太阳能光伏阵列识别及热斑检测技术的研究与实现
发布时间：2021-08-09 22:28
随着经济的快速发展、科技的不断进步,化石能源不仅无法满足日益增长的能源需求,还带来了严重的环境问题,太阳能也因此被世界各国视为最重要的清洁能源之一。太阳能发电技术主要应用于光伏电站,而热斑效应是影响光伏电站发电效率的主要因素之一。然而,传统的热斑检测方式效率较低、准确率不高,难以满足光伏电站实际需求。因此,设计一种高效率、高准确率的热斑检测方法具有重要意义。本文以实际运行中的光伏电站红外温度数据为研究对象,完成了从光伏电站红外图像中识别光伏阵列和基于光伏阵列区域的热斑检测,具体包括以下三点:（1）改进了基于自适应阈值分割算法的光伏阵列识别方法。基于光伏阵列温差较小、背景温差较大的先验知识,通过温度阈值的合理设置和统计局部方差法,预先去除低温和温差较大的背景。在此基础之上,利用光伏阵列的温度直方图服从高斯分布的特点,结合基于单高斯模型的自适应阈值分割方法,实现光伏阵列和背景的分离。（2）提出了基于改进K-means算法的光伏阵列识别方法。为了有效处理背景和光伏阵列之间温差较小的情况,利用相邻帧关联性较强、多帧累加降噪的特点,基于相邻多帧红外图像进行前景建模以实现光伏阵列和背景的初步分离。...
【文章来源】：南京邮电大学江苏省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
不同体积单元的光伏发电元件
的固定资产贬值，而且还会降低光伏电站的发电效率、减少光伏电站的收益。根据伏发电收益的计算公式，当电价为 1 元/千瓦时，对于平均发电量 10 吉瓦的光伏电每增加 1%的发电量，即可增加近 100 万元的收益。此外，热斑效应不仅会使光伏组减少近 10%，还会使光伏电站的发电量损耗大约 5%[6]。因此，为了减少热斑效应的危电站运维人员需要定期对光伏阵列进行热斑检测。然而，目前光伏电站的热斑检测面临两方面的难题。一方面，由于光伏电站（屋顶电站、水面电站、山地电站等）较大，通常包括成千甚至上万个光伏阵列，定期对光伏阵列进行热斑检测将耗费大、物力，从而明显增加光伏电站的运维成本；另一方面，传统的热斑检测工作主要高举红外热像仪或借助升降车逐点排查的方式完成，检测效率低、危险系数高和准。据文献[7]统计，所有采用传统方式检测热斑的光伏电站中，有 20%以上的光伏电控数据缺失、数据误传等情况。因此，设计一种高准确率、高效的热斑检测方法具际意义，不仅有助于提高光伏电站发电效率、延长光伏阵列的使用寿命，而且有利电成本、增加光伏电站的收益。
学专业学位硕士研究生学位论文 光伏阵列热斑的度动态范围小图像的形成主要和物体表面的材质和温度有关，而实际上物体各部分的材，探测器探测到的红外辐射能量的差别也比较小，最终导致由温度分布图度图像的灰度动态范围较小。此外，当背景环境温度的动态范围较大时，度级将明显小于实际环境温度的动态范围，因此，还需要进行温度动态范显示红外灰度图像。动态范围的压缩也会导致红外图像的灰度动态范围较低。如图 2.2 所示，光伏电站红外灰度图像的灰度直方图分布较为集中，大值介于 80 到 110 之间，图像整体的灰度动态范围较小。
【参考文献】：
期刊论文
[1]面向能源互联网的家庭光伏发电系统经济效益优化调度模型[J]. 卢美玲,张庚,刘松,吕磊. 电力系统及其自动化学报. 2016(S1)
[2]基于模糊C均值聚类的光伏阵列故障诊断方法[J]. 毕锐,丁明,徐志成,葛虎,郁丹琦. 太阳能学报. 2016(03)
[3]一种新型光伏阵列多传感器故障检测定位方法[J]. 张晓娜,高德东,刘海雄,叶军,王珊. 可再生能源. 2016(02)
[4]一种改进的K-means动态聚类算法[J]. 张阳,何丽,朱颢东. 重庆师范大学学报(自然科学版). 2016(01)
[5]一种基于改进粒子群算法的K-means算法[J]. 林晓雪,赵茂先. 山东理工大学学报(自然科学版). 2015(05)
[6]基于密度的K-means聚类中心选取的优化算法[J]. 周炜奔,石跃祥. 计算机应用研究. 2012(05)
[7]基于红外图像的太阳能光伏阵列故障分析[J]. 王培珍,郑诗程. 太阳能学报. 2010(02)
硕士论文
[1]基于K-means算法及层次聚类算法的研究与应用[D]. 乔端瑞.吉林大学 2016
