태양광 모듈의 저{0}}에너지 파괴를 감지하는 방법: 기술 가이드

저-에너지 균열은 PV 모듈에서 발생할 수 있는 가장 해로운 유형의 균열입니다. 충격력이 낮아서 단 24시간 후에 육안으로 감지하기 어렵고 모듈 자체의 제한된 영역에서 발생하기 때문입니다. 이는 초기 골절의 손상 영역을 제한하며 반드시 이 초기 위치에서 추가 골절이 전파되는 것은 아닙니다. 크기가 작고 효과 범위가 제한되어 있기 때문에 일반적으로 정기 검사 중에 쉽게 식별할 수 없습니다. 이러한 균열이 감지되지 않고 계속되면 모듈 에너지 생산이 감소하고 직렬 저항이 증가하며 조기 모듈 오류가 발생합니다. 이 기사의 목적은 PV 모듈의 저-에너지 균열을 식별하는 다양한 방법과 관련된 정보를 제공하는 것입니다.

태양광(PV) 모듈에는 제조 응력, 운송 중 진동, 설치 중 부적절한 취급, 열 주기 및 기계적 부하(예: 우박이나 눈 쌓임)와 같은 다양한 요인으로 인해 저에너지 균열이 발생할 수 있는 전면 유리가 있습니다.- 저-에너지 균열은 크고 명백한 손상과 유사해 보이지만 PV 모듈의 구조적 무결성을 즉시 손상시키지 않으며 정상적인 작동 조건에서 처리하지 않고 방치하면 계속 확장됩니다. 이는 표준 RGB 이미지와 적외선 온도 측정법 모두 이러한 결함을 쉽게 보여주지 않기 때문에 자산 소유자/운영자가 낮은 에너지 균열을 찾는 데 상당한 어려움을 야기합니다.{6}} 따라서 저-에너지 균열은 대규모 PV 시설과 관련하여 숨겨진 책임을 발생시킵니다.

저에너지 파손 감지의 초석은 -PV 모듈의 내부 결함을 식별하기 위한 업계 최고의 표준으로 널리 알려진 비파괴 검사 방법인 EL(전자발광) 이미징입니다. EL 이미징은 광전지 모듈의 EL 이미징 방법을 지정하는 국제 벤치마크인 IEC 60904-13에 따라 공식적으로 표준화되었습니다.

EL 이미징은 반도체 재료의 전기발광 특성을 활용합니다. PV 모듈이 제어된 직류-로 순방향 바이어스된 경우-단락 전류(Isc)-일반적으로 0.8~1.2배-태양 전지 내의 PN 접합은 전자-정공 재결합을 통해 근{7}}적외선 광자(파장 800~1100nm)를 방출합니다. 900~1300nm의 파장을 감지할 수 있는 InGaAs 또는 냉각형 Si-CCD 센서가 장착된-고감도 카메라-는 이러한 희미한 빛 신호를 캡처하여 회색조 이미지로 변환합니다. 건강한 세포에서는 EL 이미지가 균일하게 밝게 나타납니다. 결함-균열, 손가락 중단, 골절 또는 션트-의 영향을 받는 영역에서는 전하 캐리어의 비정상적인 재결합으로 인해 발광이 감소되어 어두운 선, 어두운 점 또는 국부적인 어두운 영역으로 나타납니다.

특히 저-에너지 균열의 경우 EL 이미징을 사용하면 눈에 보이지 않는 미세한 검정색 선이나 분기 패턴으로 균열을 나타낼 수 있습니다. 최신 EL 시스템의 공간 분해능은 10μm까지 도달할 수 있어 아주 미세한-균열도 감지할 수 있습니다. 테스트는 조명이 제어되는-환경-주로 암실이나 차양이 있는-주변광 간섭을 방지하는 환경에서 수행됩니다. 노출 시간은 일반적으로 카메라 감도와 모듈 유형에 따라 1~30초입니다.

Daylight EL 이미징: 현장 검사를 위한 혁신

기존 EL 테스트에서는 오랫동안 암실 조건이 필요했기 때문에-운영 중인 PV 발전소의 대규모 현장 검사에는 비실용적이었습니다. 그러나 2026년 중반{3}}덴마크 공과 대학의 연구원들이 저에너지 전면 유리 균열을 감지하기 위해 특별히 설계된 새로운 일광 EL 이미징 방법을 개발하면서 획기적인 발전이 이루어졌습니다.

혁신은 한때 문제로 여겨졌던 -햇빛과 카메라 움직임-을 장점으로 바꾸는 데 있습니다. 순방향-방법은 변조된 전류로 PV 모듈을 바이어스하여 EL 신호를 방출하게 합니다. InGaAs 단파 적외선(SWIR) 카메라는 일반적으로 드론에 장착된 카메라가 약간 움직이는 동안 여러 이미지를 기록합니다. 카메라가 움직이면서 깨진 유리는 프레임마다 햇빛을 다르게 반사합니다. 소프트웨어는 모듈 모서리를 감지하고, 모든 프레임에서 모듈을 추적 및 정렬하며, FFT(고속 푸리에 변환) 처리를 적용하여 일광 소음을 줄이면서 EL 신호를 추출합니다. 재구성된 이미지는 일광 반사 변화로 인해 눈에 보이는 -셀 결함-과 유리 균열과 같은 기존 EL 정보를 모두 보여줍니다.

