光伏电站的无人机航测技术

张 玮

(中国电力工程顾问集团西北电力设计院有限公司，陕西 西安 710015)

0 引言

近年来，随着全球能源形势趋紧，全球多国为践行减排承诺，促进绿色发展，相继提出“碳中和”目标，清洁能源的推广与使用已成为全球共识。目前世界能源消费仍以化石能源为主，清洁能源占比较小，能源结构转型是“碳中和”的必然要求。实现“碳中和”将迎来清洁能源时代。光伏发电作为一种可持续的能源替代方式迅速发展，并在太阳能资源丰富的地区得到大面积推广和应用。

随着我国光伏电站近年的跨越式发展，我国光伏发电产业的各个环节都取得了巨大的技术进步，但是在光伏电站的长期运营过程中，也存在相应的检修维护问题，这些问题直接影响了光伏发电站在使用中的发电效率、质量、使用寿命等。

常见的光伏电站具有组件数量大、占地面积广、组件排布不统一等特点，造成了电站运维环境复杂、日常工作量大，设备的运行状态监测难，容易产生纰漏。尤其是组件常年暴露在风沙、雨雪、高低温室外环境中，故障率较高，容易发生热斑故障和灰尘遮挡等导致的设备发电不良或不能发电等情况。光伏电站传统的人工巡检方式效率较低，需要耗费大量的人工成本及时间成本，巡检人员也有很大的危险性，而且多数故障都是通过人为判断，容易出现偏差，可能造成故障长期存在，影响发电量，降低电站收益。

传统的人工巡检方式效率低下的弊端亟需解决，随着无人机技术的广泛研究和应用，无人机巡检技术便应运而生。无人机立体化、高效作业的方式能够有效适应光伏电站分布广、应用类型多样的特点，采用无人机技术搭载可见光摄像头与红外热像仪进行空中巡检可极大提高光伏电站巡检的效率和质量。随着计算机技术和人工智能的迅速发展，将人工智能的理论和方法应用于光伏发电系统的故障诊断已然成为了一个新的方向[1]。

1 光伏组件故障类型

光伏组件故障是指光伏组件在运行过程中，组件部分区域或整个组件由于自身缺陷、外力破坏、老化、氧化腐蚀等原因，造成光伏组件光电转换效率下降，引起输出功率降低的现象。常见的故障按照原因分类，可以分为组件热斑、组件二极管故障、异物遮挡等。按照故障成像途径分类，可以分为红外图像故障、可见光图像故障等。

1)组件热斑

光伏组件被云、树、灰尘或其他物体遮挡时，会导致照射在发电组件上的阳光强度不一致，使电池在整体发电组件中失调，失调后的组件会被当作负载消耗其他组件产生的能量，导致发电组件局部过热，形成热斑。热斑故障会严重破坏太阳能电池，影响其使用寿命，极大地增加了光伏电站的成本，降低了光伏发电的生产效率，减少输出功率[2]。光伏组件热斑的红外图像如图1所示。

当光伏组件出现热斑效应不能发电时，其他组件所产生的电流将会从二极管流出，即旁路二极管导通，以减少热斑效应带来的危害，使太阳能发电系统继续发电，不会因为某一片组件出现问题而导致整个发电电路不通[3]。若组串中某块组件的旁路二极管损坏，会导致不同程度的发热现象。当旁路二极管发生开路故障时，若遇到输出功率大幅降低的光伏电池单元，旁路二极管也没有了可绕过包含该单元分组的功能。因此，电流会继续流经变成了电阻的电池单元。这样，该电池单元周边的温度就会上升，变成热区，其结果会造成封装材料剥离、背板熔化等外观上的异常，这种状态一直持续的话，材料会碳化，甚至可能起火。当旁路二极管发生短路故障时，因绕开旁路二极管会持续流过大量电流。若旁路二极管有电流长时间大量流过，会造成旁路二极管发热，结果可能导致安装旁路二极管的接线盒受热变形甚至熔化。这两种由二极管导致的发热情况称之为二极管故障。二极管故障的红外图像如图2所示 。

图2 光伏组件二极管故障红外图像

3)异物遮挡

在光伏电站中，常见的异物遮挡情况为树木等植物对光伏组件的遮挡。若光伏电站中由于运维管理不到位，树木没有被及时砍伐，将会造成对组件的遮挡，影响组件的输出功率。图3 为树木阴影及树木对光伏组件的遮挡。

图3 光伏组件树木遮挡图像

2 无人机智能巡检关键技术

2.1 无人机智能巡检系统

无人机巡检系统由无人机平台、无人机地面站以及巡检数据故障识别软件等三部分组成。其中，无人机平台搭载高清摄像头、红外热像仪进行飞行巡检，实现组件的影像数据采集。巡检影像数据通过无人机的无线通信系统回传到无人机地面站进行数据存储，进一步将巡检数据输入到故障识别软件，利用人工智能算法进行智能识别，以判断故障发生的具体光伏面板及相应的故障类型，从而得到整个电站的巡检报告。

2.2 光伏组件故障识别技术

光伏组件最常见的故障表现形式为热斑，热斑的检测通常基于组件的红外图像完成，选用红外图像的原因是在红外图像中，各像素点的亮度与所拍摄对象的辐射能量强弱是有关联的，辐射能量越强，则该处像素点的亮度越强，反之则越弱[4]。组件故障识别的关键技术为基于CNN 神经网络的红外热图像光伏组件热斑检测技术。由于热斑在热红外影像上一般表现为中间高四周低的特点，影像局部梯度则表现为向四周发散的特点。通过统计局部方向梯度直方图(histograms of oriented gradients，HOG)，可以得到描述一个热斑的特征向量，该特征向量可以用来对影像中热斑进行识别[5]。采用HOG 作为特征，选取已标记好的神经网络模型用于对待检测影像中的热斑进行自动识别。具体的检测流程如图4所示。

