摘 要

随着经济的不断发展，化石能源的消耗日益严重，世界各国政府对于可持续发展的重要性有了充分的认识，使得越来越多的人将目光聚焦在了新能源领域，其中又以太阳能为最受关注的新能源形式之一，这就使得有关太阳能发电的光伏组件，成为了各国争相发展的宠儿。同时，各种高新产业都会遇到的问题出现了，光伏产业作为新兴产业，有着技术发展不成熟，故障率居高不下，造价昂贵等各种缺点，针对这些问题，对于光伏组件的故障检测，就成了必须尽快解决的问题。

本文针对光伏组件常产生的热斑故障，首先查阅相关资料，了解针对热斑故障常用的几种检测方法，并从中选择基于红外图像的处理方法作为研究对象，阐述红外图像的特点，并提出了相应的解决方案，即红外图像的噪声与降噪预处理。然后确定所采用的红外图像处理算法并使用MATLAB平台进行仿真实验，验证所采用的算法是否可靠。

关键词：红外图像 图像处理 光伏组件 热斑故障

Abstract

With the continuous development of economy, the consumption of fossil energy is becoming more and more serious. Governments all over the world have a full understanding of the importance of sustainable development, which makes more and more people focus on the field of new energy. Among them, solar energy is one of the most concerned forms of energy, which makes solar energy modules of solar power generation become the pet of the development of various countries. At the same time, problems will arise in various high-tech industries. As a new industry, the solar energy industry has a variety of shortcomings, such as immature technology development, high failure rate, high cost, and so on. To the solar energy module's fault detection, has become the question which must solve as soon as possible.

Therefore, in view of the heat spot fault that the solar energy module often produces, we first look up the self-data, understand several common detection methods for the heat spot fault, and select the processing method based on infrared image as the research object, expound the characteristic of the infrared image. The corresponding solution, namely the noise and noise reduction preprocessing of infrared image, is introduced. Then the infrared image processing algorithm is determined and the simulation experiment is carried out on MATLAB platform to verify whether the algorithm is reliable or not.

Keywords: infrared picture image processing Photovoltaic module Hot spot fault

目 录

第1章 绪论 1

1.1 课题研究目的 1

1.2 国内外研究现状 2

1.3 研究内容 2

第2章 热斑故障及其产生原因解析 4

2.1 光伏组件热斑故障 4

2.2 热斑故障产生原因及危害。 4

2.3光伏组件的热斑故障检测方法 5

2.4本章小结 6

第3章 红外图像特点及其预处理 7

3.1 红外图像特点 7

3.2红外图像噪声分析 7

3.3 红外图像的预处理 8

3.4 本章小结 12

第4章 具体图像处理算法与仿真结果。 13

4.1 仿真平台介绍 13

4.2 红外图像分割算法选择 13

4.2.1 一维最大类间方差法（Otsu算法） 14

4.2.2 自适应最大散度阈值分割法 15

4.3 仿真结果以及相应验证 16

4.4 本章小结 18

第5章 总结与展望 19

5.1 全文总结 19

5.2 展望 19

致 谢 20

参考文献 21

附录A 22

附录B 24

第1章 绪论

1.1 课题研究目的

在化石能源作为主流能源形式的当下，对于化石能源的过分依赖，已经暴露出了大量的问题，因化石能源燃烧所引起的大气污染，大量二氧化碳排放所不断加重的温室效应，都在催促世界改进能源结构，开发新能源，因此在20世纪末，世界各国政府都在大力发展以太阳能为首的新能源技术。并迅速得到广泛的应用，例如光照、风力、地热和水能等。特别是光伏发电技术，光伏发电系统组件的产量的提高和光伏发电技术的不断发展，给解决能源危机与环境问题带来了希望。除此之外，太阳能也被认为是最理想的化石燃料替代能源。

从20世纪中叶至今，作为主要的新能源形式之一。太阳能也得到了全面发展，其中太阳每秒到达地球的能量可以高达80万千瓦，而其中，哪怕仅有5%~10%可以转化成电能，也是全球正常能源消耗的几十倍，正因为如此，各国都在大力发展太阳能发电系统^[1]。

