光伏組件紅外成像缺陷檢測技術(shù)研究

曹小磊

摘要：本文以光伏板紅外成像缺陷檢測技術(shù)為研究對象，研究光伏板紅外成像技術(shù)的最新研究成果，光伏板故障的類型及原因，并對近十年來光伏板紅外圖像處理算法進(jìn)行了綜述。同時就當(dāng)前對于光伏板故障檢測技術(shù)所面臨的問題還有今后該技術(shù)的發(fā)展方向進(jìn)行了分析，從而給相關(guān)研究工作人員對該技術(shù)研究也提供一定的參考。

關(guān)鍵詞：光伏組件;紅外成像技術(shù);缺陷檢測

1光伏IRT缺陷檢測技術(shù)

光伏紅外成像技術(shù)具有光伏組件無損傷檢測、無電源故障檢測、成像快捷方便、成本低等優(yōu)點。尤其是在近幾年來各種智能產(chǎn)品的生產(chǎn)應(yīng)用，對于無人機(jī)光伏紅外成像檢測技術(shù)的發(fā)展也是起到了一定的促進(jìn)作用。當(dāng)前在很多大型光伏電站的故障檢測工作當(dāng)中，也是逐步加強(qiáng)了對于紅外成像檢測技術(shù)的應(yīng)用。

光伏組建紅外成像故障檢測技術(shù)有兩種紅外成像方法：一種是電致發(fā)光法。簡而言之，當(dāng)正偏置作用于光伏組件時，光強(qiáng)與電壓成正比，這意味著光伏組件中的非活動區(qū)域在EL圖像上顯示為陰影。利用這一方法能夠快速準(zhǔn)確的檢測出太陽能電池是否存在裂縫，以及裂縫所在的具體位置，但不足以檢測出玻璃碎片和層壓等缺陷。另一種是紅外熱成像。這一方法主要用于檢測光伏組建在工作中期表面的熱流場信息。如果光伏組件其局部存在失效問題，那么在該部位就會產(chǎn)生高溫區(qū)域，稱為“熱點”。分析光伏組件紅外圖像中的“熱點”，作為光伏組件故障檢測的基礎(chǔ)。這一技術(shù)能夠在惡劣環(huán)境當(dāng)中使用，無需其他設(shè)備輔助，就能夠快速的收集到光伏組件表面的各種熱流場信息，光伏組件的紅外圖像可以快速方便地獲取，這是光伏故障診斷技術(shù)被廣泛應(yīng)用的原因之一。特別是隨著包括無人機(jī)在內(nèi)的智能、無人產(chǎn)品的快速發(fā)展，可以利用紅外熱成像儀對無人機(jī)進(jìn)行紅外圖像采集。因此，光伏組件的紅外熱成像缺陷檢測技術(shù)得到了越來越廣泛的應(yīng)用。

2光伏紅外圖像處理算法

光伏紅外成像故障檢測技術(shù)因為具有使用成本低、成像方便且檢測迅速，所以對于該技術(shù)的應(yīng)用范圍是非常廣泛的，并且有著較高的應(yīng)用水平。

在傳統(tǒng)的人工特征圖像處理算法，在進(jìn)行紅外圖像的獲取過程中，可能會收集到各種無用的信息或者是收集到的干擾信息過多，而有用的信息很少甚至是基本沒有的情況下，則要采用預(yù)處理方法來對圖像所包含的噪聲信息進(jìn)行消除，從而將圖像的特征凸顯出來。Vergura等就利用中值濾波、高斯濾波以及邊緣檢測算法來實現(xiàn)對于光伏組建紅外故障檢測圖像進(jìn)行預(yù)處理。尤其是所檢測的光伏組件沒有處于光伏組件的表面位置時，更是需要進(jìn)行圖像預(yù)處理。Kosikowski等也提出了采用連續(xù)小波變換還有離散的方式來進(jìn)行對光伏組件紅外故障檢測圖像進(jìn)行預(yù)處理，研究顯示，利用溫度和小波形的相關(guān)性，把非均勻性檢測和時域進(jìn)行結(jié)合，有著較好的效果。

Aghaei等就光伏紅外實時分析監(jiān)控數(shù)字圖像處理技術(shù)進(jìn)行了深入研究，在這一研究進(jìn)行的過程當(dāng)中，是利用無人機(jī)來進(jìn)行收集相關(guān)的光伏組件紅外圖像，并將收集的圖像進(jìn)行了過濾以及灰度變換處理，通過分類得到光伏組件的缺陷信息。為了提高光伏組件的分類精度，分別采用Niazi和Naive Bayes分類器對組件的紅外熱圖梯度特征紋理和直方圖進(jìn)行分類。結(jié)果顯示，所收集的375個樣本當(dāng)中，平均識別率高達(dá)94.1%。而為進(jìn)行一步加強(qiáng)光伏紅外圖像處理技術(shù)的圖像處理效果，Akram等人還提出利用顏色量化、圖像濾波還有邊緣檢測方法來進(jìn)行光伏組件紅外圖像的處理，從而準(zhǔn)確定位紅外圖像存在的輕微還有嚴(yán)重缺陷區(qū)域。為了更好的進(jìn)行控制光伏故障檢測成本，Dunderdale等通過利用尺度不變轉(zhuǎn)換描述以及隨機(jī)森林法，能夠有效降低光伏組件故障檢測所需的成本。

