Mohamad T.Araji · Ali Waqas · Solar Energy · 2025年1月 · Vol.297

摘要 遮挡对光伏（PV）系统的发电能力构成了严重挑战，可能导致高达40%的能量损失，引发功率失配、热点形成以及组件加速老化。准确地建模与模拟遮挡现象对于提升光伏系统性能至关重要。本研究开发了两种阴影检测流程：（i）结合K均值分割的经典霍夫变换（CHT）方法；（ii）一种新的深度霍夫变换（DHT）方法，该方法能够自主学习语义线条特征，而无需依赖特定于光伏系统的训练数据。实验分析基于一个容量为1千瓦、配备预设遮挡装置的太阳能阵列开展。所提方法在太阳能板检测精度上达到0.85，相较于经典霍夫变换方法提...

解读: 该深度学习阴影检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究揭示阴影可导致40%能量损失,验证了我司MPPT多路优化和组串式逆变器架构的必要性。其实时阴影建模方法(mIoU达81.8%)可集成至iSolarCloud智能运维平台,实现行人、车辆、云层等动态遮挡...