光伏（PV）模块的监视和维护对于可靠和有效的操作至关重要。 由于各种缺陷和操作条件，PV模块中的热点可能挑战可靠性，进而影响整个PV系统。 从监控的角度来看，应检测热点并对其进行分类以便进行后续维护。 在本文中，通过在光伏模块的热图像上使用机器学习技术来唯一地检测，评估和分类热点。 为此，使用PV模块的热图像的梯度（HOG）特征的纹理和直方图进行分类。 通过训练机器学习算法，即朴素贝叶斯（nBayes）分类器来检测分类的热点。 实验结果在42.24-kWp PV系统上进行，这表明对于375个样品组，实现了约94.1％的平均识别率。
——文章发布于2019年9月15日
