：本发明涉及光伏板热斑检测与计算，具体涉及一种在任意倾角下光伏板热斑提取并估计损失电量的方法。
背景技术
0、
背景技术：
1、在新能源行业中，光伏发电企业扮演着重要的角色。然而，光伏电池板表面常常会受到遮挡物的影响，这些障碍物会阻挡阳光照射到光伏电池板上，导致局部区域产生高温，形成热斑效应。热斑效应是影响光伏组件发电效率的一个主要问题。
2、目前，使用红外相机来采集光伏板图像以便提取热斑。然而，由于红外相机拍摄图像时可能产生较大的畸变，因此需要对相机进行标定，以便对图像进行畸变矫正。目前常用的标定方法是使用标定板，但这一过程相对繁琐。在热斑提取过程中，通常直接处理采集的图像。然而，光伏板安装在不同地点且倾角各异，其倾斜角度会显著影响热斑在图像中的表现形式。这导致热斑检测和面积计算的准确性不高，进而影响光伏组件的发电效益的精确评估。
3、热斑故障会显著降低光伏组件的发电效率，目前尚未有一种方法能够准确计算热斑面积与发电量损失之间的关系。更为严重的是，热斑问题可能导致光伏发电系统的损害，甚至引发火灾风险。
4、如何高效地计算出光伏组件中热斑导致的电量损失，并克服上述技术困难，是当前等待解决的问题。
技术实现思路
0、
技术实现要素：
1、本发明旨在解决光伏组件因热斑引起的电量损失计算问题。提出了一种方法，利用神经网络建立热斑面积与电量损失之间的关系，从而通过测量热斑面积来直接估算实际的电量损失。为了更高效地解决图像畸变的问题，本发明利用光伏板尺寸对红外相机进行标定，实现对图像的畸变矫正。光伏板由于安装角度的不同，传统方法常难以准确提取热斑，本发明则通过透视变换对光伏板进行了校正，在矫正后的图像中准确提取光伏板的热斑。
2、为了实现上述目的，本发明提供了一种在任意倾角下光伏板热斑提取并估计损失电量的方法，包括以下步骤：
3、步骤1：采集图像进行预处理，建立图像坐标系，提取图像中单个光伏板的区域；
4、步骤2：借助光伏板对红外相机进行标定，并对红外图像进行畸变矫正；
5、步骤3：求出光伏板目标像素的坐标，对光伏板进行矫正；
6、步骤4：通过找到单个光伏板最热像素点，借助区域生长算法实现单个光伏板热斑的分割；
7、步骤5：计算热斑区域在单个光伏板中像素个数的占比；
8、步骤6：建立热斑面积与发电量损失的关系模型，估计电量损失。
9、所述步骤1具体是：应用双边缘滤波来降低图像噪声，对该部分图像使用大津阈值分割法二值化，然后进行图像的腐蚀和膨胀。建立笛卡尔坐标系，以左上角为图像原点。提取光伏板的轮廓，将光伏板轮廓拟合到几何模型中。
10、所述步骤2具体是：计算检测到直线所在行(列)的权重和欧式距离，找到最适合代表单元(光伏板)和电池块间隙的直线，通过计算出直线结构交点位置，即可估计出单个光伏板内部角点坐标。考虑到光伏板的实际尺寸已知，通过张正友标定法即可实现相机的标定，求取相机的畸变系数，实现光伏板的畸变矫正。
11、所述步骤3具体是：通过相机像素当量标定，计算出像素坐标系和世界坐标系的转化比例系数，根据光伏板的实际尺寸，确定出光伏板目标像素的坐标。将畸变矫正后光伏板的角点坐标与光伏板目标像素的角点坐标进行透视变换，得到透视变换矩阵，实现任意倾角的光伏板矫正。
12、所述步骤4具体是：
13、(1)对矫正后的红外图像进行直方图均衡化，找到最高像素值确定为最热像素值，并将其标记为候选种子。根据确定的候选种子，在原始图像中(未进行直方图均衡化图像)计算每一个候选种子像素与周围8个相邻区域的平均值。
14、(2)对于背景像素，计算每个像素与其相邻的8个像素的平均值，并将每个均值与候选种子实际像素均值的最大值做差。通过阈值的方法在候选种子中找出实际种子像素。
15、(3)计算实际种子像素与相邻区域中其他8个像素之间的标准差，并计算偏差距离。将计算的偏差距离与(2)中的差值进行比较，即可实现热斑的提取。
16、所述步骤5具体是：通过步骤4热斑提取，确定单个光伏板热斑区域像素的个数。求取热斑区域像素个数在单个光伏板区域像素的占比。
17、所述步骤6具体是：通过步骤5确定出热斑的占比，基于热斑特征信息(热斑的面积、位置、温度等)以及光伏板在特定时间段内的实际电量输出，与预期电量输出的差异，构建模型，使用神经网络模型训练数据，经过多轮训练和验证，最终得到了一个能够准确检测光伏板故障的神经网络模型。
1.一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于通过图像处理及机器学习实现，所述方法的步骤包括：
2.根据权利要求1所述的一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于，所述步骤1具体是：首先应用双边缘滤波来降低图像噪声，对该部分图像使用大津阈值分割法二值化，然后进行图像的腐蚀和膨胀。建立笛卡尔坐标系，以左上角为图像原点。提取光伏板的轮廓，将光伏板轮廓拟合到几何模型中。
3.根据权利要求1所述的一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于，所述步骤2具体是：计算检测到直线所在行(列)的权重和欧式距离，找到最适合代表单元(光伏板)和电池块间隙的直线，通过计算出直线结构交点位置，即可估计出单个光伏板内部角点坐标。考虑到光伏板的实际尺寸已知，通过张正友标定法即可实现相机的标定，求取相机的畸变系数，实现光伏板的畸变矫正。
4.根据权利要求1所述的一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于，所述步骤3具体是：通过相机像素当量标定，计算出像素坐标系和世界坐标系的转化比例系数，根据光伏板的实际尺寸，确定出光伏板目标像素的坐标。将畸变矫正后光伏板的角点坐标与光伏板目标像素的角点坐标进行透视变换，得到透视变换矩阵，实现任意倾角的光伏板矫正。
5.根据权利要求1所述的一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于，所述步骤4具体是：(1)对矫正后的红外图像进行直方图均衡化，找到最高像素值确定为最热像素值，并将其标记为候选种子。根据确定的候选种子，在原始图像中(未进行直方图均衡化图像)计算每一个候选种子像素与周围8个相邻区域的平均值。(2)对于背景像素，计算每个像素与其相邻的8个像素的平均值，并将每个均值与候选种子实际像素均值的最大值做差。通过阈值的方法在候选种子中找出实际种子像素。(3)计算实际种子像素与相邻区域中其他8个像素之间的标准差，并计算偏差距离。将计算的偏差距离与(2)中的差值进行比较，即可实现热斑的提取。
6.根据权利要求1所述的一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于，所述步骤5具体是：通过步骤4热斑提取，确定单个光伏板热斑区域像素的个数。求取热斑区域像素个数在单个光伏板区域像素的占比。
7.根据权利要求1所述的一种在任意倾角下光伏板热斑提取并估计损失电量的方法，其特征在于，所述步骤6具体是：通过步骤5确定出热斑的占比，基于热斑特征信息(热斑的面积、位置、温度等)以及光伏板在特定时间段内的实际电量输出，与预期电量输出的差异，构建模型，使用神经网络模型训练数据，经过多轮训练和验证，最终得到了一个能够准确检测光伏板故障的神经网络模型。
