【研究进展】Applied Energy: PVF-10：用于精细光伏故障分类的高分辨率无人机热红外图像数据集
文摘
科学
2024-08-19 19:00
湖北
![]()
署名单位：中国地质大学（武汉）地理与信息工程学院，宁波东方理工大学（暂名）数字孪生研究院、北京大学城市与环境学院
光伏组件故障识别是光伏电站运维的关键环节，而热红外图像是检测故障的重要手段。近年来，基于深度学习的分类方法在光伏故障分类任务中得到了广泛应用。然而，现有的热红外光伏故障数据集普遍存在分辨率低、故障类型覆盖不全面等问题，难以满足高精度光伏故障识别的需求。为了推动高分辨率光伏故障识别技术的发展，本研究构建了一个名为PVF-10的高分辨率热红外光伏故障数据集。其具有以下优势：高分辨率：PVF-10的样本空间分辨率达到0.02米，能够清晰展示光伏组件表面温度分布的细节，有效捕捉故障特征，为高精度故障识别提供基础。全面的分类体系：数据集参考国际标准IEC TS 62446–3，并优化了其分类准则，依托故障成因与可修复性，提出了一个细粒度的光伏故障分类体系，其涵盖了10种不同类型的光伏故障。故障机理与热红外图像特征的联合分析：文章详细分析了不同故障在热红外图像上的表现特征，联合故障成因与电路机理解释了图像的特征表现。数据开源：数据集以开源的形式发布，可供研究人员免费使用，旨在促进光伏故障识别技术的发展和应用。PVF-10数据集的构建过程如图1，主要包括以下几个步骤：1）数据采集：利用搭载热红外传感器的无人机，在合适的天气条件下，从8个不同类型的光伏电站采集了109244张热红外图像及其对应的可见光图像。2）数据预处理：通过筛选和裁剪，将图像裁剪为单张光伏组件图像。3）故障分类体系设计：基于光伏故障的原因和修复性，光伏故障被分为10类。4）故障样本标注：由两位专家对故障样本进行标注，并进行双标注比对，确保标注的准确性和一致性。
![]()
图1 PVF-10构建流程
同时，本文深入分析了PVF-10中10种不同类型光伏故障的热红外图像特征及其背后的电路原理，并结合可见光图像和光伏组件电路图进行说明，如图2。
图2 光伏故障图像特征及电路机理
PVF-10 数据集为光伏故障识别研究提供了重要的数据基础，具有以下应用价值：促进高精度光伏故障识别算法的开发：使用PVF-10能够有效训练和评估光伏故障识别算法。推动光伏电站运维智能化发展：利用PVF-10训练的算法，可以实现光伏电站的自动巡检和故障诊断，提高运维效率和安全性。加深对光伏故障机理的理解：通过分析光伏故障的热红外图像特征及其电路原理，可以加深对光伏故障机理的理解，为光伏电站故障分类提供更科学的指导。
数据共享连接：
https://github.com/wangbobby1026/PVF-Dataset.git
Wang, B., Chen, Q., Wang, M., Chen, Y., Zhang, Z., Liu, X., ... & Zhang, H. (2024). PVF-10: A high-resolution unmanned aerial vehicle thermal infrared image dataset for fine-grained photovoltaic fault classification. Applied Energy, 376, 124187.
点击下方阅读原文即可获取文章连接
