CN113689410B - 一种光伏组件表面减反膜层的检测方法 - Google Patents

一种光伏组件表面减反膜层的检测方法 Download PDF

Info

Publication number
CN113689410B
CN113689410B CN202110982894.9A CN202110982894A CN113689410B CN 113689410 B CN113689410 B CN 113689410B CN 202110982894 A CN202110982894 A CN 202110982894A CN 113689410 B CN113689410 B CN 113689410B
Authority
CN
China
Prior art keywords
photovoltaic module
color space
photovoltaic
values
calculating
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.)
Active
Application number
CN202110982894.9A
Other languages
English (en)
Other versions
CN113689410A (zh
Inventor
寿春晖
贺海晏
黄绵吉
金胜利
邬荣敏
丁莞尔
周剑武
沈曲
洪凌
秦刚华
孙士恩
范海东
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 Baimahu Laboratory Co ltd
Zhejiang Energy Group Research Institute Co Ltd
Original Assignee
Zhejiang Baimahu Laboratory Co ltd
Zhejiang Energy Group Research Institute 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 Baimahu Laboratory Co ltd, Zhejiang Energy Group Research Institute Co Ltd filed Critical Zhejiang Baimahu Laboratory Co ltd
Priority to CN202110982894.9A priority Critical patent/CN113689410B/zh
Publication of CN113689410A publication Critical patent/CN113689410A/zh
Application granted granted Critical
Publication of CN113689410B publication Critical patent/CN113689410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30242—Counting objects in image
    • 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)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明涉及光伏组件表面减反膜层的检测方法，包括步骤：S1、采集光伏组件图像信息；S2、对每张图片中的每块光伏组件的图像进行色彩空间模式的转换，计算平均亮度值；S3、按照光伏组件的平均亮度值分布对光伏组件进行排列，标记组件；S4、选取并测试标记组件的反射率Ri，将反射率值Ri与值进行数值拟合，计算得到Ri与的关系式；S5、根据每块组件的计算得到对应的Ri；S6、最后计算得到减反膜失效比例。本发明的有益效果是：本发明的方法避免了人工对每一块组件进行测试，具有非接触测量、算法简单、检测难度小、检测效率高等突出优点，非常适合在光伏电站上应用推广。

