馮宗海 蔡 廣 曾華鋒 馮春海

（華能海南清潔能源分公司,海南 ?？?570311）

1 緒論

據(jù)統(tǒng)計(jì)，2015年中國(guó)光伏發(fā)電新增裝機(jī)容量為15.13 GW。到2019年，新增光伏裝機(jī)容量達(dá)30.1 GW。2021—2022年的需求有望分別達(dá)到160 GW、190 GW，恢復(fù)較快增長(zhǎng)速率?？紤]容配比因素，預(yù)計(jì)2020—2022年全球光伏組件需求有望達(dá)到134 GW、180 GW、210 GW[1]。

從行業(yè)發(fā)展來(lái)說(shuō)，當(dāng)前我國(guó)光伏產(chǎn)業(yè)發(fā)展正處于從追求規(guī)模與速度向重視效益與質(zhì)量轉(zhuǎn)變的關(guān)鍵時(shí)期。光伏產(chǎn)業(yè)經(jīng)過(guò)快速發(fā)展，成為我國(guó)可以參與國(guó)際競(jìng)爭(zhēng)的新興產(chǎn)業(yè)。我國(guó)光伏產(chǎn)業(yè)正在從規(guī)?；蛸|(zhì)量化發(fā)展。充分利用物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、智能硬件、移動(dòng)寬帶互聯(lián)網(wǎng)等信息技術(shù)，推動(dòng)光伏產(chǎn)業(yè)從自動(dòng)化向智能化升級(jí)，加快實(shí)現(xiàn)智能制造和智能應(yīng)用，已成為產(chǎn)業(yè)發(fā)展的必然趨勢(shì)[2]。光伏陣列排列狀況復(fù)雜，光伏電站外部環(huán)境多變，這些都使得光伏陣列故障檢測(cè)困難，光伏陣列紅外圖像分割效果難以令人滿(mǎn)意。傳統(tǒng)的故障檢測(cè)手段在大規(guī)模的光伏陣列中并不適用，因此發(fā)展智能光伏診斷既符合國(guó)家對(duì)光伏產(chǎn)業(yè)發(fā)展的要求，也順應(yīng)了光伏診斷的發(fā)展趨勢(shì)，對(duì)于提升我國(guó)光伏產(chǎn)業(yè)的發(fā)展質(zhì)量與效率，具有戰(zhàn)略性意義。

依據(jù)光伏陣列異常發(fā)熱進(jìn)而影響光伏組件功率的特性，光伏陣列故障診斷一般分為兩大類(lèi)：基于電氣特性的故障診斷方法和紅外測(cè)量的故障診斷方法。電氣測(cè)量法大都利用單一參數(shù)進(jìn)行故障診斷，雖然在一定程度上通過(guò)數(shù)據(jù)挖掘解決了故障定位問(wèn)題，但是依舊難以直接對(duì)光伏組件進(jìn)行精確的故障定位。紅外測(cè)量方法可以通過(guò)紅外圖像對(duì)故障部位進(jìn)行精確定位，但上述紅外測(cè)量圖像處理方法大都基于閾值分割或改進(jìn)的閾值分割方法?；陂撝档姆指罘椒ㄖ荒茚槍?duì)特定的紅外設(shè)備和特定工況下的圖像進(jìn)行分割。Sobel算子是一種離散性差分算子，用來(lái)檢測(cè)圖像像素的差異，會(huì)使得紅外圖像的分割檢測(cè)更加智能與便捷，因此本文提出了一種基于Sobel算子的太陽(yáng)能光伏組件紅外圖像的識(shí)別方法[3]。

2 基礎(chǔ)理論和原理

2.1 基礎(chǔ)理論

光伏系統(tǒng)的故障診斷對(duì)光伏發(fā)電系統(tǒng)的高品質(zhì)平穩(wěn)運(yùn)行具有至關(guān)重要的作用。光伏陣列故障可概括為：組件內(nèi)部電池片故障；二極管故障或旁路工作狀態(tài)；組件存在表面污跡；組件被陰影遮擋；保險(xiǎn)燒毀或斷路。這些故障都明顯體現(xiàn)在故障部位的溫度上，一般表現(xiàn)為故障部位異常發(fā)熱。由于光伏陣列的輸出特性具有明顯的非線性特征，局部異常發(fā)熱會(huì)迅速改變光伏組件的電壓電流狀態(tài)，進(jìn)而降低光伏組件的輸出功率，從而降低了光伏系統(tǒng)的發(fā)電效率。為保證光伏陣列安全運(yùn)行，提升光伏陣列的發(fā)電效率，因此必須及時(shí)、準(zhǔn)確地排除光伏陣列故障。

一般的太陽(yáng)能光伏發(fā)電站都安裝了大規(guī)模的光伏發(fā)電陣列，如果陣列中的某一塊或者某幾塊光伏組件出現(xiàn)故障，依靠人為測(cè)量光伏組件的電氣特性發(fā)現(xiàn)并排除故障的難度非常大，費(fèi)時(shí)又費(fèi)力。一個(gè)光伏陣列由若干光伏組件構(gòu)成，光伏陣列的電氣特性也是單塊光伏組件電氣特性的線性疊加，小規(guī)模的光伏組件電氣特性改變會(huì)被整個(gè)光伏陣列電氣特性數(shù)據(jù)給湮滅，因此難以從陣列數(shù)據(jù)中獲取光伏部件故障信息。通過(guò)紅外測(cè)量對(duì)光伏組件進(jìn)行故障檢測(cè)是一種更加有效可行的方法。

2.2 基礎(chǔ)原理

2.2.1 高斯濾波原理

基于光伏電站現(xiàn)場(chǎng)環(huán)境因素以及紅外成像儀器固有特性，紅外熱圖普遍會(huì)存在圖像邊緣模糊、目標(biāo)對(duì)比度差、非均勻成像及噪聲較大等缺點(diǎn)。相比于可見(jiàn)光圖，紅外熱圖噪聲顆粒更大，噪點(diǎn)分布更加不規(guī)律。高斯濾波是一種線性平滑濾波，用于消除高斯噪聲，對(duì)大顆粒的隨機(jī)噪聲有更好的濾波效果，被廣泛應(yīng)用于圖像處理的減噪過(guò)程。

高斯濾波器是根據(jù)高斯函數(shù)的形狀來(lái)選擇權(quán)值的線性平滑濾波器。對(duì)于圖像來(lái)說(shuō)，高斯濾波器是由二維高斯函數(shù)獲得的二維的卷積核。因此需要由一維高斯函數(shù)式（1）獲得二維高斯函數(shù)式（2）。高斯函數(shù)是一種正態(tài)分布的曲線，在圖形上，正態(tài)分布是一種鐘形曲線，越接近中心，取值越大，越遠(yuǎn)離中心，取值越小。計(jì)算平均值的時(shí)候，本文使用一個(gè)N×N的高斯卷積核對(duì)目標(biāo)圖像的每一個(gè)像素進(jìn)行卷積，用高斯卷積核領(lǐng)域內(nèi)像素的加權(quán)平均灰度值去代替高斯卷積核中心的像素點(diǎn)值。

則簡(jiǎn)化后的梯度算子計(jì)算結(jié)果為：

2.2.3 大津自適應(yīng)閾值分割法原理

日本學(xué)者大津（Nobuyuki Otsu）于1979年提出的最大類(lèi)間方差法是一種自適應(yīng)的閾值確定的方法，又叫大津法，簡(jiǎn)稱(chēng)OTSU。依據(jù)圖像灰度值的不同，OTSU將圖像分為背景和前景兩個(gè)部分，前景是需要按照要求分割出來(lái)的部分，背景是需要舍棄的部分。前景和背景的分界值就是需要求出來(lái)的閾值。遍歷不同的閾值，計(jì)算不同閾值下對(duì)應(yīng)的背景和前景之間的類(lèi)內(nèi)方差，當(dāng)類(lèi)內(nèi)方差取得極大值時(shí)，對(duì)應(yīng)的閾值就是大津法（OTSU算法）所求的閾值。

3 處理方案及結(jié)果

3.1 處理方案

由于光伏陣列紅外圖像普遍存在背景復(fù)雜，邊界模糊，噪聲較大，非均勻成像以及不同環(huán)境、不同紅外設(shè)備成像后閾值范圍差異很大等特性，傳統(tǒng)的分割方法難以廣泛適用且分割結(jié)果不夠準(zhǔn)確。針對(duì)傳統(tǒng)分割方法的不足，本文提出了一種基于Sobel算子的OTSU分割方法。

首先采用高斯濾波對(duì)獲得的紅外圖像進(jìn)行預(yù)處理，以消除現(xiàn)場(chǎng)隨機(jī)噪聲和設(shè)備干擾對(duì)圖像的影響。對(duì)預(yù)處理之后所得紅外圖像使用Sobel算子進(jìn)行處理，以獲取分割區(qū)域，提取故障部位。最后對(duì)經(jīng)過(guò)Sobel算子處理后的圖像采用OTSU算法進(jìn)行二次分割獲取最終的紅外圖像故障識(shí)別區(qū)域。流程如下：原始紅外圖像→高斯濾波→sobel算子檢測(cè)→OTSU分割→分割結(jié)果。

3.2 結(jié)果展示

如圖1所示，a1～a5為一組原始紅外圖像，b1～b5為高斯濾波后的紅外圖像，c1～c5為經(jīng)過(guò)Laplace算子檢測(cè)后的紅外圖像，d1～d5為Scharr算子檢測(cè)后的紅外圖像，e1～e5為Sobel算子檢測(cè)后的紅外圖像，f1～f5為設(shè)置閾值為160后的分割圖像，g1～g5為OTSU分割后的圖像。

3.3 驗(yàn)證分析

將e行圖像分別與c行和d行圖像相比可以看出，Laplace算子獲得的特征區(qū)域過(guò)少，難以有效分割；Scharr算子獲得太多的無(wú)用信息，從而導(dǎo)致需要的特性區(qū)域比例變小，且噪聲非常嚴(yán)重；Sobel算子獲得了需要的特性信息，對(duì)濾波后的紅外圖像進(jìn)行了有效的特征提取。將g行與f行相比較可以看出，普通的閾值分割方法不夠靈活，且需要人為設(shè)置閾值，不同工況下的不同圖像最優(yōu)分割閾值也有很大差異。如f3相比于f行其他圖像，在閾值為160時(shí)取得了很好的分割效果，而f1、f2、f4效果就差很多，f5效果非常差。g行經(jīng)過(guò)OTSU自適應(yīng)閾值分割法普遍取得了很好的分割效果，g1檢測(cè)到了不明顯區(qū)域的熱斑與很小的光斑點(diǎn)，g2檢測(cè)到了明顯的小熱斑與大熱斑漸變區(qū)域，g3對(duì)由遮擋引起的熱斑做了完美的分割，g4在檢測(cè)到熱斑區(qū)域的同時(shí)也檢測(cè)到了遮擋物，g5做到了對(duì)熱斑區(qū)域與故障部件的檢測(cè)。

圖1 各種方法對(duì)比結(jié)果圖

4 結(jié)論

考慮到復(fù)雜光伏陣列紅外圖像的特性，針對(duì)傳統(tǒng)分割方法不靈活、不準(zhǔn)確、分割效果差等不足，本文提出了一種基于Sobel算子的OTSU分割方法。實(shí)驗(yàn)結(jié)果表明，本文的分割方法可以對(duì)光伏陣列的明顯故障區(qū)域、不明顯故障區(qū)域、小熱斑、故障部件等進(jìn)行有效準(zhǔn)確的分割。