Page 18 - 东莞市厚街中学2025届高三毕业纪念

PAGE/17 成都工业学院科研成果汇编

5. 基于机器学习的光伏电站无人检测系统

项目简介

定期开展健康检测是确保光伏阵列安全运行的关键环节，也是提升光伏电站长期收益的有效途径。针对现有健康检测
技术普遍存在成本高、效率低、操作难等问题，本项目提出了基于机器学习算法的光伏阵列健康检测技术，降低健康检测
的服务成本、操作风险以及人员需求，其主要功能包括：基于时间序列特征的光伏阵列故障分类方法；基于环境信息的光
伏阵列积灰厚度预测模型；基于气象预报的清洗时间决策及经济效益优化。本项目将基于以上技术构建低成本、高可靠的
远程检测网络，有效弥补现有技术在早期风险预警、故障快速检测以及清洗决策优化等方面的不足，有助于降低光伏电站
长期运行的安全隐患，提升其全生命周期发电能力。

300
正常运行
老化衰减1
250 老化衰减2
老化衰减3
随机遮挡
200 固定遮挡1
电流(mA) 150
固定遮挡2
100
50
0
0 5 10 15 20 25
电压(V)
光伏系统典型故障 IV 特征 光伏系统故障自动分类结果 光伏系统故障智能诊断系统示范应用

技术指标

序号 指标名称 参数
1 诊断故障类型 电量损失、组件失配、阴影遮挡、表面积灰
2 通信方式 4G/5G/WiFi/ 蓝牙
3 供电方式 锂电池 + 自充电
4 防护等级 IP67

项目成熟度

小批量生产，应用示范。

转化方式

技术入股、技术许可、技术转让、股权融资。