光伏板紅外成像缺陷檢測技術(shù)研究進(jìn)展

王 興，魏克湘，楊文獻(xiàn)

（湖南工程學(xué)院 機械工程學(xué)院，湘潭411104）

0 引言

隨著全球能源消耗加劇，環(huán)境污染嚴(yán)重，人們對清潔能源的發(fā)展需求越來越大.能源結(jié)構(gòu)轉(zhuǎn)型已成為全球共識，大力發(fā)展清潔能源對推進(jìn)生態(tài)文明進(jìn)程有重大意義.太陽能作為公認(rèn)的清潔能源之一，近年來得到了快速發(fā)展，2017年累計光伏裝機規(guī)模已達(dá)到400 GW.與此同時，中國新增光伏裝機量連續(xù)五年全球第一，截至2018年4月，中國并網(wǎng)光伏裝機容量已經(jīng)超過1.4億kW，體現(xiàn)了光伏發(fā)電蓬勃發(fā)展的大好前景.

太陽能光伏板從制造、運輸、再到安裝，以及后續(xù)長時間在野外惡劣環(huán)境及氣候條件下運行的過程中，不可避免地會因為各種各樣的原因（機械應(yīng)力、光伏材料功能退化以及環(huán)境因素等）導(dǎo)致光伏板出現(xiàn)缺陷，進(jìn)而導(dǎo)致光伏板出現(xiàn)嚴(yán)重故障，所以光伏板的運維檢測工作就不可或缺了.由于光伏缺陷在光伏板正常工作狀態(tài)下不可避免地會對光伏板的輸出功率造成影響，同時光伏面板上的缺陷也會對光伏面板上的熱流場造成影響［1］，基于這兩個方面，常用的光伏故障檢測方法可以分為兩大類：一類是基于電氣（I-V）特征的故障檢測方法，而另一類則是基于圖像（紅外熱像圖或可視圖）特征的故障檢測方法.基于I-V特征的故障檢測方法是利用收集到的光伏板電流、電壓和輸出功率信息，運用數(shù)學(xué)分析、機器學(xué)習(xí)等方法與正常光伏板的電氣參數(shù)對比，最后得出故障檢測結(jié)果［2］.而基于圖像特征的檢測方法則是運用圖像采集設(shè)備對光伏面板進(jìn)行成像，得到光伏板的狀態(tài)信息，再利用圖像處理算法進(jìn)行檢測分析并得出檢測結(jié)果.在基于圖像特征的方法中，紅外成像技術(shù)是常用的方法.

光伏板紅外成像缺陷檢測技術(shù)中紅外成像方法可以分為兩種：一種是電致發(fā)光（Electroluminescence，EL），簡而言之就是在給光伏板加入正向偏壓后，所產(chǎn)生的光強度與電壓成正比，即意味著光伏模塊中電氣不活躍的地方在EL圖像上會以陰影的形式呈現(xiàn)［3］.EL技術(shù)能快速檢測光伏單元中的裂紋及其位置等信息，但是對于諸如玻璃破損、分層等缺陷的檢測效果還不夠理想.另外一種就是紅外熱成像（Infrared Thermal Imaging，IRT），這種方法是通過采集工作狀態(tài)下光伏板表面形成的熱流場信息進(jìn)行檢測分析，故障光伏板會在其故障部位形成局部高熱區(qū)域，這種局部高熱區(qū)域就叫作“熱斑”.通過分析光伏板紅外圖像上的“熱斑”作為光伏板故障檢測依據(jù).這種紅外熱像技術(shù)能快速獲取工作狀態(tài)下光伏板表面熱流場信息，對檢測環(huán)境要求較低，且不需任何其他傳感器［4］.其中，能快速便捷地針對各規(guī)模光伏發(fā)電場獲取光伏板紅外圖像是該技術(shù)被廣泛應(yīng)用于光伏故障診斷的原因之一，尤其是隨著當(dāng)下包括無人機在內(nèi)的智能化、無人化產(chǎn)品飛速發(fā)展，運用無人機搭載紅外熱像儀進(jìn)行紅外圖像采集，讓光伏板紅外熱成像缺陷檢測技術(shù)的應(yīng)用變得更廣泛、更便捷、更智能［5］.

