知识导航
资源分类

一种基于深度学习的光伏生产异常数据检测算法

一种基于深度学习的光伏生产异常数据检测算法

doi:
摘要:
随着绿色能源的发展,太阳能的应用越来越广泛.因为太阳能本身的特点,储量大且清洁,其潜力巨大.光伏项目目前依然是应用太阳能最主要的一种方式,环境因素是影响光伏发电效率的主要因素之一.各种遮挡物,如树叶、鸟粪、阴影等,都会对太阳能电池产生不同程度的影响.这些遮挡的部分会直接影响太阳能电池的发电效率,还有可能造成个别电池的损坏,这些损坏的电池会成为负载大量发热,对光伏电池的光电转换效率以及安全性都造成了很大的影响.随着机器学习的发展,出现了很多深度学习框架,为了提高光伏电池的安全性以及经济效益,一些专家将目标检测算法应用到了遮挡检测的相关领域上并且取得了不错的效果.Feng等人提出了AFNet算法,通过增强边界损失获取更显著的目标整体特征图,得到了更精确的边界检测效果.He等人提出了一种新的卷积神经网络模型,该模型可以通过学习人脸图像固定的特征从而提高人脸识别的准确率,具有明显的效果.Cai等人介绍了一种新的级联设计程序,该检测器具有一系列复杂程度可量化的特征,能够使卷积神经网络与对象建议机制结合起来,这使得检测更为准确.
作者 张尊彦 伍席文 王泽科 金钊 胡超波
Author:
作者单位 国电电力湖南武冈新能源开发有限公司
期 刊: 中国科技信息
Journal: China Science and Technology Information
年,卷(期) 2023, (3)
分类号
机标分类号 TP39 TN929.5 TP274
基金项目
参考文献和引证文献
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文

知识产权声明| 服务承诺| 联系我们| 人才招聘| 客户服务| 关于我们

京ICP证:010071  互联网出版许可证:新出网证(京)字042号  京公网安备11010802020237号
万方数据知识服务平台--国家科技支撑计划资助项目(编号:2006BAH03B01)©北京万方数据股份有限公司  万方数据电子出版社