基于融合SIFT算法的光伏电站安监图像精准识别技术研究

随着我国“双碳”工作的不断推进,光伏电站的规模逐渐扩大。为解决光伏电站图像安防技术中存在的拍摄角度、光线影响大,识别准确率低的问题,提出了一种基于SIFT的光伏电站图像安防技术。通过SIFT算法提取光伏电站图像特征点,解决了光线、角度带来的识别误差问题;通过卷积神经网络方法准确的识别了光伏电站车辆、人员、动物、积雪等安防问题。该方法在某光伏电站进行应用,其光伏电站图像安防识别准确率平均为99.7%。所提方法能有效提高光伏电站图像安防识别准确率。

光伏组件发电故障诊断方法研究

实现光伏组件快速准确的故障诊断是保证光伏发电系统安全高效运行的重要前提。在分析光伏发电系统主要故障产生原因及其对光伏组件运行参数影响的基础上,对比分析目前国内外光伏电站常用的故障诊断方法及其特点。根据光伏电站结构及运行数据特点,采用主元成分分析法建立针对光伏电站组件的故障诊断模型,并通过某光伏电站实际运行数据进行验证。同一光伏场站各光伏组件的运行数据具有较强的时空相关性,诊断模型选取逆变器两侧功率、电压和电流等具有强关联性的参数进行建模。结果表明,主元成分分析法能快速有效地识别运行异常的光伏组件。

视频分析技术应用于光伏电站巡检的理论与实践

光伏发电是太阳能利用的主要形式,其发电过程无需燃料消耗也无污染物排放,同时实现了节约能源和保护环境的双重目标,而且光伏发电的应用形式比较灵活,电站建设周期短且管理维护方便,因此具有非常广阔的应用前景。此次设计的基于人工智能算法实现场站光伏电站室内外设备、环境智能巡检,同时实现光伏电站的安监与管理。本文介绍光伏电站智能巡检集成系统以及涉及的目标检测和深度学习算法,最后展示设计的光伏电站智能巡检集成系统的各项功能。

基于改进YOLOv5的输电线路走廊滑坡灾害识别

随着我国大规模输电线路网络的发展建设,部分输电线路不可避免地需要穿越地质复杂、易发生滑坡区域,滑坡灾害会严重威胁输电线路的安全稳定运行,针对上述问题,提出一种改进YOLOv5(YOLOv5-BC)深度学习滑坡灾害识别方法,引入BiFPN结构替换PANet提高多层特征融合能力,引入CIoU替换GIoU损失函数,使最终预测框更接近真实框,提升预测精度。实验结果表明,算法在滑坡数据集上较YOLOv5、Faster-RCNN算法准确率均具有显著优势,可以满足实际应用需求。

论光伏电站机器人巡检替代人工巡检的可行性

针对全面提升光伏电站运维管控业务数字化、信息化、智能化水平。设计了一套基于人工智能算法的软件集成平台,集成现场巡检、值班、安防等数据,综合智能巡检机器人、智能值班机器人、智能安防机器人功能,实现光伏电站的智能巡检、安监与管理。本项目将深度学习目标检测算法和语义分割算法应用到光伏电站设备智能巡检、环境、人员智能监测方面,建立满足光伏电站智能巡检需求场景的多目标检测模型,极大地降低了传统光伏电厂巡检巨大的人力物力开支,满足了光伏电厂实际应用中的非现场监管的需求,具有示范作用和推广价值。

600MW超临界W火焰锅炉前墙上炉膛水冷壁撕裂原因分析及处理

针对某超临界W火焰锅炉投产初期出现的前墙上炉膛水冷壁变形撕裂问题,分析了现场实测汽温数据,进行了炉内数值模拟计算和水动力校核计算,得出汽温偏差过大的原因.结果表明:各管出口汽温偏差太大导致上炉膛水冷壁的变形撕裂;通过运行调整、检修和技术改造,水冷壁的变形撕裂问题得到解决,满足了锅炉安全稳定运行的需要.

智能机器人在建设现场安全管控中的应用

随着现代社会的发展,建设工程的技术和安全管理方法也在发生着变化,在建设工地现场的安全管理中,更多智能化、自动化、集成化的智能化机器人的引入,可以有效地对建筑工地的安全工作进行有效的辨识,并对风险因素进行判断,实施目标明确的安全管理工作,本文以智能机器人在建设现场应用的重要性出发,并对其在建筑工地的安全生产中的应用方式进行了深入的探讨,为智能机器人在建设现场良好应用提供必要保障。