光伏组件热斑检测系统

宋卿尧

（深能北方(通辽)能源开发有限公司，内蒙古通辽，028000）

1 光伏热斑研究现状

当前在太阳能利用中经常会遇到光伏热斑的困扰，目前关于光伏热斑的研究与探讨也取得了一定进展，光伏热斑的成因已经探明，其是光伏组件在全光照的条件下因组件遮挡导致局部温度升高从而演变为光伏热斑的现象。光伏热斑危害性较大，不仅干扰光伏阵列运行，也威胁光伏电站的运行。光伏热斑的成因较多，其一，光伏组件因为遮挡出现组件功率匹配失衡的问题，引发热斑。其二，光伏组件搬运组装的过程中因疏忽引发组件断裂，影响组件功能的正常发挥，产生热斑。其三，在恶劣的天气环境下组件内部发生阻抗失衡引发光伏热斑。针对第一种情况引发的光伏热斑是可以提前预测与防范的，目前常用的光伏热斑诊断方法为红外检测和电气量法，红外检测原理是根据不同状态下光伏组件的温度差异进行热斑检测，并配合红外识别、图形处理达到故障定位的目的。其也支持热斑检测报告的自动生成，是光伏电站运维人员运维管理的主要参考，但其也有应用局限，往往需要较高的图片分辨率，且容易受环境因素干扰，对应的技术要求也较高。但从应用效果看，红外检测效果要优于电气量法。目前主推的是基于无人机的光伏电站热斑检测系统，其能提高数据采集与热斑检测效率，能实现热斑检测的自动化，对应较高的检测准确率。支持后台生成热斑检测报告，为光伏电站维护人员提供智能决策支持。

2 光伏热斑的红外温度特性及成像特性

■2.1 光伏热斑的红外温度特性

热斑是因为被遮挡光伏组件局部区域发热所造成的，它对应的红外温度特性体现在两个方面。一方面，热斑的最高温度明显高于光伏组件平均温度，这是由热斑的产生机理所决定的。借助红外图像可以准确观察到热斑。另一方面，热斑的最高温度与热斑平均温度差差异大，且即使是在同一个热斑范围内中心点的温度要高于周边温度，此外背景最高温度与平均温度差值会小于热斑最高温度与热斑平均温度差值，我们可以据此规避错误地将背景区域作为高温斑块的风险，使得热斑检测更准确。

■2.2 光伏热斑红外成像特性

光伏阵列区域中热斑红外辐射能力强且温度高，其红外成像特征体现在四个方面。其一，热斑的面积较小，热斑是光伏组件局部发热形成的，因此其面积通常较小。基于其面积较小的属性可以区分热斑与地面背景区域的局部高温块。其二，热斑灰度值偏高。热斑的温度明显高于光伏阵列内其他部分温度，对应到红外灰度图像中热斑灰度值也高于光伏阵列中其他区域灰度值。其三，热斑边缘明显。热斑的边缘温度是明显高于光伏阵列区域的温度的，因此热斑边缘的灰度值要高于光伏阵列区域的灰度值，使得热斑边缘十分明显。其四，热斑多分布于光伏组件边缘位置。目前光伏电站多建立在郊区、荒漠等地区，多用倾斜安装的方式安装光伏阵列，长期运行下沙土、固体物在光伏组件的下边缘处堆积，因此使得热斑多分布在光伏组件边缘位置。

3 热斑检测系统模块介绍

热斑检测系统主要有机载部分和地面站两大部分，其中机载部分的构成是飞行控制模块、温度采集模块、GPS 定位模块、巡航控制模块，机载部分可以控制无人机的飞行路线并支持光伏电站红外温度数据的精准采集，以此获取红外图像位置信息，用于热斑的检测与判断。而地面站的主要构成是通讯模块、系统管理模块、图像处理模块以及UI 模块。整体说来，其负责热斑检测、定位以及报告生成。系统结构图见图1。

图1 无人机航拍应用系统整体结构框图

■3.1 机载模块

3.1.1 飞行控制模块

飞行控制模块是机载模块部分的核心控制模块，主要负责进行无人机运行状态的调整，下发具体的飞行任务并管理，也进行应急控制。

3.1.2 巡航控制模块

该模块不仅能及时收集到传感器的相关测量数据，也能接收到控制站发出的关键信息，并起着指令传输的中介作用，将所接收到的信息进行提取，并发出输出指令以指导无人机运行。

3.1.3 温度采集模块

温度采集模块又叫图像采集模块，主要侧重温度数据的采集。其可以实现无人机特定高度与方向数据的采集，并将采集到的数据传输给图像处理模块进行图像的处理与利用。

3.1.4 GPS 定位模块

GPS 定位模块则主要负责进行热斑位置的判断，可以精确到具体的经度和纬度。其也使得飞行控制模块有精准的方向指导，明确的位置诊断，使得热斑定位更精准，更高效。

■3.2 地面站模块

3.2.1 系统管理模块

系统管理模块一般主要负责进行系统功能和参数的设置，其可以被认为是参数系统的集合。在系统运行前做好参数设置，让设备系统达到规范运行的条件,因此被认为是其他模块功能运行的基础。

