一种基于激励物特征图像的光伏组件状态分析方法及系统与流程

本发明涉及光伏组件检测，具体而言，涉及一种基于激励物特征图像的光伏组件状态分析方法及系统。

背景技术：

1、在能源危机与温室效应日益严重的今天，太阳能电池作为一种绿色能源在生产和生活中得到了广泛的应用，光伏组件是一种将太阳能电池片集成在一起的组件，它们在光照下产生电能。然而，由于光伏发电过程中会受到多种因素的影响，如温度、光照强度等，因此光伏组件的质量常常需要通过检测来确保其质量和安全性。传统的光伏组件检测方法主要是采用光学检测技术，如目视检测、放大镜等，但是这些方法往往存在效率低、精度差等问题。传统检测方式的滞后性影响了光伏产业的快速发展，且造成大量人力物力损耗。红外检测作为新兴的检测方式目前受到诸多关注，但是红外检测中检测精度受环境因素明显无法大面积推广。

2、因此，有必要设置一种基于激励物特征图像的光伏组件状态分析方法及系统，用以实现光伏板实时检测的同时排除环境影响，实现精确定位缺陷位置，提升检测精度的同时节省光伏板检测成本以及维修成本。

技术实现思路

1、鉴于此，本发明提出了一种基于激励物特征图像的光伏组件状态分析方法及系统，旨在解决当前光伏组件检测技术中检测具有滞后性，无法及时发现光伏组件缺陷，检测时耗费人力物力且检测精度低，造成生产成本高的问题。

2、一个方面，本发明提出了一种基于激励物特征图像的光伏组件状态分析方法，包括：

3、利用激励源向待测光伏组件发送正弦波形热波；

4、获取所述待测光伏组件的环境数据，根据所述环境数据调整所述激励源的工作状态；

5、获取所述待测光伏组件的转动角度，根据所述转动角度对所述激励源的入射角进行调整；

6、获取调整后的激励源与所述待测光伏组件的最小距离，根据所述最小距离与预设距离的大小关系对所述最小距离进行调整；

7、以调整后的所述激励源激发所述待测光伏组件，利用热像仪获取所述光伏组件的周期性热激励，通过卷曲神经网络识别故障缺陷。

8、进一步的，获取所述待测光伏组件的环境数据，根据所述环境数据调整所述激励源的工作状态，包括：

9、获取所述待测光伏组件周围的环境光强△g，预先设定第一预设光强g1、第二预设光强g2、第三预设光强g3和第四预设光强g4，且g1＜g2＜g3＜g4；预先设定第一预设功率p1、第二预设功率p2、第三预设功率p3和第四预设功率p4，且p1＜p2＜p3＜p4；

10、根据所述环境光强△g与各预设光强的大小关系，确定所述激励源的发射功率；

11、当g1≤△g＜g2时，选取所述第一预设功率p1作为所述激励源的发射功率；

12、当g2≤△g＜g3时，选取所述第二预设功率p2作为所述激励源的发射功率；

13、当g3≤△g＜g4时，选取所述第三预设功率p3作为所述激励源的发射功率；

14、当g4≤△g时，选取所述第四预设功率p4作为所述激励源的发射功率。进一步的，在选取第i预设功率pi作为所述激励源的发射功率时，i＝，2，3，4，所述根据所述环境数据调整所述激励源的工作状态，还包括：

15、获取所述待测光伏组件周围的环境温度△w，预先设定第一预设温度w1、第二预设温度w2、第三预设温度w3和第四预设温度w4，且w1＜w2＜w3＜w4；

16、根据所述环境温度△w与各预设温度的大小关系，对所述激励源的发射功率进行调整。

17、进一步的，根据所述环境温度△w与各预设温度的大小关系，对所述激励源的发射功率进行调整，包括：

18、预先设定第一预设调整系数a1、第二预设调整系数a2、第三预设调整系数a3和第四预设调整系数a4，且a1＜a2＜a3＜a4；

19、当w1≤△w＜w2时，选取所述第一预设调整系数a1对所述激励源的发射功率进行调整，获取调整后的发射功率为pi*a1；

20、当w2≤△w＜w3时，选取所述第二预设调整系数a2对所述激励源的发射功率进行调整，获取调整后的发射功率为pi*a2；

21、当w3≤△w＜w4时，选取所述第三预设调整系数a3对所述激励源的发射功率进行调整，获取调整后的发射功率为pi*a3；

22、当w4≤△w时，选取所述第四预设调整系数a4对所述激励源的发射功率进行调整，获取调整后的发射功率为pi*a4。

23、进一步的，在选取第i预设调整系数ai对所述激励源的发射功率pi进行调整，获得调整后的发射功率pi*ai后，i＝1，2，3，4，所述据所述环境数据调整所述激励源的工作状态，还包括：

