迈步资讯

技术概述

利用无人机红外热成像技术识别光伏组件隐裂、二极管故障等缺陷，是一种高效、非接触式的智能化检测方法。

1. 检测原理

• 隐裂（Micro-cracks）：电池片内部裂纹会导致电阻增大，在组件通电（负载运行）时局部发热异常，形成热点（Hot Spot）或低温区域。

• 二极管故障：旁路二极管失效（如短路或断路）会导致对应组串电流异常，表现为整片组件或部分区域的温度显著升高或降低。

• 其他缺陷：如焊接不良、电池片破损等，也会产生局部温度异常。

2. 实施条件

• 环境要求：

• 光照强度 > 500 W/m²（确保组件处于发电状态）。

• 无雨雪、低风速（避免无人机抖动和温度干扰）。

• 建议在晴朗天气正午前后进行检测（温差对比最明显）。

• 设备配置：

• 无人机搭载高分辨率红外热像仪（建议热灵敏度 ≤ 0.05℃）。

• 可见光相机同步拍摄（用于定位和辅助分析）。

• RTK定位系统（厘米级精度，匹配组件坐标）。

3. 检测流程

（1）数据采集

• 飞行高度：10-30米（根据镜头视场角调整）。

• 航向/旁向重叠率：≥70%。

• 飞行速度：≤5 m/s。

• 红外参数：

• 设置发射率（光伏玻璃表面约0.9-0.95）。

• 校正环境温度、湿度及反射干扰。

（2）图像分析判据

• 隐裂识别：

• 热斑型：局部微小高温区域（ΔT ≥ 3℃），呈线状或点状分布。

• 冷斑型：电池片断裂导致电流中断，表现为低温区域。

• 二极管故障：

• 短路故障：对应组串整体温度显著升高（ΔT ≥ 10℃）。

• 断路故障：组串电流中断，温度接近环境值。

• 其他特征：

• 污渍遮挡：大面积低温区域，边界模糊。

• 热斑效应：单个电池片高温，呈圆形扩散。

4. 缺陷验证与处理

• 人工复检：

• 近距离红外复测或电致发光（EL）检测，确认隐裂形态。

• 使用万用表测量组串电压/电流，验证二极管功能。

• 修复措施：

• 隐裂轻微且未扩散：标记监控，暂不处理。

• 隐裂严重或二极管失效：更换故障组件或二极管。

• 数据归档：

• 建立缺陷数据库，关联电站监控系统（SCADA），跟踪缺陷演变趋势。

5. 技术优势与局限

• 优势：

• 效率高：单日可检测 20-50 MW 电站。

• 安全性：避免高空作业风险。

• 全覆盖：可检测支架背面、水面电站等难以到达区域。

• 局限：

• 无法穿透玻璃检测内部 PID 效应。

• 阴雨天气或夜间无法实施（需组件发电产生温差异常）。

• 对微裂纹的灵敏度低于 EL 检测。

6. 应用案例

某 100 MW 山地光伏电站通过无人机红外检测发现：

• 隐裂：23 块组件存在线状热点，经 EL 确认为电池片隐裂，更换后避免热斑恶化。

• 二极管短路：5 个组串温度异常升高，更换二极管后发电量恢复 3.2%。

7. 未来趋势

无人机红外热成像技术是光伏电站规模化运维的核心手段。需结合环境条件优化飞行方案，并通过“红外初筛 + EL/电学验证”的多模态诊断流程提高准确性。随着 AI 图像识别算法的引入（如自动分割热斑、分类缺陷类型），该技术正逐步实现全自动化缺陷管理。