基于光伏电站的无人机全自动巡检系统的应用研究

0 引言

随着大量规模化光伏电站的落成，光伏组件巡检工作的体量也越来越大，引起了诸多学者和企业家的关注。据统计，在光伏电站系统中，光伏组件污渍、遮挡、热斑等问题占电站设备故障率的50%以上，若能及时发现这些问题并及时处理，电站的总体效率将大幅提升。

目前光伏组件的故障监测一般通过以下2种方法进行：

1)通过监测组件发电时的输出电压和输出功率进行排查。该方法的不足之处在于只能进行粗略排查，难以精确定位到具体的光伏组件，更难以发现电池片的内部故障。

2)借助所有故障均会表现为温度异常的特性，通过人工携带温度测量仪器，逐一对发热组件进行测量记录。该方法可以发现各种故障导致的热斑，实现对光伏组件的精细检查；但对于当前建筑面积大、组件数量多的规模性光伏电站而言，这一方法效率非常低，并且人为检查主观性强、可靠性差。

针对以上2种巡检方法的不足，近年来，业内人士提出通过无人机搭载高清摄像头或红外热像仪对光伏电站进行监测的方法[1-3]。该新兴方法或基于集群通信，可以高质量、快速地检测到光伏组件的热斑、遮挡、隐裂等问题；但是由于整个巡检系统复杂、投入大，对运维人员的专业技能要求高，较适合在超大规模光伏电站中使用，目前在绝大多数电站中还少有运用；有的巡检系统还存在自动化程度不高的情况。

对于中、大规模电站而言，考虑到电站巡检的经济性和实用性，本文提出脱离集群通信，仅利用无人机搭载红外热像仪对光伏电站进行全自动巡检的方法，可在很大程度上提高中、大规模光伏电站的维护质量和可靠性，提升电站的总体效率。

1 基于光伏电站的无人机全自动巡检系统

图1是基于光伏电站的无人机全自动巡检系统示意图，包括搭载红外热像仪的无人机、无人机地面站、地面充电设备和数据处理单元。其中，无人机负责通过红外热像仪采集光伏组件的红外图像；无人机地面站负责保障无人机与地面站的实时通信，并通过航迹规划或手动控制无人机的飞行速度、高度和红外热像仪的拍摄角度，以获取无人机的飞行信息和光伏组件的红外图像信息；地面充电设备负责无人机的自动充电，保证无人机的飞行动力；数据处理单元负责将采集到的红外图像信息进行处理，进而标记太阳电池的故障情况，并生成对应的故障报表。

图1 基于光伏电站的无人机全自动巡检系统示意图

在无人机巡检系统中，无人机采用自主研发的M1六旋翼机，搭载红外热像仪飞行巡检。无人机的自航仪包括飞控、GPS和声呐，并配置遥控器用于辅助控制。该无人机的速度可达80 km/h，飞行高度为120～200 m；在18 km/h风速内能自稳或定点悬停；在40 km/h风速时，定点悬停误差在30 cm以内，抗风能力6级；30～60 min可以检测完20 MW组件(理论上，在STC标准下，单排光伏组件的倾斜高度为4.8 m、长度为15 km的检测面积)中每一块组件的温度，精度是0.2e。无人机的动力由大容量锂电池和所配备的地面充电设备共同保障；其上的大容量存储装置保证了飞行过程中所拍摄到的影像资料的存储，无人机地面站起落点设置了无线网络，方便影像数据的传输。红外热像仪分辨率为640像素×480像素，测温范围为-20～250 ℃。

2 基于光伏电站的无人机全自动巡检系统工作流程

应用于光伏电站的无人机全自动巡检系统进行巡检作业时的工作流程如图2所示。

图2 基于光伏电站的无人机全自动巡检系统流程图

光伏电站在制定巡检计划时，首先要进行巡检前期的准备工作，工作人员应参照现有资料进行现场勘察，确定所要巡检的光伏电站的大小，结合红外热像仪的拍摄视角及分辨率来确定无人机的飞行高度和红外热像仪单次拍摄红外图像区域的大小，从而规划、计算并制定无人机的飞行路线及悬停拍照位置；考察一天中各个时间段的光照强度，选择光照较强的时间段确定为无人机的巡检时间。

无人机起飞后，依据提前设定的路线开始巡检，到悬停拍照位置时无人机自主悬停，同时调整红外热像仪拍摄镜头所在的平面，使其与光伏组件所在的平面保持平行，进行拍摄，拍摄所得的红外图像信息存储在红外热像仪自带的存储空间；整个过程完成后无人机继续按设置的路线飞行，到下一个悬停位置悬停、拍照、存储红外图像，依次巡检一周；完成后，无人机返回并降落到移动保障平台上，并将拍摄的红外图像信息自动上传到云存储空间，完成数据采集工作，同时利用智能充电系统自主充电，等待下一次的巡检。巡检频率可以根据具体需要自行设定。

3 基于光伏电站的无人机全自动巡检故障自动识别

图像的自动识别可以克服人为识别主观性强、效率低等问题，但需要对云存储中心的红外图像信息进行以下5个步骤的计算和处理：

1)红外图像拼接。采用图像拼接技术，将分块的红外图像信息拼接在一起，还原光伏组件区域的整体模样。

2)光伏组件有效区域检测。将图像进行噪声滤除，同时保留图像的边缘，采用相关算法提取并圈定组件的有效区域。

3)光伏组件温度计算。对有效区域的图像进行灰度拉伸增加对比度，利用相关算法将图像的灰度值转化为对应的温度值，每块组件取最高温度。

4)组件温度值分区域比较。将测得的温度值与设定的阈值温度进行比较，温差在正常范围内的区域标记为“0”，代表电池片正常，超过阈值温度范围的标记为“1”，代表电池片故障。

5)打印输出故障报表。最后生成一个包含“0”和“1”信息的、与整幅红外图像对应的故障报表，并打印输出。

工作人员可以根据输出的故障报表对光伏电站进行维护。

4 基于光伏电站的无人机全自动巡检系统与其他巡检方法的比较

基于光伏电站的无人机全自动巡检方法的优点在于：

1)整个巡检过程中故障判断标准一致；

2)故障检测快速、高效；

3)可在光伏组件工作状态下检测，巡检过程不会损坏光伏组件；

4)可及时提供数据处理和数据分析，巡检结果直观明了，维护操作性强；

5)可根据需要设定巡检时间，整个巡检过程全自动。

相较于基于集群通信的光伏电站故障检测方法而言，无人机全自动巡检系统灵活性强，资本和人力投入较少，可操作性强。经分析，若采用综合能效比PR值来评价光伏电站的系统性能指标，采用无人机全自动巡检系统可直接减少4%的因组件污渍造成的损失、4%的阵列遮挡及1%的温度损失；可间接减少10%的清洗数量、30%的接线盒故障，以及50%的阵列火灾。

5 总结

综上所述，本文所介绍的基于光伏电站的无人机全自动巡检系统通过无人机、红外热像仪对光伏电站进行巡检，全程自动化处理，可以准确、快速地发现光伏电站中光伏组件的遮挡热斑、污渍及太阳电池故障现象，结合GPS定位，可直接生成故障报表，方便后续维护人员处理。该系统极大地提高了光伏电站运维效率的同时，还提高了可操作性，为中、大规模光伏电站的光伏组件巡检提供了可靠的经济保障。