魏卓航，林培杰，陈志聪，吴丽君，卢箫扬，程树英

(福州大学物理与信息工程学院，微纳器件与太阳能电池研究所，福建 福州 350108)

0 引言

光伏组件由于工作需要长时间暴露在无遮挡的自然环境中，如果不能及时进行有效维护，将产生各种故障，热斑就是其中一种典型故障[1]. 当光伏组件受到遮挡后，遮挡部分的电池片流过的电流变小，在其他串联电池片的影响下成为负载，并将其他电池片产生的能量以热量的形式消耗掉，导致遮挡部分的电池片温度升高而产生热斑效应[2]. 单体电池片的不匹配、 短路、 裂缝、 组件表面局部脏污或遮挡都会引起光伏组件产生热斑. 热斑问题不仅影响光伏组件的发电效益, 甚至可以引发火灾，严重影响光伏系统的性能和寿命，因此，对热斑的实时检测和定位, 对光伏电站的维护工作有着重要价值.

由于热斑效应会引起电池片局部温度上升，故可使用红外热成像图像进行判断. 文献[3]采用Canny边缘检测算子检测红外图像下的热斑模块及其相关故障. 文献[4]采用光伏组件红外热图像的HOG特征和纹理特征进行分类，通过朴素贝叶斯分类器检测热斑. 文献[5]提出一种基于混合特征的光伏面板热斑检测和分类的支持向量机模型，采用数据融合的方法构造一种新的混合特征向量，取得了更好的检测效果. 近年来，深度学习在解决图像识别、 目标检测等问题上成效突出，学者们也将其应用于光伏故障检测和热斑……