CN114785280A - 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 - Google Patents
光伏电站太阳能电池组件发电性能缺陷的现场检测方法 Download PDFInfo
- Publication number
- CN114785280A CN114785280A CN202210457796.8A CN202210457796A CN114785280A CN 114785280 A CN114785280 A CN 114785280A CN 202210457796 A CN202210457796 A CN 202210457796A CN 114785280 A CN114785280 A CN 114785280A
- Authority
- CN
- China
- Prior art keywords
- solar cell
- abnormal
- branch
- power generation
- cell module
- 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 115
- 238000010248 power generation Methods 0.000 title claims abstract description 77
- 230000007547 defect Effects 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 92
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000002776 aggregation Effects 0.000 claims description 18
- 238000004220 aggregation Methods 0.000 claims description 18
- 238000003491 array Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims description 3
- 238000000429 assembly Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 abstract description 3
- 239000000306 component Substances 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100495835 Oryza sativa subsp. japonica Cht1 gene Proteins 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及光伏电站太阳能电池组件发电性能缺陷的现场检测方法,通过在步骤S1‑S4找出疑似发电量偏低的发电异常的支路,通过步骤S1’‑S4’找出热斑太阳能电池组件聚集的支路,综合考虑两者的对应关系,找到异常支路;同时将无人机拍摄的红外热像图片编号并标记,建立太阳能电池组件与光伏电站的位置映射关系;在步骤S5中,在同一测量时间段内检测得到若干组即时的测量数据,找出其中的最小值以判断出异常的支路,进而通过检测I‑V曲线找到异常太阳能电池组件,最后检测红外热像、EL缺陷,以查找出太阳能电池组件所产生的热斑、隐裂等缺陷。本发明能快速、准确检测出异常太阳能电池组件,以对其及时修复或更换,从而提高光伏电站的发电量。
Description
技术领域:
本发明涉及光伏电站现场检测技术领域,具体涉及光伏电站太阳能电池组件发电性能缺陷的现场检测方法。
背景技术:
太阳能电池组件是光伏电站的核心部件,太阳能电池组件在使用过程中呈分散性衰减,已运行的光伏电站中的太阳能电池组件存在着不同程度的热斑、隐裂等现象,造成了光伏电站的发电量不及预期设计。随着光伏电站数量的不断增加,已经安装了海量的太阳能电池组件,每个光伏电站中的太阳能电池组件数量达到几万甚至几百万块;仅以青海省为例,截止2021年底,青海省光伏电站装机容量1561万千瓦,按单体太阳能电池组件300瓦计算,仅青海省的太阳能电池组件数量就达5200万块。而在如此庞大数量的太阳能电池组件中检测出异常,依赖于传统的人工巡检的方式显然费时费力、效率和准确度很低,往往很难发现其存在的隐患。因此,如何在光伏电站海量的太阳能电池组件中,迅速、准确的找出异常太阳能电池组件并消除缺陷是是光伏行业中亟待解决的问题。
