准确率达91.74%！东南大学提出光伏电池缺陷检测模型，首次引入神经结构搜索

AIGC动态欢迎阅读

原标题：准确率达91.74%！东南大学提出光伏电池缺陷检测模型，首次引入神经结构搜索
关键字：模型,缺陷,政策,解读,电池
文章来源：大数据文摘
内容字数：8013字

内容摘要：

大数据文摘授权转自HyperAI超神经
作者：哇塞
编辑：李宝珠，三羊
乘着从全球吹来的「绿色发展、低碳转型」东风，光伏 (photovoltaic, PV) 产业自进入 21 世纪以来，便以令世人惊叹的速度迅猛向前发展。在我国，光伏发电更是呈现出前所未有的活力。根据 2023 年 4 月国家能源局公布的当年 1-3 月份全国电力工业统计数据，截止当年 3 月底，我国光伏累计装机量已超越水电，成为全国第二大电源。
随着光伏发电的规模化应用，如何保障光伏供电稳定以及可持续发展也成为行业研究的重要课题。光伏组件是光伏的基本单元，受生产链条较长、应用场景复杂等多种外因影响，在其制造、运输、安装等过程中都极易发生模块破损，如果这些缺陷组件投入到实际运行中，极大可能造成整个供电系统功率降低甚至出现安全问题。因此，针对光伏的现场维护和故障诊断要求正变得越来越高。
目前，较为传统的 PV 缺陷检测手段包括电流-电压 (I-V) 曲线 (current–voltage (I–V) curve)、红外热成像 (IRT) 等，但囿于识别精度限制，上述方法均无法有效识别微裂纹等潜在风险因素。卷积神经网络 (

原文链接：准确率达91.74%！东南大学提出光伏电池缺陷检测模型，首次引入神经结构搜索

联系作者

文章来源：大数据文摘
作者微信：BigDataDigest
作者简介：普及数据思维，传播数据文化