光伏組件紅外成像缺陷檢測技術研究

曹小磊

摘要：本文以光伏板紅外成像缺陷檢測技術為研究對象，研究光伏板紅外成像技術的最新研究成果，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行了綜述。同時就當前對于光伏板故障檢測技術所面臨的問題還有今后該技術的發展方向進行了分析，從而給相關研究工作人員對該技術研究也提供一定的參考。

關鍵詞：光伏組件;紅外成像技術;缺陷檢測

1光伏IRT缺陷檢測技術

光伏紅外成像技術具有光伏組件無損傷檢測、無電源故障檢測、成像快捷方便、成本低等優點。尤其是在近幾年來各種智能產品的生產應用，對于無人機光伏紅外成像檢測技術的發展也是起到了一定的促進作用。當前在很多大型光伏電站的故障檢測工作當中，也是逐步加強了對于紅外成像檢測技術的應用。

光伏組建紅外成像故障檢測技術有兩種紅外成像方法：一種是電致發光法。簡而言之，當正偏置作用于光伏組件時，光強與電壓成正比，這意味著光伏組件中的非活動區域在EL圖像上顯示為陰影。利用這一方法能夠快速準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生高溫區域，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。這一技術能夠在惡劣環境當中使用，無需其他設備輔助，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被廣泛應用的原因之一。特別是隨著包括無人機在內的智能、無人產品的快速發展，可以利用紅外熱成像儀對無人機進行紅外圖像采集。因此，光伏組件的紅外熱成像缺陷檢測技術得到了越來越廣泛的應用。

2光伏紅外圖像處理算法

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

在傳統的人工特征圖像處理算法，在進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，則要采用預處理方法來對圖像所包含的噪聲信息進行消除，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對于光伏組建紅外故障檢測圖像進行預處理。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，更是需要進行圖像預處理。Kosikowski等也提出了采用連續小波變換還有離散的方式來進行對光伏組件紅外故障檢測圖像進行預處理，研究顯示，利用溫度和小波形的相關性，把非均勻性檢測和時域進行結合，有著較好的效果。

Aghaei等就光伏紅外實時分析監控數字圖像處理技術進行了深入研究，在這一研究進行的過程當中，是利用無人機來進行收集相關的光伏組件紅外圖像，并將收集的圖像進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行分類。結果顯示，所收集的375個樣本當中，平均識別率高達94.1%。而為進行一步加強光伏紅外圖像處理技術的圖像處理效果，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行光伏組件紅外圖像的處理，從而準確定位紅外圖像存在的輕微還有嚴重缺陷區域。為了更好的進行控制光伏故障檢測成本，Dunderdale等通過利用尺度不變轉換描述以及隨機森林法，能夠有效降低光伏組件故障檢測所需的成本。

隨著光伏裝機容量的增加，大規模光伏發電的規模和復雜性也隨之增加。在基于深度學習算法的圖像處理方面，Akram等人提出了一種利用卷積神經網絡識別電致發光圖像中光伏缺陷的新方法，太陽能電池電致發光圖像數據集的準確率達到93.02%。它不需要太多的計算能力和時間，可以在常規CPU計算機上工作，同時保持實時速度。還對處理數據缺乏的數據增強操作進行了評估。

3光伏故障檢測行業未來發展方向

（1）在未來，對于光伏組件故障檢測必定會向著更加智能化、自動化的方向發展，對于故障檢測的相關需求也會更加明確。在進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，因為紅外成像技術能夠對故障位置實現快速準確定位，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分。

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

（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）也在原有技術的基礎上增加了紅外成像技術，形成了光伏統計分析技術與光伏紅外成像技術的融合方法光伏故障檢測技術。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信息的重要補充，從而提高光伏故障檢測的準確性。因此，光伏紅外成像故障檢測技術也可以作為輔助或比較技術，對光伏故障檢測進行更詳細的研究。

結語

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

參考文獻

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

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

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

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

[5]吳海清.防輻射非制冷紅外二次成像光學系統設計[J].光學與光電技術，2020，18（06）：60-65.