隨著經(jīng)濟的快速發(fā)展、科技的不斷進步,化石能源不僅無法滿足日益增長的能源需求,還帶來了嚴重的環(huán)境問題,太陽能也因此被世界各國視為最重要的清潔能源之一。太陽能發(fā)電技術主要應用于光伏電站,而熱斑效應是影響光伏電站發(fā)電效率的主要因素之一。然而,傳統(tǒng)的熱斑檢測方式效率較低、準確率不高,難以滿足光伏電站實際需求。因此,設計一種高效率、高準確率的熱斑檢測方法具有重要意義。本文以實際運行中的光伏電站紅外溫度數(shù)據(jù)為研究對象,完成了從光伏電站紅外圖像中識別光伏陣列和基于光伏陣列區(qū)域的熱斑檢測,具體包括以下三點:（1）改進了基于自適應閾值分割算法的光伏陣列識別方法�；诠夥嚵袦夭钶^小、背景溫差較大的先驗知識,通過溫度閾值的合理設置和統(tǒng)計局部方差法,預先去除低溫和溫差較大的背景。在此基礎之上,利用光伏陣列的溫度直方圖服從高斯分布的特點,結合基于單高斯模型的自適應閾值分割方法,實現(xiàn)光伏陣列和背景的分離。（2）提出了基于改進K-means算法的光伏陣列識別方法。為了有效處理背景和光伏陣列之間溫差較小的情況,利用相鄰幀關聯(lián)性較強、多幀累加降噪的特點,基于相鄰多幀紅外圖像進行前景建模以實現(xiàn)光伏陣列和背景的初步分離。... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

不同體積單元的光伏發(fā)電元件

的固定資產(chǎn)貶值，而且還會降低光伏電站的發(fā)電效率、減少光伏電站的收益。根據(jù)伏發(fā)電收益的計算公式，當電價為 1 元/千瓦時，對于平均發(fā)電量 10 吉瓦的光伏電每增加 1%的發(fā)電量，即可增加近 100 萬元的收益。此外，熱斑效應不僅會使光伏組減少近 10%，還會使光伏電站的發(fā)電量損耗大約 5%[6]。因此，為了減少熱斑效應的危電站運維人員需要定期對光伏陣列進行熱斑檢測。然而，目前光伏電站的熱斑檢測面臨兩方面的難題。一方面，由于光伏電站（屋頂電站、水面電站、山地電站等）較大，通常包括成千甚至上萬個光伏陣列，定期對光伏陣列進行熱斑檢測將耗費大、物力，從而明顯增加光伏電站的運維成本；另一方面，傳統(tǒng)的熱斑檢測工作主要高舉紅外熱像儀或借助升降車逐點排查的方式完成，檢測效率低、危險系數(shù)高和準。據(jù)文獻[7]統(tǒng)計，所有采用傳統(tǒng)方式檢測熱斑的光伏電站中，有 20%以上的光伏電控數(shù)據(jù)缺失、數(shù)據(jù)誤傳等情況。因此，設計一種高準確率、高效的熱斑檢測方法具際意義，不僅有助于提高光伏電站發(fā)電效率、延長光伏陣列的使用壽命，而且有利電成本、增加光伏電站的收益。

學專業(yè)學位碩士研究生學位論文 光伏陣列熱斑的度動態(tài)范圍小圖像的形成主要和物體表面的材質(zhì)和溫度有關，而實際上物體各部分的材，探測器探測到的紅外輻射能量的差別也比較小，最終導致由溫度分布圖度圖像的灰度動態(tài)范圍較小。此外，當背景環(huán)境溫度的動態(tài)范圍較大時，度級將明顯小于實際環(huán)境溫度的動態(tài)范圍，因此，還需要進行溫度動態(tài)范顯示紅外灰度圖像。動態(tài)范圍的壓縮也會導致紅外圖像的灰度動態(tài)范圍較低。如圖 2.2 所示，光伏電站紅外灰度圖像的灰度直方圖分布較為集中，大值介于 80 到 110 之間，圖像整體的灰度動態(tài)范圍較小。

【參考文獻】：
期刊論文
[1]面向能源互聯(lián)網(wǎng)的家庭光伏發(fā)電系統(tǒng)經(jīng)濟效益優(yōu)化調(diào)度模型[J]. 盧美玲,張庚,劉松,呂磊.  電力系統(tǒng)及其自動化學報. 2016(S1)
[2]基于模糊C均值聚類的光伏陣列故障診斷方法[J]. 畢銳,丁明,徐志成,葛虎,郁丹琦.  太陽能學報. 2016(03)
[3]一種新型光伏陣列多傳感器故障檢測定位方法[J]. 張曉娜,高德東,劉海雄,葉軍,王珊.  可再生能源. 2016(02)
[4]一種改進的K-means動態(tài)聚類算法[J]. 張陽,何麗,朱顥東.  重慶師范大學學報(自然科學版). 2016(01)
[5]一種基于改進粒子群算法的K-means算法[J]. 林曉雪,趙茂先.  山東理工大學學報(自然科學版). 2015(05)
[6]基于密度的K-means聚類中心選取的優(yōu)化算法[J]. 周煒奔,石躍祥.  計算機應用研究. 2012(05)
[7]基于紅外圖像的太陽能光伏陣列故障分析[J]. 王培珍,鄭詩程.  太陽能學報. 2010(02)

碩士論文
[1]基于K-means算法及層次聚類算法的研究與應用[D]. 喬端瑞.吉林大學 2016
[2]可拓撲重構的光伏陣列故障診斷方法研究[D]. 張朝.廣西大學 2016
[3]光伏光熱綜合利用中熱斑效應的研究[D]. 劉豐收.中國科學技術大學 2016
[4]基于數(shù)據(jù)挖掘的光伏陣列故障診斷研究[D]. 姜棟瀟.華北電力大學(北京) 2016
[5]光伏陣列熱斑的紅外圖像處理的研究[D]. 郭寶柱.天津理工大學 2016
[6]基于紅外圖像識別的光伏組件熱斑故障檢測方法研究[D]. 車曦.重慶大學 2015
[7]光伏電池陣列模擬電源的研究與設計[D]. 周昶.復旦大學 2010



本文編號：3332913