找到 5 条结果
基于感知损失的DCGAN与VGG16集成模型在电致发光图像中增强光伏缺陷检测
Enhanced Photovoltaic Defect Detection Using Perceptual Loss in DCGAN and VGG16-Integrated Models on Electroluminescence Images
Nadia Drir · Adel Mellit · Maamar Bettayeb · Mahmoud Dhimish · IEEE Journal of Photovoltaics · 2025年3月
光伏（PV）组件中的缺陷会显著影响其效率和可靠性，因此精确检测对于质量控制至关重要。本研究提出了一种改进的生成对抗网络框架，将深度卷积生成对抗网络（DCGAN）与视觉几何组16（VGG16）以及感知损失函数相结合，以生成高质量的合成缺陷图像并改进缺陷分类。所提出的模型将分类准确率从84%提高到了90%，表现出优于标准DCGAN的性能。主要改进包括生成更逼真的合成图像、减少图像质量差异以及解决缺陷数据集的类别不平衡问题。该改进框架在呈现罕见和复杂缺陷方面表现尤为出色，能改善具有挑战性的缺陷模式的分...
解读: 该基于DCGAN与VGG16的EL图像缺陷检测技术对阳光电源光伏产品线具有重要应用价值。可直接应用于SG系列逆变器的生产质量控制环节，通过电致发光成像快速识别组件微裂纹、热斑等隐性缺陷，提升出厂检测效率。感知损失函数增强的语义特征提取能力，可集成至iSolarCloud智能运维平台，实现电站组件的在...
一种基于加权特征融合的新型集成CNN框架用于光伏组件热成像故障诊断
A Novel Ensemble CNN Framework With Weighted Feature Fusion for Fault Diagnosis of Photovoltaic Modules Using Thermography Images
Nadia Drir · Adel Mellit · Maamar Bettayeb · IEEE Journal of Photovoltaics · 2024年11月
全球范围内光伏（PV）能源的应用不断增加，这凸显了在环境多变和故障情况下维持系统效率的紧迫性。识别、分类和修复缺陷的过程对于确保光伏装置的长期可持续性和性能完整性至关重要。本文介绍了一种创新的集成卷积神经网络（CNN）模型，该模型采用加权特征融合的方法，其准确性超越了单一CNN架构所能达到的水平。通过利用三个性能出色的CNN——VGG16、ResNet和MobileNet，融合从这些网络最后一层提取的深度特征，提升了性能，同时还充分利用了来自多个不同配置CNN的数据集成优势。该方法应用于一个包含...
解读: 该集成CNN热成像故障诊断技术对阳光电源智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台，为SG系列光伏逆变器配套的组件级监控提供AI诊断能力，通过无人机或固定热成像设备实现大规模电站的自动化巡检。加权特征融合策略可提升复杂工况下的故障识别准确率，特别适用于1500V高压系统中...
通过多功能分源逆变器的解耦预测功率控制增强光伏功率采集与电网支撑
Enhanced PV power harvesting and grid support through decoupled predictive power control of multi-functional split-source inverter
Billel Talbi · Abbes Kihal · Abdelbasset Kram · Abdeslem Sahli 等6人 · Solar Energy · 2025年1月 · Vol.293
摘要 本文研究了一种采用分源逆变器（SSI）的新型多功能光伏并网逆变器（MF-PVGCI）结构，该结构相较于传统的阻抗源逆变器具有显著优势。所提出的MF-PVGCI能够根据太阳辐照度的可用性自适应地运行于三种不同模式：完全有源滤波器（F-APF）模式、部分有源滤波器（P-APF）模式以及有功功率注入（RPI）模式。为了提升系统性能，本文提出一种基于有限集模型预测控制策略的多目标控制结构，旨在最大化从光伏阵列中获取的功率，并以精确解耦的方式控制电网的有功和无功功率。该控制结构使SSI能够作为无功功...
解读: 该分源逆变器多功能控制技术对阳光电源SG系列并网逆变器具有重要应用价值。其基于有限集模型预测控制的有功无功解耦策略,可增强现有1500V系统的电网支撑能力,实现MPPT优化与无功补偿的协同运行。三种自适应运行模式(全APF/部分APF/实功率注入)的切换逻辑,可融入iSolarCloud平台的智能控...
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...