一种基于无人机的光伏组件热斑检测方法及系统技术方案

本发明专利技术公开了一种基于无人机的光伏组件热斑检测方法包括：采集光伏电站多光谱图像；对采集的多光谱图像进行缺陷识别并得到缺陷定位信息；根据缺陷的严重紧急程度对记录的缺陷进行分类和追踪。本发明专利技术提供的基于无人机的光伏组件热斑检测方法有效解决光伏组件热斑检测的检测效率低、算法复杂问题，同时为了节约热斑检测成本、提高热斑检测的准确率和实时性，选择了采用无人机搭载红外热像仪采集光伏电站红外图像，并提出了基于光伏阵列区域局部灰度特征的高精度分割算法和基于支持向量机的热斑检测方法，获得了较好的检测效果。获得了较好的检测效果。获得了较好的检测效果。

【技术实现步骤摘要】
一种基于无人机的光伏组件热斑检测方法及系统


[0001]本专利技术涉及电网及电力系统运营
，具体为一种基于无人机的光伏组件热斑检测方法及系统。

技术介绍

[0002]目前常采用的光伏组件热斑检测方法为于电气特性监控和基于红外图像分析的方式。
[0003]基于电气特性监控的检测方法，主要通过在光伏组件或光伏阵列的外围搭建物理电路、实时采集光伏组件或光伏阵列的输出参数(输出电压、输出电流等)，并利用数学统计模型或机器学习(神经网络、模糊聚类算法等)分析电路输出特性，从而将发生热斑故障的光伏组件或光伏阵列检测出来。该类方法的实现原理简单，但对于大型光伏电站而言，需要成千甚至上万个传感器以完成数据的采集，成本较高且检测效率随着光伏电站规模的增加而降低。
[0004]基于图像分析的检测方法，主要基于红外图像能够反映太阳能电池片在不同工作状态下的温度分布情况，利用机器学习或图像处理方法实现热斑检测。而基于图像分析的检测方法中，通常采用的检测方式分为以下几种：
[0005](1)在模糊聚类算法的基础上进行光伏热斑故障检测的方法，将模糊聚类和二维直方图分割的方式进行结合，从而优先分割出带有故障的光伏阵列区域，然后对所有区域的温度特性进行提取，同时借助隶属度函数完成检测操作。
[0006](2)以最大散度阈值差法作为基础从而提出光伏热斑故障检测方法，针对增强后的光伏阵列红外图像进行自适应阈值分割操作，从而实现热斑检测。
[0007](3)种基于Canny边缘检测的光伏阵列热斑检测方法，利用Canny边缘检测将可能存在热斑的光伏阵列预先提取出来，然后统计这部分光伏阵列区域的温度直方图分布情况以实现热斑检测。
[0008](4)基于SLIC(Simplelineariterativeclustering，简单迭代聚类算法)算法的热斑检测方法以提高热斑检测的准确率，利用SLIC算法将光伏阵列区域按照温度特性划分出若干个子区域，提取并统计各个子区域的温度、面积特征，从而实现热斑检测。
[0009]目前以上几种检测方法中(1)(2)具有较为显著的效果，但是针对光伏阵列红外图像进行处理的过程中，该方法只能对不存在任何背景环境干扰的情况进行处理，如果光伏电站红外图像的背景十分复杂，那么无法直接使用该方法。(3)的方法相比之下其检测效率明显较高，但仍然需要事先做到对光伏电站红外图像中的背景手动分离，保留光伏阵列区域，导致其自动化程度不高。而(4)的检测方法可以随时处理红外图像，但目前仍处于仿真阶段，实用性不高且成本昂贵。

