周文誼，黃隆勝，鄭成博

(1.江西環(huán)境工程職業(yè)學(xué)院，江西贛州 341000；2.贛南師范大學(xué)物理與電子信息學(xué)院，江西贛州 341000；3.贛州佳源太陽能科技有限公司，江西贛州 341000)

基于信息融合的太陽電池陣列故障研究

周文誼1，黃隆勝2，鄭成博3

(1.江西環(huán)境工程職業(yè)學(xué)院，江西贛州 341000；2.贛南師范大學(xué)物理與電子信息學(xué)院，江西贛州 341000；3.贛州佳源太陽能科技有限公司，江西贛州 341000)

主要根據(jù)不同工作狀態(tài)下太陽電池的溫度明顯不同這一特點，并結(jié)合信息融合技術(shù)和模糊推理方法對太陽能光伏陣列的工作狀態(tài)進(jìn)行自動識別與分析。首先對光伏陣列的紅外圖像進(jìn)行預(yù)處理，對其中可能的故障區(qū)域及其特征信息進(jìn)行提取，綜合考慮環(huán)境因素對圖像產(chǎn)生的影響，并結(jié)合信息融合技術(shù)和模糊推理方法自動識別光伏陣列中太陽電池的工作狀態(tài)。研究結(jié)果表明，通過采用的實驗方法可很好地對太陽能光伏陣列中組件的正常、老化、損壞、遮擋等工作狀態(tài)進(jìn)行識別。

光伏陣列；信息融合；模糊推理；紅外圖像；工作狀態(tài)

光伏發(fā)電系統(tǒng)中光伏組件一般采用封裝工藝，在工作時組件中的部分區(qū)域會出現(xiàn)老化、損壞等現(xiàn)象，這會使系統(tǒng)的輸出受到影響。所以，對光伏組件的故障進(jìn)行實時的診斷與分析是十分必要的。由于大部分光伏供電系統(tǒng)中光伏組件的數(shù)量較多，若直接測量組件會使系統(tǒng)變得很復(fù)雜，所以一般不采用這種方法[1]。由于不同工作狀態(tài)下的光伏組件的表面溫度不同，本文提出一種以紅外圖像為基礎(chǔ)的方法對太陽能光伏陣列的不同工作狀態(tài)進(jìn)行自動識別及分析，本文所提出的方法主要針對在自然環(huán)境下運行的光伏發(fā)電系統(tǒng)。首先對所采集到的紅外圖像進(jìn)行處理，將圖像中可能的故障區(qū)域及相應(yīng)的特征信息進(jìn)行提取，同時綜合環(huán)境因素對圖像產(chǎn)生的影響，并結(jié)合信息融合技術(shù)和模糊推理方法自動識別光伏陣列中太陽電池的工作狀態(tài)。

1 圖像處理

相關(guān)研究表明，理想狀態(tài)下光伏電池的轉(zhuǎn)換效率為8%～ 13%，處于正常工作狀態(tài)下的電池溫度為30℃，已損壞的太陽電池與正常狀態(tài)下的太陽電池的溫差為6.7～11.5℃。由于外界環(huán)境因素的影響(如風(fēng)、散熱等)比理論值略小，但仍可區(qū)分兩種不同工作狀態(tài)下的太陽電池。本文中的紅外圖像通過非制冷熱成像探測儀來獲取，該探測儀的測溫范圍為－50～600℃，溫度分辨率為0.15℃，測溫精度為±4%，空間分辨率為1.5 mrad，光譜響應(yīng)的波長為8～14 μm。紅外熱像儀存在容易受外界環(huán)境的影響、圖像邊緣模糊、目標(biāo)與背景的對比度較差、成像不均勻等缺點，且所得紅外圖像的噪聲顆粒較大[2]，當(dāng)采用的窗口較小時濾波效果不好，當(dāng)采用的窗口較大時又會使圖像的邊緣更模糊，所以本文在比較之后，采用5×5的Gaussian濾波器對其濾波。

