近年来光伏发电产业发展迅速,热斑效应不仅严重影响光伏电站的发电效率而且严重影响了光伏电站的安全性,传统的热斑检测和定位方式难以满足大型光伏电站实际需求。因此,本文选取真实运行中的光伏电站红外热成像图像和可见光图像作为研究对象,提出一种基于红外图像与可见光图像的光伏阵列热斑检测与定位的方法,实现了热斑的自动检测与定位,具体如下:(1)提出了一种基于改进自适应增强(Adaptive Boosting,Adaboost)算法的光伏阵列检测方法。基于光伏阵列具有规则几何形状的先验知识,首先利用改进权重更新方式的Adaboost算法训练能够识别光伏阵列的级联分类器实现对完整光伏阵列的初步检测,然后在此基础上去除背景区域,最后根据去除背景的结果图寻找连通区域和光伏组件平均长度及高度检测光伏发电组件。(2)提出了基于完整光伏阵列初步检测框和光伏组件检测框的两次热斑检测判别方法。为了提高热斑检测的准确率,首先利用检测区域的最高温和平均温度进行热斑初筛,然后利用滑动窗口内的温度数据进行热斑二次判定,最后对两次检测得到的可疑热斑进行与运算和位置判断得到最终的结果。(3)提出了基于斜率和长度约束的光伏阵列红外热成像图像及可见光图像配准的热斑定位方法。首先利用改进Harris算法分别提取两幅图像中的特征点,然后基于最小欧式距离准则进行特征点粗匹配,最后在此基础上根据斜率约束准则和长度约束准则对粗匹配线段进行筛选,得到最终的精配准结果,从而实现热斑定位。实验结果表明,本文提出的算法不仅实现了光伏阵列热斑的自动检测与定位,而且算法运行效率和准确率都比较高,满足大型光伏电站的实际需求。