找到 2 条结果
通过紫外荧光成像提高光伏组件现场检测的成本和时间效益
Enhancing the Cost- and Time-Effectiveness of Field PV Module Inspection by UV-Fluorescence Imaging
Claudia Buerhop · Eugene Ernest van Dyk · Frederik J. Vorster · Oleksandr Stroyuk 等6人 · IEEE Journal of Photovoltaics · 2024年11月
本案例研究凸显了紫外荧光成像作为一种新兴光伏（PV）组件检测工具的潜力，它能大幅降低现场检测的成本和时间，并为实现高通量作业开辟了途径。通过将紫外荧光成像技术与近红外吸收光谱法和电气测量相结合，其应用超越了已报道的能力范围。这种综合方法可用于识别和评估聚合物背板与封装材料，即检测与聚合物相关的特征（如降解、腐蚀）以及其他异常情况（如电池片裂纹和热斑电池），且具有其他方法难以企及的成本效益和时间效益。特别是，一座2兆瓦峰值功率的光伏电站中的1890块光伏组件显示出关键问题，其中40%的被检测组串存...
解读: 紫外荧光成像技术对阳光电源智能运维体系具有重要应用价值。该技术可直接集成至iSolarCloud云平台的智能诊断模块，为大型地面电站和分布式光伏系统提供快速、低成本的组件健康检测方案。通过识别裂纹、脱层等隐性缺陷，可优化SG系列逆变器的MPPT算法，避免失配损失；同时为PowerTitan储能系统配...
使用卷积神经网络检测光伏组件玻璃裂纹
Using Convolutional Neural Networks to Detect In-Field PV Module Glass Cracks
Savannah Bennett · Thomas Weber · Rory Bennett · Ernst Wittman 等6人 · IEEE Journal of Photovoltaics · 2025年9月
双玻光伏组件的应用日益广泛，人们对这些组件中的玻璃破裂问题也愈发关注。为证实这一现象、量化玻璃破裂率，并减轻在现场查找破裂组件的繁琐工作，本文考虑使用卷积神经网络进行玻璃裂纹检测。对七种模型进行了测试：六层模型、四层模型、VGG16、VGG19、ResNet18、ResNet34 和 ResNet50。在两个光伏（PV）场中采用非标准化图像采集方法，针对两种组件类型创建了七个标注数据集，图像数量从 3540 张到 12600 张不等。六层模型在裂纹与无裂纹分类方面的准确率可达 97.7%，使用 ...
解读: 该CNN玻璃裂纹检测技术对阳光电源SG系列光伏逆变器配套的智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台的智能诊断模块，通过无人机巡检图像自动识别双面玻璃组件裂纹，实现预测性维护。该技术与阳光现有的IV曲线诊断、红外热成像分析形成互补，可提前发现因玻璃裂纹导致的组件功率衰减和...