非接触IV测试增强反向偏压EL成像评估：抑制热斑效应，提升组件效率

 

随着光伏组件功率不断提升，太阳电池尺寸持续增大，导致光电流增加、散热面积减小，加之局部阴影或电池裂纹引起的电流失配，使热斑效应日益突出，严重时会造成背板黄变、性能衰减甚至火灾风险。然而，传统依赖整体漏电流的筛选方法无法识别局部漏电集中但总电流不高的高风险电池。美能光伏即将带来全新的非接触式IV测试解决方案，助力电池提效迈上新台阶。

本文提出一种基于反向偏压电致发光（EL）成像的TOPCon电池热斑快速评估模型，通过分析反向偏压下EL图像的灰度分布预测漏电流空间分布，并输出量化参数剔除高风险电池。实验表明，采用该模型筛选的组件热斑温度降低5~13°C（控制在171°C以下），户外测试中发电量损失减少约1%，且方法仅需EL图像输入，便于产线集成，实现了从制造环节主动防控热斑风险。

光伏组件的热点区域

模型建立

 Millennial Solar 

 

 

(a) 光伏组件中太阳电池的串-并-串连接方式；(b) 当一片电池被遮挡时发生的反向偏置电流；(c) 具有遮挡响应的太阳电池的I-V特性曲线

反向偏压EL图像的亮度与漏电流相关，可反映其空间分布。根据光子产生速率和电流方程，局部电流密度 J 与灰度值 g 的关系可表示为 J=Cg1/n，其中n为二极管理想因子。电池的温度和发热由漏电流的大小和分布共同决定。模型将电池划分为多个区域，对各区域内的漏电流进行积分，并乘以考虑散热差异的修正系数 k（边缘区域散热差，系数更大）。最终输出热斑风险值 Output=k×∫(g1/n⋅S)，取各区域中的最大值作为该电池的风险评估值。

EL图像处理

 Millennial Solar 

 

 

(a) 正向偏压0.7 V下的EL图像；(b) 反向偏压-10 V下的EL图像；(c) 未封装太阳电池的热成像图；(d–g) EL图像灰度值的数据处理过程

首先分别获取同一电池在正向偏压（0.7 V）和反向偏压（-10 V）下的EL图像。反向偏压图像中会出现大量不均匀的亮点，代表局部漏电流。然后去除背景噪声，仅保留高于阈值的灰度信号。接着计算灰度值的 n次根。最后将图像按400×800像素划分为4×8个区域（每个区域100×100像素），对各区域积分，并乘以不同的修正系数 k（范围1~4），得到各区域的风险值。该模型输出与红外热像图实测的热斑位置和强度高度吻合。

热分布预测性能

 Millennial Solar 
 

在-16 V反向偏压下，对未封装电池进行红外成像，实测热斑温度分别为150.7°C和82.4°C，与模型预测的区域分布一致。该模型能够有效筛选出易发生局部过热的电池，从而在制造阶段降低组件整体热斑风险。

实验方法

 Millennial Solar 

按反向电流参数Irev2分为三组：G1（0~0.1 A）、G2（0.1~1 A）、G3（>1 A，不用于商业组件，仅供实验）。电池被切片为半片（182×91 mm），再次测量漏电流。EL测试：正向0.7 V/0.015 s，反向-10 V/0.5 s。

热斑温度测量：在暗室中对半片电池施加反向偏压，用红外相机记录温度。组件测试：用未遮挡的22半片组件作为电源，与待测组件串联，在光照室（1000±50 W/m²，约60°C）中进行，待测组件用黑色条纹局部遮挡以诱发热点。

实测温度与模型预测对比

 Millennial Solar 

 

 

(a–c)反向偏压-16 V下未封装太阳电池的热成像图(d–f)本评估模型对三片太阳电池的输出结果

模型输出与实测热成像分布一致。例如，红外图像显示左下角有174.8°C热斑，模型输出也在同一区域出现峰值。观察还发现，电池倒角边缘和周边区域更容易出现高温，原因是这些区域可能存在刻蚀不完全导致的局部短路，且散热面积小，热量积累严重。

模型输出与热斑温度的关系

 Millennial Solar 

(a)整个光伏电池的漏电流与热斑温度的关系(b)模型评估参数与光伏电池热斑温度的关系

在-10 V至-20 V范围内测试，漏电流随反向偏压增加而上升，热斑温度也随之升高。G1组漏电流 < 0.25 A，热斑温度 < 80 °C；G2和G3组漏电流和温度均显著增加，且样品间温度离散性大。即使漏电流相近，热斑温度差异也可能超过100°C。这表明总漏电流无法反映局部电流集中程度，而模型能有效识别此类风险。基于-16 V数据建立线性关系，模型评估参数与热斑温度呈良好线性，斜率随漏电流增大而减小。

模型准确性评估

 Millennial Solar 

 

 

(a) 在−16 V反向偏压下测得的G3中电池的总漏电流、评估参数及热点温度；(b) 使用样品H和L制造的子模块的热成像图

传统方法仅依赖总漏电流，会漏掉像“H样品”这样漏电流低但热斑温度高的高风险电池。而模型输出与实测温度呈强线性相关，能准确识别高风险电池。将H和L样品层压成组件，在20%遮挡下测试，H样品组件最高温度171.0°C，L样品为150.5°C，与模型预测一致。

不同遮挡比例下的热斑温度

 Millennial Solar 

 

 

不同遮挡比例下热斑温度的变化

在0%~100%遮挡范围内测试，组件表面温度先升后降。10%~20%遮挡时，遮挡区域电阻增大，电池作为负载发热，热斑温度上升；30%~100%遮挡时，光生电流大幅减少，发热减弱，温度下降。100%遮挡时温度约80°C。后续实验选择约20%遮挡作为严苛条件。

热斑温度降低与发电性能提升

 Millennial Solar 

 

 

（a）不同漏电流范围层压子组件的热斑温度（b）标准双玻组件经模型筛选前后的热斑温度对比

光伏电站在热斑测试过程中的组件照片

(a)光伏电站的照片(b)热斑测试过程中组件的每日单位瓦时发电量及相对增益

层压子组件：G1~G3组中，经模型筛选后，G2和G3的最大热斑温度分别降低5.3°C和13.1°C，说明筛选对高漏电流电池效果显著。

双玻组件：同批次电池分两组，实验组经模型筛选后制造的组件，平均热斑温度降低8.6°C，最高温度降低超10°C。

户外验证：在浙江海宁户外电站，遮挡4片电池后，未经筛选的组件A热斑温度178.7°C，经筛选的组件B为165.0°C，降低约13°C。

发电量监测：40天户外测试中，前10天无遮挡，两组发电量相当。第11~30天模拟热斑，实验组发电量衰减小于对照组，相对增益从100%升至101%。第31~40天移除遮挡后，相对增益稳定在101±0.05%，说明热斑造成的功率衰减不可逆。模型不仅能降低热斑温度，还能维持长期发电稳定性。

本文建立了基于反向偏压EL成像的TOPCon电池热斑风险评估模型，可同时预测发热位置和严重程度，有效识别总漏电流低但局部发热集中的高风险电池。验证结果表明：模型可将层压板最大热斑温度降低5~13°C（控制在171°C以内）；组件级热斑温度从178.7°C降至165.0°C；户外测试显示筛选后组件发电量损失减少约1%。该模型有助于在制造环节主动防控热斑风险，降低对封装材料耐高温性能的要求，推动光伏组件环境耐久性的提升和行业的稳健发展。