找到 2 条结果
V10：固定暗电流偏置作为光伏组件损伤评估指标
V10: Fixed dark bias current as a photovoltaic module damage assessment metric
Ryan M.Smith · Dylan J.Colvin · Solar Energy · 2025年1月 · Vol.288
摘要 在光伏组件生命周期的各个阶段，快速、低成本且可靠的诊断技术在光伏产业中至关重要。暗态电流-电压（I-V）是一种用于评估组件健康状况的方法，能够提取受多种退化机制影响的关键电学参数。然而，对于某些特定损伤和退化模式的有效监测，可能并不需要完整的暗态I-V曲线。本文提出一种名为‘V10’的新型诊断技术，该技术通过监测达到某一特定电流注入时所需电压的变化，在低电流区域识别组件损伤，为现有方法提供了一种更高效的替代方案。实验表明，随着组件损伤加剧，V10值显著下降，说明其对不可见损伤的敏感性高于传...
解读: V10暗电流诊断技术为阳光电源组件级监测提供创新方案。可集成至iSolarCloud平台实现光伏电站全生命周期健康管理,在SG逆流器MPPT优化中嵌入低功耗V10检测算法,实时识别组件隐性损伤。该技术对ST储能系统中光储耦合场景的组件质量把控具有重要价值,可在运输、安装、调试阶段快速筛查,降低系统失...
用于光伏系统中自动缺陷检测的机器学习方法
Machine learning approaches for automatic defect detection in photovoltaic systems
Swayam Rajat Mohanty · Moin Uddin Maruf · Vaibhav Singh · Zeeshan Ahmad · Solar Energy · 2025年1月 · Vol.298
摘要 太阳能光伏（PV）组件在制造、安装和运行过程中容易受到损坏，从而降低其光电转换效率。这种效率损失削弱了其在整个生命周期中的积极环境影响。通过无人机拍摄的图像对光伏组件进行运行期间的持续监测，对于及时修复或更换有缺陷的面板以维持高效率至关重要。结合计算机视觉技术，该方法为光伏电站中的缺陷监测提供了一种自动、非破坏性且成本效益高的工具。本文综述了当前基于深度学习的计算机视觉技术在太阳能组件缺陷检测中的应用现状。我们从多个层面比较和评估了现有的深度学习方法，包括图像类型、数据采集与处理方法、所采...
解读: 该机器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,结合无人机巡检与深度学习算法,实现光伏电站组件缺陷的自动识别与预测性维护。技术可应用于SG系列逆变器的MPPT优化策略调整,通过识别组件热斑、隐裂等缺陷,动态优化发电效率。建议将物理约束神经网络与气象数据融...