无人机快速巡检光伏电站中异常光伏组件的方法

李 赛

(宁夏磐石检研科技有限公司，银川 750000)

0 引言

在光伏组件的实际应用过程中会存在很多问题，通过目测来看，其可能存在的问题包括：EVA变黄，太阳电池变色(包括蜗牛纹)，太阳电池破碎，太阳电池位移，封装存在气泡，背板变色、皱褶、鼓泡、开裂，边框变形、开裂，接线盒脱落，可视热斑，光伏玻璃破损等；通过红外热成像设备对光伏组件进行检测时，光伏组件可能存在的问题包括：热斑、发热异常；而通过光伏组件的电致发光(EL)检测，光伏组件中太阳电池可能存在的问题包括：隐裂、碎片、缺角、黑片、断栅、虚焊等。

光伏组件作为光伏电站最核心的发电部件，其是否存在异常将直接影响整个光伏电站的发电量及收益，甚至会对整个光伏电站的安全造成影响。而每个光伏电站中的光伏组件都会存在上述异常，因此，如何快速找出运行中的光伏电站内存在的异常光伏组件，对于光伏电站的运维尤为重要。

针对光伏电站中的大量光伏组件，为了能快速发现其中的异常光伏组件并及时进行处理，本文对异常光伏组件进行分类后，提出了一种利用无人机快速巡检光伏电站中异常光伏组件的方法。首先利用红外热成像仪对光伏组件进行扫描，找出红外热成像图片与异常光伏组件之间的关联；然后利用无人机携带红外热成像镜头，对整个光伏电站进行快速红外热成像扫描，根据此前得到的不同类型异常光伏组件的红外热成像图片，分析扫描后得到的光伏组件红外热成像图片，并从中快速找出异常光伏组件。

1 光伏电站中异常光伏组件的分类

本文仅针对常规60片及72片单晶硅光伏组件或多晶硅光伏组件进行研究。

从光伏组件的实际输出功率出发，可将异常光伏组件分为3类：

1)第1类异常光伏组件是指实际输出功率为零的光伏组件，该类光伏组件只是在“晒太阳”，根本不能产生任何电量；

2)第2类异常光伏组件是指实际输出功率高于零，但低于其标称输出功率2/3的光伏组件；

3)第3类异常光伏组件是指实际输出功率高于其标称输出功率2/3，但未达到其100%标称输出功率的光伏组件。

2 异常光伏组件与其红外热成像图片之间的关联

从按实际输出功率对异常光伏组件进行分类的结果来看，最直接的检测异常光伏组件的方法就是对光伏组件进行输出功率测试。但对于一个运行中的光伏电站而言，其拥有动辄上万、几十万甚至上百万块光伏组件，对每块光伏组件进行输出功率测试是不现实且不可行的。而光伏组件的实际输出功率除了可以通过输出功率测试来体现外，还可以利用红外热成像设备对光伏组件进行扫描，通过生成的红外热成像图片分析出光伏组件的发电情况。因此，本文对利用红外热成像设备找出异常光伏组件的理论方法进行了探讨。

红外热成像设备就是通过红外扫描将物体发出的不可见红外能量转变为可见的红外热成像图片，红外热成像图片上的颜色代表被测物体相应位置的温度，一般颜色越亮，表示被测物体该位置的表面温度越高；然后通过对红外扫描得到的光伏组件红外热成像图片进行分析，可以得到光伏组件表面上任意一点的温度值[1]，从而可推测该光伏组件是否存在异常。

根据CNCA/CTS 0016—2015《并网光伏电站性能检测与质量评估技术规范》中规定：当被检测的光伏组串中全部的光伏组件处于正常并网发电状态下时，才能利用红外热成像设备对光伏组件进行红外扫描，并且测试时，光伏组件表面接收到的太阳辐照度必须达到600 W/m2以上，这时才能确保有足够的电流使光伏组件中所有存在问题的部位的温度提高；当同一块光伏组件中的太阳电池正上方光伏玻璃外表面之间的温度差超过20 ℃时，该光伏组件则可被视为热斑光伏组件[2]，即存在异常的光伏组件。

1)对第1类异常光伏组件进行分析。该类异常光伏组件的红外热成像图片上光伏玻璃外表面的温度会比正常光伏组件红外热成像图片上光伏玻璃外表面的温度略高。第1类异常光伏组件和正常光伏组件的红外热成像图片如图1所示。

