本发明涉及一种基于无人机巡检的光伏组件温度异常诊断技术，属于光伏电站巡检与运维。
背景技术：
1、光伏组件在运输、安装、以及运行过程中都可能产生缺陷。光伏组件的缺陷不仅造成输出功率损失，甚至可能引发火灾，影响光伏系统的稳定性。因此，光伏组件的缺陷诊断受到越来越广泛的关注。光伏组件吸收的太阳能转化为电能和热能，这就意味着缺陷造成功率损失的同时，往往伴随着温度异常。红外热成像是光伏组件温度异常诊断的重要途径。
2、值得注意的是，环境因素会影响光伏组件的温度。当光伏组件表面接收的辐照度越高时，单位时间内吸收的太阳能越多，转化的电能和热能也越多，组件温度越高；当环境温度越低，风速越大时，光伏组件与周围环境之间的热传递与热辐射越多，组件温度越低。此外，光伏组件的温度异常诊断依赖于高质量的红外图像采集，而径向畸变与透视形变可能会干扰光伏组件的温度特征提取。
3、现有技术研究了基于红外图像的光伏组件识别，以及温度异常的初步检测。然而，现有技术尚未充分考虑环境因素对光伏组件温度的影响，无法实现温度异常的精确诊断。如何采集光伏组件的高质量红外图像，矫正径向畸变与透视形变，将不同环境条件下的光伏组件温度进行归一化，诊断光伏组件的温度异常，是面向光伏电站的智能巡检与智慧运维需要考虑的重要问题。
技术实现思路
1、技术问题：本发明旨在解决现有技术中存在的不足，充分考虑环境因素对光伏组件温度的影响，结合高质量红外图像采集，径向畸变与透视形变矫正，提供一种基于无人机巡检的光伏组件温度异常诊断方法。
2、技术方案：本发明的一种基于无人机巡检的光伏组件温度异常诊断方法，依次包括以下步骤：
3、s1：无人机搭载红外相机，面向光伏电站进行巡检，采集光伏组件的红外图像；
4、s2：根据红外相机的参数，矫正红外图像的径向畸变；
5、s3：矫正光伏组件在红外图像中的透视形变，提取光伏组件的温度矩阵；
6、s4：根据环境监测仪采集的辐照度、温度、风速数据，将光伏组件的温度矩阵归一化；
7、s5：分析光伏组件的结构与归一化的温度矩阵，诊断温度异常。
8、进一步的，所述步骤s1中，无人机巡检在晴天，辐照度不低于200w/m2，风速不超过10m/s的条件下进行；红外相机光轴与光伏组件表面的夹角在60°与90°之间；红外图像采集避免太阳反光与无人机投影；光伏组件的每个电池片在红外图像中至少占据4个像素。
9、进一步的，所述步骤s2中，x＝(u,v,1)t表示红外图像的像素齐次坐标，其中，u与v分别表示红外图像中的像素点x在水平方向与垂直方向的坐标；o＝(uo,vo,1)t表示红外图像中心的齐次坐标，其中，uo与vo分别表示红外图像中心o在水平方向与垂直方向的坐标；xr＝(ur,vr,1)t表示径向畸变矫正之后的齐次坐标，其中，ur与vr分别表示径向畸变矫正之后，像素点x在水平方向与垂直方向的坐标，计算xr如下：
10、xr＝o+(x-o)(1+λ1·r2+λ2·r4)
11、其中，λ1与λ2表示红外相机的径向畸变参数，r表示像素到红外图像中心的距离，
12、
13、进一步的，所述步骤s3中，h表示光伏组件前表面投影到红外图像平面的透视形变矩阵，该矩阵为非奇异的三阶方阵；xp＝(up,vp,1)t表示透视形变矫正之后的齐次坐标，其中，up与vp分别表示透视形变矫正之后，像素点x在水平方向与垂直方向的坐标，计算xp如下：
14、xp＝h-1xr
15、采用加权k近邻算法，生成矫正之后的温度图像；采用图像处理方法，识别光伏组件前表面在温度图像中占据的矩形区域，提取光伏组件的温度矩阵t。
16、进一步的，所述步骤s4中，ε表示光伏组件表面的辐射率，εs表示天空的辐射率，β表示辐射率比值项，σ表示斯蒂芬-玻尔兹曼常数，h表示光伏组件表面的对流传热系数，
17、
18、σ＝5.67×10-8w/(m2·k4)
19、h＝k0+k1·w
20、其中，k0与k1为常数，w表示风速。
21、进一步的，所述步骤s4中，环境监测仪采集的实际辐照度为g、环境温度为ta、风速为w；天空温度为ts；归一化的辐照度为g0、环境温度为ta,0、风速为w0、天空温度为ts,0；ti,j表示光伏组件的温度矩阵t中的元素，ti,j归一化之后的温度ti,j,0满足如下关系式：
22、
23、其中，η表示光伏组件吸收辐照度的比例系数，e与e0表示矫正项，b与b0表示与风速不直接相关的传热系数项，
