一种光伏组件缺陷定位方法以及综合诊断方法与流程

本发明涉及光伏发电，特别是涉及一种光伏组件缺陷定位方法以及综合诊断方法。

背景技术：

1、随着光伏装机规模的迅速提升，光伏发电的运维需求也不断扩大。光伏电站通常建设于沙漠、草原、戈壁等环境恶劣的地区，光伏组件长期暴露在这类环境下，容易产生组件热斑、二极管故障、低效运行等缺陷情况，为了避免组件缺陷引起的光伏电站发电效率持续降低和安全隐患，需要有效的运维和巡检手段进行干预，传统的人工巡检方式需要运维人员手持检测仪对组件进行逐一检查，这类方法效率较低且难以满足实际要求。

2、近年来，随着无人机技术的高速发展，凭借体积小巧、自动化程度高、可安装多种类传感器等优势，采用无人机搭载红外热成像摄像头进行光伏组件缺陷检测成为光伏电站运维管理方的首选。目前，市面上较为成熟的无人机巡检系统已经可以实现通过深度学习目标检测模型从红外热成像图像中有效识别光伏组件缺陷信息，并根据空中飞行数据计算缺陷组件的经纬度坐标辅助运维人员前往缺陷组件的实际位置实施对应的运维措施。

3、然而，由于光伏电站地理环境存在差异，不同光线条件和复杂背景在红外热成像图像中会增加额外噪声，采用预训练的通用目标检测模型不可避免地存在误识别概率；且由于图中相邻光伏组件的像素距离很小、空中飞行数据存在延迟等原因，无人机返回的缺陷组件经纬度坐标精度较差，通常还需运维人员手持经纬度定位仪在大致坐标范围内进行巡查记录组件的详细信息，耗费大量人力时间成本。另一方面，由无人机巡检诊断出的组件缺陷仅能反映热斑等硬件故障，无法诊断出由于组件积灰、阴影遮挡等外部原因造成的低效运行情况。

技术实现思路

1、为解决上述技术问题，本发明提出了一种光伏组件缺陷定位方法以及综合诊断方法，能有效解决现有光伏组件缺陷检测和定位精度低的问题，并且通过本综合诊断方法，可以实现融合诊断，对光伏组件的缺陷情况进行综合评估。

2、本发明是通过采用下述技术方案实现的：

3、一种光伏组件缺陷定位方法，包括以下步骤：

4、步骤s1.构建光伏组串经纬度数据库，采集光伏电站无人机巡检拍摄的红外热成像图像以及对应的光伏缺陷组件的诊断数据；

5、步骤s2.将诊断数据中缺陷部位的经纬度转换为所在光伏组串的编号；

6、步骤s3.通过光伏组件像素级精准定位算法，从红外热成像图像中提取缺陷部位在光伏组串中的行列位置信息。

7、所述步骤s3具体包括以下步骤：

8、步骤s31.通过语义分割算法提取红外热成像图像中所有光伏组件区域的像素点；

9、步骤s32.判断图像中光伏组件区域数量、各区域面积及边界周长是否处于预设阀值区间，若否，则去除，若是，进入步骤s33；

10、步骤s33.对提取的各光伏组件区域中心点的横、纵像素坐标分别进行聚类，得到光伏组件区域的总排数和列数；

11、步骤s34.分别判断聚类结果中横、纵像素坐标相邻族之间的距离是否小于预设阀值，若是，得到属于同一光伏组串的所有光伏组件区域集合，并按照横、纵像素坐标大小分别进行列排序；

12、步骤s35.依次判断诊断数据中各缺陷部位的像素坐标是否属于光伏组件区域，若属于则输出该光伏组件在光伏组串中的行列序号和若不属于任一光伏组件区域，则丢弃该诊断数据。

13、所述步骤s31具体包括以下步骤：

14、步骤s311.采集无人机红外热成像图像并进行标注建立数据集，将数据集划分为训练集和验证集；

15、步骤s312.构建轻量级unet光伏组件语义分割深度学习模型，利用二元交叉熵作为模型的损失函数：

16、

17、式中，lbec为损失函数；m为训练图像样本数量；pi为第i张图像的标注真实值；为第i张图像的模型预测值；pi和的尺寸保持一致；

18、步骤s313.将训练集作为模型输入，利用梯度下降法进行模型训练，采用交叉验证的方式测试实时训练得到的模型的准确度，当迭代次数达到预先设定的阈值时停止训练，保存在验证集测试中损失最小对应的模型；

19、步骤s314.将待检测的红外热成像图像作为模型输入，通过比较预测值与预设阀值大小关系得到光伏组件区域的分割结果。

20、所述步骤s33中采用dbscan算法对提取的各光伏组件区域中心点的横、纵像素坐标分别进行聚类。

21、构建光伏组串经纬度数据库具体包括以下步骤：

22、步骤s11.从光伏电站施工图中提取每个光伏组串投影中心点的大地坐标[xc,yc]t，根据光伏组串长宽、安装倾角和安装朝向通过以下方式计算每个光伏组串投影四边形四个角的大地坐标：

23、

24、式中，xc、yc为光伏组串c中心点的大地横、纵坐标；l、w分别为光伏组串的长和宽；α、γ分别为光伏组串的安装倾角和朝向角，安装朝向角为光伏组串排列方向与大地坐标横轴的夹角；分别为光伏组串c投影四边形左上角、左下角、右上角和右下角的大地坐标；

