基于无人机及机器视觉的光伏电站“热斑效应”检测系统研究
来源:用户上传
作者:
【摘 要】本文首先分析了光伏组件运行时产生的热斑效应对电池组件的影响，提出了基于基于无人机及机器视觉的光伏电站“热斑效应”检测系统的检测方案。利用无人机搭载热成像及高清CCD摄像头，自动巡航采集图像，传输给地面监控站，利用机器视觉技术进行检测定位。这种方法比传统的人工检测方法有标准一致，速度快，效果好的优点。
【关键词】光伏;热斑效应;机器视觉;自动巡航
中图分类号： TM914.4 文献标识码： A 文章编号： 2095-2457（2019）15-0053-001
DOI：10.19694/j.cnki.issn2095-2457.2019.15.025
Research on Detection System of “Hot Spot Effect” of Photovoltaic Power Station
Based on UAV and Machine Vision
WANG Yong-qiang1，2
（1.Tangshan college，Tangshan Hebei 063000，China;2.Tangshan’s key Laboratory of IOT and mobile Interconnection，Tangshan Hebei 063000，China）
【Abstract】Firstly， this paper analyses the influence of the hot spot effect on the battery module when the photovoltaic module runs.Then it puts forward a detection scheme of the photovoltaic power station "hot spot effect" detection system based on UAV and machine vision. The UAV is equipped with a thermal camera and high-definition CCD camera， which automatically cruises to collect images and transmits them to the ground monitoring station. Machine vision technology is used to detect and locate them. We compared the traditional manual detection method with this methord. this method has the advantages of standard consistency，fast speed and good effect.
【Key words】Photovoltaic; Hot spot effect; Machine vision; Automatic cruise
0 引言
光伏发电是根据光生伏特效应原理，通过光伏面板把太阳能转化为电能。光伏电站需要大量光伏面板。光伏面板通常安装在地域开阔、阳光充足的地带。光伏电站在长期使用过程中难免落上飞鸟、尘土、落叶等遮挡物，这些遮挡物在光伏面板组件上就形成了阴影。由于局部阴影的存在，太阳电池组件中某些电池单片的电流、电压发生了变化。其结果使太阳电池组件局部电流与电压之积增大，从而在这些电池组件上产生了局部温度升高。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，这种现象叫“热斑效应”。据国外权威统计，热斑效应可以使光伏组件的实际使用寿命至少减少10%。因此热斑效应检测成为目前研究的热门课题方向之一。
光伏组件热斑需要专用的热成像仪方可检测，通过光伏面板温度差，来检测判断面板是否存在隐患。如今的光伏电站大多为人工巡检，由于电站面积庞大且受地形影响因素，需要耗费大量时间人力成本，容易产生巡检盲点，在巡检频次上也达不到要求，无法全面检测光伏组件存在的問题。
贾力在《太阳能光伏组件热斑效应的检测与控制措施研究》中，分析了热斑效应的影响，通过仿真制定了有效的控制方案;杨康等在《光伏电站热斑测试研究》中，使用高精度红外仪进行检测分析，从而得到了热斑效应对发电量的影响;杨博等在《无人机检测光伏组件热斑效应的设计与实现》中提出了使用无人机及ARM11的检测方案，提高了检测效率。
1 设计方案
该系统由两个摄像头组成，一个为热成像摄像头另一个为高清CCD摄像头。两个摄像头能够同时捕捉光伏组件的实时图片。然后将两个摄像头放置在四旋翼无人机上。四旋翼无人机能够根据规划好的飞行路线飞越光伏组件。采集的视频通过无线传输，传输给地面监控站。地面监控站用于存储来自热成像摄像头和CCD摄像头的实时视频。存储的视频由多核CPU进行处理，从而截取最佳处理图像，通过机器视觉检测算法，查看到光伏电站的实景全貌和组件上是否存在热斑、缺失、隐裂等问题，准确标注问题面板，并对其进行精准定位。
2 机器视觉检测
该系统首先将热成像摄像头提取的图像转化为灰度图像;然后将灰度图像转化为二值图像进行边缘检测及阈值分割，从而识别输入图像中的感兴趣区域，也就是热斑缺陷点。由于有缺陷的太阳能光伏面板在热图像中显示强烈的黄色或白色，因此可以非常容易的识别感兴趣的区域。本系统通过对比Sobel算子，Laplacian算子，Canny算子进行图像边缘检测。经过大量实验，该Canny算子非常适合本系统，有较为优异的处理效果。
综上，本系统利用Canny算子对二值图像进行边缘检测。边缘检测之后，就是图像分割。图像分割是将数字图像划分成互不相交的区域的过程。本系统采用了高斯滤波和直方图均衡化处理输入图像，从而解决了待测图像阈值处理的低对比度问题。 另外一个高清CCD摄像头是一个辅助摄像头。它采集的图像主要是用来检测不能显示为热斑的光伏面板运行问题，最主要的就是遮挡而产生的阴影。阴影的存在会使发电站发电量减少。
3 无人机路径规划
无人机的飞行如果采用手动模式，这就需要驾驶员有很好的无人机操控能力。否则由于高度、角度不合适，会导致提取图像不清晰或者提取角度有问题，从而导致所提取的图像无法满足需求。为了更好的完成图像的提取，需要四旋翼无人机按照固定的线路、高度，角度进行飞行，从而要把四旋翼无人机设定为自动模式。这时需要按照光伏电站的实际情况，编程设定四旋翼无人机的自动巡航。
自动巡航包括，飞机的起飞、巡检，光伏面板换行，降落的一系列流程。自动巡航的线路、高度，角度需要经过现场调试。巡航的线路可以根据GPS传感器进行设定。设定时要保证两个摄像头所拍摄光伏面板图像应该在图像中心。飞行高度越高，每次提取图像包含光伏面板的数量越多，但会影响后期的图像处理及缺陷识别。飞行角度应该采用光伏面板侧上方飞行，从而保证足够的视场。
4 无人机自动巡检与人工巡检的对比
无人机自动巡检和人工巡检的优势在于，由于采用机器视觉技术，可以使故障判断标准保持一致;比用人工采用热成像仪检测速度快、效果好;可在光伏面板运行时检测，不会影响发电，也不会给光伏面板带来损伤;可自主设定巡检需求，设定巡检时间，及巡检过程自动化。无人机自动巡检方法统灵活性强，资本和人力投入较少，可操作性强。
5 结论
本文提出了利用无人机及机器视觉技术的光伏面板“热斑效应”检测方法。利用无人机搭载热成像及高清CCD摄像头，设定无人机的飞行高度、路线及角度，实现自动巡航。自动巡航过程中将无线传输采集图像给地面监测站，利用机器视觉算法分别对两个摄像头采集图像进行处理，从而将存在缺陷的面板进行定位。实现检测的自动化。
【参考文献】
[1]贾力.太阳能光伏组件热斑效应的检测与控制措施研究[J].山东工业技术.2017（2）.
[2]杨康，等.光伏电站热斑测试研究[J].云南师范大学学报（自然科学版）.2015（3）.
[3]楊博，等.无人机检测光伏组件热斑效应的设计与实现[J].太阳能.2017（12）.
[4]杨慧.基于光伏电站的无人机全自动巡检系统的应用研究[J].太阳能.2019（1）.
转载注明来源:https://www.xzbu.com/8/view-14929457.htm
