基于图像处理的光伏阵列热斑检测方法和检测系统

摘要

本发明涉及一种基于图像处理的光伏阵列热斑检测方法和检测系统，该检测方法包括如下步骤：获取光伏阵列的红外影像；对光伏阵列的红外影像进行图像分割，得到其中的光伏组件的红外影像；根据光伏组件的红外影像中各像素点的像素值确定光伏组件的温度异常区域；根据温度异常区域内像素点的灰度均值得到其为热斑的第一概率值，根据温度异常区域的面积得到其为热斑的第二概率值，根据第一概率值和第二概率值得到该温度异常区域为热斑的最终概率值；判断温度异常区域为热斑的最终概率值是否大于设定概率值，如果大于，则判断该温度异常区域为热斑。本发明所提供的技术方案，能够解决现有技术中对光伏组件上光斑检测不准确的问题。

说明书

技术领域

本发明属于光伏阵列的热斑检测技术领域，具体涉及一种基于图像处理的光伏阵列热斑检测方法和检测系统。

背景技术

作为新兴的发电技术，太阳能发电技术在很多方面都要优于传统的发电技术。这种新技术不仅污染较低，而且还能够降低发电成本。光伏组件是由晶体硅太阳能电池板、超白布纹钢化玻璃、EVA、透明TPT背板以及铝合金边框组成的，是太阳能发电站中将太阳能转换为电能的主要设备。

光伏组件通常安装在地域开阔、阳光充足的地带，在长期使用中难免落上飞鸟、尘土、落叶等遮挡物，这些遮挡物在光伏组件上就形成了阴影，并且在大型光伏组件方阵中行间距不适合也能互相形成阴影。由于局部阴影的存在，光伏组件中某些电池单片的电流、电压发生了变化，使光伏组件局部电流与电压之积增大，从而在这些光伏组件上产生了局部温度升高，在光伏组件上形成热斑。并且光伏组件中某些电池单片本身缺陷也可能使组件在工作时局部发热，也会在光伏组件上形成热斑。

光伏组件热斑的危害很大，不仅会消耗有光照的光伏组件所产生的部分能量或所有能量，降低输出功率，甚至将会永久性破坏光伏组件，甚至烧毁光伏组件。因此为了保证光伏组件的安全运行，需要定期检测其是否存在热斑。

目前对光伏组件热斑检测常用的方法是：采集光伏组件的红外影像，通过红外影像中光伏组件各部分的颜色，判断出是否存在热斑。

在采集光伏电池板的红外影像时，由于光伏组件通常设置有一层玻璃板，这层玻璃板会反射太阳光，因此当采集的角度为玻璃板发射太阳光的角度时，检测结果会收到发射太阳光中红外线的影响，准确性较差。

发明内容

本发明的目的是提供一种基于图像处理的光伏阵列热斑检测方法和检测系统，以解决现有技术中对光伏阵列中热斑检测不准确的问题。

为实现上述目的，本发明采用如下技术方案：

一种基于图像处理的光伏阵列热斑检测方法，包括如下步骤：

(1)获取光伏阵列的红外影像；

(2)对光伏阵列的红外影像进行图像分割，得到其中的光伏组件的红外影像；

(3)根据光伏组件的红外影像中各像素点的像素值确定光伏组件的温度异常区域；

(4)根据温度异常区域内像素点的灰度均值得到其为热斑的第一概率值，根据温度异常区域的面积得到其为热斑的第二概率值，根据如下数学模型得到该温度异常区域为热斑的最终概率值

其中P1为第一概率值，P2为第二概率值，ω

(5)判断温度异常区域为热斑的最终概率值是否大于设定概率值，如果大于，则判断该温度异常区域为热斑。

进一步的，步骤(2)中采用最大类间方差法对光伏阵列红外影像进行分割，得到其中光伏组件的红外影像。

进一步的，得到其中光伏组件的红外影像后，根据光伏组件的分布面积对其进行筛选，排除其中的干扰信号。

进一步的，得到光伏组件的红外影像后，对其先进行腐蚀操作，再对其进行膨胀操作，得到优化后的光伏组件的红外影像。

进一步的，通过sober算子对光伏组件的红外影像进行处理，得到光伏组件中温度异常的区域。

进一步的，设g为光伏这列影像中灰度的均值，

当

当

第二概率的计算公式为

其中W×L为影像的大小，S

进一步的，还包括获取光伏阵列红外影像POS数据的步骤；当检测出热斑之后，根据其在光伏阵列红外影像中的位置和红外影像的POS数据，得到其位置信息。

进一步的，所述模型中的参数根据训练得到，训练时采用平方函数作为损失函数。

一种基于图像处理的光伏阵列热斑检测系统，包括处理器和存储器，存储器上存储有用于在处理器上执行的计算机程序；所述处理器执行所述计算机程序时，实现如下基于图像处理的光伏阵列热斑检测方法：

