本发明涉光伏组件检测，具体涉及一种光伏组件热斑检测系统及方法。
背景技术：
1、光伏组件热斑效应是导致发电效率衰减与火灾风险的核心问题。当前热斑检测技术主要依赖红外热成像与电致发光成像的单一或组合应用，但在系统架构层面存在显著缺陷：首先，多源数据协同采集能力不足，可见光、红外与电致发光设备因触发机制不同步，导致跨模态数据时间偏差超过50ms，在动态检测场景下产生运动伪影。其次，传统检测系统采用固定温度阈值，未考虑辐照度瞬变、组件倾角等环境变量影响，造成沙漠与高湿度地区的误判率差值达22％。再者，现有技术多局限于二维平面分析，无法表征热斑在eva胶膜-电池片-背板三层结构中的立体扩散路径，导致20％以上的早期隐裂漏检。此外，载流子复合特征与温度场的时空关联模型缺失，使鸟类污染等局部遮挡物的误判率高达18％。尽管公告号为cn114494242b的专利尝试引入温度梯度分析，但未解决多物理场数据融合的核心难题，尤其在三维定位精度与环境自适应机制等关键指标上仍存在技术瓶颈。
2、因此，基于上述问题，亟需构建一种多模态协同、动态适应性强且具备三维解析能力的新型检测系统架构。
技术实现思路
1、针对目前光伏组件热斑检测在三维定位精度与环境自适应机制等关键指标上仍存在技术瓶颈，本技术提供一种光伏组件热斑检测系统及方法以解决上述问题。
2、为实现上述目的，本发明通过以下技术方案予以实现：
3、本技术实施例公开一种光伏组件热斑检测系统，包括：
4、多光谱成像模块：配置为同步采集光伏组件在可见光波段、近红外波段和长波红外波段的图像数据；
5、电致发光分析模块：与多光谱成像模块信号连接，用于获取光伏组件在反向偏压状态下的载流子复合辐射数据；
6、动态阈值处理模块：配置为建立环境参数与热斑特征参数的动态关联模型；
7、三维重建模块：配置为将多光谱成像数据与电致发光数据进行空间配准，构建光伏组件的三维温度场分布；
8、缺陷定位模块：配置为根据温度场分布和载流子复合特征确定热斑精确位置；
9、其中，所述缺陷定位模块配置有基于多模态数据融合的异常判定算法，所述环境参数至少包括环境温度、辐照强度和风速。
10、采用上述技术方案：本方案通过三维重建模块建立三维温度场分布，并通过缺陷定位模块进行相应热斑定位，能够实现解决传统热斑检测系统存在多源数据采集不同步、环境参数动态适应性差以及三维定位精度不足等缺陷。
11、优选的，所述异常判定算法包括热斑概率计算模型，计算公式为：
12、
13、式中，ph为热斑发生概率系数，为温度梯度向量模值，eel为电致发光强度，α和β为权重系数，取值范围为0.3-0.7以及0.2-0.5；x为沿光伏组件表面的空间坐标。
14、采用上述技术方案：本方案通过构建双参数加权模型，能够解决现有技术中采用单一参数判定法导致的组件边缘散热效应导致温度梯度异常、隐裂缺陷引发的局部载流子复合速率变化未被量化分析以及阴雨天气下红外检测灵敏度下降造成的漏检的问题。
15、进一步优选的，所述动态关联模型包括动态阈值调整公式为：
16、
17、式中：tth为动态温度阈值，tbase为基准温度阈值，g为实时辐照度，g0为标准条件辐照度，γ为辐照度影响因子，λ为老化衰减系数，t为组件使用年限。
18、采用上述技术方案：本方案通过建立动态环境耦合模型，消除早晨露水蒸发造成的瞬态温度波动，沙尘暴天气下的异常辐照度变化以及组件老化导致的材料热导率衰减等环境因素的影响。
19、进一步优选的，所述三维重建模块采用改进的delaunay三角剖分算法，其网格优化准则为：
20、
21、式中，δti为第i个节点温度与相邻节点平均温度差值；σ(ei)为电致发光强度的区域方差值；w1以及w2为权重因子，满足w1+w2＝1，且w1>0.6。
22、采用上述技术方案：本方案通过建立改进的delaunay三角剖分算法，能够解决传统三维重建中网格过度细分导致的算力浪费、噪声敏感性强以及电致发光数据与温度场的空间映射偏差的问题。
