隨著經(jīng)濟(jì)的快速發(fā)展、科技的不斷進(jìn)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(yán)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(shù)主要應(yīng)用于光伏電站,而熱斑效應(yīng)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(zhǔn)確率不高,難以滿足光伏電站實(shí)際需求。因此,設(shè)計(jì)一種高效率、高準(zhǔn)確率的熱斑檢測方法具有重要意義。本文以實(shí)際運(yùn)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(diǎn):（1）改進(jìn)了基于自適應(yīng)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(yàn)知識,通過溫度閾值的合理設(shè)置和統(tǒng)計(jì)局部方差法,預(yù)先去除低溫和溫差較大的背景。在此基礎(chǔ)之上,利用光伏陣列的溫度直方圖服從高斯分布的特點(diǎn),結(jié)合基于單高斯模型的自適應(yīng)閾值分割方法,實(shí)現(xiàn)光伏陣列和背景的分離。（2）提出了基于改進(jìn)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(guān)聯(lián)性較強(qiáng)、多幀累加降噪的特點(diǎn),基于相鄰多幀紅外圖像進(jìn)行前景建模以實(shí)現(xiàn)光伏陣列和背景的初步分離。... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：82 頁

【學(xué)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(jì)算公式，當(dāng)電價(jià)為 1 元/千瓦時(shí)，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(yīng)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(yīng)的危電站運(yùn)維人員需要定期對光伏陣列進(jìn)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(gè)光伏陣列，定期對光伏陣列進(jìn)行熱斑檢測將耗費(fèi)大、物力，從而明顯增加光伏電站的運(yùn)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(diǎn)排查的方式完成，檢測效率低、危險(xiǎn)系數(shù)高和準(zhǔn)。據(jù)文獻(xiàn)[7]統(tǒng)計(jì)，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?cái)?shù)據(jù)缺失、數(shù)據(jù)誤傳等情況。因此，設(shè)計(jì)一種高準(zhǔn)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(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 光伏陣列熱斑的度動(dòng)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(guān)，而實(shí)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(dǎo)致由溫度分布圖度圖像的灰度動(dòng)態(tài)范圍較小。此外，當(dāng)背景環(huán)境溫度的動(dòng)態(tài)范圍較大時(shí)，度級將明顯小于實(shí)際環(huán)境溫度的動(dòng)態(tài)范圍，因此，還需要進(jìn)行溫度動(dòng)態(tài)范顯示紅外灰度圖像。動(dòng)態(tài)范圍的壓縮也會導(dǎo)致紅外圖像的灰度動(dòng)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(dòng)態(tài)范圍較小。

【參考文獻(xiàn)】：
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(jì)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(dòng)化學(xué)報(bào). 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(xué)報(bào). 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(jìn)的K-means動(dòng)態(tài)聚類算法[J]. 張陽,何麗,朱顥東.  重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[5]一種基于改進(jìn)粒子群算法的K-means算法[J]. 林曉雪,趙茂先.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)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(jì)算機(jī)應(yīng)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(xué)報(bào). 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(yīng)用[D]. 喬端瑞.吉林大學(xué) 2016
[2]可拓?fù)渲貥?gòu)的光伏陣列故障診斷方法研究[D]. 張朝.廣西大學(xué) 2016
[3]光伏光熱綜合利用中熱斑效應(yīng)的研究[D]. 劉豐收.中國科學(xué)技術(shù)大學(xué) 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(xué)(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(xué) 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(xué) 2015
[7]光伏電池陣列模擬電源的研究與設(shè)計(jì)[D]. 周昶.復(fù)旦大學(xué) 2010



本文編號：3332913