图4 基于CNN神经网络的光伏组件热斑检测流程

3 太阳山光伏电站无人机巡检应用

3.1 项目概况

大唐宁夏吴忠市太阳山100 MW 光伏复合发电项目位于宁夏吴忠市太阳山开发区境内，海拔在1 350 ～1 410 m 之间。项目场地整体上地势起伏不平，地形坡度在4%～10%之间，属山间丘陵地貌区，地表多为戈壁草原，多有荒漠化现象。场地内分布有两条冲沟，以及已建风机3 台。场区东西长约2.7 km，南北宽约2.5 km，用地范围呈不规则形状，可用地面积约250.43 hm2(3 756.5 亩)。本工程标称装机容量100 MW，光伏发电区域电池组件采用440/445 Wp 双面双玻单晶硅组件。本项目占地面积大，且地势不平，若采用人工巡检则会耗费大量时间与精力，故采用无人机对光伏组件进行巡检。

本项目采用M300 RTK 四轴飞行器，并搭载机载处理器、飞行控制器、无线数据传输模块、RTK 定位模块、H20T 双光相机及其云台，可以拍摄可见光与热成像，拍摄的可见光影像像素为3 840×2 160，红外影像像素为640×512。飞行平台搭载了全新的OcuSync 行业版图传系统，带来了远达15 km 的控制距离，可实现三通道1 080 p 图传，支持2.4/5.8 GHz 双频通信，工作中可自动实时切换至最佳信通。M300 可以实现对所需要巡检设备的自动拍照、存储以及传输的能力，同时，它拥有出色的高精度定位能力，通过RTK 差分精确定位，可以将定位精确度控制在1 cm 范围内，而且该无人机的飞行性能、稳定性以及安全性较高。M300 RTK 及其搭载的H20T双光相机分别如图5及图6所示。

图5 M300 RTK

图6 H20T双光相机

3.2 巡检流程

在本项目无人机巡检执行过程中，主要流程如下 ：

怀疑论的难题只能由实践来解答。人们应该在实践中证明自己思维的真理性、现实性和此岸性。[50]对此，早在撰写《1844年经济学哲学手稿》时，马克思就已有非常清晰的认识：“理论的对立本身的解决，只有通过实践方式，只有借助于人的实践力量，才是可能的；因此，这种对立的解决绝对不只是认识的任务，而是现实生活的任务，而哲学未能解决这个任务，正是因为哲学把这仅仅看做理论的任务。”[51]可知论与怀疑论之间的对立之所以无法得到解决，是因为哲学将其当作仅凭观想就能解答的理论任务。

1)巡检高精度地图制作

根据光伏电站的大概经纬度，确定光伏电站区域，使用M300 RTK 建立光伏电站的高精度地图。

2)巡检航线规划

基于光伏电站的高精度地图，选择巡检区域，进一步根据组件的分布情况，由软件自动生成无人机的飞行航线。

3)光伏区辐照情况观测

选择光伏区辐照较好的时段执行巡检任务。

4)选择无人机起飞、降落地点

本项目区域内有三台风机，选择起飞、降落地点时应避开风机的空间覆盖区域，选择场地空旷区域作为无人机起飞和降落。

5)无人机自动巡检，在航点处悬停采集可见光图像、热红外图像数据，并对数据进行存储。

6)巡检数据处理及报告生成

导入可见光、红外图像数据，故障识别软件自动检测出每张巡检图像中的故障点，并记录相应的故障位置信息。根据检测结果，导出巡检报告，作为消缺整改的可靠依据。

4 巡检结果

为了验证无人机在光伏电站巡检的应用效果，本次巡检共检测26 482 块光伏组件，耗时600 min，通过分析共发现故障组件182 块，其中热斑光伏组件总数量129 块，二极管故障53 块。巡检数据中典型的热斑故障的红外影像及其可见光影像如图7所示，二极管故障的红外影像及其可见光影像如图8所示，图纸中绿色方框标识了热斑故障的位置，蓝色方框标识了二极管故障的位置，红色圆点为无人机的拍摄位置。

图7 热斑故障的红外影像及其可见光影像

图8 二极管故障的红外影像及其可见光影像

通过巡检结果可知，故障类型主要为热斑故障，运维人员应及时根据缺陷组件的位置，前往实地确认并消缺，分析热斑形成的具体原因，积极推进光伏组件热斑治理，提高发电效率。针对二极管故障，应首先通过检测手段(如IV 测试)判断二极管故障类型。针对击穿二极管故障，更换接线盒；针对未击穿二极管的组件进行进一步测试，如电性能测试、EL 测试。经过运维人员巡检结果确认和消缺的工作统计，使用无人机巡检的误报率仅为2.7%，因此，无人机巡检的准确性能满足工程实际需求。

5 结论

太阳山光伏电站验证了无人机光伏组件智能化巡检方案的可行性，实现了无人机自动飞行巡检和自动返航降落，通过搭载高清摄像头实现对电站的可见光、红外检测，进一步使用人工智能算法识别组件热斑、组件二极管等故障，并可实现光伏组件故障的快速发现与定位。相比于传统的人工巡检，使用无人机对光伏电站进行巡检可以有效推进智慧光伏电站建设，提升生产管理的智能化水平和风险防范能力，提升设备运行效率，降低运行成本，进一步延长设备生命周期，为减少发电损失，保障光伏电站的安全运行，提升大规模光伏电站的运维效率打下坚实的基础。