找到 2 条结果 · Energy Conversion and Management
基于深度学习的光伏组件红外、电致发光和红绿蓝图像自动缺陷检测
Deep learning-based automatic defect detection of photovoltaic modules in infrared, electroluminescence, and red–green–blue images
Yi-Sheng Laia · Chien-Chun Hsieh · Ting-Wei Liaoa · Chao-Yang Huang 等5人 · Energy Conversion and Management · 2025年5月 · Vol.332
摘要 本研究提出了一种结合图像处理技术与深度学习模型的光伏组件自动化缺陷检测系统。该系统利用三种成像方法——红外成像、红绿蓝成像和电致发光成像，识别21种类型的缺陷。红外成像通过安装在无人机上的热成像仪获取，用于检测热点和开路等热异常现象；红绿蓝成像用于识别玻璃破裂、污渍污染和植被遮挡等表面缺陷；电致发光成像则在受控暗室环境中使用电荷耦合器件相机采集，可揭示微裂纹、电池片性能退化和主栅腐蚀等内部缺陷。通过交叉比对红外图像与红绿蓝图像的结果，可有效识别缺陷成因，而电致发光成像进一步确认内部问题，并...
解读: 该深度学习缺陷检测技术对阳光电源智能运维体系具有重要价值。可集成至iSolarCloud平台,通过无人机红外成像实现光伏电站巡检自动化,结合EL成像诊断组件内部微裂纹与电池衰减,为SG系列逆变器的MPPT优化提供精准数据支持。系统99%以上检测精度和0.1秒处理速度,可显著提升PowerTitan储...
河北省典型沿海风电项目生命周期碳排放核算
Life cycle carbon emission accounting of a typical coastal wind power generation project in Hebei Province, China
Wei Gao · Mengyao Han · Lijuan Chen · Chao Ai 等7人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 在传统能源结构向全生命周期零碳排放的可再生能源转型背景下，风力发电是一种典型的基于可再生能源的发电形式，风电项目的生命周期碳排放已成为全球关注的焦点。由于风能的波动性和随机性直接影响风电项目的碳排放，因此准确预测其在服役期间的碳排放量及环境影响具有较大难度。本文以中国秦皇岛市的沿海风电场为研究案例，在不考虑风机间尾流效应的情况下，构建了考虑风况影响的预测型全生命周期碳排放核算体系，围绕整个生命周期建立了减排指标体系，并将风电的减排能力与传统火电工程进行了对比分析。结果表明，该风电项目的净碳...
解读: 该研究对阳光电源风电配套储能系统具有重要参考价值。研究揭示风电全生命周期碳减排潜力达71.47%,但风能波动性影响碳排放精准预测。阳光电源ST系列储能变流器及PowerTitan系统可通过平抑风电波动,提升发电稳定性,优化碳减排效益。结合iSolarCloud平台的预测性维护功能,可建立风储协同的全...