摘要
光伏发电利用太阳能新能源发电的优势越来越明显，因为光伏发电不会产生任何污染物，对于环境保护起到了积极的作用，从而得到了广泛的应用。随着光伏电站的应用与规模不断扩大，光伏电站的巡检维护显得更加重要，其中热斑故障是影响光伏电站正常工作的重要原因之一，因此光伏板故障检测研究具有重要意义。针对光伏板热斑故障检测中检测精度低的问题，本文提出一种改进FasterRCNN网络的光伏板热斑故障的检测方法，具体研究内容如下： （1）针对光伏板处于复杂背景下，导致热斑目标检测精度低的问题，优化网络模型，在特征提取模块中引入注意力机制模块，对比引入SE注意力机制模块以及SK注意力机制模块的检测效果，实验验证了引入SK注意力机制模块实现了对不同尺寸大小的热斑故障目标的自适应调整感受野的目的，从而增强了对热斑故障特征的提取能力，提高了对光伏电站中热斑故障的检测能力； （2）针对小型热斑故障检测精度低问题，引入特征金字塔结构，改进其结构，改进的模型有效结合了特征金字塔FPN对不同尺寸特征图融合的优势，添加自底向上的二次融合，加强底层特征信息突出小型热斑故障的特征，使网络输出的特征图可以很好的融合高层特征的语义信息和底层特征的细节信息，最大程度保留热斑特征图的多尺度信息，优化了小型热斑故障的检测效果，减少漏检现象的发生，有助于模型检测热斑精度的提升。 （3）最后引入ROIAlign单元，ROIAlign方法是一种改进的目标检测池化方法，取消了FasterRCNN模型中的池化层ROIPooling中的量化操作，利用双线性插值算法来获得浮点像素的图像值，更加精确地计算ROI区域的特征表示，以防定位目标框的偏差，从而改善了热斑故障识别定位精度。 本文改进的算法在热斑数据集中进行了消融与对比实验，其平均检测精度达到79.98%，比FasterRCNN模型提高了1.82%，说明了改进算法的有效性，具有良好的检测性能。为了评估改进算法的性能和泛化能力，将本文改进算法应用于公开数据集进行实验，实验结果表明本文改进算法的可靠性和实用性。
NETL