对于光伏系统的研究，可以追溯到19世纪，1839年，年仅19岁的法国物理学家Edmund Becquerel在研究电解电池的时候，发现的光生伏打效应，这个发现，为现代光伏组件的发展打下了基础，不过，在当时，这个技术并没有引起他人的重视，之后，随着时代的不断发展，在数十年后，1873年，Willoughby Smith发现了硒的光电导性，之后，1876年，发现了固态硒的光生伏打效应。发现硒的光电导性10年后，到了1883年美国发明家Charles Fritts首次制作了由硒晶片制成的太阳能电池，也是世界第一个实验性的太阳能电池。1887年，德国物理学家发现带电物体会因为紫外线的照射而迅速失去他的电荷，并由此发现了光电效应^[2]。

到了20世纪，有关光伏系统的研究发展地更为迅速，1905年，有史以来最伟大的物理学家之一，Albert Einstein发表了一篇有关光电效应实验数理论解释的论文，极大地震惊了当时的物理学界，并促进了更多的科学家深入研究，终于，1916年，Millikan证明了第一个基于实验的光伏效应，光伏系统的实际使用已经可以预见^[3]。

之后，在不断的实验中，有研究人员发现，相比较硒，硅是一种更好的产生光伏效应的载体，直到1955年，美国贝尔研究所的研究人员发现在硅中加入少量的硒等杂质，会使其对于光变得更加敏感，第一块具有使用价值的太阳能电池不久之后面世，之后，经过数十年的不断发展，在20世纪90年代，欧美和日本等发达国家，都已经有了自己的光伏系统生产和推广计划，其中，又以日本的发展势头最为强劲，到了2014年的第一季度，日本的新增装设光伏发电功率达到了1.87GW^[4]。

太阳能发电系统，即为将太阳能转化为电能的系统，光伏组件为其中极为重要的组成部分，是系统中太阳能转化为电能的部分，而同时，因为其特殊且恶劣的工作环境，光伏组件也具有较高的故障率，但作为太阳能发电系统的基石，又需要保证其正常顺利地工作，所以，光伏组件的故障检测就显得万分重要。

光伏组件最容易发生的故障情况之一就是热斑故障，由于其故障位置会有异常的温度提升，所以在现今，红外成像技术是较为常用的热斑故障检测的方法，而本次研究的目的，就是设计一种可行的，基于红外成像技术的光伏组件故障检测方法。

1.2 国内外研究现状

在国外，光伏组件故障处理方面，红外成像的优势已经得到了显著体现。由于红外成像具有极高的军事价值，欧美各国对红外成像的图像处理方法研究极为重视，在20世界80年代，就认识到了当时针对参照物的处理方法的局限性，并开始研究全新的处理方法，Scribner DA.等提出的时域高通滤波算法，与基于神经网络的非均匀性矫正算法，Torres等人提出的卡尔曼（Kalman）滤波算法，Hayet等人提出的恒定统计校正算法（Statistical Algorithm），Hardie等提出的图像配准均匀校正算法，都是欧美各国在针对背景的图像处理方法研究取得的成果，其中基于神经网络的校正算法在近几年取得了巨大进步，已经被广泛应用^[5]。

国内方面，对于红外成像的图像处理方法，仍处于一种较为一般的水平，在20世纪90年代，国内开始进行有关红外成像的图像处理方法研究，经过了20多年的发展，在国内，已经拥有了一部分较为成熟的研究方法。在20世纪末期，国内的研究方向仍主要局限于针对参照物的红外成像图像处理，但此种图像处理方法因为在处理过程中必须有固定的参照物作为图像处理依据，所以具有较大的局限性，已基本被弃用。21世纪开始，国内研究方向开始与西方国家接轨，进行了大量的针对背景的红外热成像图像处理方法研究，其中，最为成熟、使用最为广泛的就是两点式算法，与扩展两点式算法。

因此，在国内研究出一种可以跻身国际一流水平的红外成像处理算法是一种迫切的需求。

1.3 研究内容

本文针对在现今国内并没有一套先进的热斑检测方法，而针对热斑故障，又以红外热成像的方法最为直观简洁，所以，本次课题的研究的内容在于综合现有的几种可用的红外处理算法，取其精华，设计一种简洁便利的红外图像处理与热斑故障检测之间的映射，并通过实验确认其可用于实际。可以将本文的主要工作内容，简要概括为一下几点：