发明内容:
本发明针对于在光伏电站快速的检测出具有故障的太阳能电池组件,提出一种光伏电站太阳能电池组件发电性能缺陷的现场检测方法,以达到光伏电站发电效率符合与其设计的目的,本发明采用的技术方案如下述。
光伏电站太阳能电池组件发电性能缺陷的现场检测方法,包括开始至结束之间的检测步骤S1至S9,和步骤S1’至S4’,具体为:
开始:准备检测工作所用到的检测设备,准备无人机及其机载红外相机,确认无异常后进行后续步骤;
其中,检测步骤S1至S9为:
S1、获取光伏电站监测系统数据:获取光伏电站监测系统中各发电区的数据,抽取其中的发电量数据,将其转换为发电区发电量数据表;
S2、是否存在异常发电区:比对步骤S1中发电区发电量数据表中的数据,当存在发电量数据最小值的发电区时,将其标记为异常发电区,进行步骤S3,反之转向结束;
S3、异常发电区同级支路数据比对:比对步骤S2中异常发电区中同级支路的发电量数据;
S4、是否存在发电异常的支路:在步骤S3中,当存在最小值的同级支路的发电量数据时,将其标记为异常支路,其余标记为正常支路,同时,将异常支路与步骤S4’中存在热斑组件聚集的支路进行对应,当存在对应时进行步骤S5;
S5、异常支路与正常支路的电性能比测:使用检测设备检测步骤S4中异常支路与正常支路的电性能数据,获取电性能数据并做比对,找出电性能数据的最小值;
S6、确认异常支路:将步骤S5中电性能数据的最小值将进行标记,并确定为异常支路;
S7、异常支路中单块太阳能电池组件的I-V曲线检测:使用I-V曲线测试仪检测步骤S6中异常支路中单块太阳能电池组件的I-V曲线;
S8、是否存在电性能异常太阳能电池组件:查找步骤S7中是否存在电性能异常太阳能电池组件,当存在异常时,标记为电性能异常太阳能电池组件,并进行步骤S9,否则转向结束;
S9、红外热像检测:使用红外热像仪检测步骤S8中电性能异常太阳能电池组件的正面、背板和连接线路,查找高亮热斑;
EL缺陷检测:使用EL检测仪检测步骤S8电性能异常太阳能电池组件,查找隐裂缺陷;
其中步骤S1’至S4’为:
S1’、规划无人机航线:根据光伏电站平面图,规划并制定出无人机的飞行路线;
S2’、红外相机航拍各发电区太阳能电池组件:无人机根据步骤S1’中的飞行路线,通过机载红外相机航拍各发电区太阳能电池组件,得到若干红外热像图片;
S3’、图像归集与分析:将步骤S2’中的若干红外热像图片归集为对应发电区并分组和标记,并将其中具有热斑的红外热像图片进行标注;
S4’、是否存在热斑太阳能电池组件聚集的支路:查找步骤S3’中具有热斑的红外热像图片,当存在热斑太阳能电池组件聚集的支路时,则标记为热斑太阳能电池组件聚集的支路,同时,将热斑太阳能电池组件聚集的支路与步骤S4中的异常支路进行对应,当存在对应时进行步骤S5,否则转向结束;
结束:完成检测并找出异常太阳能电池组件,进而找到产生缺陷的原因和处理相应的缺陷。
进一步的,步骤S1’和S2’中的无人机的飞行路线为基于光伏电站平面图的扫描式路径,即无人机从光伏电站上方依次飞过所有太阳能电池组件阵列时,并在太阳能电池组件阵列所在位置所拍摄的若干红外热像图片,经无人机本地存储或即时通过网络传回的图像文件。
进一步的,步骤S3’中的若干红外热像图片的分组为相应发电区所在位置的编号,若干红外热像图片的标记为依次拍摄的序列号。
进一步的,步骤S5中所用到的检测设备为CN 206041929 U所述的大型地面光伏电站发电性能现场移动检测设备。
进一步的,采用大型地面光伏电站发电性能现场移动检测设备的检测步骤如下所述:
首先,将该设备与标准检测模块连接,将该设备的若干电流检测模块与标准检测模块并联,调整电路参数,得到各电流检测模块与标准检测模块的偏差值,作为偏差定值;
其次,将该设备的若干电流检测模块分别卡到被检测太阳能电池组件所在各支路的电缆上,设定一测量时间段后,在同时段内若干电流检测模块同时检测各支路的电流数据,在检测过程中分时刻抓取若干组检测数据;
再次,比对检测过程中分时刻抓取的若干组检测数据,找出其中的最小值检测数据;
最后,查找出最小值检测数据所对应的太阳能电池组件所在支路。
实施本发明的有益之处:
