一种基于深度学习的光伏红外图像热斑检测方法

    公开(公告)号:CN118823303A

    公开(公告)日:2024-10-22

    申请号:CN202410719379.5

    申请日:2024-06-05

    Abstract: 本发明涉及一种基于深度学习的光伏红外图像热斑检测方法,采用如下步骤1、通过无人机搭载红外成像仪采集光伏组件红外图像制作数据集;2、制作语义分割数据集,利用分割数据集对改进后的DeepLabv3+模型进行训练,建立光伏组件区域分割模型;3、建立热斑故障检测模型,得到输出热斑区域定位结果;本发明实现光伏组件区域的快速、精准提取;减少信息丢失,使得网络可以更好地保留输入图像的高分辨率信息,提高分割效果;丰富了缺失区域的特征,增强了模型对有效特征区域完好程度不同的图像的特征融合能力,引入了所需回归的向量角度即匹配的方向,重新定义了距离损失,有效降低了回归的自由度,从而加速网络的收敛;采用本发明方法消除了背景干扰对热斑检测的影响,提升小目标热斑检测的性能以及实现热斑准确识别。

    一种风电场一次调频控制方法、装置、设备和介质

    公开(公告)号:CN117096903A

    公开(公告)日:2023-11-21

    申请号:CN202311072315.2

    申请日:2023-08-24

    Abstract: 本发明公开了一种风电场一次调频控制方法、装置、设备和介质,其中,该控制方法,首先在计算节点,计算全场各风机的机械系数和疲劳系数;接着根据机械系数的大小关系对各风机进行第一顺序排序;接着对第一顺序排序的各风机进行分组形成至少两个组,每个组内至少包括两台风机,接着根据疲劳系数的大小关系对每个组内的各风机进行第三顺序排序;当接收到减载备用指令时,按第一顺序排序分别对各风机分配总减载功率;当接收到调频指令时,按第二顺序排序对各组内按第三顺序排序的各风机分配调频功率。进而,有利于合理分配风电场调频功率,并且能够减少装置机械磨损,降低风电场全场风机之间的差异性影响。

    基于图谱分析的电厂设备故障诊断方法及系统

    公开(公告)号:CN115638875B

    公开(公告)日:2023-08-18

    申请号:CN202211421077.7

    申请日:2022-11-14

    Abstract: 本发明公开了一种基于图谱分析的电厂设备故障诊断方法及系统,包括:获取电厂设备的多维运行特征,构建多维运行数据集;根据多维运行数据集获取对应运行状态图谱,根据图谱特征获取电厂设备运行状况;将电厂设备的运行状况与故障信息进行匹配获取故障特征集,根据故障信息及故障特征构建电厂设备故障知识图谱,基于电厂设备故障知识图谱及深度学习构建故障诊断模型;获取电厂设备当前运行状况,将当前运行状况导入故障诊断模型中获取电厂设备故障识别结果。本发明通过图谱分析基于电厂设备的异常运行进行故障的诊断及定位,实现了潜在故障的早期诊断预警,同时利用故障的精确定位提高了设备故障处理的效率。

Patent Agency Ranking