基于深度学习的从 PL 测量预测组件功率
计算机视觉与模式识别
2021-09-01 v1
摘要
光伏组件功率损失的个体成因已被研究相当长时间。近期研究表明，例如组件的功率损失与非活跃区域的比例相关。尽管这些区域可轻易从电致发光（EL）图像中识别，但对于光致发光（PL）图像则困难得多。本工作弥合了从 EL 与 PL 图像进行功率回归之间的差距。我们应用深度卷积神经网络从 PL 图像预测组件功率，平均绝对误差（MAE）为 4.4% 或 11.7WP。此外，我们展示由训练网络嵌入计算的回归图可用于计算局部功率损失。最后，我们同样表明这些回归图可用于识别 PL 图像中的非活跃区域。
引用
@article{arxiv.2108.13640,
title = {Module-Power Prediction from PL Measurements using Deep Learning},
author = {Mathis Hoffmann and Johannes Hepp and Bernd Doll and Claudia Buerhop-Lutz and Ian Marius Peters and Christoph Brabec and Andreas Maier and Vincent Christlein},
journal= {arXiv preprint arXiv:2108.13640},
year = {2021}
}