Description

一种光伏组件表面减反膜层的检测方法
技术领域
本发明涉及光伏组件表面减反膜失效识别领域，尤其涉及一种基于可见光图像的光伏组件表面减反膜失效识别方法。
背景技术
目前国内光伏电站装机量已达2.4亿千瓦，是全国第三大电源，结合我国能源转型发展战略目标，到2030年，中国非化石能源占一次能源消费比重将达20％，2050年将达50％以上，光伏作为最有前景的清洁能源之一，将会迎来更加蓬勃的应用发展。由于光伏玻璃表面减反射膜的显著发电增益效果(可达3％以上)，如今已经成为光伏组件厂家的标配，但是根据荷兰皇家帝斯曼集团测算，全球之前有超过40GW的无减反射膜组件已经安装在光伏电站上。此外，正在运行的镀减反射膜组件也经受着长期的户外考验，沙尘、雨水、有机污染物等都会逐步侵蚀玻璃表面的中空SiO2减反射膜层，造成减反射作用的逐步丧失。而光伏组件的工作寿命可长达25年以上，与玻璃一起高温烧结制备的减反射膜层无法匹配光伏组件的生命周期，通过对电站端组件的表面反射率检测，发现安装5年以上的光伏组件有相当高比例已经存在膜层脱落的问题，需要对电站所有组件进行较为精准的膜层评估来确定是否需要重新镀膜。
对光伏电站的组件表面减反膜的检测，通常采用便携式分光光度计设备进行接触式测量，且面临组件检测数量极大，安装高度及地形多样导致无法取样测试等难题。
发明内容
本发明的目的是为了解决现有检测手段单一，检测难度高、效率低的难题，提供一种光伏组件表面减反膜层的检测方法。
这种光伏组件表面减反膜层的检测方法，包括以下步骤：
S1：采集目标区域内光伏组件表面的可见光图像信息，对每张图片进行预处理，确定每张图片中光伏组件的数量na，其中a＝1～m，m为图片数量；
S2：对每张图片中的每块光伏组件的图像进行色彩空间模式的转换，并计算出每块组件对应的平均亮度值其中i＝1～na；
S3：按照光伏组件的平均亮度值分布对光伏组件进行排列，选择其中极大值、极小值和中位数对应的组件为标记组件；
S4：检测标记组件的反射率曲线，记录其在可见光区域内的反射率值Ri，并将Ri与值进行数值拟合，得到对应的多项式方程；
S5：将其余所有光伏组件的值代入多项式方程计算，得到其余光伏组件的Ri计算值；并随机对若干块光伏组件进行Ri值的实测，并对比计算值，修正方程；
S6：汇总所有图片的组件反射率Ri值信息，Ri值在4％以上为失效，计算得到目标区域中所有光伏组件的减反膜失效比例。
作为优选：步骤S1中，对光伏组件表面的可见光图像信息的采集方法：通过无人机在规划路径上拍摄得到可见光图像。
作为优选：步骤S1中，确定光伏组件数量的方法：通过图像识别算法，将每张初始图片进行对比、拼接或剪裁处理，统计出每张图片中有效光伏组件数量。
作为优选：步骤S2中，对图像进行色彩空间模式的转换方法：是将图像的色彩空间坐标值(R,G,B)转换并计算得到亮度值的方法，将RGB色彩空间转换成GARY色彩空间、CIELab色彩空间或HSV色彩空间，其中RGB色彩空间转换成GARY色彩空间的公式为Gary＝R*0.299+G*0.587+B*0.114。
作为优选：计算图像亮度值的方法：取组件图像的部分或全部像素点，将其进行色彩空间的转换，并计算得到这些像素点的平均亮度值。
作为优选：步骤S4中，检测标记组件的反射率曲线的方法：采用分光光度计对光伏组件进行检测，获得可见光区域内的反射率值Ri。
本发明的有益效果是：本发明通过采集光伏组件图像信息，计算平均亮度值选取并测试标记组件的反射率Ri，将反射率值Ri与/>值进行数值拟合，计算得到Ri与/>的关系式，根据每块组件的/>计算得到对应的Ri，最后计算得到减反膜失效比例，本发明的方法避免了人工对每一块组件进行测试，具有非接触测量、算法简单、检测难度小、检测效率高等突出优点，非常适合在光伏电站上应用推广。
