基于卷积神经网络的光伏阵列污染报警系统

• 作者: 薛家祥 陈海峰
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 光伏阵列 卷积神经网络 报警系统 网站
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 智能电网
• 页码范围: 54-59
• 页数: 6页
• 分类号: TM933
• 字数: 3281字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.07.009

摘要

针对依靠人工检查光伏阵列是否需要清洗的效率低,机器人定期清洗又会造成资源浪费的问题,文章提出一种基于卷积神经网络(Convolution Neural Network,CNN)的光伏阵列污染报警系统.该系统通过采集受污染和未受污染的光伏阵列图像作为训练集训练CNN神经网络,将训练好的模型嵌入网站后端,再定期采集光伏阵列图像,通过CNN神经网络模型识别是否受到污染,当光伏阵列受到污染时由前端显示报警信息.实验结果表明:该系统识别精度达97.6％,系统工作稳定,具有较强的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛家祥	华南理工大学机械与汽车工程学院	228	1947	24.0	34.0
2	陈海峰	华南理工大学机械与汽车工程学院	17	40	4.0	5.0