基于红外图像识别的光伏组件热斑故障检测方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状与趋势 | 第10-14页 |
| 1.2.1 光伏产业发展现状 | 第10-12页 |
| 1.2.2 热斑现象研究 | 第12-13页 |
| 1.2.3 光伏热斑效应检测现状 | 第13页 |
| 1.2.4 红外成像技术发展 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 2 光伏热斑故障及其成像特点 | 第15-19页 |
| 2.1 光伏组件热斑故障原理 | 第15-16页 |
| 2.2 光伏电池的温差特性分析 | 第16-17页 |
| 2.3 光伏热斑红外成像特点 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 基于神经网络的故障检测方法 | 第19-41页 |
| 3.1 图像预处理 | 第20-23页 |
| 3.2 基于卷积神经网络的图像分类编码模型 | 第23-32页 |
| 3.2.1 光伏组件电池状态编码方法 | 第23-24页 |
| 3.2.2 人工神经网络原理 | 第24-25页 |
| 3.2.3 卷积神经网络分类模型 | 第25-26页 |
| 3.2.4 反向误差传递算法 | 第26-29页 |
| 3.2.5 卷积神经网络图像识别分类性能分析 | 第29-32页 |
| 3.3 基于脉冲神经网络的热斑故障检测模型设计 | 第32-40页 |
| 3.3.1 光伏热斑检测方法 | 第33-34页 |
| 3.3.2 脉冲神经网络及算法仿真 | 第34-37页 |
| 3.3.3 脉冲序列编码 | 第37-39页 |
| 3.3.4 可扩展的脉冲神经网络检测模型 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 光伏热斑故障检测方法仿真 | 第41-55页 |
| 4.1 CUDA简介 | 第41-42页 |
| 4.2 图像预处理 | 第42-44页 |
| 4.3 状态编码模型仿真 | 第44-50页 |
| 4.3.1 状态编码 | 第45-46页 |
| 4.3.2 卷积神经网络状态编码模型仿真 | 第46-50页 |
| 4.4 热斑故障检测模型 | 第50-54页 |
| 4.4.1 可扩展的脉冲神经网络检测模型仿真 | 第50页 |
| 4.4.2 热斑故障检测仿真 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| A. 攻读硕士学位期间发表论文 | 第62页 |
| B. 工作硕士学位期间参与的科研项目 | 第62页 |
