CN110455827A - 一种智能新能源电池板合格检测系统及方法 - Google Patents
一种智能新能源电池板合格检测系统及方法 Download PDFInfo
- Publication number
- CN110455827A CN110455827A CN201910744554.5A CN201910744554A CN110455827A CN 110455827 A CN110455827 A CN 110455827A CN 201910744554 A CN201910744554 A CN 201910744554A CN 110455827 A CN110455827 A CN 110455827A
- Authority
- CN
- China
- Prior art keywords
- new energy
- module
- circuit
- energy battery
- battery panel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000012797 qualification Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003745 diagnosis Methods 0.000 claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 230000001965 increasing effect Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
- G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明属于新能源电池板合格检测技术领域，公开了一种智能新能源电池板合格检测系统及方法，利用摄像设备采集新能源电池板图像数据；利用电路检测仪检测新能源电池板电路情况；通过裂纹检测模块检测新能源电池板裂纹信息；通过检测数据对比模块利用对比程序将检测的数据与合格数据进行对比；利用判断程序根据对比判断新能源电池板是否合格；利用诊断电路对新能源电池板故障进行诊断；利用标记机构对合格的新能源电池板进行标记；利用显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。本发明提高了检测的准确率；同时，通过故障诊断模块能够有效准确的实现故障的诊断，并诊断出具体的故障类型。
Description
技术领域
本发明属于新能源电池板合格检测技术领域，尤其涉及一种智能新能源电池板合格检测系统及方法。
背景技术
目前，最接近的现有技术：新能源一般是指在新技术基础上加以开发利用的可再生能源，包括太阳能、生物质能、风能、地热能、波浪能、洋流能和潮汐能，以及海洋表面与深层之间的热循环等；此外，还有氢能、沼气、酒精、甲醇等，而已经广泛利用的煤炭、石油、天然气、水能等能源，称为常规能源。随着常规能源的有限性以及环境问题的日益突出，以环保和可再生为特质的新能源越来越得到各国的重视。新能源电池板是新能源蓄电的一种储蓄方法，新能源电池板在生产完成时，需要使用到合格检测装置进行检测。然而，现有新能源电池板裂纹检测方法准确率较低；同时，电池板故障检测难度大、诊断不准确。
综上所述，现有技术存在的问题是：现有新能源电池板裂纹检测方法准确率较低；同时，电池板故障检测难度大、诊断不准确。
发明内容
针对现有技术存在的问题，本发明提供了一种智能新能源电池板合格检测系统及方法。
本发明是这样实现的，一种智能新能源电池板合格检测方法，所述智能新能源电池板合格检测方法包括：
第一步，通过电池板图像采集模块利用摄像设备采集新能源电池板图像数据；通过电路检测模块利用电路检测仪检测新能源电池板电路情况；通过裂纹检测模块检测新能源电池板裂纹信息；
第二步，主控模块通过检测数据对比模块利用对比程序将检测的数据与合格数据进行对比；通过合格判断模块利用判断程序根据对比判断新能源电池板是否合格；通过故障诊断模块利用诊断电路对新能源电池板故障进行诊断；然后，通过标记模块利用标记机构对合格的新能源电池板进行标记；
第三步，通过显示模块利用显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。
进一步，所述智能新能源电池板合格检测方法的裂纹检测包括：
(1)通过电池板图像采集模块获取新能源电池板图像；
(2)采用水平垂直投影将所述太阳能板图像分割成多个单片，根据所述单片断栅的水平投影将所述单片分割为多个块；
