一种基于双光图像的光伏组件故障识别方法及系统技术方案

本发明专利技术涉及一种基于双光图像的光伏组件故障识别方法及系统，同时拍摄光伏阵列的可见光图片和红外图片，对可见光图片进行光伏组件分割，根据光伏组件分割后的可见光图片对红外图片进行光伏组件分割，对光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件，根据可见光图片确定发生故障的光伏组件的故障类型。本发明专利技术利用可见光图边缘位置清晰，容易分割的特点，在可见光图上进行光伏阵列分割，并利用红外图片包含故障信息的特点，在分割后可见光图的对应红外区域进行故障诊断，将诊断后的信息返回到对应的可见光区域，获取了准确的故障区域，并在准确的故障区域内进行故障诊断，提高了诊断的准确度。

【技术实现步骤摘要】
一种基于双光图像的光伏组件故障识别方法及系统
本专利技术涉及故障诊断
，特别是涉及一种基于双光图像的光伏组件故障识别方法及系统。
技术介绍
光伏组件的故障基本都体现在组件异常发热，异常发热又会进而影响组件的电压、电流、功率等电气特性。因此通过检测光伏组件异常发热部位和电气特性异常部位即可完成对光伏阵列的故障诊断。在此基础上光伏组件故障诊断可划分为两大类：基于电气特性的故障诊断方法和基于红外温度测量的故障诊断方法。电气测量法利用电压、电流、功率等进行诊断，但是由于故障数据与大规模的非故障数据融合，很容易造成故障数据的丢失，而且在复杂电站与大规模的光伏阵列中去测量电气数据是一件不现实的事情。与此同时电气测量方法需要大量的传感器。红外测量方法只需要一组红外成像仪，相比较于电气测量的方法，红外测量法的数据量与检测成本都有阶梯式下降。这些都使得红外测量的方法在光伏阵列故障诊断中更加适用。红外测量的方法是基于红外成像仪。使用红外成像仪获取阵列红外图片，判断红外图片的温度异常部位，进而获取组件异常区域。由于光伏电站现场环境因素以及红外成像仪器固有特性，红外热图普遍会存在图像边缘模糊，目标对比度差，非均匀成像及噪声较大等缺点。虽然红外图像包含故障组件的特性信息，但是光伏组件边缘信息模糊，难以做到组件与环境，组件与组件的有效分割，这就使得红外图像信息海量，数据依旧匮乏，难以有效利用。因此，如何在准确的故障区域内进行故障诊断，提高诊断的准确度是目前亟待解决的技术问题。
技术实现思路
本专利技术的目的是提供一种基于双光图像的光伏组件故障识别方法及系统，以获取准确的故障区域，并在准确的故障区域内进行故障诊断，提高诊断的准确度。为实现上述目的，本专利技术提供了如下方案：一种基于双光图像的光伏组件故障识别方法，所述方法包括：获取携带双光摄像头的无人机拍摄的光伏阵列的可见光图片和红外图片；采用目标检测算法对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片；根据所述光伏组件分割后的可见光图片对所述红外图片进行光伏组件分割，获得光伏组件分割后的红外图片；采用图片分类算法对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件；根据所述光伏组件分割后的可见光图片确定发生故障的光伏组件的故障类型。进一步地，所述采用目标检测算法对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片，具体包括：选取光伏电站在不同时间段拍摄的多张可见光图片，并对每张可见光图片进行光伏组件分割，获得多张组件分割后的可见光图片；以多张可见光图片作为输入量，多张分割后的可见光图片作为输出量构成可见光图片训练数据集；利用所述可见光图片训练数据集对YOLOv5目标检测模型进行训练，获得训练好的YOLOv5目标检测模型；采用训练好的YOLOv5目标检测模型对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片。进一步地，所述采用图片分类算法对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件，具体包括：采用图片分类算法中的ResNet模型对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件。进一步地，所述采用图片分类算法中的ResNet模型对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件，之前还包括：选取光伏电站在不同时间段拍摄的多张红外图片，并对每张红外图片进行故障诊断，获得多张组件诊断后的红外图片；以多张红外图片作为输入量，多张组件诊断后的红外图片作为输出量构成红外图片训练数据集；利用所述红外图片训练数据集对ResNet模型进行训练，获得训练好的ResNet模型。进一步地，根据所述光伏组件分割后的可见光图片确定发生故障的光伏组件的故障类型，具体包括：在所述光伏组件分割后的可见光图片上确定发生故障的光伏组件对应的光伏组件图片，确定为故障光伏组件的可见光图片；若所述故障光伏组件的可见光图片显示完好无损，则光伏组件的故障类型为组件内部故障；若所述故障光伏组件的可见光图片显示组件碎裂，则光伏组件的故障类型为组件碎裂；若所述故障光伏组件的可见光图片显示有积盖物，则在清理所述积盖物后，返回步骤“获取携带双光摄像头的无人机拍摄的光伏阵列的可见光图片和红外图片”；若所述故障光伏组件的可见光图片显示影子遮挡，则光伏组件的故障类型为正常。一种基于双光图像的光伏组件故障识别系统，所述系统包括：可见光图片和红外图片获取模块，用于获取携带双光摄像头的无人机拍摄的光伏阵列的可见光图片和红外图片；光伏组件分割后的可见光图片获得模块，用于采用目标检测算法对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片；光伏组件分割后的红外图片获得模块，用于根据所述光伏组件分割后的可见光图片对所述红外图片进行光伏组件分割，获得光伏组件分割后的红外图片；发生故障的光伏组件确定模块，用于采用图片分类算法对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件；故障类型确定模块，用于根据所述光伏组件分割后的可见光图片确定发生故障的光伏组件的故障类型。进一步地，所述光伏组件分割后的可见光图片获得模块，具体包括：组件分割后的可见光图片获得子模块，用于选取光伏电站在不同时间段拍摄的多张可见光图片，并对每张可见光图片进行光伏组件分割，获得多张组件分割后的可见光图片；可见光图片训练数据集构成子模块，用于以多张可见光图片作为输入量，多张分割后的可见光图片作为输出量构成可见光图片训练数据集；训练好的YOLOv5目标检测模型获得子模块，用于利用所述可见光图片训练数据集对YOLOv5目标检测模型进行训练，获得训练好的YOLOv5目标检测模型；光伏组件分割后的可见光图片获得子模块，用于采用训练好的YOLOv5目标检测模型对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片。进一步地，所述发生故障的光伏组件确定模块，具体包括：故障光伏组件确定子模块，用于采用图片分类算法中的ResNet模型对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件。进一步地，所述系统还包括：组件诊断后的红外图片获得模块，用于选取光伏电站在不同时间段拍摄的多张红外图片，并对每张红外图片进行故障诊断，获得多张组件诊断后的红外图片；红外图片训练数据集构成模块，用于以多张红外图片作为输入量，多张组件诊断后的红外图片作为输出量构成红外图片训练数据集；训练好的ResNet模型获得模块，用于利用所述红外图片训练数据集对ResNet模型进行训练，获得训练好的ResNe本文档来自技高网...