24、
25、进一步的，所述步骤s5中，光伏组件包括若干子串，表示子串在开路或短路故障情况下，预期的归一化平均温度；表示光伏组件的温度矩阵t归一化之后，某子串对应元素的平均值；δ表示光伏组件的温度矩阵t归一化之后，某子串对应元素的标准差；ξ1与ξ2表示误差项；如果并且δ＜ξ2，那么该子串被诊断为开路或短路故障引起的温度异常。
26、进一步的，所述步骤s5中，子串包括若干电池片，表示电池片在正常工作情况下，预期的归一化平均温度；表示光伏组件的温度矩阵t归一化之后，某电池片对应元素的最大值；θ表示阈值；如果那么该电池片被诊断为存在热斑。
27、有益效果：本发明提供了一种基于无人机巡检的光伏组件温度异常诊断方法，充分考虑环境因素对光伏组件温度的影响，结合高质量红外图像采集，径向畸变与透视形变矫正，光伏组件温度矩阵提取与归一化，实现光伏组件温度异常的精确诊断。该方法可以结合光伏组件的定位与匹配技术，以及光伏电站的全景拼接技术，实现光伏组件温度异常的定位与可视化，为光伏电站的智慧运维提供重要依据。
1.一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：依次包括以下步骤：
2.根据权利要求1所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s1中，无人机巡检在晴天，辐照度不低于200w/m2，风速不超过10m/s的条件下进行；红外相机光轴与光伏组件表面的夹角在60°与90°之间；红外图像采集避免太阳反光与无人机投影；光伏组件的每个电池片在红外图像中至少占据4个像素。
3.根据权利要求2所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s2中，x＝(u,v,1)t表示红外图像的像素齐次坐标，其中，u与v分别表示红外图像中的像素点x在水平方向与垂直方向的坐标；o＝(uo,vo,1)t表示红外图像中心的齐次坐标，其中，uo与vo分别表示红外图像中心o在水平方向与垂直方向的坐标；xr＝(ur,vr,1)t表示径向畸变矫正之后的齐次坐标，其中，ur与vr分别表示径向畸变矫正之后，像素点x在水平方向与垂直方向的坐标，计算xr如下：
4.根据权利要求3所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s3中，h表示光伏组件前表面投影到红外图像平面的透视形变矩阵，该矩阵为非奇异的三阶方阵；xp＝(up,vp,1)t表示透视形变矫正之后的齐次坐标，其中，up与vp分别表示透视形变矫正之后，像素点x在水平方向与垂直方向的坐标，计算xp如下：
5.根据权利要求4所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s4中，ε表示光伏组件表面的辐射率，εs表示天空的辐射率，β表示辐射率比值项，σ表示斯蒂芬-玻尔兹曼常数，h表示光伏组件表面的对流传热系数，
6.根据权利要求5所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s4中，环境监测仪采集的实际辐照度为g、环境温度为ta、风速为w；天空温度为ts；归一化的辐照度为g0、环境温度为ta,0、风速为w0、天空温度为ts,0；ti,j表示光伏组件的温度矩阵t中的元素，ti,j归一化之后的温度ti,j,0满足如下关系式：
7.根据权利要求6所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s5中，光伏组件包括若干子串，表示子串在开路或短路故障情况下，预期的归一化平均温度；表示光伏组件的温度矩阵t归一化之后，某子串对应元素的平均值；δ表示光伏组件的温度矩阵t归一化之后，某子串对应元素的标准差；ξ1与ξ2表示误差项；如果并且δ＜ξ2，那么该子串被诊断为开路或短路故障引起的温度异常。
8.根据权利要求7所述的一种基于无人机巡检的光伏组件温度异常诊断方法，其特征在于：所述步骤s5中，子串包括若干电池片，表示电池片在正常工作情况下，预期的归一化平均温度；表示光伏组件的温度矩阵t归一化之后，某电池片对应元素的最大值；θ表示阈值；如果那么该电池片被诊断为存在热斑。
