基于Faster R-CNN的光伏发电容量估计方法研究

吴晓飞; 王锐; 李佩泫; 杨智; 黄奕豪; 王嘉勋

doi:10.26963/j.psce.2026.02010

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于Faster R-CNN的光伏发电容量估计方法研究

清洁能源 | 更新时间：2026-04-26

- 基于Faster R-CNN的光伏发电容量估计方法研究
- 基于Faster R-CNN的光伏发电容量估计方法研究
- 电网与清洁能源 2026年42卷第2期页码：82-87+94
- 作者机构：
  
  1. 西安西电数字科技有限公司
  2. 西安西电电力系统有限公司
  3. 西安理工大学电气工程学院
- 作者简介：
- 基金信息：
  
  国家自然基金项目(51779206);中国西电集团有限公司科技项目(SKXS-2023-05)~~
- DOI：10.26963/j.psce.2026.02010
  中图分类号： TP183;TM615
- 纸质出版：2026
- 稿件说明：
移动端阅览
吴晓飞, 王锐, 李佩泫, 等. 基于Faster R-CNN的光伏发电容量估计方法研究[J]. 电网与清洁能源, 2026,42(2):82-87+94.

吴晓飞, 王锐, 李佩泫, et al. 基于Faster R-CNN的光伏发电容量估计方法研究[J]. 2026, 42(2): 82-87+94.
吴晓飞, 王锐, 李佩泫, 等. 基于Faster R-CNN的光伏发电容量估计方法研究[J]. 电网与清洁能源, 2026,42(2):82-87+94. DOI： 10.26963/j.psce.2026.02010.

吴晓飞, 王锐, 李佩泫, et al. 基于Faster R-CNN的光伏发电容量估计方法研究[J]. 2026, 42(2): 82-87+94. DOI： 10.26963/j.psce.2026.02010.

摘要

全球对可再生能源需求的增长，使光伏电站在现代能源系统中占据重要地位，其快速发展也使运维管理压力日益严峻，而光伏发电容量估计正是智能化运维的基础。本文提出一种基于快速区域卷积神经网络（fast region-based convolutional neural networks

Faster R-CNN）的光伏发电容量估计方法。首先，对不同种类光伏组件的容量及影响进行分析；其次，采用基于视觉几何组16层网络（visual geometry group 16-layer network

VGG16）为主干的Faster R-CNN目标检测模型，对不同类型的光伏组件进行识别、分类和统计；最后，利用容量估计公式对检测结果的容量进行估计，从而实现光伏电站整体发电容量的估计。实验结果表明：所提算法能够有效区分不同种类的光伏组件，并能通过容量估计公式来计算光伏电站的整体容量，对光伏电站的智能化运维具有较大的指导意义。

Abstract

关键词

Keywords

references

陈怡佳.基于Faster RCNN的目标检测系统[D].哈尔滨理工大学,2019(08).

Ren Shaoqing,He Kaiming,Girshick Ross,Sun Jian.Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.[J].IEEE transactions on pattern analysis and machine intelligence,2017.

Vasily E. Tarasov.On chain rule for fractional derivatives[J].Communications in Nonlinear Science and Numerical Simulation,2016.

O. Déniz,G. Bueno,J. Salido,F. De la Torre.Face recognition using Histograms of Oriented Gradients[J].Pattern Recognition Letters,2011.

Bastian Leibe,Aleš Leonardis,Bernt Schiele.Robust Object Detection with Interleaved Categorization and Segmentation[J].International Journal of Computer Vision,2008.

陈清,赵植城,吴丽华,王春林,郭培育,汪四友.大型地面光伏电站中光伏方阵容量的优化设计[J].太阳能,2021(03).

吴雪,宋晓茹,高嵩,陈超波.基于深度学习的目标检测算法综述[J].传感器与微系统,2021(02).

周文.光伏电站发电技术研究及应用[J].科技风,2020(26).

黄健,张钢.深度卷积神经网络的目标检测算法综述[J].计算机工程与应用,2020(17).

杨少璞.光伏电站智能化运维技术的分析与应用[J].电力设备管理,2020(06).

胡伏原,李林燕,尚欣茹,沈军宇,戴永良.基于卷积神经网络的目标检测算法综述[J].苏州科技大学学报(自然科学版),2020(02).

高林朝,左智成,郝庆英,谢毅,赵严初,贾兵,胡国华.基于纬度的光伏系统发电量估算方法研究[J].河南农业大学学报,2019(04).

张宗献.光伏电站智能运维发展趋势研究[J].低碳世界,2019(01).

姚焰华.光伏电站运维管理的分析与探讨[J].海峡科技与产业,2017(08).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于CenterNet的输电设备状态缺陷智能识别

基于YOLOv8n的配电网高温故障预警无损检测方法研究