隨著光伏裝機(jī)容量的增加，大規(guī)模光伏發(fā)電的規(guī)模和復(fù)雜性也隨之增加。在基于深度學(xué)習(xí)算法的圖像處理方面，Akram等人提出了一種利用卷積神經(jīng)網(wǎng)絡(luò)識別電致發(fā)光圖像中光伏缺陷的新方法，太陽能電池電致發(fā)光圖像數(shù)據(jù)集的準(zhǔn)確率達(dá)到93.02%。它不需要太多的計算能力和時間，可以在常規(guī)CPU計算機(jī)上工作，同時保持實時速度。還對處理數(shù)據(jù)缺乏的數(shù)據(jù)增強(qiáng)操作進(jìn)行了評估。

3光伏故障檢測行業(yè)未來發(fā)展方向

（1）在未來，對于光伏組件故障檢測必定會向著更加智能化、自動化的方向發(fā)展，對于故障檢測的相關(guān)需求也會更加明確。在進(jìn)行光伏組件故障檢測的過程中，最主要的就是確定故障類型以及故障所在具體位置，因為紅外成像技術(shù)能夠?qū)收衔恢脤崿F(xiàn)快速準(zhǔn)確定位，所以，接下來重要的研究方向就是對光伏組件故障類型的細(xì)分。

（2）光伏產(chǎn)業(yè)的快速發(fā)展帶動了檢測行業(yè)的蓬勃發(fā)展，特別是無人機(jī)等無人智能產(chǎn)品的快速發(fā)展，近年來突然出現(xiàn)在人們的視野中，這也為光伏行業(yè)故障檢測提供了新思路。所以在接下來的發(fā)展過程中，智能化及自動化必然成為光伏檢測的重要方向。隨著未來光伏裝機(jī)的增長和大規(guī)模光伏電站的增加，大規(guī)模光伏故障檢測技術(shù)將是決定光伏檢測行業(yè)水平的關(guān)鍵因素，而結(jié)合無人機(jī)技術(shù)，紅外檢測技術(shù)和自動圖像處理技術(shù)是實現(xiàn)大規(guī)模光伏組件智能運維的重要技術(shù)手段。

（3）近年來，其他一些光伏故障檢測方法（如基于電量測量的方法）也在原有技術(shù)的基礎(chǔ)上增加了紅外成像技術(shù)，形成了光伏統(tǒng)計分析技術(shù)與光伏紅外成像技術(shù)的融合方法光伏故障檢測技術(shù)。通過該方法獲得的光伏組件電、熱流場信息將成為光伏組件狀態(tài)信息的重要補(bǔ)充，從而提高光伏故障檢測的準(zhǔn)確性。因此，光伏紅外成像故障檢測技術(shù)也可以作為輔助或比較技術(shù)，對光伏故障檢測進(jìn)行更詳細(xì)的研究。

結(jié)語

本文綜述了近年來光伏組件紅外成像缺陷檢測的研究進(jìn)展。第一部分總結(jié)了IRT故障檢測技術(shù)，第二部分介紹了光伏紅外圖像處理算法，第三部分總結(jié)了光伏故障檢測行業(yè)未來的發(fā)展方向。

參考文獻(xiàn)

[1]何謙，劉伯運.紅外圖像邊緣檢測算法綜述[J].紅外技術(shù)，2021，43（03）：199-207.

[2]林浩，馬可可，牛阿云，莊家俊.基于遠(yuǎn)紅外成像技術(shù)的車載夜間行人檢測方法[J].現(xiàn)代計算機(jī)，2021（04）：64-68+97.

[3]王惠林，欒亞東，賀劍.紅外成像系統(tǒng)最小可分辨溫差影響因素分析[J].應(yīng)用光學(xué)，2021，42（01）：1-8.

[4]劉彤宇，張景勝，閆秀生，唐樹威.紅外成像探測系統(tǒng)的帶寬和信噪比[J].光電技術(shù)應(yīng)用，2020，35（06）：50-54+64.

[5]吳海清.防輻射非制冷紅外二次成像光學(xué)系統(tǒng)設(shè)計[J].光學(xué)與光電技術(shù)，2020，18（06）：60-65.