創新的檢測手段，讓晶體硅光伏電池缺陷“無處可逃”

湖南大學電氣與信息工程學院、長沙學院土木工程學院、武漢大學電氣自動化學院、無損檢測技術福建省高等學校重點實驗室（福建師范大學福清分校）的研究人員楊瑞珍、杜博倫、何赟澤、黃守道、張宏，在《電工技術學報》上撰文（論文標題為“晶體硅光伏電池電磁感應激勵紅外熱輻射缺陷檢測與成像技術”）指出，晶體硅光伏電池中的缺陷會影響電池的效率和使用壽命，甚至會對并網運行的光伏發電系統造成嚴重損害。

本文旨在建立晶體硅光伏電池在電磁感應主動激勵下的紅外熱成像缺陷檢測方法，相比基于機器視覺的硅光伏電池表面缺陷檢測方法，該方法具有檢測靈敏度高、可發現內部缺陷、檢測缺陷種類多等優勢。

**建立數字化電磁感應熱成像檢測系統，并在脈沖式和鎖相式兩種激勵模式下獲得了硅電池的熱成像序列，采用傅里葉變換、獨立分量分析（ICA）和主成分分析（PCA）等方法處理了熱像圖序列。*終實現了晶體硅光伏電池中熱斑、裂紋、斷柵、重摻雜等缺陷的可視化檢測。

實驗結果顯示所提方法能很好地區分背景和缺陷，可為硅光伏電池的研發、測試、制造、服役和維修提供一種可靠、快速的檢測手段。

隨著全球氣候變暖、環境污染的日益嚴重和化石能源的逐漸枯竭，尋找高效、實用的可再生綠色能源已成為亟待解決的問題。在我國能源轉型目標的實現過程中，光伏發電具有*其重要的作用。光伏電池及組件作為光伏發電中*前端和*關鍵的一環，現已成為能源轉型的關鍵設備和部件。光伏電池的質量直接影響著光伏組件的發光效率和安全運行。

隨著我國光伏產業的快速成長，業界對光伏電池片的檢測技術也提出了更高的要求。光伏電池在工作過程中，光伏電池及組件因為缺陷而嚴重影響光伏系統正常發電并降低光伏電池工作壽命，這些問題急需解決。

光伏電池缺陷的種類基本可以分為三類：硅片原材料階段的污染、電池片成品生產過程中的損傷和電池組件的缺陷。硅片缺陷是指在硅片的定向凝固、切片、清洗包裝等過程中的生成缺陷等；電池片制造缺陷是指在電池片的制絨、印刷、燒結等制造過程中產生的缺陷；電池組件缺陷是指在電*焊接、層壓等組件制造過程中產生的缺陷，如裂紋、虛焊等。這些缺陷都對應著不同的紅外熱圖像特征。

以晶體硅光伏電池為例，在原材料的生產過程中受到污染會出現黑芯片、暗晶粒片、滑移錯位、重摻雜等缺陷；在晶體硅光伏電池生產制作過程會出現隱裂、刮痕、斷柵、熱斑、燒結異常等缺陷。

在成像系統方面，近幾年熱成像技術、深度學習和人工智能在電力及新能源行業故障檢測的研究和應用逐漸增多。例如，機器視覺系統目前已經成熟應用于被動式的光伏電池及其組件的生產、服役過程的缺陷識別和檢測定位。

八旋翼遙控飛機搭載熱像儀對電池組件熱斑故障進行在線檢測，利用熱像儀采集的缺陷處溫度數據，經過算法處理，這套系統還可以實現對在役運行過程中的光伏電站進行被動式在線故障檢測。

在檢測手段方面，光伏電池缺陷檢測技術隨著現代物理學、光電學的發展取得了長足的進步。BolunDu綜述了現有的硅基、薄膜、多結光伏電池檢測技術，其中典型的光伏電池檢測手段有：電參數測量、激光束誘導電流、暗鎖相紅外熱成像、電致發光、激光太赫茲發射顯微鏡等。

現有的光伏電池缺陷檢測方法的優缺點，這些方法基本都是被動式檢測，相較之下，本文提出的主動式電磁激勵的熱成像技術則具有非接觸、檢測靈敏度高、空間分辨率高等優勢，可以實現電池全局性能快速檢測，也能實現電池細微缺陷檢測。

因此，本文旨在建立基于主動式電磁激勵紅外輻射光伏電池缺陷檢測方法，采用非接觸電磁感應加熱，得到更好的熱輻射信息，利用FLIRA310熱像儀采集缺陷處的溫度場信息，采用快速傅里葉變換（FastFourierTransform,FFT）、主成分分析（PrincipalComponentAnalysis,PCA）、獨立分量分析（IndependentComponentAnalysis,ICA）等算法，建立具備非接觸、快速檢測、高分辨率、高靈敏度、可檢測內部缺陷的晶體硅光伏電池檢測技術及系統，為光伏電池的性能測試、失效分析和損傷檢測提供有效的理論和方法。

本文對比了電磁激勵紅外熱輻射檢測技術與現有常規光伏電池檢測的優缺點，突出了主動式非接觸感應加熱的創新性，其具備快速檢測、高分辨率、高靈敏度的優點。搭建了數字化電磁感應熱成像檢測系統，得到脈沖式和鎖相式兩種激勵模式下的晶體硅光伏電池的熱成像序列，利用FFT、PCA、ICA算法對熱像圖進行處理，在很大程度上消除了檢測過程的背景噪聲和干擾噪聲，顯著地提高了對缺陷檢測的識別能力，實現了晶體硅光伏電池熱斑、裂紋、斷柵、重摻雜等缺陷的檢測。數字化電磁感應熱成像檢測系統具有自動化程度高、準確度高、可定量分析等特點。

本文的局限性在于本系統目前在使用便捷性、功率損耗和成本上還不具優勢。并且由于硅光伏電池表面的缺陷種類繁多，例如還包括油污、微粒、雜質等，本系統并沒有對以上缺陷的檢測、識別加以研究，因此希望在以后的工作中對這些缺陷進行快速、準確有效的檢測。同時本文所提出的檢測算法運行時間稍長，實時性方面還有待提高。

未來，隨著光伏電池檢測產業朝著智能化方向發展，紅外機器視覺系統將更多地應用于光伏電池檢測的快速缺陷定位和精確缺陷測量領域，可以結合本實驗系統實現生產線上硅光伏電池的自動可視化的在線檢測與缺陷分類。