國(guó)際研究團(tuán)隊(duì)開發(fā)出一套診斷框架，僅需一張光致發(fā)光（EL）圖像即可定量重建光伏組件性能。該框架將人工智能主導(dǎo)的退化路徑識(shí)別與基于載流子傳輸和復(fù)合的物理迭代重構(gòu)模型相結(jié)合，推動(dòng)技術(shù)從實(shí)驗(yàn)室向大規(guī)模光伏電站的高通量檢測(cè)與維護(hù)邁進(jìn)。

系統(tǒng)首先以固定注入電流（為短路電流密度的0.22倍）獲取組件的單張EL圖像。輕量級(jí)機(jī)器學(xué)習(xí)分類器據(jù)此判斷觀測(cè)到的退化是由復(fù)合損失（如光致衰減或電勢(shì)誘導(dǎo)衰減）主導(dǎo)，還是由缺陷相關(guān)的電阻損失（如電池片裂紋或柵線斷裂）主導(dǎo)。該分類提供了解釋單圖參數(shù)的物理約束，隨后基于物理的反演模型將發(fā)光強(qiáng)度空間變化映射至相關(guān)電學(xué)參數(shù)，重構(gòu)出復(fù)合電流或串聯(lián)電阻分布圖及像素級(jí)電流電壓特性。

研究人員在300塊現(xiàn)場(chǎng)回收的575瓦晶體硅組件上驗(yàn)證了該系統(tǒng)。這些組件來(lái)自不同生產(chǎn)批次與運(yùn)行環(huán)境，呈現(xiàn)不同的退化機(jī)制與失效模式。每塊組件僅在恒定注入電流下拍攝一次EL圖像并重構(gòu)Zui大功率，結(jié)果與受控室內(nèi)常規(guī)I-V測(cè)量值高度吻合。整體誤差僅約0.5%，多數(shù)模塊級(jí)誤差控制在1.5%以內(nèi)。該方法大幅縮短了測(cè)量時(shí)間，且單次無(wú)人機(jī)巡檢可覆蓋更大面積，精度甚至優(yōu)于多圖像方法。

團(tuán)隊(duì)進(jìn)一步在裝機(jī)容量186千瓦的光伏農(nóng)場(chǎng)（含342塊組件）中演示了該技術(shù)。通過夜間無(wú)人機(jī)EL成像，系統(tǒng)在電池片、組件及組串層級(jí)繪制了功率損失分布。在24塊代表性組件中，測(cè)得平均功率損失為7.53%，部分嚴(yán)重退化電池片區(qū)域損失達(dá)約25%。此外，該方法成功對(duì)比了三條各含28塊組件的組串，分別對(duì)應(yīng)輕度裂紋、嚴(yán)重裂紋與柵線斷裂，以及光致衰減工況。

研究團(tuán)隊(duì)正致力于優(yōu)化現(xiàn)場(chǎng)診斷流程，提升其速度與成本效益以適配常規(guī)光伏運(yùn)維，并將退化數(shù)據(jù)轉(zhuǎn)化為實(shí)際決策支持，包括優(yōu)先安排維修更換、改善性能預(yù)測(cè)，以及為評(píng)估運(yùn)營(yíng)風(fēng)險(xiǎn)與長(zhǎng)期資產(chǎn)價(jià)值提供更客觀依據(jù)。目前，團(tuán)隊(duì)還在探索將該技術(shù)應(yīng)用于鈣鈦礦及疊層光伏等新興太陽(yáng)能技術(shù)。相關(guān)已于《Matter & Light》期刊，浙江大學(xué)、南京量化能源、浙江省光電功能材料與器件重點(diǎn)實(shí)驗(yàn)室及澳大利亞新南威爾士大學(xué)研究人員共同參與了該項(xiàng)研究。