本文綜述了近十年來，研究光伏板運行過程中出現(xiàn)的故障類型和光伏紅外成像缺陷檢測技術(shù)的最新進(jìn)展.其中，第一部分綜述了光伏板運行中的故障類型、故障原因以及對光伏板的影響；第二部分介紹了光伏板紅外熱成像缺陷檢測技術(shù)的最新研究成果；第三部分詳述了近年來圖像處理算法在光伏紅外圖像處理上的研究成果；第四部分是對光伏故障檢測行業(yè)面臨的挑戰(zhàn)和未來發(fā)展方向進(jìn)行了總結(jié)并提供了建議.

1 光伏組件的故障類型

對于光伏系統(tǒng)而言，光伏發(fā)電組件作為光伏系統(tǒng)中最重要的部分，通常都是直接暴露在野外惡劣環(huán)境下.所以，光伏發(fā)電組件的故障發(fā)生率要遠(yuǎn)遠(yuǎn)高于其他光伏系統(tǒng)組成部分，這些故障的存在或多或少的對光伏發(fā)電效率產(chǎn)生消極的影響.通常，在光伏系統(tǒng)檢測中是基于故障位置和故障結(jié)構(gòu)進(jìn)行光伏故障分類的［6］.對于野外運行一段時間后出現(xiàn)的光伏故障，總體上可以分為以下三大類別［7-9］：

（1）光學(xué)退化：包括分層和氣泡、封裝劑變色、安全玻璃破損.

（2）電氣失配及其退化：有裂紋和光伏單元斷裂、蝸牛紋、光伏金屬互聯(lián)帶斷裂、分流和光伏電池短路、陰影.

（3）其他故障：勢能誘導(dǎo)故障、旁路二極管故障或短路、光伏子模塊開路.

上述三大類故障及其細(xì)分的光伏缺陷都是在光伏板運行一段時間后出現(xiàn)的，且都能引起光伏板效率的降低，不同故障導(dǎo)致光伏板效率的降低程度不同，但都屬于光伏運行中的安全問題.

1.1 光學(xué)退化

光學(xué)退化是指光學(xué)材料和封裝劑的老化、功能衰退現(xiàn)象，而光學(xué)材料和封裝劑對光伏發(fā)電組件長期有效運行至關(guān)重要.引起光學(xué)退化的原因主要由兩方面構(gòu)成：一是外部因素，主要是動態(tài)環(huán)境溫度的變化、環(huán)境濕度及紫外線的輻射等；二是內(nèi)部因素，主要是低質(zhì)量材料（包括封裝劑質(zhì)量、層壓板質(zhì)量）或生產(chǎn)過程不嚴(yán)謹(jǐn)?shù)龋?0］.因此，為了減少光學(xué)退化發(fā)生率，解決措施應(yīng)該落實到發(fā)展新材料上，以便獲得更好的材料特性（介電強度、水汽透過率和熱導(dǎo)率），并對光伏組件生產(chǎn)技術(shù)進(jìn)行革新.

由光學(xué)材料和封裝劑老化引發(fā)的故障包括：安全玻璃和層壓板之間或不同層壓之間的粘附性受到干擾（即分層）；層壓顏色發(fā)生變化；層壓下出現(xiàn)空氣夾雜物；安全玻璃受到污染或開裂等.這些故障在紅外圖像上一般都是以溫度較高的塊狀區(qū)域形式呈現(xiàn)，而塊狀區(qū)域內(nèi)溫度高于其他部位則是因為該區(qū)域內(nèi)由光學(xué)材料老化引起各種光學(xué)故障，導(dǎo)致導(dǎo)熱系數(shù)降低.一般這種高溫塊狀區(qū)域較之其他部位的溫度上升范圍在1～5 K左右.根據(jù)Jordan DC等［11］的研究表示，這種光學(xué)退化故障引起的光伏板能量損失每年還不到0.5%，而通常情況下，CSi光伏組件的能量損失為每年0.8%左右.

