基于图像识别的光伏板积灰判断研究

光伏板长期工作在户外环境中,由于大气中尘埃、颗粒物、工业排放物等的沉积会造成光伏板较为严重的积灰现象。光伏板积灰不仅影响其发电效率,还严重影响光伏板的使用寿命,甚至造成光伏板的损毁。文章介绍了光伏板积灰的形成原因和对光伏系统的影响,分析了图像识别技术在光伏板积灰检测中的原理和方法,提出了基于深度学习的图像处理算法,以实现高效准确的积灰检测。

移动式光伏板积灰干式清洗装置研制及应用

我国光伏电站集中在太阳能丰富,但缺水、少水、多扬尘的西北、东北地区,导致光伏板积灰问题严重,影响光伏电站运行的安全性和经济性。设计并试制了一种旋转滚刷与真空吸尘组合清洗的移动式干式清洗装置,在吉林省某光伏电站进行现场试验,基于试验数据定量评价干式清洗效果,拟定清洗速率、耗费、投资回收周期、年累计清洗费用等技术经济评估方法。结果表明:干式清洗可将积灰6～14天的光伏板电功率提高3.14%～6.71%,清洗速率可达1.5h/MW,单位容量单次清洗耗费为0.028万元/MW;与光伏电站实施的每季度、月水清洗方法比较,50MW电站投资回收周期分别为1.71、0.50年,全国年累计干式清洗费用20 922.7、43 454.9万元,为水清洗费用的16.8%、11.6%,实现了高效、节水、经济清洗。

自适应图像分割的光伏板积灰状态识别

针对光伏电站普遍存在的光伏阵列中太阳能光伏板积灰难识别以致于清理不及时的问题,文中提出一种基于自适应图像分割算法识别光伏板的积灰状态。根据光伏板灰尘图像的YCbCr颜色空间特性,利用自适应图像分割算法将灰尘与光伏板图像分离,进而在旋转统一不变LBP算法下提取图像纹理特征,最终实现太阳能光伏板积灰状态的识别。再分别对不同算子半径与周围像素点个数进行实验比较,并对该算法与深度学习算法在准确率与识别时间方面进行对比分析。实验结果表明:旋转统一不变LBP算法对图像特征提取的效果最好,算法对光伏板积灰图像识别准确率可达88.56%,识别速度较ResNet50网络快90%以上;且占用计算机内存小,能够满足电站运维实时性要求,提高发电效率,降低运维成本,具有较高的实用性价值。

光伏板清洁装置的优缺点分析与前景展望

通过对比分析太阳能光伏板清洁装置在太阳能光伏板清洁行业中的发展与应用,系统地介绍了市面上现有各类太阳能光伏板清洁装置在各层次上的优缺点,通过对国家政策、太阳能发电行业发展趋势的对比分析,总结出我国太阳能光伏发电板清洁行业未来的发展方向及光伏板清洁装置发展的巨大潜力。