(1)获取光伏阵列的红外影像；

(2)对光伏阵列的红外影像进行图像分割，得到其中的光伏组件的红外影像；

(3)根据光伏组件的红外影像中各像素点的像素值确定光伏组件的温度异常区域；

(4)根据温度异常区域内像素点的灰度均值得到其为热斑的第一概率值，根据温度异常区域的面积得到其为热斑的第二概率值，根据如下数学模型得到该温度异常区域为热斑的最终概率值

其中P1为第一概率值，P2为第二概率值，ω

(5)判断温度异常区域为热斑的最终概率值是否大于设定概率值，如果大于，则判断该温度异常区域为热斑。

进一步的，步骤(2)中采用最大类间方差法对光伏阵列红外影像进行分割，得到其中光伏组件的红外影像。

进一步的，得到其中光伏组件的红外影像后，根据光伏组件的分布面积对其进行筛选，排除其中的干扰信号。

进一步的，得到光伏组件的红外影像后，对其先进行腐蚀操作，再对其进行膨胀操作，得到优化后的光伏组件的红外影像。

进一步的，通过sober算子对光伏组件的红外影像进行处理，得到光伏组件中温度异常的区域。

进一步的，设g为光伏这列影像中灰度的均值，

当

当

第二概率的计算公式为

其中W×L为影像的大小，S

进一步的，还包括获取光伏阵列红外影像POS数据的步骤；当检测出热斑之后，根据其在光伏阵列红外影像中的位置和红外影像的POS数据，得到其位置信息。

本发明的有益效果：本发明所提供的技术方案，首先根据光伏阵列的红外影像得到其中温度异常的区域，然后根据温度异常区域的面积和灰度，通过所建立的数学模型得到温度异常区域为热斑的概率，从而检测出光伏阵列中的热斑。热斑的面积通常都具有局限性，由于本发明所提供的技术方案中，在采用其中数学模型计算温度异常区域为热斑的概率时，得到的结果随着温度异常区域灰度值的增加而增加，随着面积的增发现增加后减小，因此本发明所提供的技术方案，能够准确的检测出光伏组件中的光斑，解决现有技术中对光伏组件上光斑检测不准确的问题。

附图说明

图1是本发明方法实施例中基于图像处理的光伏阵列热斑检测方法的流程图。

具体实施方式

本发明的目的是提供一种基于图像处理的光伏阵列热斑检测方法和检测系统，以解决现有技术中对光伏电池板热斑检测不准确的问题。

方法实施例：

本实施例提供一种基于图像处理的光伏阵列热斑检测方法，该方法通过建立数学模型，消除由于光伏电池板发射太阳光而对检测结果造成的影响，提高对光伏阵列上热斑检测的准确性。

本实施例所提供的基于图像处理的光伏阵列热斑检测方法，其流程如图1所示，包括如下步骤：

步骤一：获取光伏阵列热红外影像和影像的POS数据。

步骤二：使用最大类间方差法从光伏阵列的红外影像中分割出光伏组件的红外影像。

在光伏阵列红外影像中不仅有光伏组件的红外影像，还有背景的红外影像，为了消除背景对光伏组件上热斑判断的影响，需要从光伏阵列的红外影像中分割出光伏组件的红外影像。

本实施例中采用最大类间方差法，根据红外影像的灰度值选取域值，并根据域值从光伏阵列的红外影像中分割出光伏组件的红外影像，分割方法包括如下步骤：

设光伏阵列红外影像中各像素点灰度的取值范围为[0，L]，像素点的总数量为n，灰度值为i的像素点的数量为n

光伏阵列红外影像各像素点的灰度均值为：

本实施例中，光伏组件为前景目标，其余部分为背景目标，由于在光伏组件工作时光伏组件的温度较高，因此光伏组件红外影像的像素值较大，背景目标的像素值较小。

首先对取值范围[0，L]进行遍历，得到当分割阈值为0到L之间任意像素值时前景目标和背景目标之间的类间方差，将类间方差最大时对应的分割阈值作为前景目标和背景目标的标准分割阈值。