Zhu等［12］研究了分層的主要原因，同時對光伏材料制造商提出了符合使用規(guī)則的光伏材料黏性要求，并指出層壓溫度和膠粘劑材料的退化問題是分層缺陷的主要問題.Haque等［13］則表明光伏組件的夾子導(dǎo)致光伏板安全玻璃出現(xiàn)破損，而玻璃破損又將導(dǎo)致光伏電氣安全問題和長期運行中的性能損失.

1.2 電氣失配及其退化

為了降低電流密度，大功率光伏系統(tǒng)一般都設(shè)計為高電壓，因此大量太陽能電池片被串聯(lián)在一起，而當(dāng)這種串聯(lián)結(jié)構(gòu)中存在故障電池片的時候，故障電池就會演變成該串聯(lián)結(jié)構(gòu)中的負(fù)載，造成光伏板輸出功率的下降［6］.

造成光伏板電氣不匹配和退化的原因有很多：部分光伏發(fā)電單元遮擋、光伏發(fā)電單元的老化以及極少數(shù)情況下的光伏板生產(chǎn)缺陷等.電氣不匹配及其退化故障又包括：裂紋和光伏單元斷裂、蝸牛紋、光伏金屬互聯(lián)帶斷裂和陰影等，這些缺陷在生成之初無法通過視覺檢測發(fā)現(xiàn)，而當(dāng)發(fā)現(xiàn)的時候往往這些缺陷對光伏板能量的損失變得格外嚴(yán)峻，甚至演變成為嚴(yán)重的光伏板安全問題.

在這些故障中，光伏單元裂紋、斷裂以及蝸牛紋可以一起研究，Meyer等［14］和Liu等［15］研究了光伏板上蝸牛紋的成因及其對光伏板輸出功率的影響.研究表明，蝸牛紋通常在光伏單元和光伏裂紋的邊緣形成，并且只要在一個光伏模塊或單元中觀察到蝸牛紋，那么就會在同一位置發(fā)現(xiàn)微裂紋.同時，根據(jù)光伏板加速老化實驗測試結(jié)果，發(fā)現(xiàn)故障光伏模塊在受到蝸牛紋影響后的輸出功率損失低于2%，而另外有5%以上的功率損失則是來自于蝸牛紋形成之前的微裂紋.裂紋對光伏組件輸出功率的影響往往取決于裂紋的方向、大小以及形狀，隨著光伏板的運行和周圍環(huán)境的影響，光伏板上的微裂紋會逐步擴大加深，最后演變成故障裂紋.Kntges等［16］利用光伏組件層壓材料的熒光效應(yīng)來檢測光伏發(fā)電廠中太陽能電池的裂紋.實驗表明，光伏組件中的交叉裂紋往往是由碎屑或針狀生產(chǎn)設(shè)備誘發(fā)導(dǎo)致，并且，光伏組件中有4.1%的太陽能電池至少出現(xiàn)一條裂紋，而平行于母線的裂紋發(fā)生概率較高，這也說明互聯(lián)帶對裂紋方向的影響很大.

光伏單元斷裂、破損或老化的互聯(lián)帶和母線等缺陷，是金屬互聯(lián)帶材料的故障引起的，而這些故障又是由運輸和安裝中的機械壓力、焊接質(zhì)量差及野外光伏板長期運行下的高熱區(qū)域?qū)е?金屬互聯(lián)帶破損可以輕易被光學(xué)檢測方法檢測到，如電致發(fā)光技術(shù)等.Annigoni等［17］研究了金屬互聯(lián)帶的失效情況，通過實驗量化了當(dāng)一條或多條光伏單元互聯(lián)帶被斷開后，模塊性能是如何受到影響的.同時，還分析了當(dāng)模塊中的金屬互聯(lián)帶斷裂位置隨機的情況.如果一個光伏模塊中存在10%的金屬互聯(lián)帶斷裂，則平均最大功率變化在-1.34%和-2.75%之間，而如果存在20%的斷線，則會導(dǎo)致最大功率變化在-2.83%和-5.64%之間.