25、步骤s12.将所有大地坐标转换为经纬度坐标，得到每个光伏组串投影中心点的经纬度坐标以及四个角的经纬度坐标

26、步骤s13.利用经纬度采集器获得光伏电站各子阵参考组串投影中心点的实际经纬度计算得到各子阵的经纬度偏差δlr：

27、

28、式中，为子阵r参考组串投影中心点的实际经纬度；为由子阵r参考组串投影中心点的大地坐标转换得到的经纬度坐标；δlr为子阵r的经纬度偏差；

29、将经纬度偏差累加到由大地坐标转换而来的经纬度坐标，得到每个光伏组串投影四边形四个角的修正经纬度坐标：

30、

31、式中，为由子阵r中光伏组串c投影四边形四个角的大地坐标转换得到的经纬度坐标；为子阵r中光伏组串c投影四边形四个角的修正经纬度坐标；k取{1,2,3,4}分别对应左上角、左下角、右上角和右下角；

32、步骤s14.关联组串编号和组串投影四边形四个角的修正经纬度坐标作为数据对，以建立数据库。

33、所述红外热成像图像是通过预先设定无人机的巡检路线及拍摄间距在光伏电站上空拍摄的完整覆盖整个光伏电站的红外热成像图像fi，i为图像索引值；光伏缺陷组件的诊断数据是通过无人机内置的光伏组件缺陷识别算法对红外热成像图像检测得到的，包括：图像中每个缺陷部位的缺陷类型缺陷程度中心点经纬度坐标和像素坐标j为图像中缺陷部位的索引值。

34、所述步骤s2具体包括：通过在数据库中逐一查找的方式，若缺陷部位中心点的经纬度坐标落在某光伏组串投影区域内，则输出该光伏组串的组串编号若不在任一光伏组串投影区域内，则丢弃该缺陷部位的诊断数据。

35、判断缺陷部位中心点的经纬度坐标是否落在某光伏组串投影区域的方法为：利用余弦定理计算缺陷部位中心点到光伏组串投影四个角的连线两两之间的夹角，若四个角之和βc等于2π，则该缺陷部位中心点位于在光伏组串投影区域内，否则在光伏组串投影区域外。

36、计算缺陷部位中心点到光伏组串投影四个角的连线两两之间的夹角的方法为：

37、

38、式中，dk为缺陷部位中心点的经纬度坐标到投影四边形角k经纬度坐标的距离；为投影四边形相邻两角到的距离；为缺陷部位中心点与投影四边形相邻两角之间连线的夹角。

39、一种光伏组件缺陷综合诊断方法，构建数字孪生模型，将利用上述缺陷定位方法得到的最终诊断数据输入该数字孪生模型，与该数字孪生模型对应位置的光伏组件联动，对该光伏组件的缺陷情况进行综合评估；所述最终诊断数据包括缺陷组件的红外热成像图像、光伏组串的组串编号及光伏缺陷组件的最终定位信息。

40、与该数字孪生模型对应位置的光伏组件联动，对该光伏组件的缺陷情况进行综合评估，具体指：数字孪生模型根据输入的光伏组件的最终诊断数据以及该光伏组件的其他数据，对光伏组件的缺陷情况进行综合评估，其他数据包括实时工况数据、历史发电运行数据以及运维记录数据。

41、与现有技术相比，本发明的有益效果表现在：

42、1、本发明的定位方法，在现有较为成熟的光伏电站巡检无人机产品基础上进行二次开发，提高了光伏组件缺陷检测准确度、广度以及定位精度。具体的，本发明先根据无人机返回的缺陷组件经纬度坐标，将缺陷部位定位到光伏组串；再通过光伏组件像素级精准定位算法，去除误识别区域，并将缺陷部位精确定位到光伏组件。

43、2、本方法应用轻量级unet语义分割深度学习模型和坐标聚类算法，实现了在图像像素层面消除缺陷部位误识别区域并精确定位到光伏组件。采用轻量级unet模型并利用二元交叉熵作为损失函数，实现了二分类问题的快速训练和像素级分割；采用dbscan聚类方法，可以在有噪声干扰的条件下准确定位缺陷组件在光伏组串中的行列位置，并且可以与数字孪生三维模型对应位置的光伏组件联动，可实时显示诊断信息并进行动态交互，增强了光伏组件运维过程的直观性。

44、3、本发明中，在构建光伏组串经纬度数据库过程中，利用光伏组串的大地坐标和经纬度坐标之间的相互转换，实现了仅需导入施工图纸、测量各子阵参考组串的实际经纬度、计算经纬度偏差，就可以得到各子阵中每个光伏组串投影区域的修正经纬度坐标，无需进行繁琐的光伏组串经纬度采集或无人机全景图像拼接、镜头畸变矫正等操作，提高了运维人员进行光伏组件缺陷检测前期准备工作效率。

45、4、本缺陷定位方法不受限于现有无人机系统性能，可以在不增加额外硬件成本的情况下根据用户需求进行二次开发持续优化。

46、5、本发明的综合诊断方法，定位到缺陷的光伏组件后，通过数字孪生模型，将其最终诊断数据结合多层级实时工况数据、历史发电运行数据以及运维记录数据等，对光伏组件的缺陷情况进行综合评估，实现光伏组件全生命周期健康状态的持续综合评估，可以自动生成定制化的诊断报告，为存在缺陷风险的光伏组件提高运维检修建议。

47、本综合诊断方法降低了仅通过无人机巡检对光伏组件进行硬件缺陷检测的误识别率和定位精度误差，也解决了仅通过大数据分析发电运行数据无法通过外部传感器感知光伏组件硬件故障的局限性，较好地融合了两者的优势，提高了光伏电站整体运维管理效率和发电效率。