检测人员在本发明所述的检测步骤S4和步骤S4’中,可以得到其中的数据是否存在对应的关系,即发电量偏低的异常支路在步骤S4中存在着功率低于其他正常支路的现象,同时在步骤S4’中存在热斑太阳能电池组件聚集于某一支路的现象,当两者彼此对应时,则可以快速找到发生故障的太阳能电池组件的所在位置,检测结果直观、可操作行强;再者,无人机所拍摄的图像文件经过编号和标记后,建立了与所在光伏电站对应的太阳能电池组件阵列的映射关系,能够得到其中由于热斑等原因所产生的太阳能电池组件所在的位置,便于检测人员执行相应的故障检测排除工作;最后,在步骤S5中所用到的检测设备在同一测量时间段内,能够获取并保存若干组相应时刻的测量数据,进而找出其中最小值的测量数据后,则可初步判断出发生故障的太阳能电池组件所在的位置,从而检测人员通过后续检测步骤查找出故障太阳能电池组件存在的功率下降、热斑、隐裂等缺陷。
本发明在光伏电站产生发电效率低于正常值时,能够及时检测出异常发电区所在太阳能电池组件阵列中异常的太阳能电池组件,进而对其及时修复或更换,最终使得光伏电站的发电量处于最佳发电状态,以提高其经济效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他的附图。
图1:检测方法示意图;
图2:热斑情况下的太阳能电池组件的I-V曲线图;
图3:热斑情况下的太阳能电池组件;
图4:隐裂情况下的太阳能电池组件的I-V曲线图;
图5:隐裂情况下的太阳能电池组件。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
光伏电站发电效率和其运行状态存在着直接的相关性,保持光伏电站始终处于最佳的运行状态是提高其发电效率的关键因素,故而光伏电站的例行巡检和对于存在故障的相应零部件及时处理是其工作重点,由于地面光伏电站是由众多数量的太阳能电池组件所组成,在其中的某块太阳能电池组件出现故障时,会造成电站发电量的损失,因此,需要及时准确的找出该太阳能电池组件并及时排除故障是必要的。
本发明在光伏电站产生发电效率低于正常值时,能够及时检测出异常发电区所在太阳能电池组件阵列中异常的太阳能电池组件,进而对其及时修复或更换,最终保证了光伏电站的发电量处于最佳状态。
请参阅附图1,光伏电站太阳能电池组件发电性能缺陷的现场检测方法,包括开始至结束之间的检测步骤S1至S9,和步骤S1’至S4’,具体为:
开始:准备检测工作所用到的检测设备,准备无人机及其机载红外相机,确认无异常后进行后续步骤;
其中,检测步骤S1至S9为:
S1、获取光伏电站监测系统数据:获取光伏电站监测系统中各发电区的数据,抽取其中的发电量数据,将其转换为发电区发电量数据表;
S2、是否存在异常发电区:比对步骤S1中发电区发电量数据表中的数据,当存在发电量数据最小值的发电区时,将其标记为异常发电区,进行步骤S3,反之转向结束;
S3、异常发电区同级支路数据比对:比对步骤S2中异常发电区中同级支路的发电量数据;
S4、是否存在发电异常的支路:在步骤S3中,当存在最小值的同级支路的发电量数据时,将其标记为异常支路,其余标记为正常支路,同时,将异常支路与步骤S4’中存在热斑组件聚集的支路进行对应,当存在对应时进行步骤S5;
S5、异常支路与正常支路的电性能比测:使用检测设备检测步骤S4中异常支路与正常支路的电性能数据,获取电性能数据并做比对,找出电性能数据的最小值;
S6、确认异常支路:将步骤S5中电性能数据的最小值将进行标记,并确定为异常支路;
S7、异常支路中单块太阳能电池组件的I-V曲线检测:使用I-V曲线测试仪检测步骤S6中异常支路中单块太阳能电池组件的I-V曲线;
S8、是否存在电性能异常太阳能电池组件:查找步骤S7中是否存在电性能异常太阳能电池组件,当存在异常时,标记为电性能异常太阳能电池组件,并进行步骤S9,否则转向结束;
S9、红外热像检测:使用红外热像仪检测步骤S8中电性能异常太阳能电池组件的正面、背板和连接线路,查找高亮热斑;
EL缺陷检测:使用EL检测仪检测步骤S8电性能异常太阳能电池组件,查找隐裂缺陷;
其中步骤S1’至S4’为:
S1’、规划无人机航线:根据光伏电站平面图,规划并制定出无人机的飞行路线;
S2’、红外相机航拍各发电区太阳能电池组件:无人机根据步骤S1’中的飞行路线,通过机载红外相机航拍各发电区太阳能电池组件,得到若干红外热像图片;
S3’、图像归集与分析:将步骤S2’中的若干红外热像图片归集为对应发电区并分组和标记,并将其中具有热斑的红外热像图片进行标注;
