A. Mellit · N. Blasuttigh · S. Pastore · M. Zennaro 等5人 · IEEE Transactions on Industry Applications · 2025年4月

故障检测、定位和诊断对于提高光伏（PV）电站的效率和可靠性至关重要。本文利用机器学习（ML）平台（Edge Impulse）和红外图像开发了一种光伏模块故障诊断方法。其思路是开发一个TinyML模型，对光伏模块上常见的某些缺陷（如光伏模块脏污、短路和积沙等）进行分类，并通过将开发的TinyML模型集成到低成本、低功耗的微控制器（MCU）中来验证其可行性。为此，构建并使用了一个红外热成像图像数据库。然后，从准确性、硬件资源和推理延迟等方面对不同版本的MobileNet进行了评估和比较。仿真和协同仿...

解读: 从阳光电源的业务视角来看，这项基于TinyML和红外热成像的光伏组件故障诊断技术具有显著的战略价值。该技术通过在低功耗微控制器上部署轻量级机器学习模型，实现了对污损、短路、沙尘沉积等常见故障的边缘端实时诊断，分类准确率达98%，这与我们智能运维体系的发展方向高度契合。 对于阳光电源的逆变器和智慧能...