(3)基于拉普拉斯金字塔对所述块进行分解，采用canny算法对分解后的块进行边缘检测，得到电池板裂纹的特征；
(4)对所述裂纹的特征去噪处理；
(5)根据去噪后的裂纹特征确定所述块上裂纹的位置。
进一步，所述根据去噪后的裂纹特征确定所述块上裂纹的位置，包括：
将所述裂纹特征进行定向区域生长；
根据生长后的裂纹特征连接断开的裂纹、补全不完整的裂纹。
进一步，所述智能新能源电池板合格检测方法的故障诊断方法如下：
1)通过诊断电路确定检测系统的辨识度L，为每相邻两个电压传感器之间间隔的光伏组件的数目(N为偶数时，L≤N/2；N为奇数时，L≤(N+1)/2)；
2)对于一个M*N的SP结构的光伏阵列，可以用公式计算出所使用的传感器数目；
3)按照步骤2)的计算结果布置电流表和电压表的位置；
4)搭建检测系统完成，使得各个传感器正常工作；
5)测得各支路的电流为I1～IM，以及支路中的组件电压Uij；
6)光伏阵列故障支路以及故障类型判定。光伏系统故障一般有短路故障、开路故障和遮荫故障三种情况。其中，短路故障是某条支路中光伏电池模块被短路，开路故障是光伏电池模块中有块被断开，遮荫故障是光伏模块有块被不明物体遮挡。在光伏阵列结合MPPT算法的情况下，即光伏阵列工作能够稳定高效地工作在最大功率点时，若发生短路故障，作为电流源的光伏电池数目的减少会导致输出电流的减少，且电流会由电压高的支路向电压低的支路流，短路的支路的电流也会出现暂时的为负的情况；若发生开路故障，故障支路的输出电流将会出现近似于零的情况，但是由于发生开路故障下支路中的其他组件的开路电压将大大超过其他支路的工作电压，使得出现开路故障的组件受到一个反向电压从而使得二极管导通，整个支路开始重新工作，但输出电流会相应减少；若发生遮荫情况，故障支路的输出电流也将减少；在每条支路的串联组件数相同时，支路是否故障可以通过支路间输出电流的大小来判断，并通过对电流是否出现近似于零、小于零等情况来判定故障；
7)故障支路中故障位置的判定，根据基尔霍夫电流定理，故障支路中正常工作的光伏组件的输出电流会因为与故障组件串联而减少，流过二极管和电阻的电流增大会使正常的光伏组件的输出电压升高，在对检测到的支路电压进行分析时，当N为偶数时，检测的组件个数为N/2个，若其输出电压大于U/2，U为光伏阵列输出电压，则故障不在这N/2个组件中，若电压小于U/2，则故障点在这N/2个组件之中；当N为奇数时，检测的组件个数为(N+1)/2个，同理可以通过电压之间的比较准确的找到故障点位置。
进一步，所述智能新能源电池板合格检测方法的电池板图像采集具体方法包括：通过摄像设备采集新能源电池板图像，通过某些计算过程对图像进行相应变换，实现对图像的预处理；
所述预处理方法包括：图像灰度化、图像增强；
(1)图像灰度化
选取像素点的RGB分量中的最大值作为该像素点的灰度值：
F(i,j)＝max{R(i,j),G(i,j),B(i,j)}；
(2)图像增强：通过改变图像像素点的灰度值，而增强图像的对比度；
1)设原图像为f(x,y)，处理后的图像为g(x,y)，则对比度增强表示为：
g(x,y)＝T{f(x,y)}；
其中，T表示增强后图像和原图像之间的灰度变换函数；
2)灰度变换分为线性变换和非线性变换，根据摄像设备采集到的电池板对比度低图像的灰度图的特点，采用线性变换对光伏电池板图像进行对比度增强；线性变换的关系式为：
g(x,y)＝c+k[f(x,y)-a]；
其中，称为灰度变换函数的斜率，[a,b]而为图像f(x,y)的灰度值范围，[c,d]为g(x,y)图像的灰度值范围；
3)如果图像f(x,y)中大部分像素点的灰度值分布范围在[a,b]之间，采用变换关系进行图像的增强：
本发明的另一目的在于提供一种运行所述智能新能源电池板合格检测方法的智能新能源电池板合格检测系统，所述智能新能源电池板合格检测系统包括：
电池板图像采集模块，与主控模块连接，用于通过摄像设备采集新能源电池板图像数据；
电路检测模块，与主控模块连接，用于通过电路检测仪检测新能源电池板电路情况；
裂纹检测模块，与主控模块连接，用于检测新能源电池板裂纹信息；
主控模块，与电池板图像采集模块、电路检测模块、裂纹检测模块、检测数据对比模块、合格判断模块、故障诊断模块、标记模块、显示模块连接，用于通过主控机控制各个模块正常工作；
检测数据对比模块，与主控模块连接，用于通过对比程序将检测的数据与合格数据进行对比；
合格判断模块，与主控模块连接，用于通过判断程序根据对比判断新能源电池板是否合格；
故障诊断模块，与主控模块连接，用于通过诊断电路对新能源电池板故障进行诊断；
标记模块，与主控模块连接，用于通过标记机构对合格的新能源电池板进行标记；
显示模块，与主控模块连接，用于通过显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。