實際紅外圖像中噪聲和脈沖干擾與鄰域灰度之差較大，所得紅外圖像的二維灰度直方圖利用了灰度及鄰域平均灰度的信息，這樣有利于消除因噪聲等環(huán)境因素所產(chǎn)生的誤分割。由于外界存在噪聲等干擾使得紅外圖像中多了一些不確定的信息，而這些信息很難用統(tǒng)計信息對其描述，本文中采用模糊理論對這些不確定信息進(jìn)行處理[3]。本文在二維灰度直方圖的基礎(chǔ)上，通過模糊聚類的方法對所得紅外圖像進(jìn)行分割處理，以得到不同工作狀態(tài)下的目標(biāo)信息。假設(shè)圖像中共有個像素點，灰度的取值范圍。定義f表示的映射關(guān)系，所以坐標(biāo)為的某點像素的灰度值可表示為，則其鄰域灰度的平均值表示為，以灰度和鄰域平均灰度相對應(yīng)的數(shù)據(jù)對表示紅外圖像的二維灰度直方圖，并利用二維矢量對圖像進(jìn)行分割結(jié)果見圖1。根據(jù)同態(tài)性可得在目標(biāo)和背景的臨分界鄰域，象素的灰度值與鄰域平均灰度值之間的差異較大；在目標(biāo)和背景處，像素的灰度值和鄰域平均灰度值相近，所以圖1中的方塊0和方塊1分別包括目標(biāo)類和背景類的分布，方塊2和方塊3與邊緣和噪聲相對應(yīng)。由于所得紅外圖像中的噪聲較大，使得落在區(qū)域2和區(qū)域3的點遠(yuǎn)遠(yuǎn)大于可見光圖像，這樣會出現(xiàn)較多的誤分割，所以本文采用模糊聚類的方法對所得圖像進(jìn)行劃分。模糊聚類方法中主要是應(yīng)用模糊C均值的算法(最小二乘法的原理)，使均方差目標(biāo)函數(shù)的值局部最小進(jìn)行聚類像素。

圖1 分割后的二維灰度直方圖

2 狀態(tài)識別

由于安裝過程中光伏組件間存在一定的間隙，且處于工作狀態(tài)下的光伏組件的溫度比環(huán)境溫度高，這使得紅外圖像中光伏組件間間隙的灰度值小于電池組件，這部分區(qū)域會對識別工作產(chǎn)生較大干擾，所以應(yīng)先將這部分區(qū)域去除。削弱或去除間隙對結(jié)果影響的一種方法是在將兩幅圖像相減后再進(jìn)行圖像分割，也就是先對處于正常工作狀態(tài)下的光伏陣列的圖像進(jìn)行采集，再將要分析的圖像與所采集的圖像相減。當(dāng)光伏組件的面積較大時，進(jìn)行這種差運算既費時又困難。由于太陽能光伏陣列的紅外圖像中，光伏組件中部分電池的老化損壞和光伏組件整塊損壞多呈長方形，而組件的間隙區(qū)域一般呈細(xì)長形，且空間分布較規(guī)則[4]。針對以上特點，本文中去除間隙的主要依據(jù)為長寬之比，通過這個比值A(chǔ)可區(qū)分開物體的形狀。電池的工作狀態(tài)主要反映在所得紅外圖像中像素點灰度的變化，也就是電池表面溫度的變化，該特點對光伏陣列中太陽電池工作狀態(tài)進(jìn)行分辨的主要依據(jù)。本文所采用的特征量主要包括目標(biāo)區(qū)域灰度的平均值與整體區(qū)域灰度平均值Δ之差Δ；相鄰區(qū)域平均灰度之差Δ；矩形擬合因子，大小等于物體的面積與相對應(yīng)的最小外接矩形面積之比，當(dāng)物體為矩形時的值為1，當(dāng)物體較細(xì)長時的值小于1；區(qū)域面積為。

當(dāng)外界環(huán)境相同時，處于不同工作狀態(tài)的太陽電池的表面溫度差別較大；當(dāng)外界環(huán)境不同時，處于相同工作狀態(tài)下的太陽電池的溫度也有較大差別[5]。所以本文將所得紅外圖像的各區(qū)域的特征信息與環(huán)境信息進(jìn)行融合后，采用模糊推理的方法識別各個區(qū)域的工作狀態(tài)。首先對環(huán)境溫度、全局區(qū)域溫差△、太陽光的照度、風(fēng)速和電池板的工作狀態(tài)的模糊集進(jìn)行定義分別為{H，N，L}、{PB，PM，N，NM，NB}、{B，S，N}、{H，N，L}和{S，N，D}，這些模糊集的基本論域相同，均為{－6，－5，－4，－3，－2，－1，0，1，2，3，4，5，6}。其中環(huán)境溫度、全局區(qū)域溫差△、太陽光的照度、風(fēng)速和電池板的工作狀態(tài)的實際論域與基本論域之間的關(guān)系分別進(jìn)行定義且表示為。其中光伏陣列中的區(qū)域溫差被劃分為5個模糊子集{PB，PM，N，NM，NB}，其中環(huán)境溫度和太陽光的照度分別被劃分為3個模糊子集{H，N，L}，其相應(yīng)的隸屬函數(shù)表示為，風(fēng)速和電池板的工作狀態(tài)的3個模糊子集{B，S，N}、{S，N，D}的隸屬度函數(shù)與上式相類似，在分析時采用IF-ELSE規(guī)則的模糊決策，相對應(yīng)的診斷結(jié)果見表1，表2。

