搭载红外热像仪的无人机，可应用于光伏电站的监控工作！

在过去的几十年里，光伏电站的安装在全球范围内激增。由于热点、阴影单元或模块、短路旁路二极管等多种因素的影响，这些站的输出效率会随着时间的推移而下降。传统上，技术人员使用红外热像仪检查光伏电站的每一块太阳能电池板，以确保一致的输出效率。随着无人机技术的进步，研究人员提出使用无人机装备热感摄像机对光伏电站进行监测。然而，这些基于无人机的方法大多需要技术人员手动控制无人机，对于大型光伏电站来说，这本身就是一项繁琐的任务。

为了解决这一问题，本研究提出了一种基于无人机的自主解决方案。无人机安装有RGB(红、绿、蓝)和热感摄像机。该系统可以自动检测并估计出故障光伏组件在电站数百个或数千个光伏组件中的准确位置。此外，研究人员提出了一种自动无人机航迹规划算法，消除了人工无人机控制的要求。该系统还利用图像处理算法对RGB和热图像进行故障检测。该系统在位于韩国顺天的1兆瓦太阳能发电厂进行了评估，实验结果证明了该方法的有效性。

相关论文以题为“Automatic Detection System of Deteriorated PV Modules Using Drone with Thermal Camera”发表在《Applied Sciences》上。

可再生能源的发展引起了世界各国的广泛关注。对可再生能源的兴趣增加主要是由于环境问题，如全球变暖、异常天气、化石燃料的消耗等。在众多的可再生能源中，太阳能作为一种无污染、可持续发展、资源丰富的能源，在可再生能源领域备受关注。在过去几年里，全世界的光伏电站安装量有了显著增加。一个光伏电站通常由数百或数千个光伏组件组成串联电路。这些光伏组件是太阳能电站的关键部件，电站的输出效率取决于这些组件。

然而，随着时间的推移，光伏组件会出现各种各样的缺陷，从而导致低功耗等不利问题。通常，串中的所有光伏电池的电特性是相似的，并在最大功率点(MPP)电流下运行，以实现每个电池的最佳输出。然而，当电池的电特性之间存在差异时，单串电流不能在每个电池的MPP下工作，这将导致最小的性能。导致这种差异的最常见的因素是部分阴影，退化，短路旁路二极管等。当几个高短路电流光伏电池串中有一个小电流光伏电池(例如，由于杂草阴影)时，所有这些电池间的正向偏压会使被阴影的电池产生反向偏压，从而大大提高电池温度，导致热点定位。它会损坏电池，减少太阳能电池板的总功率输出。

本文提出了一种基于无人机的自主红外热成像解决方案，用于光伏组件的故障检测和定位。所开发的无人机系统由一架基于Pixhawk 2.1飞行控制器(FC)的万向架无人机组成。由RGB相机和热感相机组成的双摄像头安装在无人机系统上。使用Raspberry Pi 3作为主板与双摄像头设置和FC接口。RGB摄像头通过USB接口连接Raspberry Pi，而FC和热感摄像头通过MAVlink连接。捕获的图像、全球定位系统(GPS)信息和无人机状态信息存储在一个SD卡上，连接到主板。保存的信息稍后在脱机的通用计算机上进行处理。通过飞行规划算法，该无人机系统可以在自动规划的飞行路径上自主飞行。由于热点自动定位是光伏电站检测的重要环节之一，因此研究人员的系统可以在成千上万的光伏组件中准确地估计出故障光伏组件的GPS定位。

系统配置

研究人员系统的总体工作流程如图1所示。他们建议的解决方案包括以下主要步骤:

准备无人机的硬件结构，包括安装双摄像头设置；

使用飞行规划算法自动规划飞行路径并将其发送给无人机；

无人机会自动飞越指定的路径，捕捉到的图像会和GPS信息一起保存到SD卡上；

在台式计算机上使用研究人员提出的图像处理算法对保存的图像进行处理；

有缺陷的太阳能电池板的位置显示给用户。

图1. 系统总体框图。

无人机硬件细节

研究人员开发了一种基于Pixhawk 2.1飞行控制器的装备万向节的无人机。一个专用地面控制站(GCS)计划也基于C Sharp开发。无人机是一款1.1米的hexacopter级无人机，可携带2公斤的有效载荷，飞行时间为20分钟。选择了XEON 6S 22000 mAH高压lipo电池和12个支撑电机，有两个串行连接。每个电池的充电电压更高，从而为无人机提供更多的潜在动力，并将飞行时间效率提高20%。设计的无人机图片和研究人员无人机系统的框图分别如图2和图3所示。无人机由三个主要部件组成:

