[发明专利]一种光伏电池板热斑故障检测方法

权利要求书

1.一种光伏电池板热斑故障检测方法，其特征在于：包括以下步骤：

S1：采集正常以及不同热斑故障状态下光伏电池板的红外图像信息及其温度信息；

S2：分割红外图像中的热斑区域并提取特征向量；

S3：选择径向基函数作为核函数，初步建立基于SVM的多类故障检测模型，其中核函数参数g和惩罚因子c为待定参数；

S4：运用训练样本对SVM多类故障检测模型进行训练，并采用带扩展记忆的粒子群算法优化SVM多类故障检测模型中的核函数参数g和惩罚因子c；

S5：选取训练样本分类精度最高的一组参数作为最优的核函数参数g和惩罚因子c的值，得到训练完成的SVM多类故障检测模型；

S6：将待检测样本依据步骤2得到的特征向量输入到训练好的SVM多类故障检测模型中，进行热斑故障检测，并给出光伏电池板热斑故障损伤等级。

2.根据权利要求1所述的一种光伏电池板热斑故障检测方法，其特征在于：所述步骤S2中的分割红外图像中的热斑区域并提取特征向量包括以下具体步骤：

S21：对红外图像预处理，包括图像增强和红外图像滤波；

S22：结合光伏电池板几何特性，对光伏电池板进行识别分割；

S23：采用模糊聚类方法对光伏电池板的热斑区域进行分割；

S24：热斑故障特征向量的选择与提取；

S25：对特征向量进行归一化处理。

3.根据权利要求2所述的一种光伏电池板热斑故障检测方法，其特征在于：所述S22中的结合光伏电池板几何特性，对光伏电池板进行识别分割的具体方法为：

将红外图像转换为灰度图像，进行边缘检测，并采用Hough变换进行直线提取，通过设定线段相关的经验阈值选取光伏电池板边缘的直线，利用确定的边缘直线对图像中光伏电池板的四边形区域进行分割。

4.根据权利要求2所述的一种光伏电池板热斑故障检测方法，其特征在于：所述S23中的模糊聚类方法包括的具体方法为：

采用模糊C均值算法依据最小二乘法的原理，通过使均方差目标函数局部最小来聚类像素，其目标函数为：

J(U,V)m=Σk=1nΣi=1e(μik)m(ωk)2]]>

其中，d_ik＝||X_k-V_i||为样本数据点X_k相对于第i个聚类中心的距离，U是样本集X的模糊e-划分，V是e个聚类中心组成的集合，X＝{x₁,x₂,…,x_n}为像素的集合，e为类数，m是一个加权系数，m∈[1,∞]，μ_ik为第k个样本相对于第i个聚类中心的隶属度。