[发明专利]一种基于图像融合识别的光伏组件故障检测方法

说明书

本发明提供一种基于图像融合识别的光伏组件故障检测方法，通过图像采集装置获取光伏组件的图像，包括红外热成像图像和可见光图像；利用基于强化KAZE算法的图像拼接算法对图像进行拼接；利用基于HSV模型和YCbCr模型的图像处理算法对图像进行色彩处理；通过中值滤波、形态学图像处理、边缘检测、轮廓提取和区域分离方法对图像进行处理；使用局部二值模式LBP分别提取红外热成像图像和可见光图像中光伏组件故障区域的特征向量；通过卷积神经网络算法对获得的特征向量进行分类识别，并将红外热成像图像和可见光图像中同一位置的识别结果进行融合识别，判断故障类型；基于故障类型的判断结果，进行故障发展趋势的预测；进行针对性维护措施的决策。

技术领域

本发明属于光伏发电系统故障检测领域，具体涉及一种基于图像融合识别的光伏组件故障检测方法。

背景技术

随着近年来光伏产业的迅猛发展，也对相应的运行维护工作提出了更高要求。在光伏组件的实际运行过程中，长期覆盖在光伏组件表面的灰尘和污染物（如鸟粪、落叶、无机盐结垢等）会对光伏组件造成严重影响：降低了光的透过率，实际光照强度和受光面积均大幅度减少，影响发电效率；散热不佳导致电能转化为热能的比例增大，其电能转换效率会降低30%~40%；此外，污染物长期存在于光伏组件上，还会引起热斑效应，一块约占光伏组件面积1/60的热斑将影响整体1/3的发电量，导致光伏组件的使用寿命至少减少10%，并对光伏组件造成不可逆损毁。

现有的集中式大型光伏电站投资大，运维系统较为完善，但只是通过定期检查的方式来检测故障，难以及时发现故障，存在着较大的故障隐患；而逐渐兴起的运载工具光伏发电系统和光伏路灯等分布式光伏发电系统普遍存在着不巡检、不维护的问题，极易发生故障，造成不可逆的损失。且现有光伏运维方式只能进行故障发生后的识别与事后维修，不能做到故障预测与及时排除。

发明内容

本发明要解决的技术问题是：提供一种基于图像融合识别的光伏组件故障检测方法，省去光伏电站故障检测大量耗费的人力物力。

本发明为解决上述技术问题所采取的技术方案为：一种基于图像融合识别的光伏组件故障检测方法，其特征在于：它包括以下步骤：

S1、通过图像采集装置获取光伏组件的图像，所述的图像包括红外热成像图像和可见光图像；

S2、利用基于强化KAZE算法的图像拼接算法对所述的图像进行拼接；

S3：利用基于HSV模型和YCbCr模型的图像处理算法对图像进行色彩处理；

S4：通过中值滤波、形态学图像处理、边缘检测、轮廓提取和区域分离方法对图像进行处理；

S5：使用局部二值模式LBP分别提取红外热成像图像和可见光图像中光伏组件故障区域的特征向量；

S6：通过卷积神经网络算法对获得的特征向量进行分类识别，并将红外热成像图像和可见光图像中同一位置的识别结果进行融合识别，判断故障类型；

S7：基于故障类型的判断结果，进行故障发展趋势的预测；

S8、进行针对性维护措施的决策。

按上述方法，所述的图像采集装置包括红外热成像相机和可见光相机，红外热成像相机和可见光相机均挂载于光伏组件巡检飞行器或移动式光伏组件检测装置上，同步采集红外热成像图像和可见光图像。

按上述方法，所述的S2具体包括：构造非线性尺度空间；特征点检测和定位；特征向量的描述；特征向量的匹配。

按上述方法，所述的S6具体为：

S61、分别读取红外热成像图像和可见光图像的特征向量；

S62、通过卷积神经网络执行分类操作，获取初步检测结果；