本发明的另一目的在于提供一种应用所述智能新能源电池板合格检测方法的新能源电池板。
本发明的优点及积极效果为：本发明通过裂纹检测模块采用拉普拉斯金字塔算法，边缘检测的结果更加平滑完整，并且可以有效地去除部分噪声的影响。提高了检测的准确率；同时，通过故障诊断模块能够有效准确的实现故障的诊断，并诊断出具体的故障类型；在确定故障类型之后，可以根据光伏理论进一步确定故障位置；采用了交叉测量的方法定位故障点，对于基本交叉检测方法减少了一半电压传感器的数量，而对于改进交叉电压检测方法，只需要一只电流表和一条支路上的电压表数量即可，大大减少了电压表和电流表的数量。
附图说明
图1是本发明实施例提供的智能新能源电池板合格检测系统结构示意图；
图中：1、电池板图像采集模块；2、电路检测模块；3、裂纹检测模块；4、主控模块；5、检测数据对比模块；6、合格判断模块；7、故障诊断模块；8、标记模块；9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
针对现有技术存在的问题，本发明提供了一种智能新能源电池板合格检测系统及方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的智能新能源电池板合格检测系统包括：电池板图像采集模块1、电路检测模块2、裂纹检测模块3、主控模块4、检测数据对比模块5、合格判断模块6、故障诊断模块7、标记模块8、显示模块9。
电池板图像采集模块1，与主控模块4连接，用于通过摄像设备采集新能源电池板图像数据；
电路检测模块2，与主控模块4连接，用于通过电路检测仪检测新能源电池板电路情况；
裂纹检测模块3，与主控模块4连接，用于检测新能源电池板裂纹信息；
主控模块4，与电池板图像采集模块1、电路检测模块2、裂纹检测模块3、检测数据对比模块5、合格判断模块6、故障诊断模块7、标记模块8、显示模块9连接，用于通过主控机控制各个模块正常工作；
检测数据对比模块5，与主控模块4连接，用于通过对比程序将检测的数据与合格数据进行对比；
合格判断模块6，与主控模块4连接，用于通过判断程序根据对比判断新能源电池板是否合格；
故障诊断模块7，与主控模块4连接，用于通过诊断电路对新能源电池板故障进行诊断；
标记模块8，与主控模块4连接，用于通过标记机构对合格的新能源电池板进行标记；
显示模块9，与主控模块4连接，用于通过显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。
本发明提供的裂纹检测模块3检测方法如下：
(1)通过电池板图像采集模块获取新能源电池板图像；
(2)采用水平垂直投影将所述太阳能板图像分割成多个单片，根据所述单片断栅的水平投影将所述单片分割为多个块；
(3)基于拉普拉斯金字塔对所述块进行分解，采用canny算法对分解后的块进行边缘检测，得到电池板裂纹的特征；
(4)对所述裂纹的特征去噪处理；
(5)根据去噪后的裂纹特征确定所述块上裂纹的位置。
本发明提供的根据去噪后的裂纹特征确定所述块上裂纹的位置，包括：
将所述裂纹特征进行定向区域生长；
根据生长后的裂纹特征连接断开的裂纹、补全不完整的裂纹。
本发明提供的基于拉普拉斯金字塔对所述块进行分解，包括：
将原图像作为高斯金字塔的最底层图像，利用高斯核对所述最底层图像进行卷积并采样得到所述最底层图像的上一层图像，以此类推，得到所述块分解后的金字塔形数据结构。
本发明提供的将所述裂纹特征进行定向区域生长，包括：
根据裂纹特征确定所述裂纹的边缘线端点和所述端点的相邻点；
根据所述边缘线端点和所述相邻点确定至少两个生长点；
根据所述边缘线端点和所述相邻点的像素在所述至少两个生长点中选择一个区域生长点；
连接所述边缘线端点、相邻点以及所述区域生长点。
本发明提供的故障诊断模块7诊断方法如下：
1)通过诊断电路确定检测系统的辨识度L，为每相邻两个电压传感器之间间隔的光伏组件的数目(N为偶数时，L≤N/2；N为奇数时，L≤(N+1)/2)；
2)对于一个M*N的SP结构的光伏阵列，可以用公式计算出所使用的传感器数目；
3)按照步骤2)的计算结果布置电流表和电压表的位置；
4)搭建检测系统完成，使得各个传感器正常工作；
5)测得各支路的电流为I1～IM，以及支路中的组件电压Uij；
