Intelligent Operation and Maintenance Scheme for Photovoltaic Modules Integrating Embedded Systems and TinyML

TAO Hao; LIU Ningjing; HUANG Xiaohong; LI Longbin; PAN Yanlin; CHEN Gang

doi:10.19806/j.cnki.fdsb.2026.05.014

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

Intelligent Operation and Maintenance Scheme for Photovoltaic Modules Integrating Embedded Systems and TinyML

New Energy Technology | 更新时间：2026-09-10

- Intelligent Operation and Maintenance Scheme for Photovoltaic Modules Integrating Embedded Systems and TinyML
- POWER EQUIPMENT Vol. 40, Issue 5, Pages: 418-426(2026)
- 作者机构：
  
  智信能源科技有限公司，武汉 430206
- 作者简介：
- 基金信息：
- DOI：10.19806/j.cnki.fdsb.2026.05.014
  CLC： TK51;TP368
- Received：04 November 2025，
  
  Revised：2025-12-09，
  
  Published：15 September 2026
- 稿件说明：
移动端阅览
陶浩,刘宁靖,黄晓宏,等.融合嵌入式与TinyML的光伏组件智能运维方案[J].发电设备,2026,40(5):418-426.

TAO Hao,LIU Ningjing,HUANG Xiaohong,et al.Intelligent Operation and Maintenance Scheme for Photovoltaic Modules Integrating Embedded Systems and TinyML[J].POWER EQUIPMENT,2026,40(05):418-426.
陶浩,刘宁靖,黄晓宏,等.融合嵌入式与TinyML的光伏组件智能运维方案[J].发电设备,2026,40(5):418-426. DOI： 10.19806/j.cnki.fdsb.2026.05.014.

TAO Hao,LIU Ningjing,HUANG Xiaohong,et al.Intelligent Operation and Maintenance Scheme for Photovoltaic Modules Integrating Embedded Systems and TinyML[J].POWER EQUIPMENT,2026,40(05):418-426. DOI： 10.19806/j.cnki.fdsb.2026.05.014.

摘要

为实现光伏电站运维的智能化与精细化，提出一种基于嵌入式边缘计算与微型机器学习（TinyML）的组件级监控方案。该方案构建了“传感节点‒边缘网关‒云平台”3层架构。通过在组件侧部署嵌入式传感节点采集电流电压（

I⁃V

）数据；在汇流箱处部署边缘智能网关，内置轻量化人工智能（AI）模型，实时分析

I⁃V

曲线特征，实现热斑、老化等故障的精准定位与分类；最终将诊断结果上传至云端。本方案通过将计算能力下沉至网络边缘，有效减轻了数据通信负担，实现了故障的实时发现与精准定位，为构建高效、低成本的光伏电站智能运维体系提供了一种新颖的设计思路。

Abstract

To achieve intelligent and refined operation and maintenance of photovoltaic power stations， a module-level monitoring scheme based on embedded edge computing and tiny machine learning（TinyML） was proposed. A three-layer architecture consisting of sensing nodes， edge gateways and cloud platforms was constructed. Embedded sensor nodes were deployed on the component side to collect current and voltage

（I

V）

data. Edge intelligent gateways were deployed at the combiner boxes， with built‑in lightweight artificial intelligence（AI） models， to analyze

curve characteristics in real time for accurate localization and classification of faults such as hot spots and aging. Finally， the diagnostic results were uploaded to the cloud. By sinking computing power to the network edge， this scheme effectively reduces the data communication load， achieves real-time detection and accurate localization of faults， and provides a novel design idea

for building an efficient and low-cost intelligent operation and maintenance system for photovoltaic power stations.

关键词

Keywords

references

苏梦，陈海涛，宋庆国，等 . 山东省东营市海上光伏发电的发展现状与展望［J］. 太阳能， 2025 （ 10 ）： 12 - 16 .

王宝 . 无人机集群协同巡检系统在大型光伏场站中的应用研究［J］. 信息与电脑， 2025 ， 37 （ 21 ）： 147 - 149 .

江颖，关艳飞，刘磊 . 基于人工智能的光伏发电系统故障诊断与预测技术研究［J］. 中国设备工程， 2025 （ 14 ）： 156 - 158 .

邓允长，张钰，陈春燕，等 . 大功率光伏组串伏安特性测试系统设计［J］. 商丘师范学院学报， 2025 ， 41 （ 6 ）： 41 - 45 .

邓通，张彦，唐若笠，等 . 光伏阵列拓扑结构在不同故障下的特性分析［J］. 太阳能学报， 2025 ， 46 （ 9 ）： 584 - 593 .

黄凯，熊玉 . 基于大数据分析的eHorus智慧云智能诊断系统在光伏电站巡检中的应用［J］. 太阳能， 2021 （ 3 ）： 45 - 50 .

李再尧，张思琦，黄名政，等 . 光伏发电故障检测与远程管理系统设计［J］. 电脑知识与技术， 2025 ， 21 （ 6 ）： 106 - 108，116 .

周璐，王欢欢，唐梓彭，等 . 基于边缘计算的光伏电站故障实时诊断与预警分析［J］. 电子元器件与信息技术， 2025 ， 9 （ 3 ）： 90 - 93 .

黄安来，英长为，黄德道 . 光伏箱变数据采集与分析中边缘计算技术的优化［J］. 信息与电脑， 2025 ， 37 （ 14 ）： 99 - 101 .

王启明，夏坤，焦平洋，等 . 基于特征提取和机器学习的光伏组件复合故障诊断方法［J］. 宁夏电力， 2025 （ 4 ）： 67 - 72，85 .

张程珂，刘会灯，朱渝宁，等 . 基于多特征分析提取的随机森林超短期光伏功率预测［J］. 电力需求侧管理， 2023 ， 25 （ 6 ）： 50 - 56 .

刘尧 . 基于支持向量机算法的钙钛矿光伏组件监测系统研究［J］. 中国高新科技， 2025 （ 3 ）： 68 - 70 .

张智娟，沈哲平，薛琦涛 . 基于知识蒸馏改进轻量级神经网络的光伏最大功率追踪［J］. 科学技术与工程， 2025 ， 25 （ 16 ）： 6781 - 6788 .

周嘉泽，薛志华，刘彦滨，等 . 基于神经网络的光伏组件故障分析系统研究设计［J］. 东北电力技术， 2025 ， 46 （ 8 ）： 15 - 20 .

云平，张志祥，刘恒 . 基于 I - V 特性的多晶硅光伏组件故障及失效研究［J］. 太阳能， 2020 （ 1 ）： 61 - 69 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fault Diagnosis of Doubly-fed Wind Turbine Generator System Based on CNN Recognition of Vibration Spectrum

AnoGAN-based Construction of Fused Monitoring Indicators for Wind Turbine Drive Chains and an Intelligent Early Warning Method Under Variable Operating Conditions

Fault Diagnosis Method for Measurement Points Based on Dynamic Sparse Kernel Principal Component Analysis

A Fault Feature Extraction Method for Steam Turbines Based on CNN

Fault Diagnosis and Treatment of a 350 MW Steam Turbine Unit

Related Author

QIN Xiangyu

LI Xuyang

ZHU Sha

CHENG Xiaobin

XING Saibo

XU Shuai

LI Yuqi

ZHANG Shunren

Related Institution

Intelligence Integrity Energy Technology Co.， Ltd.

Shanghai Power Equipment Research Institute Co.， Ltd.

Shanghai Electric Wind Power Group Co.， Ltd.

Shanghai Caojing Second Power Plant

Jiangsu Fangtian Electric Power Technology Co.， Ltd.

AI问答

⁰