24、获取所述待测光伏组件周围的灰尘浓度△h，预先设定第一预设浓度h1、第二预设浓度h2、第三预设浓度h3和第四预设浓度h4，且h1＜h2＜h3＜h4；

25、预先设定第一预设功率调整系数b1、第二预设功率调整系数b2、第三预设功率调整系数b3和第四预设功率调整系数b4，且b1＜b2＜b3＜b4；

26、根据所述灰尘浓度△h与各预设浓度的大小关系，选取功率调整系数对调整后的发射功率pi*ai进行调整，i＝1，2，3，4；

27、当h1≤△h＜h2时，选取所述第一预设功率调整系数b1对调整后的发射功率pi*ai进行调整，获取调整后的发射功率pi*ai*b1；

28、当h2≤△h＜h3时，选取所述第二预设功率调整系数b2对调整后的发射功率pi*ai进行调整，获取调整后的发射功率pi*ai*b2；

29、当h3≤△h＜h4时，选取所述第三预设功率调整系数b3对调整后的发射功率pi*ai进行调整，获取调整后的发射功率pi*ai*b3；

30、当h4≤△h时，选取所述第四预设功率调整系数b4对调整后的发射功率pi*ai进行调整，获取调整后的发射功率pi*ai*b4。

31、进一步的，所述获取所述待测光伏组件的转动角度，根据所述转动角度对所述激励源的入射角进行调整，包括：

32、获取所述待测光伏组件的转动角度△j，预先设定第一预设角度j1、第二预设角度j2、第三预设角度j3和第四预设角度j4，且j1＜j2＜j3＜j4；

33、根据所述待测光伏组件的转动角度△j与各预设角度的大小关系对所述激励源的入射角进行调整。

34、进一步的，所述根据所述待测光伏组件的转动角度△j与各预设角度的大小关系对所述激励源的入射角进行调整，包括：

35、获取所述激励源的初始入射角z0，预先设定第一预设角度调整系数c1、第二预设角度调整系数c2、第三预设角度调整系数c3和第四预设角度调整系数c4，且c1＜c2＜c3＜c4；

36、根据所述待测光伏组件的转动角度△j与各预设角度的大小关系，选取角度调整系数对所述激励源的初始入射角z0进行调整；

37、当j1≤△j＜j2时，选取所述第一预设角度调整系数c1对所述激励源的初始入射角z0进行调整，获取调整后激励源的入射角z0*c1；

38、当j2≤△j＜j3时，选取所述第二预设角度调整系数c2对所述激励源的初始入射角z0进行调整，获取调整后激励源的入射角z0*c2；

39、当j3≤△j＜j4时，选取所述第三预设角度调整系数c3对所述激励源的初始入射角z0进行调整，获取调整后激励源的入射角z0*c3；

40、当j4≤△j时，选取所述第四预设角度调整系数c4对所述激励源的初始入射角z0进行调整，获取调整后激励源的入射角z0*c4。

41、进一步的，在选取第i预设角度调整系数ci对所述激励源的初始入射角z0进行调整，获取调整后激励源的入射角z0*ci后，i＝1，2，3，4，还包括：

42、获取调整后的激励源与所述待测光伏组件的最小距离△l，预先设定第一预设距离l1、第二预设距离l2、第三预设距离l3和第四预设距离l4，且l1＜l2＜l3＜l4；

43、预先设定第一预设距离调整系数d1、第二预设距离调整系数d2、第三预设距离调整系数d3和第四预设距离调整系数d4，且d1＜d2＜d3＜d4；

44、根据所述最小距离△l与各预设距离的大小关系，选取距离调整系数对所述最小距离△l进行调整。

45、进一步的，所述根据所述最小距离△l与各预设距离的大小关系，选取距离调整系数对所述最小距离△l进行调整，包括：

46、当l1≤△l＜l2时，选取第一预设距离调整系数d1对所述最小距离△l进行调整，获取调整后的最小距离△l*d1；

47、当l2≤△l＜l3时，选取第二预设距离调整系数d2对所述最小距离△l进行调整，获取调整后的最小距离△l*d2；

48、当l3≤△l＜l4时，选取第三预设距离调整系数d3对所述最小距离△l进行调整，获取调整后的最小距离△l*d3；

49、当l4≤△l时，选取第四预设距离调整系数d4对所述最小距离△l进行调整，获取调整后的最小距离△l*d4。

50、与现有技术相比，本发明的有益效果在于：通过激励源向待测光伏组件发送激发信号配合热像仪实现光伏组件缺陷检测，实现了无接触实时检测，提升了光伏组件的检测效率。根据光伏组件所处环境数据对激励源进行调整减少了环境因素对检测精度的影响，减小了卷曲神经网络消除噪声的压力；提升了缺陷定位精度；根据光伏组件调整激励源照射角度，保证了激励源时刻处于最佳照射位置，进一步提升了故障缺陷识别精度；通过调整激励源与待测光伏组件的距离保证了激励源与光伏组件处在完全工作范围，避免了激励源对光伏组件造成不可逆的损伤，保证了光伏组件的正常运行。

51、另一方面，本技术还提供了一种基于激励物特征图像的光伏组件状态分析系统，包括：

52、发送模块：利用激励源向待测光伏组件发送正弦波形热波；

53、调整模块：用于获取所述待测光伏组件的环境数据，根据所述环境数据调整所述激励源的工作状态；所述调整模块还用于获取所述待测光伏组件的转动角度，根据所述转动角度对所述激励源的入射角进行调整；所述调整模块还用于获取调整后的激励源与所述待测光伏组件的最小距离，根据所述最小距离与预设距离的大小关系对所述最小距离进行调整；

54、检测模块：以调整后的所述激励源激发所述待测光伏组件，利用热像仪获取所述光伏组件的周期性热激励，通过卷曲神经网络识别故障缺陷。

55、可以理解的是，上述一种基于激励物特征图像的光伏组件状态分析方法及系统具备相同的有益效果，在此不再赘述。