一种高精度光伏组件EL检测方法及系统技术方案

本发明专利技术公开了一种高精度光伏组件EL检测方法及系统。该方法包括以下步骤：向光伏组件施加电压，使其产生电流；采用光电探测器检测光伏组件在电压激励下发出的光，并将接收到的光转换为电信号；对电信号进行光谱分析，获取光伏组件发出的光的光谱特性；根据光谱特性识别出光伏组件的缺陷。该系统包括以下模块：激励模块：用于对光伏组件进行电压激励，使其产生电流；检测模块：用于检测光伏组件在电压激励下发出的光，并将检测到的光转换为电信号；光谱特性提取模块，用于对电信号进行光谱分析，以获取光的光谱特性；分析模块，用于根据光谱特性，识别出光伏组件的缺陷。本发明专利技术可提高EL检测在识别微小缺陷方面的精度，提高光伏组件的性能和寿命。件的性能和寿命。件的性能和寿命。

【技术实现步骤摘要】
一种高精度光伏组件EL检测方法及系统

：
[0001]本专利技术属于光伏组件检测
，特别涉及一种高精度光伏组件EL检测方法及系统。

技术介绍
：
[0002]光伏组件是光伏发电系统的核心部件，其性能直接影响到光伏发电系统的电能输出。因此，对光伏组件的质量进行有效的检测是保证光伏发电系统性能的重要环节。电致发光(EL)检测是一种常用的光伏组件检测方法，通过对光伏组件进行电压激励，观察其发出的光来判断其性能和质量。
[0003]然而，现有的光伏组件EL检测方法及系统在实际应用中存在一些缺点和不足之处。例如，检测精度有限，在识别微小缺陷方面存在局限性，例如微裂纹、破损或局部发热等问题。这些问题可能导致光伏组件性能下降，但在现有检测系统中未被及时发现。
[0004]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路
：
[0005]本专利技术的目的在于提供一种高精度光伏组件EL检测方法及系统，从而克服上述现有技术中的缺陷。
[0006]为了实现上述目的，本专利技术提供了一种高精度光伏组件EL检测方法，包括以下步骤：
[0007]向光伏组件施加电压，使其产生电流；
[0008]采用光电探测器检测光伏组件在电压激励下发出的光，并将接收到的光转换为电信号；
[0009]对电信号进行光谱分析，获取光伏组件发出的光的光谱特性；
[0010]根据光谱特性识别出光伏组件的缺陷。
[0011]进一步的，作为优选，所述根据光谱特性识别出光伏组件的缺陷，包括如下步骤：
[0012]将高维的光谱特性降到低维的特性向量；
[0013]根据特性向量识别出光伏组件的缺陷。
[0014]进一步的，作为优选，所述将高维的光谱特性降到低维的特性向量时采用主成分分析法。
[0015]进一步的，作为优选，所述主成分分析法包括以下步骤：
[0016]将光谱特性中心化；
[0017]计算光谱特性的协方差矩阵；
[0018]计算协方差矩阵的特征值和特征向量；
[0019]选择前K个最大的特征值对应的特征向量作为主成分；
[0020]将原始的高维的光谱特性投影到K个主成分上，得到降维后的光谱特性向量。
[0021]进一步的，作为优选，所述根据特性向量识别出光伏组件的缺陷时采用支持向量机识别。
[0022]进一步的，作为优选，所述支持向量机识别时包括如下步骤：
[0023]初始化核函数K和参数a、b；
[0024]将光谱特性向量分为训练集和验证集，使用训练集训练支持向量机模型，再使用验证集来评估支持向量机模型的性能；
[0025]根据支持向量机模型在验证集上的性能，并更新参数a和b；
[0026]重复上述步骤，直至找到在验证集上性能最佳的参数和；
[0027]使用找到的最佳参数a和b，以及核函数K，在全部光谱特性向量上训练支持向量机模型；
[0028]用该模型对新的光谱特性向量进行分类，识别出光伏组件的缺陷。
[0029]本专利技术还提供一种高精度光伏组件EL检测系统，包括以下模块：
[0030]激励模块：用于对光伏组件进行电压激励，使其产生电流；
[0031]检测模块：用于检测光伏组件在电压激励下发出的光，并将检测到的光转换为电信号；
[0032]光谱特性提取模块，用于对电信号进行光谱分析，以获取光的光谱特性；
[0033]分析模块，用于根据光谱特性，识别出光伏组件的缺陷；
[0034]进一步的，作为优选，所述分析模块包括光谱分析单元和缺陷识别单元；
[0035]所述光谱分析单元用于将高维的光谱特性降到低维的特性向量；
[0036]所述缺陷识别单元用于根据特性向量识别出光伏组件的缺陷。
[0037]进一步的，作为优选，所述光谱分析单元采用主成分分析模块分析；
[0038]所述主成分分析模块包括：
