目前利用无人机获取光伏组件红外影像数据越来越多地应用于光伏组件故障检测中。但光伏组件红外影像数据各类别样本相似度较高，现有深度学习模型的光伏组件红外影像特征提取能力较低，导致光伏组件多故障类型分类精度偏低。针对以上问题，基于ResNet（residual network）模型构建ResPNet（residual photovoltaic network）模型进行光伏组件红外影像故障检测。ResPNet模型在ResNet模型基础上，加入了底层特征信息增强模块、多尺度特征信息增强模块、全局特征信息增强模块，用于提升模型的光伏组件红外影像特征提取能力。在公开的光伏组件红外影像数据集Infrared Solar Modules上进行实验，ResPNet模型的12类光伏组件红外影像分类精度达到84.6%，不但优于ResNet-50模型，而且优于其他的光伏组件红外影像分类模型。通过级联多个ResPNet模型，取得了该数据集目前已知最高的12类光伏组件红外影像分类检测精度（85.9%）。

基于温度红外图像的光伏组件缺陷检测是实现光伏电站规模化组件质量检测的重要技术。文章简要介绍了光伏组件热斑产生的原因和危害, 重点从热斑检测、热斑定位和提取三个方面总结和对比了光伏组件红外图像及视频的人工神经网络模型及其性能。其中改进的YOLOv5模型对光伏组件的热斑检出精度达到了98.8%, Lucas-Kanade稀疏光流跟踪算法的热斑定位精度达到97.5%。简单讨论了适应大规模光伏电站运维需求的热斑检测技术的发展趋势。

根据测试数据, 分析模拟了铜铟镓硒(CIGS)薄膜光伏组件中电池的活性区域、非活性区域与封装材料之间界面的光学特性对组件的短路电流产生的影响。根据组件结构建立了光学模型, 从光学模拟结果分析组件内的反射与吸收。发现电池前电极透明导电氧化物薄膜(TCO)与封装材料界面的反射不可忽视, 提出通过在透明导电氧化物薄膜与封装材料之间添加减反射层, 并以MgO作为膜层材料以降低活性区域的界面反射; 模拟了在非活性区域一次反射光角度与二次反射的关系, 由此分析了非活性区域反射面倾角、镜面反射与漫反射比例对光利用的影响。模拟结果显示, 活性区域的减反层结构可降低透明导电氧化物薄膜表面的反射率1%以上, 而通过在非活性面积区域制备光反射结构, 理论上能够利用非活性区域光照超过50%。

光伏组件中的玻璃盖板对陷光能力及发电性能有重要影响。本文采用射线追踪的模拟方法, 系统研究了盖板玻璃表面减反膜和微结构对组件性能的影响。研究发现, 玻璃的内表面结构对器件的光学和电学性能的影响可以忽略。减反膜和玻璃前表面图案都有利于器件性能的提高。玻璃前表面结构为45°金字塔时, 光线在空气/玻璃界面能够发生多次反射, 同时在光线逃逸出组件时更容易发生全内反射, 提高了组件陷光性能。最后研究了不同的入射光角度对不同结构的器件性能的影响。结果表明, 金字塔结构在光入射角为0~10°和60~80°时表现出了优异性能, 减反膜在光入射角为20~50°时表现更好; 当同时使用减反膜和玻璃表面结构时, 与平面玻璃相比, 每日发电量可以增加5.6%。

针对电致发光缺陷检测仪的成像性能不一致的现状, 结合光伏组件自身的电致发光原理, 对分辨率、图像均匀性、图像显示等技术指标进行了分析和比较, 提出了一种适用于光伏组件生产线现场快速有效的检测技术。研制了相应的检测评估装置, 开展了相关测试试验。实验结果表明, 利用该技术对粘贴在组件上的分辨率测试板的图像进行视觉判读, 可实现1.98 lp/mm(线对每毫米)的最高分辨率检测以及0.1 mm线宽的最小单条纹缺陷模拟检测, 从而保证光伏组件的缺陷检测工作能够更加准确有效, 促进光伏产业的质量提升。经测试, 该评估技术适用于光伏组件生产线上的电致发光缺陷检测仪, 可满足目前光伏产业的检测需求。

开展了加速退化条件下光伏组件产品可靠度评估的研究, 提出了新型的基于GLD的光伏组件的伪失效寿命分布估算方法。首先, 利用可决系数检验法(R2)优选最佳加速退化轨迹, 得到样本组伪失效寿命值。然后, 应用Bootstrap法产生自助样本扩充样本群, 构建基于GLD的伪失效寿命分布模型, 该模型无需预设先验分布, 即可真实反映不同加速条件下光伏组件伪失效寿命分布形态。最后, 以18 W小功率Mono-Si单晶硅光伏组件加速性能退化数据为例, 估算了光伏组件在加速退化条件下的伪失效寿命分布和可靠度。结果表明: 在加速退化条件下, 本文方法得到的可靠度曲线与试验数据拟合结果很好, 绝对误差基本在±300 h内, 相对误差不超过±15%, 满足工程预测精度需求。

基于太阳能电池的一般理论模型，通过对太阳能电池的I-V 方程在短路点、最大功率点、开路点处进行一阶求导，构造代数方程组。根据光伏组件厂商提供的标准测试条件下的技术参数(短路电流、开路电压、最大功率点电流和电压等)，采用遗传算法，求解5 参量模型中的光生电流、反向饱和电流、等效串联电阻、等效并联电阻和理想因子等参数。与牛顿迭代法相比，遗传算法得到的结果稳定性和精确性更好，模拟结果的相对误差在2%左右。同时，针对Matlab 仿真环境，构建了光伏组件的仿真模拟器，可以对任意环境温度、太阳辐射强度下光伏组件的输出特性进行仿真实验，对光伏发电系统研究人员来说，具有很好的实用参考价值。

在光生电流远大于二极管反向饱和电流, 并联电阻为无穷大且二极管反向饱和电流与光强无关的假设条件下,理论上推导出全工况光伏组件输出特性预测模型,并采用Matlab/Simulink搭建了仿真系统.对单(多)晶硅光伏组件的实验与预测对比,表明模型可以准确预测组件在任意光强与温度下的输出特性,预测误差在6%以下.研究结果发现,相对于光强变化,温度变化对组件输出特性预测影响更大; 多晶硅组件预测难于单晶硅组件.对实际环境中单位光强与单位温度实时改变时的预测表明,组件输出主要由所受辐照总光强决定,而不是器件温度; 且需要根据外界情况调整组件的输出电压,以实现最大功率输出.