仪器仪表学报

作者：吕 游，郑 茜，齐欣宇，房 方，刘吉臻

单位：吕 游,1. 华北电力大学新能源电力系统国家重点实验室,,郑 茜,2. 华北电力大学控制与计算机工程学院,,齐欣宇,2. 华北电力大学控制与计算机工程学院,,房 方,1. 华北电力大学新能源电力系统国家重点实验室,,刘吉臻,1. 华北电力大学新能源电力系统国家重点实验室,

关键词：光伏组件;红外图像;故障识别;CBAM注意力机制

基金：中央高校基本科研业务费专项资金(2023MS029)资助

光伏组件的故障会影响光伏阵列的输出性能,从而降低电站的发电效率,严重时甚至会危害电站的安全运行。传统的方法无法满足目前光伏组件故障检测快速性和正确率需求。因此,本文提出了一种基于改进EfficientNet的光伏组件故障识别方法。首先,利用采集到的光伏组件红外图像建立故障数据集,并利用图像分割和数据增强对数据集进行预处理;其次,基于EfficientNet网络构建故障识别模型,同时在模型中引入双通道注意力模块(CBAM),该模块能够抑制不必要特征的识别,增强模型对空间特征信息的提取能力,进而提高模型的识别准确率;最后,通过对比仿真实验证明模型的有效性和先进性。实验结果表明,该模型的故障识别准确率达到了90.83%,相较于原始的EfficientNet模型提高了2.83%,且模型大小仅为20.3M,具有良好的实用性,能够满足光伏电站实际应用的需求。

来源：2024年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第4期