[0039]中心化模块，用于将光谱特性中心化；
[0040]协方差矩阵计算模块，用于计算光谱特性的协方差矩阵；
[0041]特征值和特征向量计算模块，用于计算协方差矩阵的特征值和特征向量；
[0042]主成分选择模块，用于选择前K个最大的特征值对应的向量作为主成分；降维模块，用于将原始光谱特性投影到K个主成分上，得到降维后的光谱特性向量。
[0043]进一步的，作为优选，所述缺陷识别单元采用支持向量机模块识别；
[0044]所述支持向量机模块包括：
[0045]参数初始化模块，用于初始化核函数K和参数a、b；
[0046]训练集和验证集分割模块，用于将光谱特性向量分为训练集和验证集；
[0047]模型训练模块，用于使用训练集来训练支持向量机模型；
[0048]模型评估模块，用于使用验证集来评估支持向量机模型的性能；
[0049]参数更新模块，用于根据模型在验证集上的性能更新参数a和b；
[0050]最优参数选择模块，用于重复上述步骤，直至找到在验证集上性能最好的参数和；
[0051]最终模型训练模块，用于使用找到的性能最好的参数a和b以及核函数K，在全部光谱特性向量上训练支持向量机模型。
[0052]与现有技术相比，本专利技术的一个方面具有如下有益效果：
[0053]本专利技术通过对光伏组件进行电压激励，然后使用光电探测器检测光伏组件在电压
激励下发出的光，并将接收到的光转换为电信号，对电信号进行光谱分析，根据光谱特征来识别出光伏组件的微小缺陷；该方法和系统能够提高EL检测的精度，特别是在识别微小缺陷方法，如裂纹、破损或者局部发热等问题，对于提高光伏组件的性能和寿命具有重要的意义。
附图说明：
[0054]图1为本专利技术的一种高精度光伏组件EL检测方法的流程示意图；
[0055]图2为本专利技术的一种高精度光伏组件EL检测系统的示意图。
具体实施方式：
[0056]下面对本专利技术的具体实施方式进行详细描述，但应当理解本专利技术的保护范围并不受具体实施方式的限制。
[0057]以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
[0058]实施例1：
[0059]如图1所示，一种高精度光伏组件EL检测方法，包括以下步骤：
[0060]向光伏组件施加电压，使其产生电流；
[0061]采用光电探测器检测光伏组件在电压激励下发出的光，并将接收到的光转换为电信号；
[0062]对电信号进行光谱分析，获取光伏组件发出的光的光谱特性；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高精度光伏组件EL检测方法，其特征在于，包括以下步骤：向光伏组件施加电压，使其产生电流；采用光电探测器检测光伏组件在电压激励下发出的光，并将接收到的光转换为电信号；对电信号进行光谱分析，获取光伏组件发出的光的光谱特性；根据光谱特性识别出光伏组件的缺陷。2.根据权利要求1所述的一种高精度光伏组件EL检测方法，其特征在于，所述根据光谱特性识别出光伏组件的缺陷，包括如下步骤：将高维的光谱特性降到低维的特性向量；根据特性向量识别出光伏组件的缺陷。3.根据权利要求2所述的一种高精度光伏组件EL检测方法，其特征在于，所述将高维的光谱特性降到低维的特性向量时采用主成分分析法。4.根据权利要求3所述的一种高精度光伏组件EL检测方法，其特征在于，所述主成分分析法包括以下步骤：将光谱特性中心化；计算光谱特性的协方差矩阵；计算协方差矩阵的特征值和特征向量；选择前K个最大的特征值对应的特征向量作为主成分；将原始的高维的光谱特性投影到K个主成分上，得到降维后的光谱特性向量。5.根据权利要求2所述的一种高精度光伏组件EL检测方法，其特征在于，所述根据特性向量识别出光伏组件的缺陷时采用支持向量机识别。6.根据权利要求5所述的一种高精度光伏组件EL检测方法，其特征在于，所述支持向量机识别时包括如下步骤：初始化核函数K和参数a、b；将光谱特性向量分为训练集和验证集，使用训练集训练支持向量机模型，再使用验证集来评估支持向量机模型的性能；根据支持向量机模型在验证集上的性能，并更新参数a和b；重复上述步骤，直至找到在验证集上性能最佳的参数和；使用找到的最佳参数a和b，以及核函数K，在全部光谱特性向量上训练支持向量机模型；用该模型对新的光谱特性向量进行分类，识别出光伏组件的缺陷。7.一种高精度光伏组件EL检测系统，其特征在...

【专利技术属性】
技术研发人员：张恩享，朱耿峰，邓安洲，李海建，邓巍，陈晓旭，汪臻，李冲，
申请(专利权)人：华能格尔木光伏发电有限公司，
类型：发明
国别省市：