图2.无人机的物理结构。

图3.拟建无人机系统框图。

主板（Raspberry Pi 3）

本研究采用Raspberry Pi 3 B+型作为无人机系统的主板。主要负责图像的抓取/保存，以及航班信息的保存以备后用。Raspberry Pi 是由英国Raspberry Pi 基金会开发的一种信用卡大小的电脑。Raspberry Pi 3B+配备4个Cortex-A53 cpu，频率为1.4 GHz。Raspberry Pi 3型号B+拥有1gb内存，4个USB 2.0端口，HDMI输出，LAN端口，Wi-Fi和一个MicroSD卡端口。Raspberry Pi 因其体积小、重量轻、成本低而被选为主板。

双摄像头设置(热敏和RGB摄像头)

双摄像头系统由FLIR Vue Pro R热成像摄像头和罗技C270 RGB摄像头组成，如图4所示。FLIR Vue Pro R传感器分辨率为336×256，采用非制冷VOx微测辐射热计作为探测器。热感相机重量约92.13-113.4 g，尺寸5.74×4.44 cm，光谱范围7.5-13.5焦距m，足以满足研究人员的成像要求。罗技C270 RGB是一款固定焦距相机，每秒30帧，最大分辨率为1280×720。

图4.双相机装置和图像捕捉板的物理结构。

飞行控制器(Pixhawk 2.1)

hexacopter无人机系统采用Pixhawk 2.1作为飞行控制器(FC)。Pixhawk是一个开源项目，近年来引起了很多人的兴趣。预计它将获得大量投资，并引领第四次工业革命。它由32位ARM Cortex-M4F浮点单元(FPU)、MPU6000作为主加速度计和陀螺仪、MEAS气压计、5x UART等组成。Pixhawk飞行控制器比PX4飞行控制系统更先进，由PX4-IO和PX4- fmu控制器全部集成到一个单独的芯片中，连同附加的IO、内存和许多其他功能。它支持Unix/Linux编程环境，并通过使用自动驾驶功能和多线程提供强大的开发能力。此外，它可以自动检测和配置大多数外设。此外，它还支持更快的响应、精确的定位和开放源代码。

自主飞行路径规划算法

这一步负责规划无人机系统的飞行路径。飞行规划算法总体框图如图5所示。从谷歌Maps下载整个光伏电站图片。在没有互联网服务的情况下，获取整个光伏电站图像的另一种方法是使用图像拼接。无人机在整个光伏电站上空飞行，捕捉到电站各部分对应的图像。将捕获的图像采用图像拼接技术进行拼接，得到包含整个电站的图像拼接，如图6b所示。在获得图像之后(参见图7a)，研究人员需要从图像中分割太阳能电池板。

图5. 飞行规划算法框图。

图6. (a)无人驾驶飞机拍摄的空中图像;(b)图像拼接后的光伏电站图像。

图7. (a)来自谷歌地图的图像;(b)分割图像;(c)检测到的轮廓;(d)过滤轮廓;和(e)带有标记的最终图像。

实验结果

为了验证所开发系统的有效性，研究人员在韩国顺天的一个1兆瓦太阳能电厂上使用拟议的无人机系统进行自主飞行，拍摄了光伏组件。无人机系统的飞行路径由研究人员的自动飞行路径规划算法计算。无人机上安装的双摄像头捕捉到的图像被发送到地面站。然后使用图像处理算法对图像进行分析，识别并定位缺陷PV模块。图8a显示的是整个光伏电站的图像，图8b显示的是研究人员的路径规划算法计算出的自动规划的飞行路径。无人机采集了400幅热可见图像，经过图像处理算法处理后，得到结果如图8c所示。该算法的各种步骤有助于区分光伏阵列中的缺陷模组和正常模组。

图8. (a)光伏电站整体图像;(b)显示自动规划飞行路线的图像;(c)显示有缺陷光伏组件位置的最终结果。

结论

本文提出了一种基于无人机的自主红外热成像系统，用于光伏电站缺陷组件的自动检测和定位。无人机系统安装有一个双摄像头，由一个热感摄像机和一个RGB摄像机组成。本文提出的自动航迹规划算法可以实现无人机自主飞行，不需要人工控制。此外，研究人员的系统可以检测并精确定位故障光伏组件的准确位置。与之前大多数方法不同的是，研究人员在韩国顺天的一个实际的1兆瓦发电厂上测试了研究人员的方法。实验结果表明，该方法能够自动准确地检测和定位故障模块。

论文链接：https://www.mdpi.com/2076-3417/10/11/3802/htm