팀은 대학의 PV 발전소에서 통제된 실험실 실험과 실제 드론 검사를 통해 기술을 검증했습니다. 640×512픽셀 InGaAs 카메라가 장착된 상업용 드론을 사용하여 최적의 이미징 거리가 8~12미터이고 균열 감지 신뢰성이 15미터 이상 감소한다는 사실을 발견했습니다.

적외선 열화상 측정: 보완적인 접근 방식

EL(전자발광) 이미징은 "광 출력"을 관찰하여 균열이나 파손을 감지합니다. 이 방법은 비-침습적입니다. 전기 연결이나 전선은 EL 카메라를 통해 모듈이 나타나는 방식에 영향을 미치지 않습니다. 적외선(IR) 열분석도는 다른 매체인 열 신호를 사용하여 파손 감지의 또 다른 형태를 나타냅니다. 햇볕이 잘 드는 위치에 설치된 광전지(PV) 모듈은 정상(또는 양호) 셀 전체에서 균일한 온도를 유지하며 전류에 대한 저항이 증가하여 결함에 대한 국부적인 가열을 나타냅니다. IR 카메라는 섭씨 수 도에서 수십 도 범위에 있을 수 있는 이러한 온도 차이를 포착합니다.

저에너지 균열의 경우-적외선 열화상은 균열 자체가 직접적으로 보이지 않는 경우에도 균열-국지적인 핫스팟으로 이어지는 직렬 저항 증가-의 열적 결과를 밝힐 수 있습니다. 최신 적외선 감지 시스템은 휴대용 장치에서 드론-장착 플랫폼으로 발전하여 전체 PV 발전소에 대한 신속한 비접촉 검사가 가능해졌습니다.- EL 이미징과 결합하면 적외선 열화상 측정을 통해 모듈 상태를 더욱 완벽하게 파악할 수 있습니다.

인공 지능: 탐지 정확도 향상

EL 및 적외선 검사로 생성되는 엄청난 양의 이미지로 인해-특히 대규모 유틸리티-규모의 공장-에서 수동 분석이 불가능해졌습니다. 기존의 품질 검사에서는 엔지니어가 화면을 응시하면서 경험을 통해 결함을 식별해야 했습니다.{4}}이 프로세스는 모듈당 최소 1분이 소요되었으며 피로, 감지 누락 및 잘못된 판단이 발생하기 쉬웠습니다.

인공지능이 이런 풍경을 변화시켰습니다. 연구원들은 EL 이미징 기술을 기반으로 하는 AI{1}} 기반 시각적 인식 방법을 개발했습니다. EL 이미지 획득, 사전 처리 및 고급 신경망 모델(예: 주의 메커니즘을 갖춘 개선된 ResNet)-과 같은 고급 신경망 모델,{3}을 포함하는 완전한 프레임워크를 구축함으로써 이러한 시스템은 단 0.07%의 누락된 감지율로 99.8%의 결함 식별 정확도를 달성하고{6}} 단 8초 만에 단일 이미지를 처리합니다. 이는 수동 검사와 기존 알고리즘 접근 방식에 비해 극적인 개선을 나타냅니다.

모듈 작동을 중단하지 않고 파손을 감지하기 위한 새로운 접근 방식에는 동적 전기 반응을 분석하는 것이 포함됩니다. 이 방법은 정상 작동 중에 PV 모듈의 전기적 동작을 모니터링하고 균열을 나타내는 이상 현상을 식별합니다. 시스템 종료나 특수 영상 장비가 필요하지 않기 때문에 태양 에너지 시스템의 지속적인 상태 모니터링을 위한 실용적인 솔루션을 제공합니다.

저에너지 균열 감지는 확립된 표준에 따라 수행되어야 합니다.- IEC 60904-13은 EL 이미징을 위한 프레임워크를 제공하는 반면, IEC 61730-2는 모듈 안전 인증을 다루고 파손 테스트 조항을 포함합니다. IEC TS 62782는 동적 응력 하에서 파손되기 쉬운 모듈을 식별하는 데 도움이 될 수 있는 주기적 기계적 부하 테스트 방법을 지정합니다. 현장 검사의 경우 EL 이미징(특히 새로운 일광 방식), 적외선 열화상 측정 및 AI 기반 분석의 조합이 최신 기술을 나타냅니다.

광전지(PV) 모듈의 저{0}}에너지 파괴 감지는 다층 전략을 통해 이루어집니다. 이 전략의 기초는 일광 시간 동안 대규모 현장 검사를 수행할 수 있는 드론- 기반 시스템의 최근 도입으로 발전된 전기발광 이미징(ELI)의 사용입니다. 또한 적외선 열화상 측정(IRT)은 모듈 내 저에너지 파괴 결함의 존재 여부를 평가하는 보완적인 열 데이터를 제공하며, 인공 지능(AI) 기술을 통해 대규모로 신속하고 정확한 분석이 가능합니다. 태양광 기업이 단기 성장보다-장기적 성과에 중점을 두면서-저에너지 균열을 감지하고 해결하는 능력이-PV 자산의 장기적인 안정성과 자금 조달 가능성에 점점 더 중요해질 것입니다.