1. 学习光伏系统的发展历史，了解伏打现象原理。
2. 查阅相关信息，了解光伏组件的热斑故障现象，产生原因以及所带来的危害，简要认识几种主流的热斑故障检测方法。
3. 说明红外图像自身特点，并介绍图像噪声，针对图像预处理，提出本文所使用的图形去噪算法。
4. 学习了几种主流的图像处理算法，比较其优缺点后，提出了本文在图像处理所采用的红外图像自适应最大散度阈值分割法，并在MATLAB平台做出仿真分析。

第2章 热斑故障及其产生原因解析

2.1 光伏组件热斑故障

因为光伏组件的独特地位，在整个太阳能发电系统中，光伏组件并不是位于室内的良好工作环境中，而是暴露在室外，也因此，光伏组件相比其他的系统组成部分，工作环境更为恶劣，也就导致了其故障率要更高。而在其中，热斑故障就是最为主要的一种故障形式。

所谓热斑，是指在光伏组件的运行过程中，有部分的电池片，自身特性产生了改变，导致整体出现了不协调，使自己变成了负载，会消耗正常电池片产生的能量并且持续不正常发热的现象。现有的大部分方法都是就在电池片两端并联反向分流二极管，也就是所谓的旁通二极管，当光伏组件在正常工作状态下，这个旁通二极管处于开路状态，不会对光伏组件的正常工作产生影响，但是当光伏组件发生热斑故障时，因为故障电池片的电流会变为反向，旁通二极管由开路转变为导通的状态，这样就可以在一定程度上避免热斑故障带来的严重危害^[6]。

但是，这种方法，并不能有效实现对于热斑的检测与预防，若是只在电池片的输出端并联一个旁通二极管，这时，假如只有部分电池组在遮阴位置，在输出端，整个电池片的输出电流仍然为正，不会导通旁通二极管，所以，只在输出端并联旁通二极管并不能完全防止热斑故障，同时，即使整片电池片都被遮阴，也是很难产生0光强度的情况，也就是说，即使是在遮阴状态下，也会有20%到30%的光的散射辐射会照射到电池片上，而这些也会产生电流，也就是说，几乎不会有0光强的情况。所以，这种旁通二极管的方法，一般还是比较适用于预防大型的热斑故障，针对某电池组的热斑故障，旁通二极管就显得无能为力了。

2.2 热斑故障产生原因及危害。

在光伏组件中，可以将电池片单元看做一个二极管，但是因为光伏组件在工作中，受到外部环境影响较大，常有电池片被遮挡的情况发生，此时，被遮挡的电池片的电流远小于其他的正常电池片，导致被遮挡的电池片带上负电压，并最终成为负载，小号正常电池片产生的能量并且不断发热，这样，就会产生热斑故障。

因为在自然光的环境中工作，遮蔽电池片的情况几乎无法避免，总会有部分电池片被遮蔽，使部分被遮蔽的电池片电流较低，导致整体的不协调，并最终产生热斑故障。

每个太阳能电池组都是由若干个太阳能电池片的组串组成。在组串的串数一定时，发生了热斑现象的电池所消耗的功率和电流成正相关。也就是说，消耗电流越多，消耗功率也就越大，热斑效应也就越严重。而针对遮挡比例一定的电池片，发生热斑现象消耗的功率与产生热板的电池数量成正相关。也就是说，产生热斑效应的电池越多，消耗功率也就越大，热斑效应也就越严重^[7]。

当没有安装旁通二极管时，当其余正常电池片的电压和比产生了热斑故障的电池片的电压和大，就会使得发生了热斑故障的电池片被击穿。当电池片被击穿后，相当于变成了在这个电池组中的一个负载二极管，不论正常电池片的电压和再怎么增加，其电压也基本稳定不变。

电池片被击穿后，pn结遭到破坏，即使之后再受到正常光照，也无法产生正常的光电效应。如果，电池片是被电击穿，则电路断电后，电池片的pn结会自动恢复正常，如果，电池片是被热击穿，则会对pn结产生不可逆转的破坏，一般来说，如果电击穿的时间过长，产生的热量就会将电池片热击穿。一旦发生了热击穿，轻则损坏电池，重则发生火灾，发生重大危害^[8]。

所以，能够尽早地发现光伏组件中热斑故障就显得尤为重要，一旦热斑故障长时间未被发现，很有可能造成整个太阳能电池组的火灾，产生大量的经济损失不说，还可能会危及工作人员生命安全。