6)光伏阵列故障支路以及故障类型判定。光伏系统故障一般有短路故障、开路故障和遮荫故障三种情况。其中，短路故障是某条支路中光伏电池模块被短路，开路故障是光伏电池模块中有块被断开，遮荫故障是光伏模块有块被不明物体遮挡。在光伏阵列结合MPPT算法的情况下，即光伏阵列工作能够稳定高效地工作在最大功率点时，若发生短路故障，作为电流源的光伏电池数目的减少会导致输出电流的减少，且电流会由电压高的支路向电压低的支路流，短路的支路的电流也会出现暂时的为负的情况；若发生开路故障，故障支路的输出电流将会出现近似于零的情况，但是由于发生开路故障下支路中的其他组件的开路电压将大大超过其他支路的工作电压，使得出现开路故障的组件受到一个反向电压从而使得二极管导通，整个支路开始重新工作，但输出电流会相应减少；若发生遮荫情况，故障支路的输出电流也将减少。因此可以得出，在每条支路的串联组件数相同时，支路是否故障可以通过支路间输出电流的大小来判断，并通过对电流是否出现近似于零、小于零等情况来判定故障；
7)故障支路中故障位置的判定。根据基尔霍夫电流定理，故障支路中正常工作的光伏组件的输出电流会因为与故障组件串联而减少，而流过二极管和电阻的电流增大会使正常的光伏组件的输出电压升高，因此在对检测到的支路电压进行分析时，当N为偶数时，检测的组件个数为N/2个，若其输出电压大于U/2，(其中U为光伏阵列输出电压)，则故障不在这N/2个组件中，若电压小于U/2，则故障点在这N/2个组件之中；当N为奇数时，检测的组件个数为(N+1)/2个，同理可以通过电压之间的比较准确的找到故障点位置。
本发明提供的步骤2)中计算电压和电流传感器的数目，包括以下步骤：
对于基本交叉电压检测方法，包括以下步骤：
对于M*N个光伏组件构成的新能源电池板，即M条支路进行并联，每条支路由N个光伏组件串联组成。电流传感器的数目为每条支路一个共M个；
对于每条支路的电压传感器数目的确定，要根据系统检测要求的辨识度L来决定。对于每条支路N个光伏元件，则该支路所需要的电压传感器数目可由公式1计算；
S＝N/2L×M(1)
本发明提供的对于改进交叉电压检测方法，包括以下步骤：
对于M*N个光伏组件构成的新能源电池板，即M条支路进行并联，每条支路由N个光伏组件串联组成。电流传感器的数目为一个，然后可以通过一个电子选择开关接到每条支路上；
对于每条支路的电压传感器数目的确定，要根据系统检测要求的辨识度L来决定。对于每条支路N个光伏元件，则该支路所需要的电压传感器数目可由公式2计算；
S＝N/2L(2)
进一步，所述电池板图像采集模块1具体方法包括：
通过摄像设备采集新能源电池板图像，通过某些计算过程对图像进行相应变换，实现对图像的预处理。
进一步所述预处理方法包括：图像灰度化、图像增强；
(1)图像灰度化
选取像素点的RGB分量中的最大值作为该像素点的灰度值：
F(i,j)＝max{R(i,j),G(i,j),B(i,j)} (3)
(2)图像增强：通过改变图像像素点的灰度值，而增强图像的对比度。
具体方法如下：
1)设原图像(像素点灰度值)为f(x,y)，处理后的图像(像素点灰度值)为g(x,y)，则对比度增强表示为：
g(x,y)＝T{f(x,y)} (4)
其中，T表示增强后图像和原图像之间的灰度变换函数。
灰度变换一般可分为线性变换和非线性变换，根据摄像设备采集到的电池板对比度低图像的灰度图的特点，采用线性变换对光伏电池板图像进行对比度增强。线性变换的一般关系式为：
g(x,y)＝c+k[f(x,y)-a] (5)
其中，称为灰度变换函数的斜率，[a,b]而为图像f(x,y)的灰度值范围，[c,d]为g(x,y)图像的灰度值范围。
如果图像f(x,y)中大部分像素点的灰度值分布范围在[a,b]之间，只有小部分灰度值超出了这个范围，为了改善图像的增强效果，可以采用如式(6)所示的变换关系进行图像的增强。
本发明工作时，首先，通过电池板图像采集模块1利用摄像设备采集新能源电池板图像数据；通过电路检测模块2利用电路检测仪检测新能源电池板电路情况；通过裂纹检测模块3检测新能源电池板裂纹信息；其次，主控模块4通过检测数据对比模块5利用对比程序将检测的数据与合格数据进行对比；通过合格判断模块6利用判断程序根据对比判断新能源电池板是否合格；通过故障诊断模块7利用诊断电路对新能源电池板故障进行诊断；然后，通过标记模块8利用标记机构对合格的新能源电池板进行标记；最后，通过显示模块9利用显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。
下面结合故障诊断模块仿真试验对本发明的技术效果作详细的描述。
其中有效电流I＝1A,频率ω＝25Hz,增益故障为0.0028(电流有效值得2％),信噪比SNR为30dB。共采集20个数据图像,故障发生在第10个采样图像。
具体步骤为：
1)通过诊断电路确定检测系统的辨识度L，为每相邻两个电压传感器之间间隔的光伏组件的数目(N为偶数时，L≤N/2；N为奇数时，L≤(N+1)/2)；
2)对于一个M*N的SP结构的光伏阵列，可以用公式计算出所使用的传感器数目；
3)按照步骤2)的计算结果布置电流表和电压表的位置；
4)搭建检测系统完成，使得各个传感器正常工作；
5)测得各支路的电流为I1～IM，以及支路中的组件电压Uij；
6)光伏阵列故障支路以及故障类型判定。
7)故障支路中故障位置的判定。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (7)
1.一种智能新能源电池板合格检测方法，其特征在于，所述智能新能源电池板合格检测方法包括：
第一步，通过电池板图像采集模块利用摄像设备采集新能源电池板图像数据；通过电路检测模块利用电路检测仪检测新能源电池板电路情况；通过裂纹检测模块检测新能源电池板裂纹信息；
第二步，主控模块通过检测数据对比模块利用对比程序将检测的数据与合格数据进行对比；通过合格判断模块利用判断程序根据对比判断新能源电池板是否合格；通过故障诊断模块利用诊断电路对新能源电池板故障进行诊断；然后，通过标记模块利用标记机构对合格的新能源电池板进行标记；
第三步，通过显示模块利用显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。
2.如权利要求1所述的智能新能源电池板合格检测方法，其特征在于，所述智能新能源电池板合格检测方法的裂纹检测包括：
(1)通过电池板图像采集模块获取新能源电池板图像；
(2)采用水平垂直投影将所述太阳能板图像分割成多个单片，根据所述单片断栅的水平投影将所述单片分割为多个块；
(3)基于拉普拉斯金字塔对所述块进行分解，采用canny算法对分解后的块进行边缘检测，得到电池板裂纹的特征；
(4)对所述裂纹的特征去噪处理；
(5)根据去噪后的裂纹特征确定所述块上裂纹的位置。
3.如权利要求2所述的智能新能源电池板合格检测方法，其特征在于，所述根据去噪后的裂纹特征确定所述块上裂纹的位置，包括：
将所述裂纹特征进行定向区域生长；
根据生长后的裂纹特征连接断开的裂纹、补全不完整的裂纹。
4.如权利要求1所述的智能新能源电池板合格检测方法，其特征在于，所述智能新能源电池板合格检测方法的故障诊断方法如下：
1)通过诊断电路确定检测系统的辨识度L，为每相邻两个电压传感器之间间隔的光伏组件的数目(N为偶数时，L≤N/2；N为奇数时，L≤(N+1)/2)；
2)对于一个M*N的SP结构的光伏阵列，可以用公式计算出所使用的传感器数目；
3)按照步骤2)的计算结果布置电流表和电压表的位置；
4)搭建检测系统完成，使得各个传感器正常工作；
5)测得各支路的电流为I1～IM，以及支路中的组件电压Uij；
6)光伏阵列故障支路以及故障类型判定，光伏系统故障有短路故障、开路故障和遮荫故障三种情况；其中，短路故障是某条支路中光伏电池模块被短路，开路故障是光伏电池模块中有块被断开，遮荫故障是光伏模块有块被不明物体遮挡；在光伏阵列结合MPPT算法的情况下，即光伏阵列工作能够稳定高效地工作在最大功率点时，若发生短路故障，作为电流源的光伏电池数目的减少会导致输出电流的减少，且电流会由电压高的支路向电压低的支路流，短路的支路的电流也会出现暂时的为负的情况；若发生开路故障，故障支路的输出电流将会出现近似于零的情况，但是由于发生开路故障下支路中的其他组件的开路电压将大大超过其他支路的工作电压，使得出现开路故障的组件受到一个反向电压从而使得二极管导通，整个支路开始重新工作，但输出电流会相应减少；若发生遮荫情况，故障支路的输出电流也将减少；在每条支路的串联组件数相同时，支路是否故障可以通过支路间输出电流的大小来判断，并通过对电流是否出现近似于零、小于零等情况来判定故障；
7)故障支路中故障位置的判定，根据基尔霍夫电流定理，故障支路中正常工作的光伏组件的输出电流会因为与故障组件串联而减少，流过二极管和电阻的电流增大会使正常的光伏组件的输出电压升高，在对检测到的支路电压进行分析时，当N为偶数时，检测的组件个数为N/2个，若其输出电压大于U/2，U为光伏阵列输出电压，则故障不在这N/2个组件中，若电压小于U/2，则故障点在这N/2个组件之中；当N为奇数时，检测的组件个数为(N+1)/2个，同理可以通过电压之间的比较准确的找到故障点位置。
5.如权利要求1所述的智能新能源电池板合格检测方法，其特征在于，所述智能新能源电池板合格检测方法的电池板图像采集具体方法包括：通过摄像设备采集新能源电池板图像，通过某些计算过程对图像进行相应变换，实现对图像的预处理；
所述预处理方法包括：图像灰度化、图像增强；
(1)图像灰度化
选取像素点的RGB分量中的最大值作为该像素点的灰度值：
F(i,j)＝max{R(i,j),G(i,j),B(i,j)}；
(2)图像增强：通过改变图像像素点的灰度值，而增强图像的对比度；
1)设原图像为f(x,y)，处理后的图像为g(x,y)，则对比度增强表示为：
g(x,y)＝T{f(x,y)}；
其中，T表示增强后图像和原图像之间的灰度变换函数；
2)灰度变换分为线性变换和非线性变换，根据摄像设备采集到的电池板对比度低图像的灰度图的特点，采用线性变换对光伏电池板图像进行对比度增强；线性变换的关系式为：
g(x,y)＝c+k[f(x,y)-a]；
其中，称为灰度变换函数的斜率，[a,b]而为图像f(x,y)的灰度值范围，[c,d]为g(x,y)图像的灰度值范围；
3)如果图像f(x,y)中大部分像素点的灰度值分布范围在[a,b]之间，采用变换关系进行图像的增强：
6.一种运行权利要求1～5任意一项所述智能新能源电池板合格检测方法的智能新能源电池板合格检测系统，其特征在于，所述智能新能源电池板合格检测系统包括：
电池板图像采集模块，与主控模块连接，用于通过摄像设备采集新能源电池板图像数据；
电路检测模块，与主控模块连接，用于通过电路检测仪检测新能源电池板电路情况；
裂纹检测模块，与主控模块连接，用于检测新能源电池板裂纹信息；
主控模块，与电池板图像采集模块、电路检测模块、裂纹检测模块、检测数据对比模块、合格判断模块、故障诊断模块、标记模块、显示模块连接，用于通过主控机控制各个模块正常工作；
检测数据对比模块，与主控模块连接，用于通过对比程序将检测的数据与合格数据进行对比；
合格判断模块，与主控模块连接，用于通过判断程序根据对比判断新能源电池板是否合格；
故障诊断模块，与主控模块连接，用于通过诊断电路对新能源电池板故障进行诊断；
标记模块，与主控模块连接，用于通过标记机构对合格的新能源电池板进行标记；
显示模块，与主控模块连接，用于通过显示器显示采集的新能源电池板图像、检测新能源电池板电路和裂纹信息、合格判断结果。
7.一种应用权利要求1～6任意一项所述智能新能源电池板合格检测方法的新能源电池板。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910744554.5A CN110455827A (zh) | 2019-08-13 | 2019-08-13 | 一种智能新能源电池板合格检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910744554.5A CN110455827A (zh) | 2019-08-13 | 2019-08-13 | 一种智能新能源电池板合格检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110455827A true CN110455827A (zh) | 2019-11-15 |
Family
ID=68486257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910744554.5A Pending CN110455827A (zh) | 2019-08-13 | 2019-08-13 | 一种智能新能源电池板合格检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110455827A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242923A (zh) * | 2020-01-13 | 2020-06-05 | 国网湖北省电力有限公司宜昌供电公司 | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 |
| CN111736025A (zh) * | 2020-06-30 | 2020-10-02 | 梅州市量能新能源科技有限公司 | 电池极片断裂检测方法及系统 |
| CN114441546A (zh) * | 2022-04-08 | 2022-05-06 | 湖南万航科技有限公司 | 一种裂纹测量内窥镜 |
| CN114581407A (zh) * | 2022-03-06 | 2022-06-03 | 扬州晶华新能源科技有限公司 | 一种光伏模块的自适应缺陷检测方法 |
| CN115954291A (zh) * | 2023-03-04 | 2023-04-11 | 天合光能(宿迁)光电有限公司 | 一种TOPCon结构光伏电池板的裂纹监测系统 |
| CN117589798A (zh) * | 2024-01-19 | 2024-02-23 | 中诚华隆计算机技术有限公司 | 一种芯片故障检测方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102565655A (zh) * | 2011-08-31 | 2012-07-11 | 深圳市创益科技发展有限公司 | 薄膜太阳能电池的检测设备及方法 |