附图说明
图1为光伏组件表面减反膜层的检测方法流程图；
图2为每块光伏组件对应的平均灰度值示意图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
实施例一
本申请实施例一提供一种光伏组件表面减反膜层的检测方法，包括以下步骤：
S1：采集目标区域内光伏组件表面的可见光图像信息，对每张图片进行预处理，确定每张图片中光伏组件的数量na(a＝1～m，m为图片数量)；
S2：对每张图片中的每块光伏组件的图像进行色彩空间模式的转换，并计算出每块组件对应的平均亮度值
S3：按照组件的平均亮度值分布对组件进行排列，选择其中极大值、极小值、中位数对应的组件为标记组件；
S4：检测标记组件的反射率曲线，记录其在可见光区域内的反射率值Ri，并将Ri与值进行数值拟合，得到对应的多项式方程，可通过excel、matlab等软件完成；
S5：将其余所有组件的值代入多项式方程计算，得到其余组件的Ri计算值，为了提高拟合的准确性，可以随机对若干块组件进行Ri值的实测，并对比计算值，修正方程；
S6：汇总所有图片的组件反射率Ri值信息，Ri值在4％以上算基本失效，在5％以上为完全失效，计算得到目标区域中所有组件的减反膜失效比例。
实施例二
在实施例一的基础上，本申请实施例二提供一种更具体的光伏组件表面减反膜层的检测方法，具体为：
对光伏组件可见光图像的采集方法：所述的可见光图像是通过无人机在规划路径上拍摄，也可以是其他方式拍摄得到的图片，要求所摄图片对焦清晰、所摄光伏组件没有遮挡、反光等会影响后续图片处理结果的情况。确定光伏组件数量的方法：通过图像识别算法，将每张初始图片进行对比、拼接或剪裁处理，保证目标区域内的组件没有遗漏或者重复统计。
对图像进行色彩空间模式的转换方法：是将图像的色彩空间坐标值(R,G,B)转换并计算得到灰度值或亮度值的方法，包括但不限于RGB色彩空间转换成GARY色彩空间、CIELab色彩空间、HSV色彩空间等方法，其中RGB色彩空间转换成GARY色彩空间的公式为Gary＝R*0.299+G*0.587+B*0.114。计算图像灰度值或亮度值的方法：取组件图像的部分或全部像素点，将其进行色彩空间的转换，并计算得到这些像素点的灰度平均值或感知亮度平均值。图2为部分光伏组件图像从RGB色彩空间到GARY色彩空间转换的结果，并计算出每块组件对应的平均灰度值。
检测标记组件的反射率曲线的方法：采用分光光度计对光伏组件进行检测，获得可见光区的反射率值Ri。
实施例三
本申请实施例三提供一种光伏组件表面减反膜层的检测方法，包括以下步骤：
S1：利用大疆M300RTK无人机，按规划线路拍摄某光伏电站的目标区域内的光伏组件表面的15张高清照片，并通过软件对每张图像进行预处理和统计，确定每张图像中太阳能组件的数量为96块；
S2：对每张图片中的每块组件的图像进行从RGB色彩空间到GARY色彩空间的转换，并计算得到亮度值(灰度值)，并计算出每块组件对应的平均亮度值
S3：按照组件的平均亮度值分布对组件进行排列，选择其中极大值、极小值、中位数对应的组件为标记组件；
S4：检测标记组件的反射率曲线，记录其在可见光区域内的反射率值Ri，并将Ri与值进行数值拟合，得到对应的多项式方程/>R2＝0.9998(这是数据拟合得到的方程的可量化拟合优度，数值越接近1代表拟合程度越高)，具有很好的线性特征；
S5：将其余所有组件的值代入多项式方程计算，得到其余组件的Ri计算值，为了提高拟合的准确性，可以随机对若干块组件进行Ri值的实测，并对比计算值，修正方程；
S6：汇总所有图片的组件反射率Ri值信息，计算得到目标区域中所有组件的减反膜失效比例35.2％。