【技术保护点】
1.一种基于双光图像的光伏组件故障识别方法，其特征在于，所述方法包括：/n获取携带双光摄像头的无人机拍摄的光伏阵列的可见光图片和红外图片；/n采用目标检测算法对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片；/n根据所述光伏组件分割后的可见光图片对所述红外图片进行光伏组件分割，获得光伏组件分割后的红外图片；/n采用图片分类算法对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件；/n根据所述光伏组件分割后的可见光图片确定发生故障的光伏组件的故障类型。/n

【技术特征摘要】
1.一种基于双光图像的光伏组件故障识别方法，其特征在于，所述方法包括：
获取携带双光摄像头的无人机拍摄的光伏阵列的可见光图片和红外图片；
采用目标检测算法对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片；
根据所述光伏组件分割后的可见光图片对所述红外图片进行光伏组件分割，获得光伏组件分割后的红外图片；
采用图片分类算法对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件；
根据所述光伏组件分割后的可见光图片确定发生故障的光伏组件的故障类型。


2.根据权利要求1所述的基于双光图像的光伏组件故障识别方法，其特征在于，所述采用目标检测算法对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片，具体包括：
选取光伏电站在不同时间段拍摄的多张可见光图片，并对每张可见光图片进行光伏组件分割，获得多张组件分割后的可见光图片；
以多张可见光图片作为输入量，多张分割后的可见光图片作为输出量构成可见光图片训练数据集；
利用所述可见光图片训练数据集对YOLOv5目标检测模型进行训练，获得训练好的YOLOv5目标检测模型；
采用训练好的YOLOv5目标检测模型对所述可见光图片中的光伏阵列进行光伏组件分割，获得光伏组件分割后的可见光图片。


3.根据权利要求1所述的基于双光图像的光伏组件故障识别方法，其特征在于，所述采用图片分类算法对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件，具体包括：
采用图片分类算法中的ResNet模型对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件。


4.根据权利要求1所述的基于双光图像的光伏组件故障识别方法，其特征在于，所述采用图片分类算法中的ResNet模型对所述光伏组件分割后的红外图片中的每一块光伏组件进行故障诊断，确定发生故障的光伏组件，之前还包括：
选取光伏电站在不同时间段拍摄的多张红外图片，并对每张红外图片进行故障诊断，获得多张组件诊断后的红外图片；
以多张红外图片作为输入量，多张组件诊断后的红外图片作为输出量构成红外图片训练数据集；
利用所述红外图片训练数据集对ResNet模型进行训练，获得训练好的ResNet模型。


5.根据权利要求1所述的基于双光图像的光伏组件故障识别方法，其特征在于，根据所述光伏组件分割后的可见光图片确定发生故障的光伏组件的故障类型，具体包括：
在所述光伏组件分割后的可见光图片上确定发生故障的光伏组件对应的光伏组件图片，确定为故障光伏组件的可见光图片；
若所述故障光伏组件的可见光图片显示完好无损，则光伏组件的故障类型为组件内部故障；
若所述故障光伏组件的可见光图片显示组件碎裂，则光伏组件的故障类型为组件碎裂；
若所述故障光伏组件的可见光图片显示有积盖物，则在清理所述积盖物后，返回步骤“获取携带双光摄像头的无人机拍摄的光伏阵列的可见光图片和红外图片”；
若所述故障光伏组件的可见光图片显示影子遮挡，则光伏组件的故障类型为正常。


6.一种基于双光图像的光伏组件故障识别系统，其特征在于，所述系统包括：
可见光图片和红外图片获取模块，用于获取携带双光摄像头的无人机...

【专利技术属性】
技术研发人员：洪烽，宋杰，梁璐，孟航，任国瑞，牛玉广，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11