基于DeepLabv3+的太阳能电池板污染面积分割与计算算法研究

在露天环境中运行的太阳能电池板易受积尘等污染物覆盖的影响,进而降低其发电效率。为了定量评估污染物对太阳能电池板表面污染的程度,文章采用DeepLabv3+语义分割模型对太阳能电池板污染面积进行分割与计算。首先,通过训练DeepLabv3+模型,实现对太阳能电池板图像的精确分割,从而提取出污染区域。然后,通过计算污染区域像素点总数占整块太阳能电池板图像像素点总数的比例,量化污染物的面积。最后,在实际场景中的实验表明,DeepLabv3+分割太阳能电池板污染物的精准率、F1得分和平均准确率分别达到97.17%、96.45%和96.79%。该方法为太阳能电池板的维护管理和效率优化提供了科学依据。

基于孪生网络的自监督太阳能电池板裂纹检测方法

太阳能电池板的裂纹缺陷检测能够避免电能转换效率低,以及短路造成起火的损失。针对现存对比学习方法中存在细微裂纹漏检导致检测精度低,并且严重依赖构建负样本等问题,提出了一种基于孪生网络的两阶段自监督裂纹检测方法。第1阶段提出了一种基于卷积神经网络(convolutional neural network,CNN)和Transformer的预训练编码器模型,通过孪生网络架构学习样本的精细特征表示,提高对电池板细微裂纹的特征表示能力;第2阶段基于预训练模型在少量标注样本下学习分类器以区分缺陷样本。为进一步区分不影响电池板功能的纵向裂纹,另增加了一个分类头进行判别。在ELPV数据集上的实验结果表明,方法在测试准确度方面优于其他相关检测方法,在只对数据进行少量标注的情况下准确度达到83.26%,单张检测时间为6.1 ms,同时在裂纹图像中检出纵向裂纹的召回率也有76.7%。

基于改进YOLOv8的太阳能电池板表面缺陷检测算法

太阳能电池板表面缺陷检测技术是光伏产业实现智能维护的关键。然而,太阳能电池板表面有很多微小的缺陷,且不同缺陷之间具有很高的相似性,这给准确识别和检测此类缺陷带来了挑战。为了提高太阳能电池板表面微小缺陷的检测精度,同时加强模型对目标缺陷的识别能力,在YOLOv8网络中引入细粒化卷积模块以替代传统的卷积下采样,并且添加多头自注意力机制(MHSA),最后在头部增加一个小目标的检测层,并在太阳能电池板缺陷数据集上进行测试验证。结果表明,改进的YOLOv8在检测五类缺陷的mAP@0.5达到88.40%,相比于原始模型提高了5.9%,精确度有一定的提升,改进后的模型在定位微小目标时具有更优越的精准性和检测能力。

基于深度学习的太阳能电池板优化研究

太阳能电池板的缺陷检测是保障电气安全的重要措施,但目前在太阳能电池板缺陷检测上的传统研究方法都存在效率低、误检、漏检率高等问题。基于此,提出利用深度学习方法,将YOLOv5结合到太阳能电池板缺陷检测中,对其进行优化研究,首先引入坐标注意力机制增强目标特征,改善YOLOv5颈部网络对于特征信息的捕获程度,使整体网络能够更准确定位并识别目标区域;将C3模块改进为CoT模块,提高网络对于太阳能电池板缺陷特征附近上下文信息的充分利用,加快收敛速度。改进模型在测试集上的精确率和召回率分别达到92.7%和93.6%,平均精度均值(mAP)达到了95%,相较于原网络提升了2%,在检测速度几乎不变的前提下,达到了比以往深度学习检测方法更高的精度。

一种改进的YOLOv8太阳能电池板缺陷识别方法

0引言太阳能发电装置作为一种新兴的发电设备,不仅具有无噪音、无污染和无消耗的特点,而且具有易安装、寿命长和可再生的优点,然而太阳能电池板作为太阳能发电装置中最核心的组件,在生产制造、运输安装、强光曝晒、风雨雪侵蚀后难免会出现黑心片、黑斑片、短路黑片、过焊片、断栅片、明暗片、隐裂和失效等缺陷[1]。这些缺陷不可避免会造成太阳电池板在发电性能上的影响。如图1中所示,可以看到太阳能电池板不仅在光照变化、裂缝形态、失效种类等方面都有着明显的差异,而且导线和污渍等干扰因子也严重影响缺陷的识别。因此,如何精准高效地识别太阳能电池板缺陷是一项充满挑战性的任务。

硅太阳能电池板生产含氟废水处理工艺研究

文章主要研究了硅太阳能电池板生产中的含氟废水处理工艺,包括某实际含氟废水处理项目的基本情况、含氟废水处理工艺设计分析、含氟废水处理工艺项目投资与运行情况。希望通过本次分析,可以为硅太阳能电池板生产工艺中的含氟废水处理提供一定参考,以此来满足此类废水的实际处理与排放需求。

船用太阳能电池板玻璃盖片腐蚀损伤效应研究

船用太阳能电池板所处的海洋环境极为苛刻,含有大量的盐分、水气及海风中夹杂的酸碱性物质,受这些因素的影响,太阳能电池板玻璃盖片会发生污染、着色、腐蚀和磨损等,导致玻璃盖片的光学性能衰减和表面损伤。以船用太阳能电池板玻璃盖片为研究对象,模拟太阳能电池板工作所处的海洋环境,通过海洋环境模拟实验研究海洋环境条件下太阳电池板玻璃盖片的光学性能衰减和表面损伤特征。结果表明:太阳能电池板玻璃盖片在人造海水条件下随着实验时间的延长,光谱透过率呈下降趋势;太阳能电池板玻璃盖片的光谱透过率在100～400 nm波段时受影响比较大,尤其是随着海水盐度的增加;在20%盐水条件下,玻璃盖片的光谱透过率及表面腐蚀出现较大的波动,并随着盖片被污染、腐蚀的程度而加剧。

气象要素对太阳能电池板温度的影响

温度升高会引起光伏电池发电效率下降,电池板温度是确定温度折减系数的必要条件,目前我国尚没有充足的外场实测电池板温度数据。该文基于北京南郊太阳能试验站2010年全年逐时电池板温度、气温、地表温度、斜面和水平辐照度实测数据,分析了电池板温度随时间的变化及其与各气象要素的关系。结果表明:电池板温度与气温和斜面辐照度的综合相关或与地表温度的线性相关最好,但实测数据不易获得;电池板温度与气温的线性相关较好,数据较易获得且质量有保证,从现实可行性考虑,是推算电池板温度最实用的相关方程;电池板温度与气温和水平辐照度的综合相关可以作为辅助方程,用于推算气温较高情况下的电池板温度。基于2010年电池板温度实测数据和加权计算的方法,得到北京地区年平均光伏发电温度折减系数约为2%,最高可达到13.3%。

太阳能电池板自动清扫装置的研制

为维护露天使用的太阳能电池板,采用嵌入式系统设计了一种自动定时清扫装置。该装置可根据设定的时间与频率工作,也能够在阴雨潮湿天气通过传感器探测到的湿度信号自动开启进行清扫。实际应用证明,该装置功耗低、清扫效率高、稳定可靠,能够提高太阳能电池板的使用效率。

氟碳树脂涂料对太阳能电池板玻璃盖片性能的影响

具有低表面自由能的氟碳树脂具有较强的防污能力,可应用于太阳能电池板玻璃表面,以减缓污浊物对玻璃盖片的损伤。但是由于太阳能电池光电转换的特殊性,对玻璃表面涂层的透光率和散热性有较高要求。为了研究氟碳树脂作为太阳能电池板表面防污涂料的可行性,实验制备了涂有氟碳树脂涂料的试样,测定了其涂层透射比和温度变化率。结果表明:涂层对光的透过性较好,并未造成散热性明显下降。

太阳能电池板跟踪与除尘装置的设计

太阳能电池板接收光的角度和表面对光的透过率直接影响光-电转化率。随着使用时间的积累,电池板迎光面会逐渐的积累一层灰尘主要是无机物SIO2)和有机污染物(鸟粪等),既减弱了太阳能电池板对光的吸收,影响电池的发电量,也容易因"热岛效应"造成电池局部发热而损坏。综合比较实现追踪太阳的定时法、坐标法、光敏电阻光强比较等方法,以及自然雨水冲刷、人工擦拭(高空危险)、高压水枪清洁(浪费水资源)、定时电动自动清洗(结构复杂)等电池板除尘方法,我们设计了基于单片机电池板"定点定角度"的单轴自动跟踪系统。通过对地球绕太阳运行规律、纳米TiO2超亲水性和催化降解特性的讨论,进行了"跟踪装置"和"气体喷射装置"的结构设计;电池板表面涂覆纳米TiO2实现电池板的主动自洁,基于单片机实现电池板的高压风力被动除尘和"定点定角度"的单轴自动跟踪,提高了电池板的采光效率和光透过率,进而提高其光-电转化效率。

废旧太阳能电池板中Si与PET的静电分选优化研究

为了将废旧太阳能电池板进行资源化处理.以Si和PET混合颗粒为原料,在前期单因素实验基础上,通过正交实验设计研究不同电压(U)?转速(N)?极间距(S)和电晕电极角度(θ)对静电分选Si和PET混合颗粒效率的影响.结果表明,分选过程中Si颗粒的最优参数设置:U=25k V?N=80r/min?S=65mm和θ=50°,影响因素主次顺序为:S>N>θ>U;分选过程中中间产物的最优参数设置:U=25k V?N=80r/min?S=65mm和θ=50°,影响因素主次顺序为:S>N>θ>U;分选过程中PET颗粒的最优参数设置:U=27.5k V?N=80r/min?S=65mm和θ=40°,影响因素主次顺序为:U>θ>N>S.该研究对静电分选技术资源化处理废旧太阳能电池板具有一定的参考价值.