技术实现思路

[0010]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施
例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0011]鉴于上述存在的问题，提出了本专利技术。
[0012]因此，本专利技术解决的技术问题是：现有的光伏组件热斑检测方法存在检测效率低、算法复杂，实用性不高而成本较高的问题，以及如何在复杂背景环境下精准检测的优化问题。
[0013]为解决上述技术问题，本专利技术提供如下技术方案：一种基于无人机的光伏组件热斑检测方法，包括：
[0014]采集光伏电站多光谱图像；
[0015]对采集的多光谱图像进行缺陷识别并得到缺陷定位信息；
[0016]根据缺陷的严重紧急程度对记录的缺陷进行分类和追踪。
[0017]作为本专利技术所述的基于无人机的光伏组件热斑检测方法的一种优选方案，其中：所述采集光伏电站多光谱图像的方式为：利用多旋翼无人机搭载云台相机进行图像拍摄。
[0018]作为本专利技术所述的基于无人机的光伏组件热斑检测方法的一种优选方案，其中：所述云台相机包括：可见光云台相机、红外热成像云台相机、近红外成像云台相机。
[0019]作为本专利技术所述的基于无人机的光伏组件热斑检测方法的一种优选方案，其中：所述多光谱图像，包括：
[0020]可见光图像包含组件的可见缺陷信息，由可见光云台相机采集所得，采集在多云或阴天进行；
[0021]热红外图像包含组件的热红外信息，用于识别组件是否存在影响安全生产的热斑问题，由热红外云台相机采集所得，采集在辐照度大于等于600W/m时进行，同一组件外表面电池正上方的温度超过20℃时，视为发生热斑；
[0022]EL图像用于判断组件电池片的隐裂缺陷，在低光照、黑暗条件下，给组串两端施加约等于组串开路电压的直流电压时，可由近红外云台相机完成组串隐裂图像的拍摄。
[0023]作为本专利技术所述的基于无人机的光伏组件热斑检测方法的一种优选方案，其中：所述缺陷识别步骤包括：
[0024]利用基于全局灰度统计信息的活动轮廓模型进行曲线演化并使用水平集表示轮廓，通过对
[0025]的梯度下降流进行迭代，令轮廓曲线不断演化，使
[0026][0027]的能量值最大程度地减小；
[0028]进行人工识别及算法自动识别，所述算法自动识别基于图像形态特征、对抗生成网络、深度学习图像识别算法进行；
[0029]量化输电线路各部件缺陷严重度。
[0030]作为本专利技术所述的基于无人机的光伏组件热斑检测方法的一种优选方案，其中：
所述根据缺陷的严重紧急程度对记录的缺陷进行分类和追踪，包括：
[0031]根据缺陷的严重紧急程度对记录的缺陷进行分类；
[0032]对于重大缺陷，立即告警并安排运维人员前往现场处理；
[0033]对于非重大缺陷，采用跟踪处理，结合光伏电站过去人工巡检数据与非重大缺陷发生次数及运维人员响应时间，人为在无人机控制后台设定巡检次数为5次，记录缺陷发展趋势，判断缺陷的性质，在长期跟踪中形成组件缺陷处理指导建议，如针对缺陷严重程度发出处理指令，指导运维人员快速检修。
[0034]一种电力客服系统语音反馈菜单的优化系统，包括：信息采集模块、无线传输模块和上位机服务器，
[0035]其中，信息采集模块用于对光伏板的运行电压、电流以及本身的温度和环境的光照强度进行采集；
[0036]无线传输模块用于将数据进行汇集，传输到上位机服务器；
[0037]上位机服务器用于数据分析处理，并在界面上进行展示及后台存储。
[0038]作为本专利技术所述的基于无人机的光伏组件热斑检测系统的一种优选方案，其中：所述上位机服务器还包括：服务器、后台处理模块、显示模块和数据库模块；
[0039]所述信息采集模块还包括多采集节点、路由器和协调器，
[0040]其中，多采集节点用于数据采集，包括温度传感器、光敏传感器和供电电路；
[0041]路由器用于多采集节点采集的数据传输；
[0042]协调器用于收集汇总经路由器传输的采集数据，再通过RS232串口将数据传输至上位机服务器。
[0043]一种计算机设备，包括存储器和处理器，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的光伏组件热斑检测方法，其特征在于，包括：采集光伏电站多光谱图像；对采集的多光谱图像进行缺陷识别并得到缺陷定位信息；根据缺陷的严重紧急程度对记录的缺陷进行分类和追踪。2.如权利要求1所述的基于无人机的光伏组件热斑检测方法，其特征在于：所述采集光伏电站多光谱图像的方式为：利用多旋翼无人机搭载云台相机进行图像拍摄。3.如权利要求1或2所述的基于无人机的光伏组件热斑检测方法，其特征在于：所述云台相机包括：可见光云台相机、红外热成像云台相机、近红外成像云台相机。4.如权利要求1
‑
3任一所述的基于无人机的光伏组件热斑检测方法，其特征在于：所述多光谱图像，包括：可见光图像包含组件的可见缺陷信息，由可见光云台相机采集所得，采集在多云或阴天进行；热红外图像包含组件的热红外信息，用于识别组件是否存在影响安全生产的热斑问题，由热红外云台相机采集所得，采集在辐照度大于等于600W/m时进行，同一组件外表面电池正上方的温度超过20℃时，视为发生热斑；EL图像用于判断组件电池片的隐裂缺陷，在低光照、黑暗条件下，给组串两端施加约等于组串开路电压的直流电压时，可由近红外云台相机完成组串隐裂图像的拍摄。5.如权利要求4所述的基于无人机的光伏组件热斑检测方法，其特征在于：所述缺陷识别步骤包括：利用基于全局灰度统计信息的活动轮廓模型进行曲线演化并使用水平集表示轮廓，通过对的梯度下降流进行迭代，令轮廓曲线不断演化，使的能量值最大程度地减小；进行人工识别及算法自动识别，所述算法自动识别基于图像形态特征、对抗生成网络、深度学习图像识别算法进行；量化输电线路各部件缺陷严重度。6.如权利要求5所述的基于无人机的光伏组件热斑检测方法，其特征在于：所述根据缺陷的严重紧急程度对记录的缺陷进行分类和追踪，包括：根据缺陷的严重紧急程度...

【专利技术属性】
技术研发人员：杨连凯，朱德勇，黄旭鹏，孙伟生，田祎，余建梅，蔡承伟，杜培军，张雷，单涛，林伟良，何志敏，刘希念，周钰涛，邬奇煜，胡远辉，黄玲燕，蔡美玲，张龙，蒋嘉伟，
申请(专利权)人：华能东莞燃机热电有限责任公司，
类型：发明
国别省市：