| CN108417479A (zh) * | 2018-03-16 | 2018-08-17 | 邢台晶龙电子材料有限公司 | 一种激光打码判别硅片分类的方法 |
| CN108445009A (zh) * | 2018-03-06 | 2018-08-24 | 大连海事大学 | 一种太阳能电池板裂纹检测方法 |
| CN108627732A (zh) * | 2018-05-15 | 2018-10-09 | 重庆邮电大学 | 一种基于交叉电压检测的光伏电池板故障诊断方法 |
| CN109035166A (zh) * | 2018-07-16 | 2018-12-18 | 国网四川省电力公司巴中供电公司 | 基于非下采样剪切波变换的电气设备红外图像增强方法 |
| CN109975652A (zh) * | 2017-12-28 | 2019-07-05 | 国网山东省电力公司电力科学研究院 | 故障指示器智能化全自动流水线系统及方法 |
-
2019
- 2019-08-13 CN CN201910744554.5A patent/CN110455827A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102565655A (zh) * | 2011-08-31 | 2012-07-11 | 深圳市创益科技发展有限公司 | 薄膜太阳能电池的检测设备及方法 |
| CN109975652A (zh) * | 2017-12-28 | 2019-07-05 | 国网山东省电力公司电力科学研究院 | 故障指示器智能化全自动流水线系统及方法 |
| CN108445009A (zh) * | 2018-03-06 | 2018-08-24 | 大连海事大学 | 一种太阳能电池板裂纹检测方法 |
| CN108417479A (zh) * | 2018-03-16 | 2018-08-17 | 邢台晶龙电子材料有限公司 | 一种激光打码判别硅片分类的方法 |
| CN108627732A (zh) * | 2018-05-15 | 2018-10-09 | 重庆邮电大学 | 一种基于交叉电压检测的光伏电池板故障诊断方法 |
| CN109035166A (zh) * | 2018-07-16 | 2018-12-18 | 国网四川省电力公司巴中供电公司 | 基于非下采样剪切波变换的电气设备红外图像增强方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242923A (zh) * | 2020-01-13 | 2020-06-05 | 国网湖北省电力有限公司宜昌供电公司 | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 |
| CN111736025A (zh) * | 2020-06-30 | 2020-10-02 | 梅州市量能新能源科技有限公司 | 电池极片断裂检测方法及系统 |
| CN114581407A (zh) * | 2022-03-06 | 2022-06-03 | 扬州晶华新能源科技有限公司 | 一种光伏模块的自适应缺陷检测方法 |
| CN114581407B (zh) * | 2022-03-06 | 2023-04-14 | 扬州晶华新能源科技有限公司 | 一种光伏模块的自适应缺陷检测方法 |
| CN114441546A (zh) * | 2022-04-08 | 2022-05-06 | 湖南万航科技有限公司 | 一种裂纹测量内窥镜 |
| CN114441546B (zh) * | 2022-04-08 | 2022-06-24 | 湖南万航科技有限公司 | 一种裂纹测量内窥镜 |
| CN115954291A (zh) * | 2023-03-04 | 2023-04-11 | 天合光能(宿迁)光电有限公司 | 一种TOPCon结构光伏电池板的裂纹监测系统 |
| CN115954291B (zh) * | 2023-03-04 | 2023-11-14 | 天合光能(宿迁)光电有限公司 | 一种TOPCon结构光伏电池板的裂纹监测系统 |
| CN117589798A (zh) * | 2024-01-19 | 2024-02-23 | 中诚华隆计算机技术有限公司 | 一种芯片故障检测方法、装置及电子设备 |