表1 模糊診斷隸屬函數(shù)

表2 模糊診斷隸屬函數(shù)

3 實例分析

采用本文的分析方法進(jìn)行實例分析，分析結(jié)果見圖2、圖3。圖2(a)所示為當(dāng)光伏陣列中組件被部分遮擋后所得的紅外圖像，其中環(huán)境條件為風(fēng)力4級，溫度20℃，光的照度800 Lux；圖2(b)、圖2(c)和圖2(d)所示分別為經(jīng)過濾波處理、分割處理和間隙去除后所得的紅外圖像，經(jīng)過模糊識別和分析后輸出為S，也就是光伏組件中部分區(qū)域被遮擋，該結(jié)果與實際情況相符。圖3所示為組件中部分區(qū)域由于老化而損壞所得的紅外圖像，其中環(huán)境條件為風(fēng)力4級，溫度25℃，光的照度700 Lux，經(jīng)過模糊識別和分析后輸出為D，也就是光伏組件中部分區(qū)域老化損壞，該結(jié)果與實際情況相符。經(jīng)過相應(yīng)的實例分析后，兩種典型的故障均獲得了與實際相符的分析結(jié)果。

圖2 光伏陣列中局部遮擋時所得紅外圖像的處理結(jié)果

圖3 光伏組件中部分區(qū)域老化所得紅外圖像的處理結(jié)果

4 結(jié)論

由于環(huán)境因素對太陽能光伏陣列中組件不同工作狀態(tài)下的表面溫度有很大影響，對這一問題的分析較復(fù)雜且需要大量的數(shù)據(jù)積累及充分的認(rèn)識。本文中主要應(yīng)用信息融合與模糊推理方法對光伏組件中部分典型的狀態(tài)(正常、損壞、遮擋)進(jìn)行了識別與分析，從分析結(jié)果來看本文所采用的方案較合理且具有可實施性。

[1]王元章，李智華，吳春華.光伏系統(tǒng)故障診斷方法綜述[J].電源技術(shù)，2013，37(9)：1 700-1 705.

[2]張翔，王時勝，余運俊，等.局部陰影條件下光伏陣列建模及輸出特性研究[J].電源技術(shù)，2015，39(1)：203-206.

[3]韓偉，王宏華，王成亮，等.基于參數(shù)辨識的光伏組件故障診斷模型[J].電網(wǎng)技術(shù)，2015(5)：1 198-1 204.

[4]王培珍，沈玉樑，楊維翰.太陽光伏陣列的溫度與紅外特性分析[J].太陽能學(xué)報，2005(1)：86-89.

[5]劉玉英，馮英偉.BP神經(jīng)網(wǎng)絡(luò)光伏組件在線故障診斷系統(tǒng)開發(fā)[J].電源技術(shù)，2014，38(6)：1 088-1 089.

Research on fault of solar cell array based on information fusion

The working condition of photovoltaic array was automatic recognized and analyzed according to the characteristic of the solar cell's temperature in different work condition and combining the technology of information fusion and fuzzy inference method.Firstly,the infrared image of the photovoltaic array was preprocessed and the possible fault zone and its characteristic information was extracted,the impact of environmental factors on the image was considered.The working state of the solar cells in photovoltaic array was automatically identified combining the technology of information fusion and fuzzy inference.The results show that it is a good method to recognize the condition such as normal,aged,damaged and shade of the solar photovoltaic array.

photovoltaic array;information fusion;fuzzy inference;infrared image;working state

TM914

A

1002-087X(2016)12-2385-03

2016-05-12

2015年度江西省科技廳教育研究項目(ITE12144)

周文誼(1982—)，女，江西省人，講師，碩士，主要研究方向為電子信息技術(shù)。