)隊主觀因素的介入深度，這是其對傳統(tǒng)機器學(xué)習(xí)算法的突破??性創(chuàng)舉。事實上，深層神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)層互相關(guān)聯(lián)結(jié)構(gòu)復(fù)雜，需設(shè)計的模型參數(shù)體量龐大，?’??人工設(shè)置所有參數(shù)權(quán)重也不現(xiàn)實。??（１）前向傳播??神經(jīng)網(wǎng)絡(luò)模型的連接方式與多層感知機（ＭｕｌｔｉｌａｙｅｒＰｅｒｃｅｐｔｒｏｎ，ＭＬＰ）類似，由輸入層、??隱含層（一層或多層）和輸出層構(gòu)成，通過多層網(wǎng)絡(luò)疊加解決單層感知機面臨的線性不可??分難題。下圖２－３是包含２個隱含層的２層神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，本小節(jié)以此拓?fù)浣Y(jié)構(gòu)分??析信號在神經(jīng)網(wǎng)絡(luò)中的傳遞過程。??（ｉ）－——第ｉ層權(quán)重??Ｚ?｜?Ｗ?２?３?－——前１層的第３個神經(jīng)元??（?、＼?＼＼?６（丨）?Ｉ?＾?后１層的第２個神經(jīng)元?｜??輸入層?隱含層１?隱含層２?輸出層??圖２－３神經(jīng)網(wǎng)絡(luò)傳播結(jié)構(gòu)圖??圖２－３中，最左列為輸入層神經(jīng)元ｘ／、幻和偏置神經(jīng)元“１”（灰色以示區(qū)別，每層網(wǎng)??絡(luò)僅有１個偏置神經(jīng)元），信號在神經(jīng)元間的傳遞路徑以有向箭頭表示。前層神經(jīng)元間到作??用到后層神經(jīng)元的權(quán)重以ｗ表示；偏置神經(jīng)元對一般神經(jīng)元的作用以６表示。輸入層神經(jīng)??元接收輸入信號，并向隱含層１傳遞，隱含層１處理后繼續(xù)向后傳遞直至輸出層，圖２－３??－１２?－??

第２章深度學(xué)習(xí)基礎(chǔ)原理??積核在待處理圖像上作全局掃描，被掃描的區(qū)域依次與卷積核元素執(zhí)行卷積操作。卷積計??算的效果是對圖像特征的提取凝練，通過若干次卷積處理，獲取不同維度圖像的抽象特征??并交由后續(xù)網(wǎng)絡(luò)層分析識別，是ＣＮＮ處理圖像的核心思想。卷積操作計算示意圖如下圖??２－９所示：??ａ）卷積核對圖像左上區(qū)域作卷積?ｂ）卷積核對圖像右上區(qū)域作卷積??ｃ）卷積核對圖像左下區(qū)域作卷積?ｄ）卷積核對圖像右下區(qū)域作卷積??圖２－９卷積操作順序示例??在神經(jīng)網(wǎng)絡(luò)中，卷積核各元素數(shù)值即為前述神經(jīng)網(wǎng)絡(luò)的權(quán)重，神經(jīng)網(wǎng)絡(luò)依托所提供圖??像數(shù)據(jù)集調(diào)試神經(jīng)網(wǎng)絡(luò)，直至調(diào)試出能準(zhǔn)確歸納出圖像特征信息的卷積核參數(shù)，也即神經(jīng)??網(wǎng)絡(luò)權(quán)重參數(shù)。??卷積核兩次掃描移動的距離以“步長”衡量，上圖２－９示例中的步長為１。實際應(yīng)用??中，待處理的圖像尺寸遠(yuǎn)超過示例中的４Ｘ４維度，適當(dāng)調(diào)大步長可提高ＣＮＮ工作效率。??然而，由于圖像部分區(qū)域被跳過掃描，輸出圖像尺寸會被顯著壓縮，也會對后續(xù)網(wǎng)絡(luò)提取??圖像特征產(chǎn)生影響，因此，卷積核移動步長設(shè)置時需慎重考慮。??Ｃ２）池化層??池化層的作用是對卷積結(jié)果作壓縮處理，常見處理方法包括：最大池化（取掃描區(qū)域??最大值）、平均池化（取掃描區(qū)域平均值）、隨機池化（對掃描區(qū)域數(shù)值歸一化再按概率取??值）等。池化層工作原理如下圖２－１０所示：??－１７?－??