然后采用标准分割阈值对光伏阵列进行分割，得到的前景目标即为光伏组件的红外影像。

前景目标和背景目标之间类间方差的计算方法为：

当前景目标与背景目标之间的分割阈值为T时，设背景目标的像素点数量为w

为背景目标的概率为

背景目标的红外影像中各像素点的灰度平均值为：

前景目标的红外影像中各像素点的灰度平均值为

前景目标区域与背景目标区域之间的类间方差为

在光伏组件的红外影像中，可能会存在一些温度较高的物体，如现场放置的某些金属物体，在太阳光的照射下，其温度不低于光伏组件的温度，甚至比光伏组件的温度还要高，因此通过最大类间方差法得到的光伏组件红外影像中可能会存在大量的干扰，需要将这些干扰消除，消除的方法为：

通过最大类间方差法得到光伏组件的红外影像后，对其进行二值化处理，将其中光伏组件区域的像素值设置为1，其它区域的像素值设置为0，得到像素值为1的区域的连通域。

计算各连通域的面积，判断各连通域的面积是否大于设定面积，如果大于，则将其作为光伏组件，否则判断其不是光伏组件；

将不是光伏组件的部分从光伏组件的红外影像中删除，只保留其中光伏组件的红外影像。

由于光伏组件在图像中的面积较大，因此通过面积筛选出光伏组件，能够排除外界物体对检测结果的影像。

步骤三：对光伏组件的红外影像先进行腐蚀操作再进行膨胀操作，得到优化处理后的光伏发电组件红外影像。

腐蚀操作用于对光伏组件红外影像中光伏组件的边缘进行腐蚀，在腐蚀操作的过程中，首先选取设定尺寸的矩形作为卷积核对光伏组件的红外影像进行卷积，计算卷积核覆盖区域像素的最小值，并把该最小值赋给参考点对应像素点，使光伏组件红外影像的高亮区域逐渐减小。通过腐蚀操作，会将光伏组件外围的突出点加以腐蚀，去除误分割的背景。

对影像进行膨胀操作时，选取设定尺寸的矩形作为卷积核对腐蚀操作后的光伏组件红外影像进行卷积，计算卷积核覆盖区域像素的最大值，并把该最大值赋给参考点对应的像素点，使腐蚀处理后的光伏组件红外影像中高亮区域逐渐增大，对光伏组件进行填充，降低热斑检测的漏检率。

步骤四：根据光伏组件红外影像中各像素点的灰度确定温度异常区域，根据温度异常区域各像素点的灰度值计算其为热斑的概率，将该概率作为第一概率值；根据温度异常区域的面积计算其为热斑的概率，将该概率作为第二概率值；根据第一概率值和第二概率值得到该区域是否为热斑区。

本实施例中利用sober算子对光伏组件的红外影像进行边缘检测，得到其中的温度异常区域，包括如下步骤：

对光伏发电组件的红外影像进行灰度转换，得到光伏组件红外影像的灰度图像；

设灰度图像的横轴为x轴，纵轴为y轴，首先获取x轴和y轴方向上的卷积核，然后根据x轴和y轴方向上的卷积核，分别计算x轴和y轴方向的梯度值；

设x轴方向的卷积核为

在y轴方向的梯度为：

其中，A为经过灰度处理的光伏发电组件热红外影像。

边缘梯度为：

将计算出的边缘梯度与设定梯度进行比较，如果大于设定梯度，则将边缘梯度对应的区域作为温度异常区域。

设共得到m个温度异常区域，其中第j个温度异常区域中像素的平均灰度值为

P

当

计算温度异常区域的连通区域的面积，第j个温度异常区域中连通区域的面积为S

其中，W×L为光伏组件红外影像的尺寸。

首先建立输入温度概率P

其中ω

步骤五：结合POS系统，得到热斑的位置。

系统实施例：

本实施例提供一种基于图像处理的光伏阵列热斑检测系统，包括处理器和存储器，存储器上存储有用于在处理器上执行的计算机程序；处理器执行该计算机程序时，实现如上述方法实施例中所提供的基于图像处理的光伏阵列热斑检测方法。

以上公开的本发明的实施例只是用于帮助阐明本发明的技术方案，并没有尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。