图1 第1类异常光伏组件和正常光伏组件的红外热成像图片Fig. 1 Infrared thermal imaging pictures of category 1 abnormal PV module and normal PV module

图1中的异常光伏组件根本不能产生任何电量，造成这种现象的主要原因可能是因为，该光伏组件里的旁路二极管全部损坏，或是内部线路被断开。

当出现上述情况时，需立即对该光伏组件进行更换处理。

2)对第2类异常光伏组件进行分析。该类异常光伏组件的红外热成像图片如图2所示。

图2 第2类异常光伏组件的红外热成像图片Fig. 2 Infrared thermal imaging picture of category 2 abnormal PV module

此类异常光伏组件产生异常的原因一般都是由接线盒内的二极管部分损坏造成的，导致整块光伏组件只有1/3或2/3的面积在正常工作。

当出现上述情况时，也需立即对该光伏组件进行更换处理。

3)对第3类异常光伏组件进行分析。该类异常光伏组件的红外热成像图片如图3所示。

图3 第3类异常光伏组件的红外热成像图片Fig. 3 Infrared thermal imaging picture of category 3 abnormal PV module

从图3中可以看出，第3类异常光伏组件中个别太阳电池存在发热异常的情况。产生该情况的原因，可能是由于光伏组件表面受到树木、电线、灰尘、鸟粪等异物遮挡，或是由于光伏组件本身的缺陷，比如太阳电池存在隐裂、碎片，以及太阳电池或背板存在划伤等，导致个别太阳电池的电阻过大，成为异常太阳电池，异常太阳电池将会被当作负载消耗其他正常接收太阳辐射的太阳电池所产生的电量，而此时该异常太阳电池将会发热，其表面温度快速升高，这就是所谓的热斑效应[3]。

当出现上述情况时，若是由于光伏组件表面异物遮挡导致的热斑现象，需及时清除异物；若是由于光伏组件本身缺陷问题导致的热斑现象，需及时对该异常光伏组件进行更换处理。

3 利用无人机快速巡检光伏电站中异常光伏组件的方法

目前，传统的红外扫描检测方法主要是通过人工手持红外热成像仪对光伏组件进行逐个检测，但由于很多光伏电站建设在荒山、鱼塘等地，检测人员现场检测较为困难，再加上有些光伏电站的占地面积大，因此人工检测效率低、条件艰苦且工作量大。

本文提出利用无人机替代人工对整个光伏电站进行红外热成像检测的方法。首先，利用无人机搭载数码镜头对整个光伏电站中的光伏组件进行航拍，并利用软件对每块光伏组件进行定位，同时规划好红外热成像扫描路径；然后，再利用无人机搭载红外热成像镜头，按照规划好的扫描路径依次进行自动红外热成像扫描；最后，再利用软件对扫描得到的整个光伏电站中所有光伏组件的红外热成像图片进行分析，找出3类异常光伏组件的具体位置，并交给运维人员进行后续处理。利用无人机进行自动红外热成像扫描得到的光伏组件红外热成像图片如图4所示。

图4 利用无人机进行自动红外热成像扫描得到的光伏组件红外热成像图片Fig. 4 Infrared thermal imaging picture of PV modules obtained by automatically infrared thermal imaging scanning of UAV

据测试，在天气晴好的情况下，对于装机容量为20 MW的光伏电站，只需2天时间即可完成全站所有光伏组件的红外热成像扫描检测，可大幅提高利用红外热成像扫描检测光伏组件的效率。

利用无人机进行光伏电站中异常光伏组件的红外热成像检测，不仅可以大幅提高检测效率，而且还不受光伏电站地形地貌的影响，无论是渔光互补光伏电站，还是农光互补光伏电站，该方法均可以轻松完成。

4 结论

本文按光伏组件的实际输出功率对运行中的光伏电站内的异常光伏组件进行了分类，通过分析异常光伏组件与其红外热成像图片之间的关联，提出了利用无人机携带红外热成像镜头对整个光伏电站进行快速扫描，从而找出异常光伏组件的方法。据测试，该方法可大幅提高利用红外热成像扫描对光伏组件检测的效率，且不受光伏电站地形地貌的影响，均可轻松完成巡检异常光伏组件的工作。