本发明专利技术公开了基于多模态融合的光伏电池热斑检测及评估方法与装置，该方法包括：获取光伏热斑的红外图像数据和标签数据；对红外图像数据和标签数据进行处理得到图像数据集；将图像数据集输入至训练好的语义分割网络模型得到分割图像；对分割图像的热斑面积进行特征提取得到热斑占比数据，基于热斑占比数据和光伏系统的电气数据进行多模态融合的光伏系统状态量化评估，以得到热斑位置检测结果和状态评估结果。本发明专利技术可以很好的对对光伏系统健康程度进行量化评估。程度进行量化评估。程度进行量化评估。
【技术实现步骤摘要】
基于多模态融合的光伏电池热斑检测及评估方法与装置
[0001]本专利技术涉及电气工程光伏
，特别是涉及基于多模态融合的光伏电池热斑检测及评估方法与装置。
技术介绍
[0002]我国光伏产业经过十几年的发展，已成长为可以同步参与国际竞争并达到国际前列水平的战略性新兴产业。大力发展光伏也已成为全球能源革命和应对气候变化的主导方向和一致行动。光伏组件作为光伏发电系统中的核心部件，其可靠性是影响整个光伏系统性能的关键，然而光伏系统长久运行期间，在户外复杂恶劣的环境条件下可能会导致不同类型的故障发生。光伏组件热斑的故障率比重最高且最为严重，如何准确的检测出光伏组件热斑的位置并对热斑的影响程度进行量化评估已经成为促进光伏产业发展良性发展的研究热点。目前针对光伏组件热斑故障的研究多集中于其发热机理方面，通过光伏组件的I
‑
V特性，通过I
‑
V曲线上两点的电流变化率来进行故障诊断，其需要依赖昂贵的设备或外部电路来实现，增加了系统的成本，加之并不能对热斑的影响程度进行评估，使得系统的可靠性难以保证。
技术实现思路
[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]为此，本专利技术提出一种基于多模态融合的光伏电池热斑检测及评估方法。通过基于深度迁移网络的UNet语义分割网路对光伏组件热斑的红外图像进行分割，检测热斑的位置，识别热斑的面积，融合电气数据以及气象数据，对光伏系统健康程度进行量化评估。
[0005]本专利技术的另一个目的在于提出一种基于多模态融合的光伏电池热斑检测及评估装置。
[0006]为达上述目的，本专利技术一方面提出一种基于多模态融合的光伏电池热斑检测及评估方法，包括：
[0007]获取光伏热斑的红外图像数据和标签数据；
[0008]对所述红外图像数据和标签数据进行处理得到图像数据集；
[0009]将所述图像数据集输入至训练好的语义分割网络模型得到分割图像；
[0010]对所述分割图像的热斑面积进行特征提取得到热斑占比数据，基于所述热斑占比数据和光伏系统的电气数据进行多模态融合的光伏系统状态量化评估，以得到热斑位置检测结果和状态评估结果。
[0011]另外，根据本专利技术上述实施例的基于多模态融合的光伏电池热斑检测及评估方法还可以具有以下附加的技术特征：
[0012]进一步地，在本专利技术的一个实施例中，所述对红外图像数据和标签数据进行处理得到图像数据集之前，所述方法，还包括：
[0013]利用高斯模糊化和高斯高通滤波对所述红外图像数据和标签数据进行数据增强
操作得到增广数据集。
[0014]进一步地，在本专利技术的一个实施例中，所述将图像数据集输入至训练好的语义分割网络模型得到分割图像之前，所述方法，还包括训练语义分割网络模型，包括：
[0015]构建UNet语义分割网络；其中，所述UNet语义分割网络，包括注意力机制模块、主干特征提取网络和加强特征提取网络，所述主干特征提取网络包括迁移VGG网络；
[0016]将所述图像数据集的训练样本集输入至所述迁移VGG网络，并通过所述注意力机制模块提取初始图像特征，利用所述加强特征提取网络提取所述初始图像特征的最终图像特征；
[0017]融合所述初始图像特征和所述最终图像特征，根据特征融合结果得到分割图像样本集并利用所述分割图像样本集训练语义分割网络模型得到训练好的语义分割网络模型。
[0018]进一步地，在本专利技术的一个实施例中，通过逐步上采样将所述加强特征提取网络与所述主干特征提取网络的有效特征层进行堆叠融合操作得到所述特征融合结果。
[0019]进一步地，在本专利技术的一个实施例中，所述主干特征提取网络采用预训练网络，所述加强特征提取网络的最后两层卷积为空洞卷积。
[0020]为达上述目的，本专利技术另一方面提出基于多模态融合的光伏电池热斑检测及评估装置，包括：
[0021]数据获取模块，用于获取光伏热斑的红外图像数据和标签数据；
[0022]数据处理模块，用于对所述红外图像数据和标签数据进行处理得到图像数据集；
