【技术实现步骤摘要】
本专利技术涉及光伏发电领域，特别是涉及一种光伏组件点状热斑的检测方法、系统、装置及光伏电站。
技术介绍
1、光伏产业的高速发展对光伏电站的运维提出了高要求，如何实现高效的大型电站运维，避免因光伏设备故障带来的安全问题和经济损失，成为当前光伏产业的行业痛点之一。现阶段，光伏电站目前的巡检方式仍以人工巡检为主，但由于大型地面光伏电站占地大、设备多、安装环境较复杂，在大部分场景下人工巡检效率低下且难以满足要求，分布式屋顶光伏电站则存在分布散、上屋难、安全风险大等问题。因此，为了解决传统人工巡检的一系列问题，通过无人机搭载红外传感器的智能巡检方式，并结合计算机视觉技术，实现光伏组件故障的快速检测。在实际运维场景下，光伏组件的故障在红外图像中会形成热斑现象，具体表现为光伏组件模块上温度异常升高的点状或小面积斑状像素集合。在所有热斑类型中又以点状热斑的故障类型最为常见，因此，对红外图像点状热斑检测的准确性是影响光伏组件故障智能诊断结果的重要因素。
技术实现思路
1、本专利技术的目的是提供一种光伏组件点状热斑的检测方法、系统、装置及光伏电站，能够提高在无人机自动巡检模式下光伏组件点状热斑检测的准确率，从而后续定位故障光伏组件的位置更加准确。
2、为解决上述技术问题，本专利技术提供了一种光伏组件点状热斑的检测方法，包括：
3、获取光伏组件的红外图像并确定所述红外图像的灰度值；
4、构建决策面函数，所述决策面函数值与所述红外图像中像素点的集中度及所述红外图像中像素
5、根据所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值；
6、根据所述决策面函数值确定所述红外图像中是否包括点状热斑。
7、另一方面，获取光伏组件的红外图像并确定所述红外图像的灰度值之后，还包括：
8、根据图像白化关系式得到白化后的所述红外图像的灰度值；
9、采用中值滤波器对白化后的所述红外图像的灰度值进行滤波；
10、其中，iwhite为白化后的所述红外图像的灰度值，i为所述红外图像的灰度值，mean(i)为所述红外图像的灰度均值，std(i)为所述红外图像的图像标准差；
11、根据所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值，包括：
12、根据白化及滤波后的所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值。
13、另一方面，采用中值滤波器对白化后的所述红外图像的灰度值进行滤波之后，还包括：
14、根据灰度归一化关系式对滤波后的所述红外图像进行灰度归一化；
15、其中，i(x,y)为坐标为(x，y)的像素点的灰度值，imin为滤波后的所述红外图像的灰度最小值，imax为滤波后的所述红外图像的灰度最大值；
16、根据所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值，包括：
17、根据所述红外图像中各个像素点归一化后的灰度值确定所述红外图像中各个所述像素点的决策面函数值。
18、另一方面，构建决策面函数，包括：
19、以所述红外图像中的像素点作为中心，根据尺度参数r及增广常数λ构建块图像区域及增广块图像区域
20、构建决策面函数，所述决策面函数的表达式为
21、其中，b＝{i(x,y)||u-x|≤r,|v-y|≤r}，b+＝{i(x,y)||u-x|≤λr,|v-y|≤λr}，f(b)为决策面函数值，b(i,j)为块图像区域中坐标为(i，j)的像素点的灰度值，b+(i,j)为增广块图像区域中坐标为(i，j)的像素点的灰度值，a为松弛常数，ε为经验常数，(u，v)为块图像区域的中心像素点的坐标，m为所述红外图像的横向的像素点数量，n为所述红外图像的横向的像素点数量。
22、另一方面，根据所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值，包括：
23、以坐标为(λr+1，λr+1)的像素点作为起点，坐标为(m-λr，n-λr)的像素点作为终点，基于坐标为(λr+1，λr+1)的像素点作为中心构建的块图像区域及增广块图像区域在所述红外图像中以预设步长滑动；
24、根据各个块图像区域及增广块图像区域的中心像素点的灰度值确定所述红外图像中各个所述像素点的决策面函数值。
25、另一方面，根据所述决策面函数值确定所述红外图像中是否包括点状热斑，包括：
