.png){kind=icon}
返回
Optimizing dust accumulation quantification on photovoltaic panels using deep learning visual models with hyperparameter optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.renene.2025.123440.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
太阳能光伏（PV）系统的日益集成是由其成本效益和可持续性驱动的。然而，积尘会显著降低光伏性能，尤其是在像阿联酋（UAE）这样的干旱地区。本研究探讨了多种深度学习架构，包括深度残差神经网络（DRNN）、视觉变压器、ResNet-50和EfficientNet-B7，用于光伏板上的精确积尘量化。生成了一个多样化的室内成像数据集，包含不同的变焦长度（18-200 mm）和积尘浓度（1g-400g）。预处理技术，如银线去除，可提升图像质量，而模型性能通过平均绝对误差（MAE）、均方误差（MSE）和环路误差系数进行评估。DRNN在室内成像数据集上展现出更高的准确性，随后在两个额外数据集上进行了评估：户外无人机捕获的图像（高度从4米到30米）和合并的室内-户外数据集。通过贝叶斯优化、粒子群优化、遗传算法和Hyperband等超参数优化技术，进一步提升了其性能。贝叶斯优化在室内和室外数据集上表现优异，而Hyperband在合并数据集上高效平衡了资源，增强了积尘估计和光伏维护规划。
Keyword:
Dust accumulation
Photovoltaic
Deep learning
Deep residual neural network
Bayesian optimization
Vision transformer
期刊
IF:
9.1
论文数:
2.6W
被引数:
12.1W
机构
引用论文
Enhancing PV power forecasting with deep learning and optimizing solar PV project performance with economic viability: A multi-case analysis of 10 MW Masdar project in UAE通过深度学习增强光伏功率预测，并以经济可行性优化太阳能光伏项目性能: 阿联酋10 MW Masdar项目的多案例分析
PREAI
分享收藏Development assessment of regional rooftop photovoltaics based on remote sensing and deep learning基于遥感和深度学习的区域屋顶光伏发展评估.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏
A deep residual neural network identification method for uneven dust accumulation on photovoltaic (PV) panelsENERGY
ENERGYIF9.4
PREAI
分享收藏An Approach for Detection of Dust on Solar Panels Using CNN from RGB Dust Image to Predict Power Loss基于CNN从RGB尘土图像检测太阳能电池板灰尘以预测功率损耗的方法
PREAI
分享收藏
查看更多内容