23、一种方法，应用于如上述任意一项所述的一种光伏组件热斑检测系统，包括：
24、s1：在标准测试条件下同步采集多光谱图像数据和电致发光数据；
25、s2：对可见光图像进行表面污染分析，建立光学透过率修正矩阵；
26、s3：将红外热像数据与电致发光数据进行时空配准，构建三维温度场；
27、s4：根据动态阈值模型和温度场梯度特征判定热斑区域；
28、s5：结合载流子复合特征进行热斑等级分类并生成检测报告。
29、采用上述技术方案：本方案通过上述相应三维温度场的设计，对热斑区域进行判断、生成相应的检测报告能够实现解决传统热斑检测方法存在多源数据协同性差、环境干扰补偿不足以及检测流程智能化程度低的问题。
30、进一步优选的，所述s2中光学透过率修正矩阵的建立包括：
31、对可见光图像进行双三次插值超分辨率重建，将图像分辨率提升至0.2mm/pixel后，采用自适应阈值的otsu算法分割电池片栅线结构；
32、在消除栅线阴影影响的预处理基础上，构建以hsv色彩空间饱和度值为特征量的污染度评估模型，对每个5mm×5mm单元执行：
33、s21：计算单元内像素饱和度方差，当方差值低于15时判定为均匀污染区域；
34、s22：采用方向梯度直方图分析表面污染物纹理走向，识别纵向条纹状积尘与随机分布污渍；
35、s23：根据污染物类型匹配预设的透过率衰减系数，其中积尘区域衰减系数取0.85-0.92，油污区域取0.65-0.78。
36、进一步优选的，所述时空配准采用特征点匹配算法，具体包括：
37、构建红外图像与电致发光图像的双向特征映射关系，包括：
38、s31：在红外图像侧，提取热斑区域的surf特征描述符时，将hessian矩阵阈值设为1200以增强小尺度特征检测能力；
39、s32：在电致发光图像侧，采用改进的orb特征检测算法，通过调节金字塔层数为4层以兼顾特征密度与匹配效率；
40、s33：建立特征点对应关系时，引入双向光流约束机制，当特征点的前向或后向投影误差超过1.2像素时自动剔除误匹配点；
41、s34：采用基于薄板样条函数的非线性配准算法，在保持电池片边缘拓扑结构的前提下实现0.3像素级的配准精度。
42、进一步优选的，所述三维温度场构建包括环境干扰补偿处理，具体补偿方法为：
43、将测量温度值叠加风速影响项和辐照度差异项，其中风速影响项按每增加1m/s风速补偿0.12倍温差值，辐照度差异项按每偏离标准辐照度100w/m2补偿0.08倍温升。
44、进一步优选的，所述热斑等级分类采用多维度决策融合机制，具体包括：
45、构建包括12项特征参数的评价体系，其中核心参数处理方式为：
46、s51：温度异常区域面积占比计算时，采用改进的主动轮廓模型精确分割热斑边界，对不规则形状区域进行多边形逼近处理；
47、s52：最大温度梯度值提取过程中，沿电池片主栅线方向设置梯度检测路径，采用三次样条插值法获取0.1mm间隔的梯度分布曲线；
48、s53：载流子复合速率异常程度评估时，建立与组件工作电压的关联模型，对偏压波动超过±5％的数据段启用抗干扰分析模式；
49、s54：空间重合度分析采用hausdorff距离算法，计算污染区域与热斑区域边界线的最短距离分布，当90％以上边界距离小于2mm时判定为强关联区域。
50、进一步优选的，所述检测报告生成包括智能化决策支持功能，具体实现方式为：
51、构建基于知识图谱的运维决策引擎，其中：
52、三维坐标信息采用局部坐标系与大地坐标系双模显示，局部坐标系原点设定于组件左下角螺栓孔中心；
53、热斑发展阶段预测引入时间序列分析算法，结合历史温升数据和环境腐蚀指数计算未来30天的风险演变趋势；
54、维护处理方案推荐包括三级响应机制：一级预警触发无人机复检，二级预警启动自动清洁装置，三级预警联动电网调度系统；
55、历史数据对比分析采用动态时间规整算法，支持跨年度检测数据的模式匹配与异常演进可视化；
56、报告输出格式兼容bim建模系统，热斑区域的三维数据可直接导入光伏电站数字孪生平台。