S4’、是否存在热斑太阳能电池组件聚集的支路:查找步骤S3’中具有热斑的红外热像图片,当存在热斑太阳能电池组件聚集的支路时,则标记为热斑太阳能电池组件聚集的支路,同时,将热斑太阳能电池组件聚集的支路与步骤S4中的异常支路进行对应,当存在对应时进行步骤S5,否则转向结束;
结束:完成检测并找出异常太阳能电池组件,进而找到产生缺陷的原因和处理相应的缺陷。
在本发明检测方法中,其中步骤S1至S9为一依次连续的检测步骤,可由一组检测人员承担相应的工作,其中步骤S1’至S4’为另一依次连续的检测步骤,可由另一组检测人员承担相应的工作;由于发电量偏低的异常支路在步骤S4中存在着功率低于其他正常支路的现象,同时在步骤S4’中存在热斑太阳能电池组件聚集于某一支路的现象,则检测人员结合步骤S4和步骤S4’的数据是否存在对应的关系,当两者彼此对应时,则可以快速找到发生故障的太阳能电池组件的所在位置,进而判断出由于热斑、隐裂等原因所产生的异常太阳能电池组件,最后检测人员执行相应的故障检测排除工作。
优选的,步骤S1’和S2’中的无人机的飞行路线为基于光伏电站平面图的扫描式路径,即无人机从光伏电站上方依次飞过所有太阳能电池组件阵列时,并在太阳能电池组件阵列所在位置所拍摄的若干红外热像图片,经无人机本地存储或即时通过网络传回的图像文件。
步骤S3’中的若干红外热像图片的分组为相应发电区所在位置的编号,若干红外热像图片的标记为依次拍摄的序列号。
无人机依据基于光伏电站平面图的扫描式路径执行拍照时,能够获得所在光伏电站的全部太阳能电池组件阵列中的图像文件,所有图像文件经过编号和标记后,则建立了与所在光伏电站对应的太阳能电池组件阵列的映射关系,最后通过查找出其中存在热斑的异常太阳能电池组件是否聚集在某一支路,从而能够得到由于热斑、隐裂等原因所产生的太阳能电池组件所在的位置,进而由检测人员执行相应的故障检测排除工作。
优选的,步骤S5中所用到的检测设备为CN 206041929 U所述的大型地面光伏电站发电性能现场移动检测设备。
采用大型地面光伏电站发电性能现场移动检测设备的检测步骤如下所述:
首先,将该设备与标准检测模块连接,将该设备的若干电流检测模块与标准检测模块并联,调整电路参数,得到各电流检测模块与标准检测模块的偏差值,作为偏差定值;
其次,将该设备的若干电流检测模块分别卡到被检测太阳能电池组件所在各支路的电缆上,设定一测量时间段后,在同时段内若干电流检测模块同时检测各支路的电流数据,在检测过程中分时刻抓取若干组检测数据;
再次,比对检测过程中分时刻抓取的若干组检测数据,找出其中的最小值检测数据;
最后,查找出最小值检测数据所对应的太阳能电池组件所在支路。
该检测设备在检测太阳能电池组件所在各支路的功率数据时,将若干电流检测模块分别卡到被检测太阳能电池组件所在各支路的电缆上,在同一测量时间段内,则获取并保存了若干组相应时刻的测量数据,最后找出其中最小的测量数据后,则可初步推断出异常的太阳能电池组件所在的位置。在常规检测方法中,由于检测过程中不可避免的会受到外界环境(如云彩遮挡等)影响,所获取的测量数据会出现不准确的情况,为此,利用该检测设备可以同时对太阳能电池组件所在各支路的功率数据进行检测,并得到相应时刻的即时数据,该数据消除了外界环境影响所带来的检测数据不准确的现象,并且减少了检测人员逐个检测太阳能电池组件所在各支路的繁琐工作。
发明人在实施本发明时,针对于其中一个装机容量1.67MW的太阳能电池组件阵列区域,由两人相配合完成全部测试工作,所耗费的时间在120分钟左右;假如完全通过人工巡检方式,要在光伏电站中浩如烟海的太阳能电池组件中,除了能找出肉眼能见的外观(如表面玻璃破碎、着火等现象)有异常太阳能电池组件外,则很难发现内部有热斑、隐裂等肉眼看不见的问题太阳能电池组件,如果要完成各太阳能电池组件的检测,必然会消耗及其大量的时间。
在本发明中,一检测人员获得并查找出各发电区各支路的异常数据值,再结合另一检测人员所查找出的热斑组件聚集的支路,以发现其中是否存在着对应关系,当存在对应关系时,则能够快速锁定异常支路;然后,检测人员到异常支路区域使用检测设备为CN206041929 U所述的大型地面光伏电站发电性能现场移动检测设备发现电流数据明显偏低的支路,再对该支路中的每一块太阳能电池组件组件进行功率测试,找出功率偏低的太阳能电池组件组件,见下表。