Claims (5)

1.一种光伏组件表面减反膜层的检测方法，其特征在于，包括以下步骤：
S1：采集目标区域内光伏组件表面的可见光图像信息，对每张图片进行预处理，确定每张图片中光伏组件的数量na，其中a＝1～m，m为图片数量；
S2：对每张图片中的每块光伏组件的图像进行色彩空间模式的转换，并计算出每块组件对应的平均亮度值其中i＝1～na；
步骤S2中，对图像进行色彩空间模式的转换方法：是将图像的色彩空间坐标值(R,G,B)转换并计算得到亮度值的方法，将RGB色彩空间转换成GARY色彩空间、CIE Lab色彩空间或HSV色彩空间，其中RGB色彩空间转换成GARY色彩空间的公式为Gary＝R*0.299+G*0.587+B*0.114；
S3：按照光伏组件的平均亮度值分布对光伏组件进行排列，选择其中极大值、极小值和中位数对应的组件为标记组件；
S4：检测标记组件的反射率曲线，记录其在可见光区域内的反射率值Ri，并将Ri与值进行数值拟合，得到对应的多项式方程；
S5：将其余所有光伏组件的值代入多项式方程计算，得到其余光伏组件的Ri计算值；并随机对若干块光伏组件进行Ri值的实测，并对比计算值，修正方程；
S6：汇总所有图片的组件反射率Ri值信息，Ri值在4％以上为失效，计算得到目标区域中所有光伏组件的减反膜失效比例。
2.根据权利要求1所述的光伏组件表面减反膜层的检测方法，其特征在于：步骤S1中，对光伏组件表面的可见光图像信息的采集方法：通过无人机在规划路径上拍摄得到可见光图像。
3.根据权利要求1所述的光伏组件表面减反膜层的检测方法，其特征在于：步骤S1中，确定光伏组件数量的方法：通过图像识别算法，将每张初始图片进行对比、拼接或剪裁处理，统计出每张图片中有效光伏组件数量。
4.根据权利要求1所述的光伏组件表面减反膜层的检测方法，其特征在于：计算图像亮度值的方法：取组件图像的部分或全部像素点，将其进行色彩空间的转换，并计算得到这些像素点的平均亮度值。
5.根据权利要求1所述的光伏组件表面减反膜层的检测方法，其特征在于：步骤S4中，检测标记组件的反射率曲线的方法：采用分光光度计对光伏组件进行检测，获得可见光区域内的反射率值Ri。
CN202110982894.9A 2021-08-25 2021-08-25 一种光伏组件表面减反膜层的检测方法 Active CN113689410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110982894.9A CN113689410B (zh) 2021-08-25 2021-08-25 一种光伏组件表面减反膜层的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110982894.9A CN113689410B (zh) 2021-08-25 2021-08-25 一种光伏组件表面减反膜层的检测方法

Publications (2)

Publication Number Publication Date
CN113689410A CN113689410A (zh) 2021-11-23
CN113689410B true CN113689410B (zh) 2024-04-26

Family

ID=78582563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110982894.9A Active CN113689410B (zh) 2021-08-25 2021-08-25 一种光伏组件表面减反膜层的检测方法

Country Status (1)

Country Link
CN (1) CN113689410B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002340797A (ja) * 2001-05-15 2002-11-27 Nippon Hoso Kyokai <Nhk> 反射特性計測装置
JP2007316829A (ja) * 2006-05-24 2007-12-06 Nippon Paint Co Ltd 日射反射率を算出するための分光反射率予測計算方法、及び、分光反射率予測計算装置、半導体チップ、回路基板、分光反射率予測プログラム、コンピュータシステム、並びに、分光反射率予測計算システム
CN101924166A (zh) * 2010-08-04 2010-12-22 中国科学院光电技术研究所 一种太阳能电池表面减反射结构的制作系统及制作方法
CN201956361U (zh) * 2010-07-29 2011-08-31 普尼太阳能(杭州)有限公司 一种用于薄膜太阳能电池的减反射系统
CN104393102A (zh) * 2014-10-16 2015-03-04 上海交通大学 硅表面微/纳米减反射结构的制备方法及应用
CN106644081A (zh) * 2017-01-10 2017-05-10 首都师范大学 一种多光谱影像标定方法
CN107616795A (zh) * 2017-08-17 2018-01-23 华东师范大学 一种基于摄像头的非接触式实时呼吸率检测方法
CN107845090A (zh) * 2017-10-27 2018-03-27 中国科学院物理研究所 一种硅片检测方法和硅片检测装置
CN109406531A (zh) * 2018-10-23 2019-03-01 凌云光技术集团有限责任公司 一种光伏玻璃镀膜缺陷检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002340797A (ja) * 2001-05-15 2002-11-27 Nippon Hoso Kyokai <Nhk> 反射特性計測装置
JP2007316829A (ja) * 2006-05-24 2007-12-06 Nippon Paint Co Ltd 日射反射率を算出するための分光反射率予測計算方法、及び、分光反射率予測計算装置、半導体チップ、回路基板、分光反射率予測プログラム、コンピュータシステム、並びに、分光反射率予測計算システム
CN201956361U (zh) * 2010-07-29 2011-08-31 普尼太阳能(杭州)有限公司 一种用于薄膜太阳能电池的减反射系统
CN101924166A (zh) * 2010-08-04 2010-12-22 中国科学院光电技术研究所 一种太阳能电池表面减反射结构的制作系统及制作方法
CN104393102A (zh) * 2014-10-16 2015-03-04 上海交通大学 硅表面微/纳米减反射结构的制备方法及应用
CN106644081A (zh) * 2017-01-10 2017-05-10 首都师范大学 一种多光谱影像标定方法
CN107616795A (zh) * 2017-08-17 2018-01-23 华东师范大学 一种基于摄像头的非接触式实时呼吸率检测方法
CN107845090A (zh) * 2017-10-27 2018-03-27 中国科学院物理研究所 一种硅片检测方法和硅片检测装置
CN109406531A (zh) * 2018-10-23 2019-03-01 凌云光技术集团有限责任公司 一种光伏玻璃镀膜缺陷检测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
光伏玻璃减反射膜的研究进展;林昇华;材料导报;20190916;第33卷(第21期);3588-3595 *

