一种基于深度学习的光伏生产异常数据检测算法_张尊彦.pdf
《一种基于深度学习的光伏生产异常数据检测算法_张尊彦.pdf》由会员分享,可在线阅读,更多相关《一种基于深度学习的光伏生产异常数据检测算法_张尊彦.pdf(4页珍藏版)》请在咨信网上搜索。
1、中国科技信息 2023 年第 3 期CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2023-100-三星推荐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
2、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。通过一些学者的研究以及实验结果可以得出,一些明显的遮挡可以被多数算法检测出来,但是并不能保证检测的精度,在工程
3、应用中都具有一定程度的局限性。为了提高对光伏组件树叶遮挡的检测精度,提出了一种改进的 YOLO-PX算法,与 YOLOv5 算法相比,该算法对光伏组件树叶遮挡有更好的检出率,具有一定的实际应用价值。YOLO-PX模型介绍 YOLO-PXYOLO-PX 是一种基于 yolov3 的新型目标检测器,基于 paddlepaddle 深度学习框架。经过实验测试,在同等速度下,对目标遮挡物的检测精度超越了 YOLOv5。选择该模型作为检测光伏组件遮挡和分类的模型,并对树叶遮挡进行网络训练。利用训练好的网络对异物遮挡进行检测和分类。由于工作场景与遮挡物的特点,模型采用 DenseNet网络构成主干网络,D
4、enseNet 网络的特点是拥有以下两 层 结 构:DenseBlock 和 Transition 层。在 同 一 个DenseBlock 中,通道数会随着输入特征层的改变而改变。DenseBlock 层把特征图像送入与自己相连的 Transition层,Transition 层将缩小输入的特征层的宽和高,通过特征的不断堆叠,得到了更为紧密的层与层之间的连接效果。为行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度一种基于深度学习的光伏生产异常数据检测算法张尊彦 伍席文 王泽科 金 钊 胡超波张尊彦 伍席文 王泽科 金 钊 胡超波国电电力湖南武冈新能源开发有限公司-1
5、01-CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2023中国科技信息 2023 年第 3 期三星推荐了得到不同的特征图,通过在网络中添加不同步长的卷积层完成目的,可以得到图像中小目标物体浅层特征图像中的更多的细节信息。每一种经过特征提取得到的特征图进行三次卷积,一次上采样之后送到下一层重复操作,将三层不同大小的特征图组传输到网络颈部进行特征融合。检测头部预测颈部输入的特征图中的特征点是否为目标,预测目标的类别,并针对该特征点预设目标的预测框,最终得到目标的类别及目标框位置,并将其反映显示在图片中。FPN 层则是提取各种尺度图像特征而构建的图像金字
6、塔,通过多尺度的特征信息获取图像中丰富的语义信息,从而在尽可能减少计算量的同时将包含不同语义信息的低分辨率和高分辨率特征图相融合,得到丰富的空间信息特征图。YOLO-PX 的网络结构如图 1 所示。YOLO-PX 的改进网络结构改进:在 FPN 中添加了一层卷积层并且替换掉了池化层,并且引入了注意力机制。对于树叶遮挡的检测,池化层对已经得到的特征造成了浪费,卷积可以达到与池化近似的目的,并且减少了网络传递过程中的特征丢失。注意力模块通常用来告诉模型需要关注的内容和位置,用极少的计算成本获得了显著的性能提升。在模型中引入 SE(Squeeze-and-Excitation)注意力机制,在 SE
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 深度 学习 生产 异常 数据 检测 算法 张尊彦
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。