找到 2 条结果
基于边缘脉冲平台和红外热成像的光伏组件故障诊断TinyML方法
TinyML for Fault Diagnosis of Photovoltaic Modules Using Edge Impulse Platform and IR Thermography Images
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...
基于红外热成像图像和轻量级深度CNN的光伏组件故障诊断端到端原型
An End-to-End Prototype for Fault Diagnosis of Solar Photovoltaic Modules Using Infrared Thermographic Images and Lightweight Deep CNNs
A. Mellit · C. Moussaoui · S. Pastore · A. Massi Pavan · IEEE Transactions on Industry Applications · 2025年7月
随着太阳能在各领域的广泛应用，为确保太阳能光伏（PV）装置的安全性和效率，已开发出有效且可靠的故障检测与诊断技术。近年来，利用红外热成像（IRT）图像对光伏电站进行故障诊断受到了研究人员的广泛关注。基于IRT图像设计一个有效且经济实惠的端到端原型，以协助光伏电站的操作人员和维护团队进行故障诊断，这极为必要，也是光伏界关注的关键问题。在本研究中，首先，我们将基于轻量级深度卷积神经网络（DCNN）的模型与五种混合模型进行比较，利用采集到的IRT图像对光伏组件的缺陷严重程度进行分类。结果表明，DCNN...
解读: 从阳光电源的业务视角来看，这项基于红外热成像和轻量级深度学习的光伏故障诊断技术具有显著的战略价值。作为全球领先的光伏逆变器和储能系统供应商，阳光电源不仅提供硬件设备，更致力于构建全生命周期的智能运维解决方案，而该技术正好契合这一战略方向。 该研究的核心价值在于实现了从实验室到工业应用的关键跨越。通...