上表为现场进行电流测试的数据,No.1至20为相应时刻的电流即时数据,No.CH1至CH16为所在支路,其中CH6列加粗部分的数据为异常的电流数据,其数值明显低于其他支路,单位为A,由此确定CH6为异常支路。
最后,检测人员对功率偏低的太阳能电池组件进行热斑、隐裂等检测,请参阅附图2至附图5,则能够快速、准确找出有问题的太阳能电池组件,并能发现存在的问题的根源;其中,在附图2中,存在异常的I-V曲线,并在附图3中,高亮处为太阳能电池组件所存在的热斑,在附图4中,存在异常的I-V曲线,并在附图5中,所圈定的区域为太阳能电池组件所存在的隐裂;下表为异常太阳能电池组件与正常太阳能电池组件的参数比对。
检测人员根据上述检测结果,可以明确太阳能光伏组件的异常原因,并进行故障排除,进而有效的提升了光伏电站的发电量。
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,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.光伏电站太阳能电池组件发电性能缺陷的现场检测方法,其特征在于,包括开始至结束之间的检测步骤S1至S9,和步骤S1’至S4’,具体为:
开始:准备检测工作所用到的检测设备,准备无人机及其机载红外相机,确认无异常后进行后续步骤;
其中,检测步骤S1至S9为:
S1、获取光伏电站监测系统数据:获取光伏电站监测系统中各发电区的数据,抽取其中的发电量数据,将其转换为发电区发电量数据表;
S2、是否存在异常发电区:比对步骤S1中发电区发电量数据表中的数据,当存在发电量数据最小值的发电区时,将其标记为异常发电区,进行步骤S3,反之转向结束;
S3、异常发电区同级支路数据比对:比对步骤S2中异常发电区中同级支路的发电量数据;
S4、是否存在发电异常的支路:在步骤S3中,当存在最小值的同级支路的发电量数据时,将其标记为异常支路,其余标记为正常支路,同时,将异常支路与步骤S4’中存在热斑组件聚集的支路进行对应,当存在对应时进行步骤S5;
S5、异常支路与正常支路的电性能比测:使用检测设备检测步骤S4中异常支路与正常支路的电性能数据,获取电性能数据并做比对,找出电性能数据的最小值;
S6、确认异常支路:将步骤S5中电性能数据的最小值将进行标记,并确定为异常支路;
S7、异常支路中单块太阳能电池组件的I-V曲线检测:使用I-V曲线测试仪检测步骤S6中异常支路中单块太阳能电池组件的I-V曲线;
S8、是否存在电性能异常太阳能电池组件:查找步骤S7中是否存在电性能异常太阳能电池组件,当存在异常时,标记为电性能异常太阳能电池组件,并进行步骤S9,否则转向结束;
S9、红外热像检测:使用红外热像仪检测步骤S8中电性能异常太阳能电池组件的正面、背板和连接线路,查找高亮热斑;
EL缺陷检测:使用EL检测仪检测步骤S8电性能异常太阳能电池组件,查找隐裂缺陷;
其中步骤S1’至S4’为:
S1’、规划无人机航线:根据光伏电站平面图,规划并制定出无人机的飞行路线;
S2’、红外相机航拍各发电区太阳能电池组件:无人机根据步骤S1’中的飞行路线,通过机载红外相机航拍各发电区太阳能电池组件,得到若干红外热像图片;
S3’、图像归集与分析:将步骤S2’中的若干红外热像图片归集为对应发电区并分组和标记,并将其中具有热斑的红外热像图片进行标注;
S4’、是否存在热斑太阳能电池组件聚集的支路:查找步骤S3’中具有热斑的红外热像图片,当存在热斑太阳能电池组件聚集的支路时,则标记为热斑太阳能电池组件聚集的支路,同时,将热斑太阳能电池组件聚集的支路与步骤S4中的异常支路进行对应,当存在对应时进行步骤S5,否则转向结束;
结束:完成检测并找出异常太阳能电池组件,进而找到产生缺陷的原因和处理相应的缺陷。
2.根据权利要求1所述的光伏电站太阳能电池组件发电性能缺陷的现场检测方法,其特征在于,所述步骤S1’和S2’中的无人机的飞行路线为基于光伏电站平面图的扫描式路径,即无人机从光伏电站上方依次飞过所有太阳能电池组件阵列时,并在太阳能电池组件阵列所在位置所拍摄的若干红外热像图片,经无人机本地存储或即时通过网络传回的图像文件。
3.根据权利要求1所述的光伏电站太阳能电池组件发电性能缺陷的现场检测方法,其特征在于,所述步骤S3’中的若干红外热像图片的分组为相应发电区所在位置的编号,若干红外热像图片的标记为依次拍摄的序列号。