提高太阳能电池板光电转化率的研究

文章论述了太阳能电池板的发电原理及如何应用其作为发电系统,提出了提高多晶硅太阳能电池板光能利用率的多种方法。本文重点讨论了如何使用追光系统来提高太阳能电池板光能利用率等方法。

纳米TiO_2对船用太阳能电池板玻璃盖片光学性能的影响

船用太阳能电池板长期处于含大量腐蚀性物质且十分潮湿的海洋环境中,因此极易产生表面缺陷,影响其光学性能,从而极大地降低船用太阳能电池板的工作效率。而纳米TiO_2涂层在一般环境中具有较好的防腐蚀及疏水性能及一定的自洁能力,如能将其应用于船用太阳能电池板玻璃盖片,则可缓解上述问题。为尝试将其应用于船舶太阳能电池板玻璃盖片,分别采用3种不同的方法制备了纳米TiO_2涂层的玻璃盖片试样,并用紫外分光光度计测定各块试样的透射比。结果表明,采用刮涂法制备的盖片试样光学性能最佳,且与普通玻璃盖片相近甚至更大。

基于AVR的太阳能电池板自动追日系统的设计

设计了一种基于AVR的自动追日系统,对电路和控制算法进行了详细的设计。以ATmega16单片机为主机,通过光强比较法由感光元件采集太阳的方位信息,并通过RS485通信将太阳的方位信息传送到各个装有太阳能电池板的从机。从机根据收到的信息控制其上的步进电机调整电池板的方位,使太阳能电池板始终与太阳光垂直,大大提高了太阳能的利用效率,适用于大型太阳能电池板阵列的追日系统。

基于太阳能电池板的皮卫星最优姿态确定算法

为了提高皮卫星系统的设计冗余和可靠性,太阳能电池板可以复用为粗太阳敏感器.由于具有全空间视场,这一灵活的配置对周边光源有较强的敏感性,因此,在地球反照光干扰下,测量精度不高.在这一特定情况下,研究了改进的姿态确定算法,以提高卫星的姿态测量精度.根据反照光影响下电池板的实际输出情况,重新讨论Wahba问题,提出太阳能电池板定姿的新损失函数,并推导了该函数最小二乘意义下的最优姿态确定方法.与基于Wahba模型常用的四元素估计法(QUEST)相比,该模型的定姿算法具有更高的精度.蒙特卡罗仿真表明:该算法的平均定姿误差比QUEST小17%,误差标准差比QUEST小57%.

从废旧太阳能电池板中回收银

光伏电站的大力开发同时伴随着大量废旧太阳能电池板的产生,亟需开发环保高效的技术解决废旧太阳能电池板带来的问题。探讨了废旧太阳能电池板预处理技术及其带来的损失情况,再利用正交试验优化了影响废旧太阳能电池板中银高效提取的因素及其影响程度。结果表明,人工拆解和热处理都会造成废旧太阳能电池板质量的损失,且拆解程度越深,损失越大。废旧太阳能电池板中银提取的最佳条件为:甲磺酸浓度40%、过氧化氢浓度20%、反应时间2.5 h、反应温度70℃,银的浸出率可达97.85%,相对标准偏差为2.16%。各因素对银浸出率的影响程度大小为:甲磺酸浓度>反应时间>反应温度>过氧化氢浓度。

太阳能电池板捕光及除尘系统

通过对地球绕太阳运行规律的讨论,实验比较了追踪/不追踪太阳对照度,以及对电池板的开路电压和短路电流的影响,计算描绘出保定地区地球绕日运行轨迹图;在电池板两侧安装反光铝板,实现了对太阳光的聚光收集;设计的"电池板专用调角盘"实现了电池板安装倾角的手动精确定位;设计的"跟踪装置"实现了电池板平行于地轴的"定点定角单轴追踪";利用fluent软件模拟通风管内风场,比较了气体喷管的开口形状与孔数目对出风的速度矢量图和速度云图影响,基于单片机实现电池板的高压风力除尘。提高了电池板的采光效率和光透过率,进而提高电池板的光电转化效率。

基于单片机的太阳能电池板监测系统的设计

以单片机为核心构成的数据采集板对太阳能电池板运行参数进行采集,并通过串口将采集到的数据发送到PC机进行监测,上位机管理软件将采集到的数据保存到ACCESS数据库中,并进行数据分析。利用监测系统对青海西宁5kW光伏发电系统的太阳能电池板进行了监测,结果表明,该系统具有通道扩展方便、工作可靠等优点,记录的数据可为太阳能电池板的性能分析及故障检测提供基础数据。

基于LeNet-5模型的太阳能电池板缺陷识别分类

太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络对太阳能电池板图像进行自动识别分类。利用Tensorflow平台Tensorboard的可视化性能,对经典卷积神经网络Le Net-5模型进行结构改善和超参数的调整,并将改进LeNet-5模型与经典LeNet-5模型和支持向量机的分类结果互相对比,结果表明改进LeNet-5模型的分类效果最优。