一张发光图像量化功率损失：浙大团队提出光伏电站单次成像诊断方法

随着全球光伏装机规模持续扩大，电站运维正在面对一个越来越现实的问题：面对成千上万块光伏组件，如何快速找到性能下降的位置，并进一步判断这些异常究竟造成了多少发电损失？

近日，浙江大学兰东辰研究员团队联合量化能源提出了一种单次发光成像定量诊断方法，可以利用一张发光图像重构光伏组件的局部性能和功率损失。该方法已在300块来自实际运行现场的晶硅组件上完成验证，并进一步应用于实际光伏电站。相关成果以 “One-shot luminescence diagnostics for field-scale photovoltaics” 为题发表于 Matter & Light。

电致发光（EL）和光致发光（PL）成像是光伏领域常用的检测手段。组件内部出现裂纹、局部复合增强或导电受阻时，发光图像往往会呈现不同程度的明暗变化，因此一张图就能够快速显示组件内部哪些区域可能存在异常。这类成像方式特别适合大面积检测：相比逐块、逐点进行电学测试，图像可以同时记录整个组件甚至更大区域的状态，并可进一步与无人机等现场检测方式结合。但对于实际电站运维而言，看到异常并不等于知道异常造成了多少损失。同样一个较暗的区域，背后可能对应载流子复合增加，也可能来自裂纹、栅线断裂等造成的电阻损失。仅凭一次图像中的亮暗程度，通常不足以把这些因素完全区分开来。因此，传统的定量发光诊断往往需要改变电压、电流或光照条件，连续拍摄多张图像，再利用不同测试条件提供的额外信息反推出器件参数。到了大规模电站现场，多拍几张图意味着更多测试时间，还需要处理不同图像之间的配准和比较。对于无人机或其他大面积巡检方式而言，重复采集也会直接影响检测效率和实施成本。

针对这一问题，研究团队尝试将定量诊断所需要的信息压缩到一次成像中。该方法首先利用发光图像中的空间特征识别主导退化机制，将主要损失区分为复合主导和电阻主导两类，由此为单幅图像的定量分析补充必要的物理信息。随后，器件物理模型根据识别出的退化机制，进一步重构局部电学行为和功率损失，从而由一张发光图像得到定量诊断结果。由单幅发光图像重构得到的组件功率与常规 I–V 测试结果高度一致，总体均方根误差约为 0.5%，组件预测相对位于 ±1.5% 以内。

将多次成像减少到一次，最直观的好处是提高速度，但研究团队发现，它还可能减少传统多工况测试带来的一些额外误差。不同条件下连续获取的图像需要准确配准，而组件内部的电压分布和部分器件参数也可能随着测试条件变化。相比之下，在固定条件下完成一次采集，可以减少图像错位、差分处理和噪声放大等因素对定量结果的影响。

研究团队希望进一步推动这种诊断方式走向更快速、更具成本效益的现场应用。未来，如果能够周期性获得大规模组件的定量退化信息，电站运维就有可能按照实际功率损失程度而不仅仅是“是否存在缺陷”来确定维修、更换和巡检优先级。长期积累的数据还可以用于性能预测，为业主、投资者和保险机构评估运行风险和长期资产价值提供更加客观的依据。

论文 DOI：10.1016/j.matlit.2026.100093