【參考文獻(xiàn)】：
期刊論文
[1]基于狀態(tài)監(jiān)測的電池板積灰清洗周期確定與費用評估[J]. 趙波,張姝偉,曹生現(xiàn),王恭,許兆鵬,崔立業(yè),李曉剛.  中國電機工程學(xué)報. 2019(14)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的田間多簇獼猴桃圖像識別方法[J]. 傅隆生,馮亞利,Elkamil Tola,劉智豪,李瑞,崔永杰.  農(nóng)業(yè)工程學(xué)報. 2018(02)
[3]太陽能光伏板積灰的最佳清掃周期[J]. 徐志明,曲宏偉,王靖雯,陳德會,王波.  中國電機工程學(xué)報. 2018(06)
[4]基于強泛化卷積神經(jīng)網(wǎng)絡(luò)的輸電線路圖像覆冰厚度辨識[J]. 林剛,王波,彭輝,陳思遠(yuǎn),方必武,孫勇.  中國電機工程學(xué)報. 2018(11)
[5]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識別[J]. 孫俊,譚文軍,毛罕平,武小紅,陳勇,汪龍.  農(nóng)業(yè)工程學(xué)報. 2017(19)
[6]基于圖像顯著性分析與卷積神經(jīng)網(wǎng)絡(luò)的茶園害蟲定位與識別[J]. 楊國國,鮑一丹,劉子毅.  農(nóng)業(yè)工程學(xué)報. 2017(06)
[7]基于壓縮感知技術(shù)的大型光伏電站匯集系統(tǒng)故障定位研究[J]. 賈科,顧晨杰,畢天姝,陳奕汝,任哲鋒.  中國電機工程學(xué)報. 2017(12)
[8]太陽電池積灰對其發(fā)電性能影響的研究[J]. 李練兵,王增喜,劉斌,郭向尚.  太陽能學(xué)報. 2016(06)
[9]灰塵對光伏發(fā)電的影響及組件清洗研究[J]. 孟偉君,樸鐵軍,司德亮,張文華,于俊峰,陳志燕.  太陽能. 2015(02)
[10]基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識別方法[J]. 余永維,殷國富,殷鷹,杜柳青.  儀器儀表學(xué)報. 2014(09)

碩士論文
[1]基于深度學(xué)習(xí)的宮頸癌細(xì)胞的分割及分類研究[D]. 楊秋菊.上海交通大學(xué) 2019
[2]太陽能光伏陣列識別及熱斑檢測技術(shù)的研究與實現(xiàn)[D]. 楊亞楠.南京郵電大學(xué) 2018
[3]基于環(huán)境采集的光伏電站清洗預(yù)警系統(tǒng)設(shè)計與研究[D]. 邢朝路.電子科技大學(xué) 2018
[4]基于狀態(tài)識別的光伏電站清灰周期規(guī)劃研究[D]. 張羽翔.新疆大學(xué) 2017
[5]覆灰條件下光伏組件性能及功率衰減研究[D]. 杜煒.重慶大學(xué) 2017
[6]基于機器視覺與黃板誘導(dǎo)的有翅昆蟲統(tǒng)計識別系統(tǒng)的研究與實現(xiàn)[D]. 周瑤.重慶大學(xué) 2017
[7]基于數(shù)據(jù)挖掘的光伏陣列故障診斷研究[D]. 姜棟瀟.華北電力大學(xué)(北京) 2016
[8]光伏陣列熱斑的紅外圖像處理的研究[D]. 郭寶柱.天津理工大學(xué) 2016
[9]積灰對光伏系統(tǒng)發(fā)電效率影響及改善[D]. 孫歡偉.大連理工大學(xué) 2015
[10]荒漠光伏太陽能電池板表面灰塵作用機理及其清潔方法研究[D]. 孟廣雙.青海大學(xué) 2015



本文編號：3456089