4.根据权利要求1所述的光伏电站太阳能电池组件发电性能缺陷的现场检测方法,其特征在于,所述步骤S5中所用到的检测设备为CN 206041929 U所述的大型地面光伏电站发电性能现场移动检测设备。
5.根据权利要求4所述的光伏电站太阳能电池组件发电性能缺陷的现场检测方法,其特征在于,所述采用大型地面光伏电站发电性能现场移动检测设备的检测步骤如下:
首先,将该设备与标准检测模块连接,将该设备的若干电流检测模块与标准检测模块并联,调整电路参数,得到各电流检测模块与标准检测模块的偏差值,作为偏差定值;
其次,将该设备的若干电流检测模块分别卡到被检测太阳能电池组件所在各支路的电缆上,设定一测量时间段后,在同时段内若干电流检测模块同时检测各支路的电流数据,在检测过程中分时刻抓取若干组检测数据;
再次,比对检测过程中分时刻抓取的若干组检测数据,找出其中的最小值检测数据;
最后,查找出最小值检测数据所对应的太阳能电池组件所在支路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210457796.8A CN114785280A (zh) | 2022-04-28 | 2022-04-28 | 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210457796.8A CN114785280A (zh) | 2022-04-28 | 2022-04-28 | 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114785280A true CN114785280A (zh) | 2022-07-22 |
Family
ID=82432319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210457796.8A Pending CN114785280A (zh) | 2022-04-28 | 2022-04-28 | 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114785280A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081552A (zh) * | 2022-07-28 | 2022-09-20 | 一道新能源科技(衢州)有限公司 | 基于云平台的太阳能电池数据异常处理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102000684B1 (ko) * | 2018-11-23 | 2019-07-17 | 주식회사 더블유피 | 솔라 파인더를 적용한 태양광 장치와 그 장치의 불량 검출 방법 |
CN110470279A (zh) * | 2019-09-05 | 2019-11-19 | 上海伯镭智能科技有限公司 | 一种基于多旋翼无人机的集中式光伏电站电池组件缺陷巡检系统 |
-
2022
- 2022-04-28 CN CN202210457796.8A patent/CN114785280A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102000684B1 (ko) * | 2018-11-23 | 2019-07-17 | 주식회사 더블유피 | 솔라 파인더를 적용한 태양광 장치와 그 장치의 불량 검출 방법 |
CN110470279A (zh) * | 2019-09-05 | 2019-11-19 | 上海伯镭智能科技有限公司 | 一种基于多旋翼无人机的集中式光伏电站电池组件缺陷巡检系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081552A (zh) * | 2022-07-28 | 2022-09-20 | 一道新能源科技(衢州)有限公司 | 基于云平台的太阳能电池数据异常处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tsanakas et al. | Faults and infrared thermographic diagnosis in operating c-Si photovoltaic modules: A review of research and future challenges | |
Høiaas et al. | Inspection and condition monitoring of large-scale photovoltaic power plants: A review of imaging technologies | |
Grimaccia et al. | Survey on PV modules’ common faults after an O&M flight extensive campaign over different plants in Italy | |
Kim et al. | Automatic fault recognition of photovoltaic modules based on statistical analysis of UAV thermography | |
Tsanakas et al. | Fault diagnosis and classification of large-scale photovoltaic plants through aerial orthophoto thermal mapping | |
WO2018028005A1 (zh) | 一种大型光伏电站中电池面板的故障检测算法 | |
CN112184711B (zh) | 一种光伏组件缺陷检测和定位方法及系统 | |
WO2017148336A1 (zh) | 光电系统中电池组串故障的识别方法、装置和设备 | |
CN109743019B (zh) | 基于气象因素的热斑温度预测及热斑定位的系统和方法 | |
Alsafasfeh et al. | Fault detection in photovoltaic system using SLIC and thermal images | |
Ma et al. | Photovoltaic module current mismatch fault diagnosis based on IV data | |
Chattopadhyay et al. | All India survey of photovoltaic module degradation 2014: Survey methodology and statistics | |
Liao et al. | Using Matlab real-time image analysis for solar panel fault detection with UAV | |
CN112880837B (zh) | 一种设备故障分析方法 | |
CN114785280A (zh) | 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 | |
CN115294031A (zh) | 基于红外热成像分析的光伏组件故障图像识别方法 | |
JP6280846B2 (ja) | 太陽電池モジュールの検査方法 | |
CN111127445A (zh) | 基于深度学习的配网线路高温区域检测方法与系统 | |
CN113485432A (zh) | 一种基于无人机的光伏电站电致发光智能诊断系统及方法 | |
CN108418550A (zh) | 集群太阳能板的缺陷检测和定位方法 | |
CN116866512A (zh) | 一种光伏电站巡检系统及其运行方法 | |
Uma et al. | Diagnosis of photovoltaic (PV) panel defects based on testing and evaluation of thermal image | |
CN114792328A (zh) | 一种红外热成像图像处理和分析的方法 | |
WO2024113510A1 (zh) | 一种光伏组件发电量损失的计算方法、装置及电子设备 | |
Kim et al. | Automatic detection of malfunctioning photovoltaic modules using unmanned aerial vehicle thermal infrared images |
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 |