CN112037191A - 一种局域漏电流密度阈值的确定方法、装置和计算机设备 - Google Patents

一种局域漏电流密度阈值的确定方法、装置和计算机设备 Download PDF

Info

Publication number
CN112037191A
CN112037191A CN202010884544.4A CN202010884544A CN112037191A CN 112037191 A CN112037191 A CN 112037191A CN 202010884544 A CN202010884544 A CN 202010884544A CN 112037191 A CN112037191 A CN 112037191A
Authority
CN
China
Prior art keywords
leakage current
current density
local leakage
local
hot spot
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.)
Granted
Application number
CN202010884544.4A
Other languages
English (en)
Other versions
CN112037191B (zh
Inventor
于琨
刘长明
张昕宇
黄纪德
夏志鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Jinko Solar Co Ltd
Jinko Solar Co Ltd
Original Assignee
Zhejiang Jinko Solar Co Ltd
Jinko Solar Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Jinko Solar Co Ltd, Jinko Solar Co Ltd filed Critical Zhejiang Jinko Solar Co Ltd
Priority to CN202010884544.4A priority Critical patent/CN112037191B/zh
Publication of CN112037191A publication Critical patent/CN112037191A/zh
Application granted granted Critical
Publication of CN112037191B publication Critical patent/CN112037191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明实施例提供的一种局域漏电流密度阈值的确定方法、装置和计算机设备的技术方案中，获取多个测试电池片，通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像，根据每个测试电池片对应的EL图像，确定出每个测试电池片的局域漏电流密度与热斑温度之间的对应关系，根据多个测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。

Description

一种局域漏电流密度阈值的确定方法、装置和计算机设备
【技术领域】
本发明涉及光伏发电技术领域，具体地涉及一种局域漏电流密度阈值的确定方法、装置和计算机设备。
【背景技术】
在相关技术中，对于验证光伏电池片是否合格的方式，通常采用检测光伏电池片的热斑温度是否合格，从而将不合格的光伏电池片挑选出来，将合格的光伏电池片制成光伏组件。然而目前在测试常规电池片的漏电情况时，通常以整片的方式测试漏电大小，一般行业内认可的标准是漏电流≤1A。随着电池效率以及尺寸的不断提升，电池片的电流达到11A甚至超过12.5A。后续经过激光划片加工1次甚至是多次，可能引起新的漏电，从而导致热斑温度测试结果不准确的问题，进而造成对光伏电池片的检测结果不准确的问题。
【发明内容】
有鉴于此，本发明提供一种局域漏电流密度阈值的确定方法、装置和计算机设备，通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
一方面，本发明实施例提供了一种局域漏电流密度阈值计算的确定方法，包括：
获取多个测试电池片；
通过EL测试仪，对每个所述测试电池片施加多次反向偏压，并获取每个所述反向偏压对应的漏电流值和EL图像；
根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系；
根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值。
可选地，所述EL图像包括多个漏电图像单元；
所述根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系，包括：
对每个所述EL图像进行灰度识别处理，计算出所述EL图像中每个漏电图像单元对应的灰度值；
从所述EL图像中筛选出的灰度值高于设定阈值的漏电图像单元，并根据不同的灰度值对应的权重因子，计算出每个所述漏电图像单元对应的单位面积；根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度；
将所述测试电池片组装成层压件，以测试多个所述局域漏电流密度对应的热斑温度，并根据多个所述局域漏电流密度对应的热斑温度生成局域漏电流密度与热斑温度的对应关系。
可选地，在所述根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度之前，还包括：
对多个所述反向偏压对应的漏电流值进行均值计算，计算出每个所述测试电池片对应的平均漏电流值。
可选地，所述对多个所述反向偏压对应的漏电流值进行均值计算，计算出每个所述测试电池片对应的平均漏电流值，包括：
通过公式I＝1/nΣin，计算出每个所述测试电池片对应的平均漏电流值，其中，n表示为施加反向偏压的次数，in表示为第n次反向偏压对应的漏电流值。
可选地，所述根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度，包括：
通过公式J＝I/ΣS0*Y，计算出局域漏电流密度，其中，I表示为预先计算的平均漏电流值，S0表示为所述漏电图像单元对应的单位面积，Y表示为权重因子。
可选地，所述根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，包括：
从多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系中，获取所述热斑温度的限定值对应的多个局域漏电流密度；
从多个所述局域漏电流密度中，筛选出最大的局域漏电流密度，并将所述最大的局域漏电流密度确定为局域漏电流密度阈值。
可选地，在所述根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值之后，还包括：
获取光伏电池片；判断所述光伏电池片的漏电流密度是否大于或者等于所述局域漏电流密度阈值；
若判断出所述光伏电池片的漏电流密度大于或者等于所述局域漏电流密度阈值，将所述光伏电池片确定为不合格电池片；
若判断出所述光伏电池片的漏电流密度小于所述局域漏电流密度阈值，将所述光伏电池片确定为合格电池片，并将所述合格电池片组装成层压件。
另一方面，本发明实施例提供了一种局域漏电流密度阈值计算的确定装置，所述装置包括：
第一获取模块，用于获取多个测试电池片；
第二获取模块，用于通过EL测试仪，对每个所述测试电池片施加多次反向偏压，并获取每个所述反向偏压对应的漏电流值和EL图像；
确定模块，用于根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系；根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值。
另一方面，本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的局域漏电流密度阈值计算的确定方法。
另一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行上述的局域漏电流密度阈值计算的确定方法的步骤。
本发明实施例提供的技术方案中，获取多个测试电池片，通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像，根据每个测试电池片对应的EL图像，确定出每个测试电池片的局域漏电流密度与热斑温度之间的对应关系，根据多个测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明一实施例所提供的一种局域漏电流密度阈值计算的确定方法的流程图；
图2是本发明又一实施例所提供的一种局域漏电流密度阈值计算的确定方法的流程图；
图3是本发明一实施例所提供的一种局域漏电流密度阈值计算的确定装置的结构示意图；
图4为本发明实施例提供的一种计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在对本发明所提供的一种局域漏电流密度阈值计算的确定方法进行介绍之前，先对本发明的背景技术进行简单阐释：
在相关技术中，对于验证光伏电池片是否合格的方式，通常采用检测光伏电池片的热斑温度是否合格，从而将有问题的光伏电池片挑选出来。
然而目前在测试常规电池片的漏电情况时，通常以整片的方式测试漏电大小，一般行业内认可的标准是漏电流≤1A。随着电池效率以及尺寸的不断提升，电池片的电流达到11A甚至超过12.5A。后续经过激光划片加工1次甚至是多次，可能引起新的漏电，导致热斑温度测试结果不准确的问题，从而造成对光伏电池片的检测结果不准确的问题。
因此，本发明对于电池的漏电大小与组件的热斑温度之间的关系进行实验研究，而实验发现由于漏电属于PN结面积上累计求和效应，因此电池的漏电大小和组件的热斑温度之间并没有直接的对应关系。例如，漏电大小大于3A的电池片，其热斑温度不一定高于漏电大小小于1A的组件。
基于此，本发明通过对测试电池片进行反向EL(Electroluminescent，光致发光)漏电测试以及漏电区域面积的分析，从而计算出局域漏电流密度，通过局域漏电流密度与热斑温度的对应关系局域漏电流密度阈值。也就是说，本发明引入局域漏电流密度的概念(漏电流大小/漏电面积)，用于描述漏电强度的影响，从而基于局域漏电流密度与热斑温度之间的对应关系，确定出局域漏电流密度阈值，并通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
图1为本发明一实施例提供的一种局域漏电流密度阈值计算的确定方法的流程图，如图1所示，该方法包括：
步骤101、获取多个测试电池片。
步骤102、通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像。
步骤103、根据每个测试电池片对应的EL图像，确定出每个测试电池片的局域漏电流密度与热斑温度之间的对应关系。
步骤104、根据多个测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值。
本发明实施例提供的技术方案中，获取多个测试电池片，通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像，根据每个测试电池片对应的EL图像，确定出每个测试电池片的局域漏电流密度与热斑温度之间的对应关系，根据多个测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
图2为本发明又一实施例提供的一种局域漏电流密度阈值计算的确定方法的流程图，如图2所示，该方法包括：
步骤201、获取多个测试电池片。
本发明实施例中，该测试电池片的数量可根据需求设定，例如，测试电池片的数量包括20个。需要说明的是，测试电池片的数量越多时，获取的局域漏电流密度与热斑温度的对应关系越准确。优选地，测试电池片的数量包括100个。
步骤202、通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像。
本发明实施例中，该反向偏压为测试电池片最大功率点的工作电压。EL图像包括多个漏电图像单元。
本发明实施例中，反向偏压的电压范围在-12V至-30V之间。作为一种可选方案，当对每个测试电池片施加2次反向偏压时，例如，第一次对测试电池片施加的反向偏压包括-12V，第二次对测试电池片施加的反向偏压包括-18V，需要说明是的，两次反向偏压之间的电压的差值≥4V。
需要说明的是，本发明采用的测试仪是EL测试仪。在相关技术中，通常采用的是在线测试机对测试电池片进行测试时，获取的仅是较低偏压下的漏电流数据，并未提供反向偏压下EL图像，从而不能够通过EL图像获取漏电面积的大小。
步骤203、对多个反向偏压对应的漏电流值进行均值计算，计算出每个测试电池片对应的平均漏电流值。
本发明实施例中，步骤203可具体包括：通过公式I＝1/nΣin，计算出每个测试电池片对应的平均漏电流值，其中，n表示为反向偏压的次数，in表示为第n次反向偏压对应的漏电流值。
例如，获取到第一次对测试电池片施加的反向偏压对应的漏电流值大小为i1，第二次对测试电池片施加的反向偏压对应的漏电流值大小为i2时，则平均漏电流值I＝1/n(i1+i2)。
步骤204、对每个EL图像进行灰度识别处理，计算出EL图像中每个漏电图像单元对应的灰度值。
步骤205、从EL图像中筛选出的灰度值高于设定阈值的漏电图像单元，并根据不同的灰度值对应的权重因子，计算出每个漏电图像单元对应的单位面积。
本发明实施例中，在EL图像中，灰度值不同表明局域漏电流密度不同，例如，漏电处图像亮度较高时，则灰度值较低，则表明该漏电处的局域漏电流密度较大。
本发明实施例中，设定阈值可根据需求设定，例如，设定阈值可包括40。具体地，在计算每个漏电图像单元对应的单位面积时，作为一种可选方案，可设定最小面积单元S0，其中，S0＝0.5*0.5mm2，并设定权重因子Y，因此能够计算出灰度值为60的漏电图像单元对应的单位面积为1S0，灰度值为40的漏电图像单元对应的单位面积为1.1S0，灰度值为80的漏电图像单元对应的单位面积0.8S0。需要说明的是，权重因子Y可根据后续试验结果进行调整。
步骤206、根据多个漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度。
本发明实施例中，多个漏电图像单元对应的单位面积可作为等效面积。即，等效面积S＝ΣYi*S0＝Y0*S0+Y1*S0+...+Yn*S0。
步骤206可具体包括：通过公式J＝I/ΣS0*Y，计算出局域漏电流密度，其中，I表示为预先计算的平均漏电流值，S0表示为漏电图像单元对应的单位面积，Y表示为权重因子。
此外，公式J＝I/ΣS0*Y还可以同等于J＝I/(Y0*S0+Y1*S0+...+Yn*S0)，其中，I表示为预先计算的平均漏电流值，S0表示为漏电图像单元对应的单位面积，Yi表示为权重因子，需要说明的是，Yi的大小与漏电图像单元对应的灰度值相关。例如，灰度值为60的漏电图像单元对应的权重因子Y包括1，灰度值为40的漏电图像单元对应的权重因子Y包括1.1。
需要说明的是，局域漏电流密度可理解为在平均漏电流值在不同亮度的单位面积上的平均值。而平均漏电流密度相当于单位面积S0上的漏电流指，而局域漏电流密度是EL图像中最亮部分的单元面积，相当于Y S0，Y为权重因子，Y的值大于1，也就是说，局域漏电流密度的值大于平均漏电流密度。
步骤207、将测试电池片组装成层压件，以测试多个局域漏电流密度对应的热斑温度，并根据多个局域漏电流密度对应的热斑温度生成局域漏电流密度与热斑温度的对应关系。
本发明实施例中，由于针对每一个测试电池片而言，该测试电池片的局域漏电流密度与热斑温度之间的关系为一对一的关系，也就是说，随着测试时间的增加热斑温度会稳定在一定的数值。通过执行上述步骤207，测试多个局域漏电流密度对应的热斑温度，并生成局域漏电流密度与热斑温度的对应关系，其中，每一个局域漏电流密度对应于一个热斑温度。
步骤208、从多个测试电池片的局域漏电流密度与热斑温度之间的对应关系中，获取热斑温度的限定值对应的多个局域漏电流密度。
本发明实施例中，导致层压件材料失效的热斑温度基本是固定的在180-190℃之间，因此，可将180-190℃之间的温度范围作为热斑温度的限定值。例如，将190℃作为热斑温度的限定值，从而从多个测试电池片的局域漏电流密度与热斑温度之间的对应关系中获取到190℃对应的多个局域漏电流密度。
需要说明的是，由于随着测试时间的增加热斑温度会稳定在一定的数值，因此对于一个测试电池片而言，该测试电池片的局域漏电流密度对应于一个热斑温度，进而，对于多个测试电池片而言，同一个热斑温度能够对应有多个局域漏电流密度。作为一个可选方案，当热斑温度的限定值包括190℃时，测试电池片A的局域漏电流密度与热斑温度之间的对应关系中获取到190℃对应的局域漏电流密度为15a/㎡，而测试电池片B的局域漏电流密度与热斑温度之间的对应关系中获取到190℃对应的局域漏电流密度为20a/㎡，因此能够从多个测试电池片的局域漏电流密度与热斑温度之间的对应关系中，获取热斑温度的限定值对应的多个局域漏电流密度。
步骤209、从多个局域漏电流密度中，筛选出最大的局域漏电流密度，并将最大的局域漏电流密度确定为局域漏电流密度阈值。
本发明实施例中，以上述步骤208为例，例如，当获取的到多个局域漏电流密度包括15a/㎡和20a/㎡时，筛选出最大的局域漏电流密度，并将最大的局域漏电流密度确定为局域漏电流密度阈值，即将20a/㎡确定为局域漏电流密度阈值。本发明实施例中，通过确定出局域漏电流密度阈值，以便后续步骤通过该局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
步骤210、获取光伏电池片。
步骤211、判断光伏电池片的漏电流密度是否大于或者等于局域漏电流密度阈值，若是，执行步骤212；若否，执行步骤213。
步骤212、将光伏电池片确定为不合格电池片。
步骤213、将光伏电池片确定为合格电池片，并将合格电池片组装成层压件。
本发明实施例中，由于相关技术中无法将漏电流值大小与组件的热斑温度建立直接的对应关系，并且在反偏电压较低与较高时，测试的漏电流大小也会有差异。因此不能简单的采用漏电流值大小直接除以等效面积进行计算，本发明通过引入局域漏电流密度表征漏电流分布更具有合理性。具体地，本发明实施例提供的技术方案中，获取多个测试电池片，通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像，根据每个测试电池片对应的EL图像，确定出每个测试电池片的局域漏电流密度与热斑温度之间的对应关系，根据多个测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，相对于相关技术而言，本发明通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
图3是本发明一实施例所提供的一种局域漏电流密度阈值计算的确定装置的结构示意图，如图3所示，该装置包括：第一获取模块11、第二获取模块12以及第一确定模块13。
第一获取模块11用于获取多个测试电池片。
第二获取模块12用于通过EL测试仪，对每个所述测试电池片施加多次反向偏压，并获取每个所述反向偏压对应的漏电流值和EL图像。
第一确定模块13用于根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系；根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值。
本发明实施例中，所述EL图像包括多个漏电图像单元；所述装置的第一确定模块13具体包括：计算子模块131、测试子模块132和生成子模块133。
计算子模块131用于对每个所述EL图像进行灰度识别处理，计算出所述EL图像中每个漏电图像单元对应的灰度值；从所述EL图像中筛选出的灰度值高于设定阈值的漏电图像单元，并根据不同的灰度值对应的权重因子，计算出每个所述漏电图像单元对应的单位面积；根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度。
测试子模块132用于将所述测试电池片组装成层压件，以测试多个所述局域漏电流密度对应的热斑温度。
生成子模块133用于根据多个所述局域漏电流密度对应的热斑温度生成局域漏电流密度与热斑温度的对应关系。
本发明实施例中，该装置还包括：计算模块14。
计算模块14用于对多个所述反向偏压对应的漏电流值进行均值计算，计算出每个所述测试电池片对应的平均漏电流值。
本发明实施例中，该装置的计算模块14具体用于通过公式I＝1/nΣin，计算出每个所述测试电池片对应的平均漏电流值，其中，n表示为施加反向偏压的次数，in表示为第n次反向偏压对应的漏电流值。
本发明实施例中，该装置的计算子模块131具体用于通过公式J＝I/ΣS0*Y，计算出局域漏电流密度，其中，I表示为预先计算的平均漏电流值，S0表示为所述漏电图像单元对应的单位面积，Y表示为权重因子。
本发明实施例中，该装置的第一确定模块13还用于从多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系中，获取所述热斑温度的限定值对应的多个局域漏电流密度；从多个所述局域漏电流密度中，筛选出最大的局域漏电流密度，并将所述最大的局域漏电流密度确定为局域漏电流密度阈值。
本发明实施例中，该装置还包括：第三获取模块15、判断模块16以及第二确定模块17。
第三获取模块15用于获取光伏电池片。
判断模块16用于判断所述光伏电池片的漏电流密度是否大于或者等于所述局域漏电流密度阈值。
第二确定模块17用于若判断模块16判断出所述光伏电池片的漏电流密度大于或者等于所述局域漏电流密度阈值，将所述光伏电池片确定为不合格电池片；若判断模块16判断出所述光伏电池片的漏电流密度小于所述局域漏电流密度阈值，将所述光伏电池片确定为合格电池片，并将所述合格电池片组装成层压件。
本发明实施例提供的技术方案中，获取多个测试电池片，通过EL测试仪，对每个测试电池片施加多次反向偏压，并获取每个反向偏压对应的漏电流值和EL图像，根据每个测试电池片对应的EL图像，确定出每个测试电池片的局域漏电流密度与热斑温度之间的对应关系，根据多个测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，通过局域漏电流密度阈值检测光伏电池片是否合格，从而提高了光伏电池片的检测精确度以及检测效率。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述局域漏电流密度阈值计算的确定方法的实施例的各步骤，具体描述可参见上述局域漏电流密度阈值计算的确定方法的实施例。
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述局域漏电流密度阈值计算的确定方法的步骤。具体描述可参见上述局域漏电流密度阈值计算的确定方法的实施例。
图4为本发明实施例提供的一种计算机设备的示意图。如图4所示，该实施例的计算机设备4包括：处理器41、存储器42以及存储在存储42中并可在处理器41上运行的计算机程序43，该计算机程序43被处理器41执行时实现实施例中的应用于局域漏电流密度阈值计算的确定方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器41执行时实现实施例中应用于局域漏电流密度阈值计算的确定装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备4包括，但不仅限于，处理器41、存储器42。本领域技术人员可以理解，图4仅仅是计算机设备4的示例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备4还可以包括输入输出设备、网络接入设备、总线等。
所称处理器41可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器42可以是计算机设备4的内部存储单元，例如计算机设备4的硬盘或内存。存储器42也可以是计算机设备4的外部存储设备，例如计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器42还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器42用于存储计算机程序以及计算机设备4所需的其他程序和数据。存储器42还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种局域漏电流密度阈值的确定方法，其特征在于，包括：