Also Published As

Publication number Publication date
CN113689410A (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN107185854B (zh) 基于rgb通道的光伏电池片色差检测及颜色分类的算法
Di Tommaso et al. A multi-stage model based on YOLOv3 for defect detection in PV panels based on IR and visible imaging by unmanned aerial vehicle
CN105445607B (zh) 一种基于等温线绘制的电力设备故障检测方法
CN107314819A (zh) 一种基于红外图像的光伏电站热斑检测与定位方法
CN108572011B (zh) 一种基于机器视觉的光伏电池板积灰状态监测系统及计算方法
CN115115634B (zh) 基于红外图像的光伏阵列热斑检测方法
CN108321799B (zh) 一种光伏电站系统效率替代指标的计算方法
CN113989241A (zh) 一种基于图像处理与深度学习融合的光伏组件el缺陷检测方法
CN115115643A (zh) 一种光伏电池板生产缺陷检测方法
CN113689410B (zh) 一种光伏组件表面减反膜层的检测方法
CN107622484A (zh) 一种基于形状匹配的光伏电池片缺角检测算法
CN112016260B (zh) 基于光伏组件i-v曲线的热斑电池片温度估算方法、装置及存储介质
CN114049320A (zh) 一种基于图片相似度的器件缺失ai质检方法与装置
Yang et al. Fast simulation modeling and multiple-PS fault diagnosis of the PV array based on I–V curve conversion
CN117634742A (zh) 一种分布式光伏运行状态评估方法
CN110567918B (zh) 一种基于2d结构光的镜面质量分析方法
CN117200693A (zh) 光伏组件故障诊断方法、装置、设备及存储介质
CN114285073B (zh) 一种并网光伏逆变器性能分析系统
CN116503308A (zh) 一种基于级联区域卷积神经网络的光伏板故障识别方法
TWI421971B (zh) 物件定位方法
CN109903258A (zh) 一种基于灰度匹配的电力电缆类别检测方法及系统
CN113246782B (zh) 一种直流充电桩的运行误差监测方法
CN110610474A (zh) 一种基于红外图像的太阳能板缺陷实时检测方法
CN115759820A (zh) 一种光伏电站定损计算方法、系统及存储介质
Aslani et al. A Spatially Detailed Approach to the Assessment of Rooftop Solar Energy Potential based on LiDAR Data.

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
TA01 Transfer of patent application right

Effective date of registration: 20230111

Address after: 5 / F, building 1, No. 2159-1, yuhangtang Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: ZHEJIANG ENERGY R & D INSTITUTE Co.,Ltd.

Applicant after: Zhejiang Baimahu Laboratory Co.,Ltd.

Address before: 5 / F, building 1, No. 2159-1, yuhangtang Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG ENERGY R & D INSTITUTE Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant