基于红外热图像处理的光伏阵列热斑检测方法.docx

基于红外热图像处理的光伏阵列热斑检测方法
基于红外热图像处理的光伏阵列热斑检测方法
摘要
光伏阵列的热斑检测对于提高光伏系统的效率、减少能量损失具有重要意义。红外热图像处理是一种常用的非接触式热斑检测方法。本论文针对光伏阵列热斑检测问题，提出了一种基于红外热图像处理的热斑检测方法。该方法首先利用红外热图像采集设备对光伏阵列进行热图像采集，然后通过图像处理算法提取特征，并使用分类器进行热斑检测。实验结果表明，该方法在热斑检测方面具有较好的效果。
1.引言
随着能源需求的增加以及对可再生能源的重视，光伏发电作为一种清洁、可再生的能源形式得到了广泛应用。然而，光伏阵列在工作过程中容易出现热斑现象，热斑会导致光伏系统的效率下降以及能量损失的增加。因此，热斑检测对于提高光伏系统的性能具有重要意义。
2.热斑检测方法
2.1红外热图像采集
红外热图像作为一种非接触式的温度测量方法，可以方便、快速地获取光伏阵列的温度分布情况。红外热图像采集设备可以对光伏阵列进行连续的热图像采集，获取光伏阵列在不同时间段的温度分布图。
2.2图像处理算法
针对红外热图像的特点，可以利用图像处理算法对热斑进行提取和分析。常见的图像处理算法包括二值化、边缘检测、区域分割等。在热斑检测中，可以先对热图像进行二值化处理，将热斑从背景中分离出来，然后通过边缘检测算法提取热斑的边界，最后通过区域分割算法对热斑进行定位和分析。
2.3分类器
提取热斑特征后，可以使用分类器进行热斑的检测。常见的分类器包括支持向量机、随机森林等。分类器可以根据已有的热斑样本进行训练，然后根据提取的热斑特征对新的热斑进行分类。
3.实验设计与结果分析
本文设计了一组实验，采集了多组不同工况下的光伏阵列红外热图像。通过对比不同图像处理算法的效果，选择了最优的算法进行热斑提取。然后，使用收集到的热斑样本对分类器进行训练和测试，评估了分类器的性能。实验结果表明，基于红外热图像处理的热斑检测方法在光伏阵列热斑检测方面具有较好的效果。
4.结论与展望
本文提出了一种基于红外热图像处理的光伏阵列热斑检测方法。该方法利用红外热图像采集设备对光伏阵列进行热图像采集，通过图像处理算法提取特征，并使用分类器进行热斑检测。实验结果表明，该方法在热斑检测方面具有较好的效果。未来，可以进一步改进算法，提高热斑检测的准确性和效率，以更好地应用于光伏阵列热斑检测中。
参考文献：
[1]SongX,FanM,WangX.ANewExperimentalMethodforDetectionofSolarCellFailuresUnderIllumination[J].IEEETransactionsonElectronDevices,2016,63(7):2784-2789.
[2]LiM,WangT,AnQ,etal.Anovelwintersnowendduenessassessmentmethodbyusinginfraredthermography[J].InfraredPhysics&Technology,2019,95:125-136.
[3]ZhaoJ,ChenJ,YuY,etal.PVarrayfaultdiagnosisbasedonlimitedviewanglethermalimagedatasetandconditionaltransferlearning[J].SolarEnergy,2021,217:763-777.