使用稀疏重构和极限学习机揭示太阳能电池板的热点-研究论文

在当今世界，太阳能电池板是通过使用电子过程直接从阳光中发电的主要来源之一，并且光伏电池没有温室气体排放，因为它不需要任何其他燃料来源，如煤、天然气、石油、核电系统。 热点是光伏电池因阴影电池中的功率耗散而发生的主要原因之一。 在现有的文献中，太阳能电池板的热点是通过各种算法和技术来检测的，但并没有提高精度、性能、温度分布，还存在过拟合和欠拟合等问题。 为了克服这个问题，所提出的工作涉及通过主要用于温度分布的红外摄像机将热点捕获为热图像。 为了识别热点，使用稀疏重建和GLCM算法提取阴影、相关性、对比度、能量、熵、同质性、突出性、稀疏性等特征。 这些特征被赋予名为“极限收益机”的分类算法，与其他算法相比，该算法具有良好的泛化性能并提高了更高的准确性。 使用这些算法也可以纠正过拟合和欠拟合问题。 最后使用极限学习机，可以识别出光伏电池中的热点百分比。