一种基于图像识别的光伏板健康状况评估方法技术

本发明专利技术公开了种基于图像识别的光伏板健康状况评估方法，包括：S1、光伏板图像数据分析，基于工程实践划分样本；S2、利用深度学习模型，搭建卷积神经网络；S3、对样本进行处理，输入神经网络进行学习，判断健康状态。本发明专利技术利用无人机采集的光伏板图像进行健康状态的学习和判别，不依赖于人工，经济性较高。本发明专利技术基于神经网络深度学习特性，泛化性较强、鲁棒性高、安全可靠。本发明专利技术对于接入大量光伏板的分布式电网的高效运维与稳定运行具有非常重要的实践价值。的实践价值。的实践价值。

【技术实现步骤摘要】
一种基于图像识别的光伏板健康状况评估方法


[0001]本专利技术涉及光伏板评估健康状况评估的
，尤其涉及一种对不同状态样本的光伏板健康状况评估方法。

技术介绍

[0002]光伏电站是分布式电网的重要组成部分，光伏设备特别是光伏板的健康状态是保障用户供电可靠性和电能质量的基础。现行的针对光伏板健康状态评估方法有I
‑
V曲线法和能量损失法。
[0003]I
‑
V特性曲线测试存在以下弊端：1、对照度仪安装角度要求严格，容易出现较大误差；2、检测时需要将光伏阵列断网运行，造成功率损失；3、I
‑
V曲线测量周期较长，不能实现实时高效诊断。
[0004]能量损失法的弊端有：需要不断根据光伏阵列实际情况更新仿真模型，费时费力。
[0005]因此，本领域的技术人员致力于开发一种基于图像识别的光伏板健康状况评估方法，以解决上述问题。

技术实现思路

[0006]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题包括：
[0007]如何设计一种无须断网运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的光伏板健康状况评估方法，其特征在于，包括：S1、光伏板图像数据分析，基于工程实践划分样本；S2、利用深度学习模型，搭建卷积神经网络；S3、对样本进行处理，输入神经网络进行学习，判断健康状态。2.根据权利要求1所述的基于图像识别的光伏板健康状况评估方法，其特征在于，所述S1具体为：将样本基于工程实践和专家经验将其划分为0(非常健康)、0.33(轻度老化)、0.66(中度老化)、1(严重老化或损坏)四个等级标准。3.根据权利要求2所述的基于图像识别的光伏板健康状况评估方法，其特征在于，所述S1包括步骤：S11、将所有样本根据标签分为0、0.33、0.66、1四个等级；S12、将四个等级的样本的80％划分为训练集、20％划分为测试集。4.根据权利要求3所述的基于图像识别的光伏板健康状况评估方法，其特征在于，所述S2包括步骤：S21、定义架构；S22、定义损失函数；S23、定义优化器；S24、定义评价指标。5.根据权利要求4所述的基于图像识别的光伏板健康状况评估方法，其特征在于，所述S21具体为：搭建15层的神经网络，其中有6个Conv2D层，6个MaxPooling层，1个Flatten层，2个Dense层。6.根据权利要求5所述的基于图像识别的光伏板健康状况评估方法，其特征在于，所述S22为，将分类交叉熵定义损失函数，具体为式中，y
i
为真实值，为预测值。7.根据权利要求6所述的基于图像识别的光伏板健康状况评估方法，其特征在于，所述S23具体为：从训练集中采包含m个样本{x
(1)
,
...

【专利技术属性】
技术研发人员：沈宇，潘美琪，贺兴，才鸿飞，王斌，张扬帆，贾洪岩，徐晓川，臧鹏，吴劲芳，吴寒，寇建，杨俊丰，赵建华，王屿，
申请(专利权)人：国家电网有限公司上海交通大学国网冀北电力有限公司电力科学研究院，
类型：发明
国别省市：