26、在所述决策面函数值不小于0时，确定所述块图像区域中包括点状热斑；
27、在所述决策面函数值小于0时，确定所述块图像区域中不包括点状热斑；
28、若所述红外图像中存在包括所述点状热斑的所述块图像区域，则确定所述红外图像中包括点状热斑；
29、若所述红外图像中不存在包括所述点状热斑的所述块图像区域，则确定所述红外图像中不包括点状热斑。
30、另一方面，根据所述决策面函数值确定所述红外图像中是否包括点状热斑之后，还包括：
31、对存在所述点状热斑的所述块图像区域的中心像素点的坐标进行标记；
32、根据所述中心像素点的坐标确定故障的光伏组件的位置。
33、为解决上述技术问题，本专利技术还提供了一种光伏组件点状热斑的检测系统，包括：
34、灰度值获取单元，用于获取光伏组件的红外图像并确定所述红外图像的灰度值；
35、构建单元，用于构建决策面函数，所述决策面函数值与所述红外图像中像素点的集中度及所述红外图像中像素点的灰度值均呈正相关；
36、决策面函数值确定单元，用于根据所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值；
37、点状热斑确定单元，用于根据所述决策面函数值确定所述红外图像中是否包括点状热斑。
38、为解决上述技术问题，本专利技术还提供了一种光伏组件点状热斑的检测装置，包括：
39、存储器，用于存储计算机程序；
40、处理器，用于执行所述计算机程序时实现上述光伏组件点状热斑的检测方法的步骤。
41、为解决上述技术问题，本专利技术还提供了一种光伏电站，包括上述的光伏组件点状热斑的检测装置，还包括光伏组件。
42、本专利技术公开了一种光伏组件点状热斑的检测方法、系统、装置及光伏电站，涉及光伏发电领域，包括获取光伏组件的红外图像并确定红外图像的灰度值；构建决策面函数；根据红外图像的灰度值确定红外图像中各个像素点的决策面函数值；根据决策面函数值确定红外图像中是否包括点状热斑。考虑到光伏组件出现故障后无法将太阳能转换为电能，进而导致在红外图像中产生点状热斑，由于点状热斑高度集中且灰度值较高，所以构建了与红外图像中像素点的集中度及红外图像中的像素点的灰度值均呈正相关的决策面函数，根据决策面函数确定红外图像中是否存在点状热斑，能够提高在无人机自动巡检模本文档来自技高网...
【技术保护点】
1.一种光伏组件点状热斑的检测方法，其特征在于，包括：
2.如权利要求1所述的光伏组件点状热斑的检测方法，其特征在于，获取光伏组件的红外图像并确定所述红外图像的灰度值之后，还包括：
3.如权利要求2所述的光伏组件点状热斑的检测方法，其特征在于，采用中值滤波器对白化后的所述红外图像的灰度值进行滤波之后，还包括：
4.如权利要求1至3任一项所述的光伏组件点状热斑的检测方法，其特征在于，构建决策面函数，包括：
5.如权利要求4所述的光伏组件点状热斑的检测方法，其特征在于，根据所述红外图像的灰度值确定所述红外图像中各个所述像素点的决策面函数值，包括：
6.如权利要求4所述的光伏组件点状热斑的检测方法，其特征在于，根据所述决策面函数值确定所述红外图像中是否包括点状热斑，包括：
7.如权利要求5所述的光伏组件点状热斑的检测方法，其特征在于，根据所述决策面函数值确定所述红外图像中是否包括点状热斑之后，还包括：
8.一种光伏组件点状热斑的检测系统，其特征在于，包括：
9.一种光伏组件点状热斑的检测装置
10.一种光伏电站，其特征在于，包括如权利要求9所述的光伏组件点状热斑的检测装置，还包括光伏组件。
...【技术特征摘要】
1.一种光伏组件点状热斑的检测方法，其特征在于，包括：
2.如权利要求1所述的光伏组件点状热斑的检测方法，其特征在于，获取光伏组件的红外图像并确定所述红外图像的灰度值之后，还包括：
3.如权利要求2所述的光伏组件点状热斑的检测方法，其特征在于，采用中值滤波器对白化后的所述红外图像的灰度值进行滤波之后，还包括：
4.如权利要求1至3任一项所述的光伏组件点状热斑的检测方法，其特征在于，构建决策面函数，包括：
5.如权利要求4所述的光伏组件点状热斑的检测方法，其特征在于，根据所述红外图像的灰度值确定所述红外图像中各个...
【专利技术属性】
技术研发人员：张天文，陈璐，夏超群，厉小润，李宁辉，
申请(专利权)人：浙江正泰智维能源服务有限公司，
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。