找到 3 条结果
基于上下文集成语言-图像多模态网络的少样本光伏薄膜缺陷检测
Few-Shot Photovoltaic Film Defect Detection With Contextual Ensemble Language-Image Multimodal Network
Huiyan Wang · Ruihao Peng · Yiheng Zhu · Jiachen Li 等6人 · IEEE Transactions on Industrial Informatics · 2025年5月
工业光伏薄膜缺陷的自动检测对于确保光伏组件的可靠性至关重要。主要挑战包括缺陷样本有限、类别间特征相似以及复杂背景的干扰。现有的基于深度学习的方法需要大规模数据集，且仅关注视觉数据，这限制了它们在少样本缺陷检测（FSDD）中的有效性。为应对这些挑战，我们提出了上下文集成语言 - 图像多模态网络（CELIN），该网络通过提示调优融入文本信息，提升了光伏薄膜的少样本缺陷检测能力。与依赖单一固定文本提示的传统语言 - 图像模型不同，CELIN采用位置感知上下文集成策略来整合特定位置的提示向量，使模型能够...
解读: 从阳光电源的业务视角来看，这项基于语言-图像多模态网络的光伏薄膜缺陷检测技术具有重要的战略价值。作为光伏组件可靠性保障的关键环节，该技术直接关系到我们光伏逆变器、储能系统等核心产品的上游供应链质量控制。 该技术的核心创新在于解决了工业场景中的三大痛点：小样本学习、相似缺陷区分和复杂背景干扰。传统深...
针对风速波动的风力发电系统变流器开路故障鲁棒诊断方法
Robust Diagnosis Method for Open-Circuit Faults in Wind Power System Converters with Special Attention to Wind Speed Fluctuations
Ying Zhu · Bin Sun · Zhinong Wei · IEEE Transactions on Energy Conversion · 2025年5月
本文提出了一种用于风力发电变流器开路故障（OCF）的鲁棒故障诊断框架，重点解决两大挑战对故障诊断的影响，即风速波动（由塔影效应、风切变和复杂环境条件引起）和噪声干扰。本文的主要贡献包括：1）采用派克变换的实时电流幅值归一化（RCAN）机制，用于动态信号校正；2）一种风自适应采样（WAS）策略，用于同步数据采集；3）一种新颖的混合深度学习架构，结合用于时间分析的改进门控循环神经网络（IGRNN）和用于空间特征提取的马尔可夫转移场残差网络（MTF - ResNet）。该方法通过WAS采样处理经RCA...
解读: 从阳光电源的业务视角来看，这项针对风电变流器开路故障的鲁棒诊断技术具有显著的跨领域应用价值。尽管研究聚焦风电系统，但其核心方法论与阳光电源的光伏逆变器、储能变流器等电力电子设备的故障诊断需求高度契合。 该技术的创新点在于通过实时电流幅值归一化（RCAN）机制和风速自适应采样策略，有效应对了动态工况...
增强局部峰值点的风电功率预测：一种新型Seq2LPP模型
Enhancing Wind Power Forecasting at Local Peak Points: A Novel Seq2LPP Model
Nanyang Zhu · Ying Wang · Kun Yuan · Yanxia Pan 等5人 · IEEE Transactions on Industrial Informatics · 2025年1月
挖掘基于深度学习（DL）的模型在局部峰值点（LPPs）风电功率预测方面的潜力，仍是一个至关重要但尚未充分探索的方向。尽管现有的基于深度学习的模型在常规风电功率预测（WPF）中表现出色，但它们主要侧重于优化预测时域内整体风电功率预测的平均精度，因此在局部峰值点的预测中表现不佳。由于局部峰值点的风电功率存在大幅波动和非平稳性，基于深度学习的模型更难对其进行预测。考虑到局部峰值点与多源数值天气预报（NWP）数据之间存在强相关性，我们提出了一种由多源数值天气预报数据驱动的新型Seq2LPP模型，以加深对...
解读: 从阳光电源新能源系统集成商的视角来看，该论文提出的Seq2LPP模型针对风电功率预测中局部峰值点（LPPs）的精准预测问题，具有重要的实际应用价值。虽然我司业务以光伏逆变器和储能系统为核心，但在"风光储一体化"和综合能源解决方案领域，精准的风电功率预测直接影响系统调度优化和储能配置策略。 该模型的...