最常見引起電氣不匹配現(xiàn)象的是部分光伏單元被遮蔽（即陰影）.當(dāng)遮蔽發(fā)生時，被遮擋區(qū)域與未遮擋區(qū)域發(fā)生電氣不匹配故障，根據(jù)故障的性質(zhì)和程度，光伏面板上這兩種區(qū)域會出現(xiàn)溫度差異，而這種差異的范圍通常在15～45 K之間［18-19］.

光伏單元互聯(lián)帶故障包括：金屬互聯(lián)帶斷裂或短路、互聯(lián)帶和觸點之間的焊點缺失或形成電阻性焊點等.這些故障主要是由機械壓力、溫度驟變等引起的.當(dāng)光伏單元互聯(lián)帶故障發(fā)生時，會造成光伏電池電流密度不均勻，并且在電流密度最大的地方會出現(xiàn)局部高熱點，如果溫度足夠高，還會對鄰近的其他光伏單元造成熱損傷［20］.

1.3 其他故障

像勢能誘導(dǎo)故障、旁路二極管故障等這些并不能以任何單一的檢測方法（I-V特性參數(shù)曲線以及熱響應(yīng)模式）檢測出來的故障被稱為其他故障［21］.

勢能誘導(dǎo)故障（PID），即光伏組件長期在高壓下運行，因高負(fù)偏壓施加在光伏組件上而使其性能發(fā)生變化的現(xiàn)象.這種故障將會引起安全玻璃與封裝材料之間發(fā)生電流泄漏、光伏電池片鈍化等現(xiàn)象，但光伏組件在外觀上完好無損.形成PID效應(yīng)的影響因素較多，主要分為內(nèi)因、外因兩種因素：內(nèi)在因素主要表現(xiàn)在系統(tǒng)和電池組件，即電池組件中所包含的電池片和玻璃的質(zhì)量影響等；外在因素主要體現(xiàn)在環(huán)境氣候方面，即組件表面潮濕、高溫影響［22-23］.

旁路二極管故障是一種不能根據(jù)其對光伏板輸出功率影響而進(jìn)行嚴(yán)格量化和分類的故障.在光伏模塊中，傳統(tǒng)模塊由于電氣互聯(lián)的串聯(lián)結(jié)構(gòu)，對陰影導(dǎo)致的電氣失配較敏感，因此，旁路二極管的作用是在光伏板被遮擋或發(fā)生電器不匹配的時候在光伏系統(tǒng)中引入一個電壓降，從而達(dá)到保護(hù)光伏板不受損傷的目的［24］.所以，旁路二極管故障發(fā)生后，光伏板中由遮擋或電路短路引起局部區(qū)域溫度高于其他正常區(qū)域，通常這種局部高溫區(qū)域在紅外熱像圖中呈塊狀分布.

光伏故障類型總結(jié)如表1所示.

表1 光伏故障類型一覽表

2 光伏IRT缺陷檢測技術(shù)

光伏紅外成像技術(shù)的優(yōu)點：對光伏組件無損傷檢測、檢測時無須斷電、成像快速便捷且成本低廉等，尤其是隨著無人機等智能化產(chǎn)品的快速發(fā)展，運用無人機搭載紅外熱像儀進(jìn)行光伏紅外成像的技術(shù)也越發(fā)成熟［25］.近年來，越來越多的研究人員開始利用紅外成像技術(shù)對大規(guī)模光伏電站進(jìn)行紅外成像故障檢測.

早期的光伏紅外成像故障分析研究受限于當(dāng)時的成像設(shè)備、成像技術(shù)及試驗條件，獲得的紅外圖像分辨率較低，成像質(zhì)量易受環(huán)境影響，因此，需要對獲取的紅外圖像進(jìn)行預(yù)處理.相較于當(dāng)時工業(yè)界已有的光伏紅外檢測后處理方法，黃棟等［26］通過對光伏板近紅外圖像進(jìn)行一定圖像處理，可以較為快捷地對光伏板碎片、隱裂和斷柵等故障進(jìn)行分辨.同時，王培珍等［27］提出基于紅外圖像分析的太陽能光伏陣列工作狀態(tài)自動分析與識別的方案研究，該研究先對圖像進(jìn)行預(yù)處理，再綜合考慮環(huán)境溫度、光照度、風(fēng)力等因素，結(jié)合信息融合與模糊推理的方法實現(xiàn)光伏陣列故障自動識別，識別類型只包含正常、遮蔽和老化損壞這三類狀態(tài).