获取多个测试电池片；
通过EL测试仪，对每个所述测试电池片施加多次反向偏压，并获取每个所述反向偏压对应的漏电流值和EL图像；
根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系；
根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值。
2.根据权利要求1所述的方法，其特征在于，所述EL图像包括多个漏电图像单元；
所述根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系，包括：
对每个所述EL图像进行灰度识别处理，计算出所述EL图像中每个漏电图像单元对应的灰度值；
从所述EL图像中筛选出的灰度值高于设定阈值的漏电图像单元，并根据不同的灰度值对应的权重因子，计算出每个所述漏电图像单元对应的单位面积；
根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度；
将所述测试电池片组装成层压件，以测试多个所述局域漏电流密度对应的热斑温度，并根据多个所述局域漏电流密度对应的热斑温度生成局域漏电流密度与热斑温度的对应关系。
3.根据权利要求2所述的方法，其特征在于，在所述根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度之前，还包括：
对多个所述反向偏压对应的漏电流值进行均值计算，计算出每个所述测试电池片对应的平均漏电流值。
4.根据权利要求3所述的方法，其特征在于，所述对多个所述反向偏压对应的漏电流值进行均值计算，计算出每个所述测试电池片对应的平均漏电流值，包括：
通过公式I＝1/nΣin，计算出每个所述测试电池片对应的平均漏电流值，其中，n表示为施加反向偏压的次数，in表示为第n次反向偏压对应的漏电流值。
5.根据权利要求3所述的方法，其特征在于，所述根据多个所述漏电图像单元对应的单位面积和预先计算的平均漏电流值，计算出多个局域漏电流密度，包括：
通过公式J＝I/ΣS0*Y，计算出局域漏电流密度，其中，I表示为预先计算的平均漏电流值，S0表示为所述漏电图像单元对应的单位面积，Y表示为权重因子。
6.根据权利要求1所述的方法，其特征在于，所述根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值，包括：
从多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系中，获取所述热斑温度的限定值对应的多个局域漏电流密度；
从多个所述局域漏电流密度中，筛选出最大的局域漏电流密度，并将所述最大的局域漏电流密度确定为局域漏电流密度阈值。
7.根据权利要求1所述的方法，其特征在于，在所述根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值之后，还包括：
获取光伏电池片；
判断所述光伏电池片的漏电流密度是否大于或者等于所述局域漏电流密度阈值；
若判断出所述光伏电池片的漏电流密度大于或者等于所述局域漏电流密度阈值，将所述光伏电池片确定为不合格电池片；
若判断出所述光伏电池片的漏电流密度小于所述局域漏电流密度阈值，将所述光伏电池片确定为合格电池片，并将所述合格电池片组装成层压件。
8.一种局域漏电流密度阈值的确定装置，其特征在于，包括：
第一获取模块，用于获取多个测试电池片；
第二获取模块，用于通过EL测试仪，对每个所述测试电池片施加多次反向偏压，并获取每个所述反向偏压对应的漏电流值和EL图像；
确定模块，用于根据每个所述测试电池片对应的EL图像，确定出每个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系；根据多个所述测试电池片的局域漏电流密度与热斑温度之间的对应关系以及获取的热斑温度的限定值，确定出局域漏电流密度阈值。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7任意一项所述的局域漏电流密度阈值计算的确定方法。
10.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1至7任意一项所述的局域漏电流密度阈值计算的确定方法的步骤。
CN202010884544.4A 2020-08-28 2020-08-28 一种局域漏电流密度阈值的确定方法、装置和计算机设备 Active CN112037191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010884544.4A CN112037191B (zh) 2020-08-28 2020-08-28 一种局域漏电流密度阈值的确定方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010884544.4A CN112037191B (zh) 2020-08-28 2020-08-28 一种局域漏电流密度阈值的确定方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN112037191A true CN112037191A (zh) 2020-12-04
CN112037191B CN112037191B (zh) 2023-08-25

Family

ID=73586143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010884544.4A Active CN112037191B (zh) 2020-08-28 2020-08-28 一种局域漏电流密度阈值的确定方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN112037191B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113967609A (zh) * 2021-10-09 2022-01-25 上海空间电源研究所 一种运载火箭用高功率锂离子电池的筛选配组方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106301222A (zh) * 2016-10-12 2017-01-04 河海大学常州校区 一种基于el图像分析电池片局部暗电流的方法
US20170082673A1 (en) * 2015-09-17 2017-03-23 Fei Luo System, method and test layout for detecting leakage current
CN108680486A (zh) * 2018-05-02 2018-10-19 河海大学常州校区 一种光伏组件长期耐候性能测试方法
CN111080691A (zh) * 2019-12-17 2020-04-28 晶科电力科技股份有限公司 一种光伏组件红外热斑检测方法、装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170082673A1 (en) * 2015-09-17 2017-03-23 Fei Luo System, method and test layout for detecting leakage current
CN106301222A (zh) * 2016-10-12 2017-01-04 河海大学常州校区 一种基于el图像分析电池片局部暗电流的方法
CN108680486A (zh) * 2018-05-02 2018-10-19 河海大学常州校区 一种光伏组件长期耐候性能测试方法
CN111080691A (zh) * 2019-12-17 2020-04-28 晶科电力科技股份有限公司 一种光伏组件红外热斑检测方法、装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张映斌等: ""晶体硅光伏组件热斑失效问题研究"", 《太阳能学报》 *
张映斌等: ""晶体硅光伏组件热斑失效问题研究"", 《太阳能学报》, vol. 38, no. 7, 28 July 2017 (2017-07-28), pages 1854 *
贾朋等: ""基于EL的太阳能电池局部缺陷与电流分析"", 《电子设计工程》 *
贾朋等: ""基于EL的太阳能电池局部缺陷与电流分析"", 《电子设计工程》, vol. 26, no. 7, 5 April 2018 (2018-04-05), pages 123 - 127 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113967609A (zh) * 2021-10-09 2022-01-25 上海空间电源研究所 一种运载火箭用高功率锂离子电池的筛选配组方法
CN113967609B (zh) * 2021-10-09 2023-11-17 上海空间电源研究所 一种运载火箭用高功率锂离子电池的筛选配组方法

Also Published As

Publication number Publication date
CN112037191B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
US9209743B2 (en) Fault detection apparatus and fault detection method
RU2636230C2 (ru) Система оптимизации стабильности системы электропитания
US7424633B2 (en) Method for estimating power consumption of a CPU
US20220113354A1 (en) Data processing apparatus, data processing method and computer readable medium
CN112362971A (zh) 电源模块等效电阻测试方法、装置、设备及存储介质
CN114240817A (zh) 数据分析方法及装置、电子设备、存储介质
CN112037191A (zh) 一种局域漏电流密度阈值的确定方法、装置和计算机设备
CN108877969B (zh) 核功率理论模型建立及验证方法、系统及终端设备
CN113988469A (zh) 芯片静态功耗的预测方法、装置、电子设备和存储介质
CN115759820B (zh) 一种光伏电站定损计算方法、系统及存储介质
CN113627755B (zh) 智能终端工厂的测试方法、装置、设备及存储介质
CN110703038A (zh) 一种适用于风机接入配电网的谐波阻抗估算方法
CN115656834A (zh) 一种电池容量预测方法、装置及电子设备
JP6806325B2 (ja) 太陽光発電システム評価装置、評価方法、及び、評価装置用プログラム
CN111160712B (zh) 一种用户的用电参数调节方法及装置
US20220215138A1 (en) Method for Validating System Parameters of an Energy System, Method for Operating an Energy System, and Energy Management System for an Energy System
KR102634916B1 (ko) 온도 추정 모델 결정 방법 및 장치, 온도 추정 모델이 적용된 배터리 관리 시스템
Idadoub et al. Comparison and experimental validation of three photovoltaic models of four technology types
CN112444670A (zh) 应用于三相三线电能表的电能计量方法、电能计量装置
CN113159537A (zh) 电网新技术项目的评估方法、装置和计算机设备
CN112926259A (zh) 一种基于rbf神经网络模型预测半导体器件结温的方法
de Souza et al. Unified computational tool for transient and long-term stability studies
CN117353461B (zh) 一种光伏发电系统的状态监控方法及系统
CN115758284B (zh) 基于融合核熵与信息增益的光伏热斑故障检测方法及系统
CN116540293B (zh) 探测器的测试方法、装置和系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 1, Yingbin Avenue, Shangrao Economic and Technological Development Zone, Jiangxi Province 334100

Applicant after: Jingke Energy Co.,Ltd.

Applicant after: ZHEJIANG JINKO SOLAR Co.,Ltd.

Address before: 334100, No. 1, crystal Road, Shangrao Economic Development Zone, Jiangxi, China

Applicant before: JINKO SOLAR Co.,Ltd.

Applicant before: ZHEJIANG JINKO SOLAR Co.,Ltd.

GR01 Patent grant
GR01 Patent grant