随着光伏发电技术越来越广泛的应用,已有大量的光伏系统投入运行。实际应用中由于组件封装工艺等原因,当光伏组件运行八至十年后,局部区域因为气孔的渗入或扩散而老化,使得组件中的部分电池损坏,影响系统输出。因此,在大功率光伏发电系统中对光伏阵列进行实时有效的故障在线分析与诊断显得十分重要。本研究通过理论分析与实验验证发现,处于不同工作状态的太阳能电池,其表面温度有明显差异。红外成像系统提供了一种能以较高的温度和空间分辨率测量温度分布的方法。本文针对处于不同工作状态下太阳能电池间存在明显温差这一特性,提出了基于红外图像分析的太阳能光伏阵列(电池)工作状态分析与自动识别的方案。该方案首先对光伏阵列的红外图像进行一系列的处理与分析,提取可能的故障区域及区域的特征信息,综合考虑环境温度、照度、风力等环境因素的影响,采用信息融合与模糊推理的方法,实现对光伏阵列中太阳能电池工作状态进行自动识别。论文主要就以下几个方面进行了创新性的研究和探讨: 1、通过对光伏电池模型、机理、不同工作状态时的温差及红外特性的分析,论证了利用红外图像对太阳能光伏阵列进行非接触式故障分析的可行性; 2、针对光伏阵列红外图像的特点,提出了一系列对该类图像进行拉伸、去噪、非均匀背景抑制和图像分割的方法,并有效地提取了红外图像中有意义的特征信息; 3、分析了不同季节各种环境因素(光照、环境温度、风力等)对处于不同工作状态光伏电池的温差及红外特性的影响,提出了一种基于信息融合与模糊推理的对太阳能电池在不同环境下的正常、遮挡、老化、损坏等工作状态进行识别的方案; 4、构造硬件系统,分别从硬件和软件上对研究结果加以验证与实现。 研究结果表明,本文提出的采用红外图像分析与数据融合的技术对太阳能光伏阵列进行故障状态识别的方案是有效、可行的。本研究的顺利进行,为在大功率光伏发电系统中实现非接触式的故障在线诊断提供了理论基础和直接依据。