而在紅外成像進(jìn)行光伏板缺陷檢測的技術(shù)基礎(chǔ)上，Aghaei等［28］又進(jìn)行了拓展，提出一種全新的、全面的光伏板運維監(jiān)測系統(tǒng)，該系統(tǒng)能夠進(jìn)行光伏系統(tǒng)的監(jiān)測、診斷、缺陷和故障檢測、數(shù)據(jù)處理并給出補救措施.相較于其他只研究了紅外成像生成紅外圖并進(jìn)行圖像處理的研究而言，該監(jiān)測系統(tǒng)擴展了故障預(yù)判、故障解決措施等其他功能.而對于光伏故障具體類型的劃分研究，畢銳等［29］通過采用模糊C均值聚類的方法，通過隸屬度函數(shù)計算待檢測樣本與各故障模式間的隸屬度值，取隸屬度最大的一項為最終故障檢測分類結(jié)果.

在位置信息的利用上，John等［30］研究了基于空中三角測量和地面紅外、可視圖像地理參照的兩種不同的光伏組件檢測技術(shù).通過簡單的觀察和參考溫度曲線的比較，成功檢測到每個可疑的光伏故障熱特征.然而，這種技術(shù)需要大量時間且計算過程繁瑣，即使是針對小規(guī)模光伏組件也是如此.而另一方面，通過地面地理參照將GPS數(shù)據(jù)整合到被檢測光伏組件少數(shù)“有用的”紅外和可視圖像上，可以解決空中三角測量繁瑣的數(shù)據(jù)處理缺點，且可以運用到大型光伏電站檢測中去.

研究表明，在太陽能光伏電站運行十年左右時間后，平均32.2%的逆變器存在故障，而在光伏組件中，出現(xiàn)嚴(yán)重故障的比例高達(dá)1.5%，中等故障的比例為9.1%［31］.而為了加快光伏板電氣效率的評估，Muttillo等［32］對光伏板電氣特性與光伏模塊診斷中信息的結(jié)合進(jìn)行了試驗，利用光伏熱成像技術(shù)并結(jié)合光伏電氣特性分析的信息，對光伏面板故障進(jìn)行匹配.從實驗結(jié)果來看，光伏面板的熱特征和電氣特征的結(jié)合，能獲得更具體、更全面的光伏組件健康狀況總體描述.

針對上述研究者的研究重點中沒有涉及光伏故障具體類型的問題，加之國際電工委員會為使用熱成像技術(shù)檢測光伏板缺陷提供的指導(dǎo)只關(guān)注熱點位置而不是故障類型的情況，Gomathy等［33］提出新的基于熱像素計數(shù)的算法，該算法根據(jù)三種熱剖面指數(shù)值來檢測Ethylene Vinyl Acetate（EVA）變色和分層故障并進(jìn)行分類.實驗選擇基于模糊規(guī)則的分類系統(tǒng)，并提出基于Single-Winner規(guī)則的模糊推理方法設(shè)計分類器，且按特定等級修改了規(guī)則權(quán)重.而相較于其他模糊規(guī)則分類器和神經(jīng)網(wǎng)絡(luò)算法，該研究所提算法平均分類準(zhǔn)確率增加了10%左右.

而在紅外圖像的獲取上，相較于傳統(tǒng)人工采集紅外圖的方式，為了提高成本效益，無人機航空熱成像技術(shù)業(yè)已成為大規(guī)模光伏組件精確定位缺陷組件的質(zhì)量評估工具.Sergiu等［34］進(jìn)行了基于航空熱成像的光伏組件故障檢測與分析研究，提出了一種自動檢測和分析航空紅外圖像中光伏組件的方法，運用Grubbs’Test和Dixon’s Q test兩種統(tǒng)計學(xué)技術(shù)進(jìn)行相互印證，得到分類結(jié)果.Dong等［35］通過在無人機上搭載光學(xué)傳感器和熱紅外傳感器，并生成光伏板溫度信息的正射圖像，從而分析光伏組件的正常運行和故障信息.

3 光伏紅外圖像處理算法

對于光伏紅外成像缺陷檢測技術(shù)而言，由于成像技術(shù)便于應(yīng)用且便捷、成像成本低廉，所以光伏缺陷紅外圖像的識別與檢測效果決定著光伏紅外成像的技術(shù)水平和應(yīng)用范圍.

從傳統(tǒng)手工特征圖像處理算法出發(fā)，當(dāng)獲取的紅外圖像中包含的無用信息或干擾信息過多，又或者有用信息過少，甚至不明顯時，就需要對圖像進(jìn)行預(yù)處理來消除噪聲信息并突出有用的圖像特征.Vergura等［36］運用高斯濾波、中值濾波和邊緣檢測算法對故障光伏組件紅外圖像進(jìn)行預(yù)處理.特別是當(dāng)被檢測光伏缺陷不在光伏板表面，而是在光伏板內(nèi)部具有一定深度的位置時，Kosikowski等［37］提出了離散和連續(xù)小波變換的方法來對該光伏缺陷的紅外圖像進(jìn)行處理，研究表明，通過探索小波形狀與溫度的相關(guān)性，將時域與非均勻性檢測相結(jié)合的方法往往能取得理想的效果.

隨后，Aghaei等［38］研究了用于光伏系統(tǒng)紅外實時分析監(jiān)控的數(shù)字圖像處理技術(shù)，該研究通過無人機獲取光伏板紅外圖像，對圖像進(jìn)行灰度變換、過濾等操作，再進(jìn)行分類獲取光伏板缺陷信息.而為了提高分類準(zhǔn)確率，又有Niazi等［39］利用樸素貝葉斯分類器，對光伏組件紅外熱圖的梯度特征紋理和直方圖進(jìn)行分類，結(jié)果表明在375個樣本集的平均識別率為94.1%.為了改善光伏紅外圖像處理技術(shù)對故障細(xì)節(jié)的處理，Akram等［40］提出了圖像濾波、顏色量化和邊緣檢測等光伏板紅外圖像處理方案，實現(xiàn)對紅外圖像中嚴(yán)重和輕微缺陷區(qū)域邊緣定位.在光伏故障檢測與分類成本控制方面，Dunderdale等［41］采用尺度不變轉(zhuǎn)換（SIFT）描述和隨機森林相結(jié)合的方法，證明該試驗方法能有效縮減光伏故障分類的成本.

而隨著光伏發(fā)電裝機量的增加，大型光伏發(fā)電場的規(guī)模和復(fù)雜程度也在不斷提高.從基于深度學(xué)習(xí)算法的圖像處理上看，Akram等［42］提出了一種新的使用輕型卷積神經(jīng)網(wǎng)絡(luò)來識別EL圖像中光伏缺陷的方法，在太陽能電池EL圖像數(shù)據(jù)集上實現(xiàn)了93.02%的準(zhǔn)確率.它所需計算能力和時間并不多，且可以在普通CPU計算機上工作，同時保持實時速度.同時，還評估了處理數(shù)據(jù)稀缺性的數(shù)據(jù)增強操作.

Herraiz等［43］又提出了一種新型的光伏電池板故障檢測方法，運用一種新的基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)對光伏板上的熱點進(jìn)行檢測，達(dá)到智能運維的目的.提出的新的基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)方法是光伏面板和熱點興趣區(qū)域這兩種區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的統(tǒng)一.但是，該方法僅能確定熱點位置，卻不能更細(xì)分引起熱點的故障類型，檢測目標(biāo)單一.而Akram等［44］研究了基于遷移深度學(xué)習(xí)法的光伏組件自動檢測技術(shù)，該方法將訓(xùn)練好的架構(gòu)遷移到光伏板紅外圖像數(shù)據(jù)集上進(jìn)行調(diào)試得到最終算法，并對光伏組件紅外成像中可檢測到的不同類型的缺陷進(jìn)行了回顧.此外，又有Tang等［45］利用傳統(tǒng)圖像處理技術(shù)和生成式對抗網(wǎng)絡(luò)特性所生成的高分辨率EL圖像，再以卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)分類，取得了良好的分類效果.

表2 光伏紅外圖像處理匯總

4 光伏故障檢測行業(yè)面臨的挑戰(zhàn)和未來發(fā)展方向

隨著太陽能光伏發(fā)電技術(shù)越來越成熟，太陽能光伏板裝機量的快速增長以及光學(xué)成像設(shè)備和軟件等的革新，光伏故障檢測行業(yè)隨著太陽能發(fā)電技術(shù)快速發(fā)展的同時，也面臨著一些新的挑戰(zhàn)：

（1）光伏故障檢測與診斷技術(shù)需要具有一定成本的硬件和軟件支持.即所采用的檢測方法能夠最大范圍并最低成本地進(jìn)行光伏故障檢測與診斷，特別是能適應(yīng)未來智能化、高效率的工作方式.

（2）人們期望的檢測技術(shù)應(yīng)該具備高效率、實施方便、故障診斷與檢測識別算法穩(wěn)定且快速，對不同光伏板及其規(guī)模的適應(yīng)性好，對故障檢測和識別的準(zhǔn)確性高.

（3）新故障的出現(xiàn)往往意味著光伏功效的損失而又難以被現(xiàn)有檢測手段發(fā)現(xiàn).這些新故障的存在不僅造成功率損失，還會引發(fā)一系列其他問題，影響光伏組件正常運行，嚴(yán)重時還會導(dǎo)致光伏板提前報廢.所以，光伏故障檢測技術(shù)還應(yīng)具備對新故障的發(fā)現(xiàn)能力.

根據(jù)近年來的光伏紅外成像缺陷檢測技術(shù)的研究成果，在無人智能化產(chǎn)品蓬勃發(fā)展、圖像處理算法遍地開花等趨勢的推動下，人們希望光伏板紅外成像技術(shù)能更全面的反應(yīng)光伏板狀態(tài)信息的同時，還能夠檢測出更加具體的光伏缺陷類型.這同樣代表著光伏紅外成像缺陷檢測技術(shù)未來龐大的應(yīng)用前景與強大的診斷與檢測功能.光伏板紅外成像缺陷檢測技術(shù)未來發(fā)展的方向總結(jié)如下：

（1）對光伏板紅外圖像上故障類型的智能自動化檢測與識別需求越來越明確.光伏運維故障檢測的基礎(chǔ)關(guān)鍵點在于故障位置和故障類型，由于紅外成像技術(shù)的特性，故障位置很容易獲取，因此，基于紅外成像的光伏故障類型細(xì)分就成了研究人員關(guān)注的重點.

（2）光伏行業(yè)的快速發(fā)展帶動了光伏檢測行業(yè)的蓬勃發(fā)展，尤其是近年來異軍突起般出現(xiàn)在人們視線中的無人機等無人智能化產(chǎn)品的飛速發(fā)展，為光伏行業(yè)的運維管理方式提供了新思路.智能化、自動化高效運維業(yè)已成為光伏檢測行業(yè)未來的一個重要發(fā)展方向.隨著未來光伏裝機量增長以及大型光伏電站的增加，大規(guī)模光伏故障檢測技術(shù)將是決定光伏檢測行業(yè)水平的一個關(guān)鍵因素，而結(jié)合無人機技術(shù)、紅外檢測技術(shù)和自動化圖像處理技術(shù)是大規(guī)模光伏組件智能運維的重要技術(shù)手段.

（3）近年來一些其他光伏故障檢測方法（例如基于電氣測量的故障檢測方法），也在原有技術(shù)基礎(chǔ)上加入了紅外成像技術(shù)，形成了以光伏電氣統(tǒng)計學(xué)分析故障檢測技術(shù)為主，光伏紅外成像技術(shù)為輔的融合技術(shù)方法.可以預(yù)見，該方法所獲得的光伏板電氣及熱流場信息將會成為光伏板狀態(tài)信息的一個重要補充，從而提升光伏故障檢測準(zhǔn)確率.所以，光伏紅外成像故障檢測技術(shù)也可以作為輔助或?qū)Ρ燃夹g(shù)，對光伏故障檢測進(jìn)行更細(xì)致的研究.