2.3光伏组件的热斑故障检测方法

现在，各国越来越重视可持续发展，也因此，太阳能得到了更多的关注，太阳能发电也得到了长足的发展，并且有了很多的实用技术，例如针对太阳能发电系统的各种故障监测技术。

现有的大部分光伏组件的热斑检测方法都是针对光伏阵列的，而只有其中较少的一部分针对的是光伏组件，可以总结为以下三种：

1. 并联旁通二极管法：在光伏组件的太阳能电池片两端反向并联两个二极管，在本文上文已经提到过这种方法，因为较为简单，被广大商用太阳能发电系统所广泛使用，但是，因为这种方法需要反向电流达到一定的大小，只能针对大型热斑故障，并不能针对单个电池组的热斑故障。

2.基于电流电压的检测方法：该方法目前多用于光伏阵列的故障检测，较早的基于电压电流的检测方法是根据故障状态下的光伏阵列的电压电流，设定检测标准，来检测光伏阵列，但是这种方法检测错误率偏高，现在已经基本不再使用，之后，又发展出基于交叉全连接的光伏阵列连接方式的检测方法和针对工作点的电压，电流，温度等工作状态进行实时检测的检测方法，但大都适用于光伏阵列，并不是非常适用于光伏组件。

3.基于红外成像的检测方法：因为热斑故障会在故障点位处产生热量，也就使得热斑故障点位会在红外图像中变得非常明显，这种检测方法会非常直观地显示出具体产生热斑故障的位点，具有其他两种方法所没有的优势。

在光伏组件热斑故障监测中，基于红外图像的热斑故障检测方法具有其他两者所没有的巨大优势，因此，本文将采用基于红外图像的热斑检测方法为研究对象，设计出一种具有可行性的光伏组件故障检测系统。

2.4本章小结

在本章中，主要介绍了热斑故障及其产生原因和危害，以及几种较为主流的热斑故障检测方法，并确定了本文的研究对象为基于红外图像的热斑故障检测方法。

第3章 红外图像特点及其预处理

3.1 红外图像特点

红外图像从诞生至今，从开始的新兴技术，不被重视，逐渐发展成熟，红外图像的具体成像设备也在不断发展。但红外图像在成像过程中仍旧存在着一些问题：

1.红外图像表征景物的温度分布是灰度图像，没有立体感，对人体而言，分辨率低。

2.因为受到了大气热辐射干扰和传输距离，波长，景物热平衡的影响，红外图像的空间相关性强，图像对比度相对正常图像较低，视觉效果模糊。

3.相比较普通图像的LCD可见光阵列，热成像系统的探测能力和空间分辨率较差，使得红外图像的清晰度低于可视光图。

4.在探测环境中复杂的外部随机干扰和自身成像系统的固有缺陷，使得红外图像的清晰度低于可视光图像。

5.由于红外探测器中个像素的相应特征不一致，光扫描系统缺陷等原因，造成红外图像的固定空间噪声，串扰，畸变等。

这五点是在红外成像的发展中，不断暴露出来的问题，所以针对这些暴露出来的问题，有了不断改进这些缺点的方法，就是所谓的红外图像的处理方法。在处理红外图像时，在进行正式处理之前的工序就是红外图像的预处理。

3.2红外图像噪声分析

图像噪声，是图像数据收集中无法避免的，所以，噪声处理也是图像预处理中重要的部分。基于红外图像的特点可以看出，红外图像成像装置自身和外界干扰都会给红外图像带来噪声。主要的噪声种类有，放大器噪声，热噪声，背景噪声，散粒噪声，1/f噪声和椒盐噪声。

1.放大器噪声：放大器噪声是放大器中某些原件放出的随机起伏信号，这些信号来自于放大器中的内阻，内阻中的某些自由电子在一定温度下，做随机的热运动，这就是这种热运动拥有随机的方向和速度，且会随着温度的升高不断地加大运动幅度。放大器噪声的频谱十分宽，拥有相等的幅度。放大器噪声也被称为白噪声。

2.热噪声：热噪声是指在一定的温度条件下，电子在通过导体时，做不规则随机运动，所带来的一种图像噪声。因为所有的导体在通电后都会产生温度变化，所以热噪声也是一种所有道题都会产生的普遍存在的图像噪声。热噪声也属于白噪声的一种。

3.背景噪声：背景噪声是指的由于拍摄物体本身的辐射以及环境中大气辐射与大气抖动所产生的一种图像噪声。背景辐射主要是由环境中可以产生红外辐射的辐射源产生的，也属于白噪声的一种。