基于DenseNet的红外图像热斑状态分类研究

贾帅康，白英君，孙海蓉，曹瑶佳

（1.华北电力大学控制与计算机工程学院，河北 保定 071003；2.华北电力大学河北省发电过程仿真与优化控制技术创新中心，河北 保定 071003）

0 引言

随着传统化石能源面临着诸多如资源不可再生、环境污染的问题，而在新能源领域如太阳能，由于其环保、分布区域广等优点在能源产业结构的比重逐渐增加，使得新能源领域光伏发电产业迅速发展。然而，在产业规模扩大的同时，光伏组件系统的安全运行也越来越受到研究人员的关注。当光伏组件受到物体的遮挡后，受其特性的影响，遮挡部分所在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，这就是热斑效应［1］。为保证光伏发电的安全有效运行，对光伏发电系统进行可靠的故障检测就尤为重要［2］。由于热斑会以热量的形式消耗能量，导致其与周围的电池片会出现温度上的巨大差异，因此可借助红外热像仪判断热斑。关于利用红外图像进行热斑检测已有不少学者进行了相关实验和研究。文献［3］通过分析红外图像的温度线轮廓以及灰度直方图特征，得出热斑与特定的不连续电池片相关的结论。文献［4］提出利用图像处理的方法，采用Canny 边缘检测算子检测热斑模块及其相关故障。文献［5］提出一种利用无人机技术采集数据的热斑识别方法，通过统计学的方法区分异常状态的光伏组件。

近年来，深度学习大放光彩，在各个研究领域都取得了优异的表现，文献［6］利用卷积神经网络将预处理好的光伏红外图像的热斑进行训练测试。……