[0023]图像分割模块，用于将所述图像数据集输入至训练好的语义分割网络模型得到分割图像；
[0024]检测评估模块，用于对所述分割图像的热斑面积进行特征提取得到热斑占比数据，基于所述热斑占比数据和光伏系统的电气数据进行多模态融合的光伏系统状态量化评估，以得到热斑位置检测结果和状态评估结果。
[0025]本专利技术实施例的基于多模态融合的光伏电池热斑检测及评估方法和装置，可以将图像数据与电气数据融合后进行量化评估，准确检测热斑的位置并能够对光伏系统的状态进行评估。
[0026]本专利技术的有益效果为：
[0027]1)基于原始红外图像以及标注数据，通过高斯模糊以及高斯图像锐化对图像数据增广，考虑实施中的环境影响间接的扩充图像数据。
[0028]2)通过在UNet主干特征提取网络使用通道注意力机制以及迁移网络的结合加强特征的提取，并同时在加强特征提取网络使用空洞卷积增加图像上下文信息的联系，提高图像分割的准确率。
[0029]3)通过语义分割得到的预测分割图，对其进行面积提取，将图像数据与电气数据融合后进行量化评估，准确检测热斑的位置并能够对光伏系统的状态进行评估。
[0030]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0031]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得
明显和容易理解，其中：
[0032]图1是根据本专利技术实施例的基于多模态融合的光伏电池热斑检测及评估方法的流程图；
[0033]图2是根据本专利技术实施例的语义分割网络架构示意图；
[0034]图3是根据本专利技术实施例的注意力机制示意图；
[0035]图4是根据本专利技术实施例的图像语义分割效果图；
[0036]图5为根据本专利技术实施例的图像指标结果对比图；
[0037]图6为根据本专利技术实施例的多模态融合的评估量化图；
[0038]图7是根据本专利技术实施例的基于多模态融合的光伏电池热斑检测及评估装置的结构示意图。
具体实施方式
[0039]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。
[0040]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0041]下面参照附图描述根据本专利技术实施例提出的基于多模态融合的光伏电池热斑检测及评估方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多模态融合的光伏电池热斑检测及评估方法，其特征在于，包括以下步骤：获取光伏热斑的红外图像数据和标签数据；对所述红外图像数据和标签数据进行处理得到图像数据集；将所述图像数据集输入至训练好的语义分割网络模型得到分割图像；对所述分割图像的热斑面积进行特征提取得到热斑占比数据，基于所述热斑占比数据和光伏系统的电气数据进行多模态融合的光伏系统状态量化评估，以得到热斑位置检测结果和状态评估结果。2.根据权利要求1所述的方法，其特征在于，在所述对红外图像数据和标签数据进行处理得到图像数据集之前，所述方法，还包括：利用高斯模糊化和高斯高通滤波对所述红外图像数据和标签数据进行数据增强操作得到增广数据集。3.根据权利要求2所述的方法，其特征在于，所述将图像数据集输入至训练好的语义分割网络模型得到分割图像之前，所述方法，还包括训练语义分割网络模型，包括：构建UNet语义分割网络；其中，所述UNet语义分割网络，包括注意力机制模块、主干特征提取网络和加强特征提取网络，所述主干特征提取网络包括迁移VGG网络；将所述图像数据集的训练样本集输入至所述迁移VGG网络，并通过所述注意力机制模块提取初始图像特征，利用所述加强特征提取网络提取所述初始图像特征的最终图像特征；融合所述初始图像特征和所述最终图像特征，根据特征融合结果得到分割图像样本集并利用所述分割图像样本集训练语义分割网络模型得到训练好的语义分割网络模型。4.根据权利要求3所述的方法，其特征在于，通过逐步上采样将所述加强特征提取网络与所述主干特征提取网络的有效特征层进行堆叠融合操作得到所述特征融合结果。5.根据权利要求3所述的方法，其特征在于，所述主干特征提取网络采用预训练网络，所述加强特征提取网络的最后两层卷积为空洞卷积。6...
【专利技术属性】
技术研发人员：孙凯，杨小平，徐剑，张衡，
申请(专利权)人：大航有能电气有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。