一种基于太阳能产业光伏组件热斑检测与定位维护系统的制作方法
本发明涉及光伏组件故障检测与运维,尤其涉及一种基于太阳能产业光伏组件热斑检测与定位维护系统。
背景技术:
1、现有光伏组件热斑检测技术多采用单一检测模态,主流分为红外热成像检测与电致发光el检测两类,红外检测可实现光伏组件发电工况下的实时温度采集,快速识别表层显性高温热斑,el检测可在停机状态下探测组件内部隐性缺陷。同时,传统运维模式多依托人工巡检配合像素级故障定位,仅能依靠单一温度参数判定热斑故障,部分方案引入基础图像匹配算法实现故障初步定位,少量技术可实现简单热斑标记跟踪,形成了基础的光伏组件故障检测运维体系;
2、然而,单一检测模态无法兼顾显性热斑实时识别与隐性故障精准排查,漏检、误检问题突出;传统图像匹配算法适配性差,光伏组件纹理重复、结构规整场景下配准误差大,无系统性畸变矫正机制,故障定位精度低;缺乏层级化拓扑定位架构,仅能实现粗像素级定位,无法精准对应子电池单元;无时序关联分析机制,无法区分一过性遮挡热斑与永久性缺陷热斑,误判率高、运维资源浪费严重;无标准化故障分级与闭环运维体系,故障处置无序、高危故障响应滞后,易引发组件烧毁、电站短路等安全隐患,因此,本发明提出一种基于太阳能产业光伏组件热斑检测与定位维护系统以解决现有技术中存在的问题。
技术实现思路
1、针对上述问题,本发明提出一种基于太阳能产业光伏组件热斑检测与定位维护系统,该基于太阳能产业光伏组件热斑检测与定位维护系统采用动态红外实时检测+静态el精准校核双模态融合机制,突破传统单一检测模态技术瓶颈,可同时识别表层显性热斑与内部隐性故障,通过双模态特征融合交叉校核剔除环境噪声干扰,有效补全单一模态检测盲区,提升热斑故障综合检测准确率,解决传统技术显性故障漏检、隐性故障无法识别的问题。
2、为实现本发明的目的,本发明通过以下技术方案实现:一种基于太阳能产业光伏组件热斑检测与定位维护系统,包括双模态图像采集模块、图像预处理配准模块、数字孪生五级定位模块、时序热斑分类模块、智能分级运维调度模块,所述双模态图像采集模块用于日间采集组件温度场显性热斑数据、夜间采集组件隐性缺陷纹理数据;所述图像预处理配准模块通过畸变矫正与深度单应性网络实现双模态图像亚像素级配准;
3、所述数字孪生五级定位模块构建五级拓扑结构,结合图注意力网络实现单电池片级热斑检测定位;所述时序热斑分类模块通过时序关联分析区分一过性与永久性热斑;所述智能分级运维调度模块基于多指标分级体系匹配差异化运维策略,实现故障全流程闭环管控。
4、进一步改进在于:所述双模态图像采集模块包括红外热成像采集单元与el电致发光成像单元,所述红外热成像采集单元用于光伏组件日间发电工况下,实时采集组件全域温度场分布数据,快速识别表层高温显性热斑;所述el电致发光成像单元用于电站夜间或停机窗口期,采集组件发光图像,通过灰度差异识别电池片隐裂、栅线断裂、隐性衰减隐性故障;所述双模态图像采集模块的特征融合过程采用双模态特征融合算法,算法公式为:
5、;
6、其中,f为融合后综合故障特征矩阵,α为红外温度特征权重系数,取值范围0.4~0.6,t为红外图像提取的温度梯度特征矩阵,β为el纹理特征权重系数,取值范围0.4~0.6,e为el图像提取的缺陷纹理特征矩阵,且α+β=1;通过该算法完成两类模态特征归一化融合,实现故障信息互补与噪声剔除。
7、进一步改进在于:所述图像预处理配准模块采用畸变矫正对采集的数据进行预处理,消除红外相机与el相机光学焦距、视场角、畸变系数差异带来的系统性配准误差,采用深度单应性网络自适应不同拍摄角度、拍摄距离、环境光照变化,适配光伏组件纹理重复、结构规则的应用场景。
8、进一步改进在于:所述图像预处理配准模块搭载深度单应性估计网络,其单应性变换配准算法公式为:
9、;
10、其中,x、y为红外图像原始像素坐标,x'、y'为配准后对应el图像像素坐标,h为3×3单应性变换矩阵;h矩阵通过网络自适应迭代更新,结合光伏组件结构先验约束修正,最终将配准误差控制在2像素以内。