3.2.2 图像处理模块

图像处理模块在地面站模块中处于核心地位，主要负责图像的精准处理，辅助进行光伏阵列区域范围的判断与识别，在进行光伏阵列区域识别之后进行热斑检测。图像处理模块的精准分析功能，使得热斑检测系统检测准确率更高。目前图像处理模块可以识别到具体的纹理细节，即使在不接触的情况下也能做到对区域热斑的精准定位。

3.2.3 UI 模块

UI 模块是用户界面模块，主要负责显示热斑检测结果，并生成热斑检测报告，热斑检测报告是光伏电站维护人员进行热斑故障排查与处理时的主要参考，能有效降低热斑负面效应，让运维管理更具实效，使得光伏发电系统处于正常运行状态。

4 热斑检测系统工作原理

目前无人机航拍热斑检测系统工作原理清晰简单，主要涉及五大流程。第一流程是科学合理地规划无人机的航拍路线，使得无人机运行方向、轨迹正确。第二流程是基于特定需求及时抓取信息，拍摄图像，生成光伏场区域红外图像。第三流程是建立光伏热斑检测模型。第四流程是基于获得的图像进行热斑检测分析。第五流程是输出检测分析后的数据并生成检测报告。下面根据这五大流程进行具体论述。

■4.1 科学规划路线

路线规划是否合理直接关系到无人机的运行轨迹、运行稳定性，更牵涉到无人机温度数据的采集效率、准确性以及路线航拍的安全性，本着数据高效采集、航拍安全的原则，应确保路线规划的合理性，避免重复拍摄，规避遗漏拍摄风险。在实践中常常根据光伏电站的原始设计图纸来拟定无人机的最佳飞行路线，使得无人机在特定的拍摄区域内稳定运行。在路线规划时应提前进行小型无人机的运行检查，小型无人机自动巡航包括起飞检查、光伏组件换行、着陆等系列操作，于现场进行小型无人机巡航线的调试，高度角度参数的调整，让小型无人机巡航路线根据GPS 传感器联网进行科学设定，在设定GPS 传感器时需要确保无人机上两个摄像头所拍摄的光伏组件处于图像的正中心位置。

■4.2 及时拍摄图像

路线规划完成后则对应着图像的拍摄，一般是将红外线热成像仪器装载在无人机上，基于飞行控制模块的调控，让无人机按照预先设计进行光伏组件图像的抓取抓拍，并在红外图像采集模块的辅助下实现温度数据到地面控制系统的传输，生成清晰的图像。

■4.3 建立光伏热斑检测模型

优化处理采集到的数据，抛除明显异常数据，使用灰色关联投影的方法选出与待测日相同的环境要素，其中光照、温度等作为主要的选择条件。选取与待测日比较接近的数据作为历史数据进行隔离森林算法的训练，采集各个支路上的数据作为实时输入数据予以诊断，及时判定各支路是否有异常情况，评分越大的支路其故障可能性越大。具体的光伏热斑检测流程如图2 所示。先是环境信息采集，接着是灰色关联投影选择相似日，接着是历史样本输入与数据预处理，接着是生成决策树，再次输入采集数据进行数据异常预测。之所以选择隔离森林算法是因为其针对异常数据检测效果好且时间复杂度低、计算速度快，在处理高危和海量数据方面优势明显，目前该算法在光伏组件热斑检测系统中得到了成熟运用。

图2 光伏热斑预测流程图

■4.4 展开图像分析

对于拍摄的图像进行分析，主要由图像处理模块进行，通过对光伏组件拍摄的红外图像温度数据进行分析了解，进而评判光伏阵列中热斑的具体位置。

■4.5 生成检测报告

生成热斑检测报告是最后一环，UI 模块将获取到的热斑信息呈现在报告中，让光伏电站工作人员了解光伏组件的热斑情况，评估其故障状态，指导维修，以保证光伏电站正常运营。

5 热斑检测系统的应用前景

基于无人机航拍的热斑检测系统综合了无人机技术、红外图像处理技术、物联网技术，支持无人机自动巡航，使得热斑检测更高效、更精准。无人机自动巡航中收集的图像在无线传输渠道的支持下及时传输到地面监测站，以机器视觉算法识别有缺陷的光伏组件，达到自动化检测的目的。着眼于未来，热斑检测的应用将更为成熟与广泛，检测系统的性能也将大大提升，不会出现传统人工检测数据丢失的问题，使得热斑检测自动化、智能化程度更高，而热斑检测系统能更及时地发现光伏组件中的故障，为维修人员故障排查与处理提供有效参考，指导他们及时维修设备。目前热斑检测系统在其他领域也“小试牛刀”，如在高压电路、变电站等行业中发挥实效。

6 结语

基于无人机航拍技术、红外图像处理技术的综合性的光伏热斑检测系统能有效解决人工巡检盲点多、低效化的问题，不仅能识别热斑故障，而且具有检测效率高、检测准确率高的特征，更好地满足光伏电站的实际工作需要，大大降低光伏热斑效应的危害。