选用大疆inspire 1 无人机作为飞行平台，搭载FLRE Vue 机载热像仪机芯，并选用三星的 S3C6410 处理器作为嵌入式终端，成功实现了自动化检测热斑效应;通过开发软件对出现热斑效应的组件进行分析处理，得出了具体的热斑检测报告。通过无人机检测光伏组件热斑，大幅提高了电站红外热斑检测效率。
热斑效应产生的原因1
太阳电池主要是由p-n 结构成的，p-n 结具有单向导通性，类似于一个二极管，光照在太阳电池表面p-n 结产生电流，此时接上负载RL 就形成一个回路。
由于电池和背板都具有电阻，这些电阻的存在消耗了电压，相当于给电路中串联了一个电阻，故将这部分电阻简化为串联电阻Rs;而硅片不清洁或缺陷时，流过电池的电流就相对变小，这相当于给电路中并连了一个分流电阻，称为并联电阻Rsh;由于光生电流Iph 流过负载RL 时相当于在电池端加了一个正向电压，这样就形成了暗电流ID。与热斑关系最大的就是暗电流ID 及串联电阻Rs[4]。太阳电池等效电路图中，Ish 为流过串联电阻Rs 的电流，I 为太阳电池实际的输出电流。
当电池片被落叶、鸟粪等异物遮挡时，被遮挡部分不再发电且相当于给一个负载加上了反偏电压，会产生更大的暗电流，此时被遮挡部分由于消耗功率而产生热斑，如果暗电流过大则导致电池片击穿[5]。如果电池片本身有缺陷，部分位置内阻过大或温度过高，从而引起热斑效应，这样也会产生电池片裂片、烧毁等严重后果[6]。
近年来，由于热斑效应引起电站起火的事件时有发生，这给人类财产和人身安全造成了很大的危害。因此，在实际的光伏电站中，热斑检测成为电站运维必不可少的一个指标。
自动化检测热斑效应方案2
针对传统热斑效应检测方法的诸多不便，本文提出一种自动化检测热斑效应的方案。自动化检测热斑效应的系统主要由无人机、机载红外热像仪及相应的控制系统组成。具体的检测流程图如图2 所示。
2.1 无人机的选择
目前市面上无人机主要分为3 种：固定翼无人机、无人直升机及多旋翼无人机。3 种无人机的比较如表1 所示，固定翼无人机续航时间长，但是无法悬停;无人直升机各项性能适中，但是成本很高，操作难度也大;对比之后最终选择成本低、操作难度小、可悬停的多旋翼无人机。
多旋翼无人机已应用在森林消防、警用、高压线路巡检、测绘、风电叶片检测等多个领域[7-11]，在这些领域其发挥了机动性强、速度快等优点，大幅缩减了人力及测试周期，因此，本设计也采用多旋翼无人机。
目前市面上的多旋翼无人机种类繁多，其中，大疆无人机是国内市场较为成熟的产品之一，具有性能稳定、产品集成度高、便于操作和后期开发等优点。本设计选用大疆inspire 1 无人机，如图3 所示。
2.2 红外热成像系统的设计
红外热成像系统是无人机检测热斑效应设计的核心部分，主要由两大块组成：机载红外热像仪及嵌入式控制端。
机载红外热像仪用于实现对光伏组件热斑的数据采集，由于手持红外热像仪较大且笨重，不适合搭载在无人机上面进行红外热斑检测，本设计采用的FLIR Vue 机载红外热像仪机( 如图4 所示) 仅重100 g 左右，不会影响无人机重心或缩短飞行时间。FLIR Vue 分辨率可达640PPI×512PPI，大幅增强了图像的可视性;工作温度在-20 ℃～+50 ℃之间，可适应室外比较恶劣的环境;通过简单的电源输入和视频输出连接，即可轻松与任何平台实现集成，并在飞行平台上使用。
嵌入式控制端采用三星的S3C6410 处理器( 如图5 所示) 来实现对机载热像仪的控制及实时图传、数据处理功能。S3C6410 处理器长宽尺寸仅为5 cm×6 cm，可方便地与FLIR Vue 机芯对接。S3C6410 处理器拥有众多的数据接口，其中GPS 接口可接入GPS 模块，通过将GPS 信息叠加在红外热斑图像上，方便后期定位故障的光伏组件;通过无线网卡接口可实现图像实时传输，方便在检测的过程中悬停拍摄故障组件以得到详细数据;SD 卡座接口可插入SD 卡，以实现对检测数据的存储，方便后期处理。
.1 应用实例概述
2017 年2 月16 日，西安热工研究院工作人员携带无人机系统对华能集团浙江长兴电站洪桥光伏发电有限公司20 MW 光伏电站进行光伏热斑检测。当天天气晴朗、无风，适合使用无人机对光伏组件进行热斑检测。
光伏电站采用多晶硅光伏组件，工作人员到达现场后首先确定检测区域，从中抽选了16 排光伏组件，然后设定无人机自动巡检路线，该16排组件容量为2 MW，检测用时10 min，后续用软件对检测结果进行分析并出具了检测报告。
3.2 无人机检测结果
经过对检测结果对比分析，发现抽检的16排光伏组件中，共有4 块组件出现热斑，具体为：1)1# 组件位于第5 组串的第11 排、自西向东第11 列，组件温度为28℃，组件局部温度为42 ℃，比组件温度高出了14 ℃，判定该块组件有热斑，如图7 所示;2)2# 组件位于第7 组串的第11 排、自西向东第7 列，该组件温度为28 ℃，局部温度为42.8 ℃，比组件温度高出了14.8 ℃，判定该块组件有热斑，如图8 所示;3)3# 组件位于第3 组串的第12 排、自东向西第5 列，该组件温度为32.4 ℃，局部温度为45.6 ℃，比组件温度高出了13.2 ℃，判定该块组件有热斑，如图9所示;4)4# 组件位于第4 组串的第13 排、自西向东第6 列，该组件温度为33.8 ℃，局部温度为47.2 ℃，比组件温度高出了13.4 ℃，判定该块组件有热斑，如图10 所示。
总结4
1) 采用无人机检测光伏组件热斑效应，不仅可探测出光伏组件表面的温度异常点，还可清晰分辨出光伏阵列的异常现象。按此次巡检速度，预计2 天即可完成20 MW 电站阵列巡检，比人工巡检效率高出数十倍( 人工使用1 台手持式红外热像仪巡检预计需要1～2 周时间，不仅工作量巨大繁琐，且容易存在漏检、上排组件成像效果差等问题)，并且无人机能到达人工不易进行现场巡检的地方。
2) 使用可见光相机，可清晰展现光伏电站的整体状态，快速确定树木遮挡、组件脱落等故障。
3) 本次巡检仅针对电站的小部分区域，发现了典型发热异常区域，温差接近20 ℃，存在潜在的热斑隐患，建议使用EL 测试仪进行进一步验证与排查。
4) 从被巡检区域整体表现来看，该电站施工质量良好，光伏阵列故障比率较低，光伏组件整体热斑比率较低，优于行业整体电站表现，建议后期定期巡检。
5) 建议电站运行一段时间后，进行全面的质量检查，涵盖土建施工、现场安全性能、 现场发电性能、关键器件现场性能、光伏系统综合效率等方面的测试，以确保该电站长期、高效、安全稳定的运行。