11、进一步改进在于:所述数字孪生五级定位模块构建的五级拓扑结构依次为电站整体层级、组串层级、组件层级、电池片层级、子电池单元层级,各层级节点独立关联,通过图注意力网络建模热斑跨层级传播规律,最终输出热斑概率图,实现<1.2cm²单电池片级定位。
12、进一步改进在于:所述数字孪生五级定位模块中,图注意力网络热斑概率计算算法公式为:
13、;
14、其中,pi为第i个拓扑节点的热斑故障概率,σ为sigmoid激活函数,ni为第i个节点的邻接节点集合,αij为节点i与节点j的注意力权重系数,w为特征权重矩阵,xj为邻接节点j的综合特征向量,包含温度梯度、发光衰减、电流缺失率特征。
15、进一步改进在于:所述时序热斑分类模块采用时序特征匹配算法甄别热斑类型,算法公式为:
16、;
17、其中,s为热斑时序波动特征值,n为时序采集天数,tt为第t天热斑温差值,为多日温差均值,lt为第t天热斑位置坐标,为多日位置均值;s大于预设阈值为一过性热斑,s小于预设阈值为永久性故障热斑。
18、进一步改进在于:所述时序热斑分类模块连续采集不少于7天的时序数据,同步匹配太阳角度、环境辐照气象数据,通过时序波动特征值s精准区分临时遮挡引发的动态热斑与组件本体缺陷引发的稳态热斑。
19、进一步改进在于:所述智能分级运维调度模块搭载热斑故障分级加权评价算法,算法公式为:
20、;
21、其中,q为热斑故障综合评分值,δt为热斑与正常组件的温度差值,s为热斑故障覆盖面积,td为热斑持续存在时长,η为组件实时发电功率衰减率;ω1、ω2、ω3、ω4分别为温度、面积、时长、衰减率对应的归一化权重系数,且ω1+ω2+ω3+ω4=1,各权重系数依据光伏电站运维标准自适应赋值;依据q数值区间划分三级故障等级,实现故障精准分级研判。
22、进一步改进在于:所述智能分级运维调度模块依托热斑故障综合评分值q划分一级轻微隐患、二级一般故障、三级高危故障三级故障体系;对应执行定期复测、常规工单整改、紧急预警调度的差异化策略,联动多终端实现故障识别、判定、派单、整改、归档全流程自动化闭环管控。
23、本发明的有益效果为:
24、1、本发明采用动态红外实时检测+静态el精准校核双模态融合机制,突破传统单一检测模态技术瓶颈,可同时识别表层显性热斑与内部隐性故障,通过双模态特征融合交叉校核剔除环境噪声干扰,有效补全单一模态检测盲区,提升热斑故障综合检测准确率,解决传统技术显性故障漏检、隐性故障无法识别的问题。
25、2、本发明引入相对畸变矫正预处理结合深度单应性估计网络,无需人工设置控制点,可自适应不同拍摄角度、距离与环境变化,适配光伏组件纹理重复、结构规则的场景特性,搭配组件结构先验精调,将图像配准误差稳定控制在2像素以内,实现热斑区域精准映射,为故障维护提供厘米级空间定位精度,相较传统sift、surf特征匹配算法鲁棒性与精度大幅提升。
26、3、本发明构建电站、组串、组件、电池片、子电池单元五级数字孪生拓扑结构,依托图注意力网络对热斑传播规律建模,融合多维度节点特征输出热斑概率图,实现单电池片级精准定位,定位精度可达<1.2cm²,提升空间分辨率,解决传统定位层级粗糙、无法精准锁定故障单元的问题。
27、4、本发明搭建时序动态关联热斑自适应分类机制,结合多日太阳角度、辐照时序数据与热斑状态变化规律,精准区分遮挡导致的一过性热斑与组件缺陷导致的永久性热斑,通过时序特征匹配自动完成分类甄别,降低热斑误检率,有效规避无效运维,大幅节约电站运维人力与时间成本。
28、5、本发明构建多维度热斑故障分级评价体系,依托四大核心指标实现故障三级精准分级,匹配差异化运维策略,联动多端设备实现故障识别、等级判定、工单生成、人员调度、整改归档的全流程自动化闭环管控,解决传统运维无序、高危故障处置滞后的问题,有效规避组件烧毁、电站短路等安全风险,提升光伏电站运维标准化、智能化水平。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com