找到 2 条结果 · Solar Energy
一种融合多模态扩散生成与轻量化分割的光伏缺陷智能诊断框架
A PV defect intelligent diagnosis framework integrating multimodal diffusion generation and lightweight segmentation
Lei Xu · Jiale Xiao · Xiaoyu Ji · Yibo Zhang 等6人 · Solar Energy · 2025年1月 · Vol.301
摘要 确保光伏（PV）系统长期可靠性和效率需要精确且智能化的缺陷监测策略。为解决这一问题，本研究提出了一种创新的缺陷图像生成方法——CAM-Diffuse，该方法结合二值掩码约束与基于文本-视觉的多模态特征融合技术，能够生成高保真且可控的缺陷图像，有效扩充训练数据集，并提升模型的泛化能力。此外，本研究还提出了一种轻量级实例分割网络LightSegDETR。该网络集成了DGBlock模块，通过深度可分离卷积（DWConv）与幽灵卷积（GhostConv）相结合的方式优化计算效率；在网络的颈部结构中...
解读: 该轻量化光伏缺陷诊断框架对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。CAM-Diffuse多模态数据增强技术可优化我司MPPT算法的故障识别准确率,LightSegDETR网络在Jetson Nano边缘设备上实现28FPS实时检测,参数量降低50%,非常适合集成到...
ConvODE-Mixer：一种用于超短期光伏功率预测的多模态深度学习模型
ConvODE-Mixer: A multimodal deep learning model for ultra-short-term PV power forecasting
Binbin Yonga · Yanxiang Zhang · Jun Shenb · Aiai Renb 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 太阳能已成为应对全球能源与环境挑战的关键可再生能源。由于气象因素引起的光伏发电随机波动，光伏功率预测仍面临重大挑战，可能引发电网不稳定事件。本文提出了一种名为ConvODE-Mixer的多模态模型，该模型将卷积神经网络（CNN）与神经常微分方程（NODE）相结合，以提高超短期光伏功率预测的准确性。通过融合地面云图（GBCI）和气象数据，ConvODE-Mixer采用多尺度轻量化缩减型空洞空间金字塔池化（LR-ASPP）分割模块来捕捉云层厚度的变化，并引入通道注意力机制对光透射率敏感特征进行...
解读: 该ConvODE-Mixer多模态超短期光伏功率预测技术对阳光电源SG系列逆变器及ST储能系统具有重要应用价值。通过融合地基云图与气象数据,10分钟预测精度显著提升(MSE降低40.45%),可深度集成至iSolarCloud平台实现预测性运维。该技术能优化储能系统充放电策略,配合GFM控制技术提升...