[2]可拓扑重构的光伏阵列故障诊断方法研究[D]. 张朝.广西大学 2016
[3]光伏光热综合利用中热斑效应的研究[D]. 刘丰收.中国科学技术大学 2016
[4]基于数据挖掘的光伏阵列故障诊断研究[D]. 姜栋潇.华北电力大学(北京) 2016
[5]光伏阵列热斑的红外图像处理的研究[D]. 郭宝柱.天津理工大学 2016
[6]基于红外图像识别的光伏组件热斑故障检测方法研究[D]. 车曦.重庆大学 2015
[7]光伏电池阵列模拟电源的研究与设计[D]. 周昶.复旦大学 2010
本文编号：3332913
【文章来源】：南京邮电大学江苏省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
不同体积单元的光伏发电元件
的固定资产贬值，而且还会降低光伏电站的发电效率、减少光伏电站的收益。根据伏发电收益的计算公式，当电价为 1 元/千瓦时，对于平均发电量 10 吉瓦的光伏电每增加 1%的发电量，即可增加近 100 万元的收益。此外，热斑效应不仅会使光伏组减少近 10%，还会使光伏电站的发电量损耗大约 5%[6]。因此，为了减少热斑效应的危电站运维人员需要定期对光伏阵列进行热斑检测。然而，目前光伏电站的热斑检测面临两方面的难题。一方面，由于光伏电站（屋顶电站、水面电站、山地电站等）较大，通常包括成千甚至上万个光伏阵列，定期对光伏阵列进行热斑检测将耗费大、物力，从而明显增加光伏电站的运维成本；另一方面，传统的热斑检测工作主要高举红外热像仪或借助升降车逐点排查的方式完成，检测效率低、危险系数高和准。据文献[7]统计，所有采用传统方式检测热斑的光伏电站中，有 20%以上的光伏电控数据缺失、数据误传等情况。因此，设计一种高准确率、高效的热斑检测方法具际意义，不仅有助于提高光伏电站发电效率、延长光伏阵列的使用寿命，而且有利电成本、增加光伏电站的收益。
学专业学位硕士研究生学位论文 光伏阵列热斑的度动态范围小图像的形成主要和物体表面的材质和温度有关，而实际上物体各部分的材，探测器探测到的红外辐射能量的差别也比较小，最终导致由温度分布图度图像的灰度动态范围较小。此外，当背景环境温度的动态范围较大时，度级将明显小于实际环境温度的动态范围，因此，还需要进行温度动态范显示红外灰度图像。动态范围的压缩也会导致红外图像的灰度动态范围较低。如图 2.2 所示，光伏电站红外灰度图像的灰度直方图分布较为集中，大值介于 80 到 110 之间，图像整体的灰度动态范围较小。
【参考文献】：
期刊论文
[1]面向能源互联网的家庭光伏发电系统经济效益优化调度模型[J]. 卢美玲,张庚,刘松,吕磊. 电力系统及其自动化学报. 2016(S1)
[2]基于模糊C均值聚类的光伏阵列故障诊断方法[J]. 毕锐,丁明,徐志成,葛虎,郁丹琦. 太阳能学报. 2016(03)
[3]一种新型光伏阵列多传感器故障检测定位方法[J]. 张晓娜,高德东,刘海雄,叶军,王珊. 可再生能源. 2016(02)
[4]一种改进的K-means动态聚类算法[J]. 张阳,何丽,朱颢东. 重庆师范大学学报(自然科学版). 2016(01)
[5]一种基于改进粒子群算法的K-means算法[J]. 林晓雪,赵茂先. 山东理工大学学报(自然科学版). 2015(05)
[6]基于密度的K-means聚类中心选取的优化算法[J]. 周炜奔,石跃祥. 计算机应用研究. 2012(05)
[7]基于红外图像的太阳能光伏阵列故障分析[J]. 王培珍,郑诗程. 太阳能学报. 2010(02)
硕士论文
[1]基于K-means算法及层次聚类算法的研究与应用[D]. 乔端瑞.吉林大学 2016
[2]可拓扑重构的光伏阵列故障诊断方法研究[D]. 张朝.广西大学 2016
[3]光伏光热综合利用中热斑效应的研究[D]. 刘丰收.中国科学技术大学 2016
[4]基于数据挖掘的光伏阵列故障诊断研究[D]. 姜栋潇.华北电力大学(北京) 2016
[5]光伏阵列热斑的红外图像处理的研究[D]. 郭宝柱.天津理工大学 2016
[6]基于红外图像识别的光伏组件热斑故障检测方法研究[D]. 车曦.重庆大学 2015
[7]光伏电池阵列模拟电源的研究与设计[D]. 周昶.复旦大学 2010
本文编号：3332913
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3332913.html