| CN117589798B (zh) * | 2024-01-19 | 2024-07-02 | 中诚华隆计算机技术有限公司 | 一种芯片故障检测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110455827A (zh) | 一种智能新能源电池板合格检测系统及方法 | |
| Ma et al. | Photovoltaic module current mismatch fault diagnosis based on IV data | |
| Adhya et al. | Performance assessment of selective machine learning techniques for improved PV array fault diagnosis | |
| EP2500738B1 (en) | Abnormality diagnosis for photovoltaic power generation system | |
| CN107274393B (zh) | 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法 | |
| CN113037214B (zh) | 一种基于s-v曲线的光伏组件阴影遮挡故障诊断方法 | |
| Yurtseven et al. | Sensorless fault detection method for photovoltaic systems through mapping the inherent characteristics of PV plant site: Simple and practical | |
| CN114114198B (zh) | 一种降水数据质控方法、装置、存储介质及设备 | |
| CN113283580A (zh) | 一种太阳能电池板故障自动检测方法 | |
| CN114881956B (zh) | 基于霍夫变换的电池板栅线自适应提取方法及系统 | |
| JP6697116B2 (ja) | 太陽電池の検査装置、検査システム、検査方法及びプログラム | |
| CN111460644A (zh) | 一种具有故障诊断和功率预测功能的光伏阵列监测系统 | |
| Jianeng et al. | Fault diagnosis method and simulation analysis for photovoltaic array | |
| Kurukuru et al. | Machine learning framework for photovoltaic module defect detection with infrared images | |
| CN118196070B (zh) | 一种基于无人机热红外遥感的光伏板缺陷识别方法 | |
| CN117235617A (zh) | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 | |
| CN115189647A (zh) | 基于传感器检测法的光伏阵列故障定位方法 | |
| CN114139614B (zh) | 一种基于典型相关分析特征提取的Fisher光伏组件热斑诊断方法和系统 | |
| Ding et al. | A health status-based performance evaluation method of photovoltaic system | |
| CN117691947A (zh) | 一种太阳能光伏板发电功率异常诊断方法及系统 | |
| Yang et al. | Fast simulation modeling and multiple-PS fault diagnosis of the PV array based on I–V curve conversion | |
| CN207779552U (zh) | 一种太阳能模拟器检测设备 | |
| CN105811881B (zh) | 一种在线的光伏阵列故障诊断系统实现方法 | |
| KR102568590B1 (ko) | 태양광 시스템의 고장 진단을 위한 인공지능 학습 데이터의 전처리 시스템 및 그 방법 | |
| Xu et al. | Review on fault characterization and diagnosis technique in photovoltaic systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |