EL
。
目前电站上最为常用的方法组件测试方法是采用便携式设备对组件进行现场I-V和EL测试。而便携式组串I-V测试仪，转化STC条件下Pmax测试准确性仅为5%，精度较低，且严重依赖天气情况，无法准确反映组件
车上。该检测平台集成了组件I-V、EL及红外热成像三大功能，同时配置了温度控制系统，能够快速实现STC测试条件。测试设备方面，配置了3A+级太阳模拟器，6台高分辨EL测试工业相机和成像分辨率达到
验证。 协鑫集成水面漂浮组件分别在TUV莱茵及GCL实验室进行三个序列的特殊加强PID热水浸泡测试，组件总功率最大衰减不超过3.3%，IR及EL图像前后测试基本无差异。可见，协鑫集成漂浮光伏组件优异的抗PID
of electroluminescence images 通过量化分析EL图像测量二极管理想因子
目前状态：DTS准备中，预计于今年6月提交。
二极管理想因子n代表pn结电子的质量，与组件填充因子相关，是衡量
光伏电池片效率，开路电压和短路电流的一个非常有效的指标。该测试通过注入不同等级的电流得出不同强度的EL图像，从而计算出二极管理想因子。目前工作小组正在进行循环测试，已有的测试结果证实了标准中测试方法的
考虑功率测量再现性。此处衰减率没有和IEC 61215一样选择5%，是因为实验结果来看大多数组件在3%以下，如果选择5%，可能就无法发现LETID敏感组件。
IEC TS 63109基于EL成像
定量分析测量光伏电池、组件二极管理想因子
在半导体物理里，二极管理想因子表达为n，在1-2之间，越接近1越说明半导体器件的缺陷少复合少，对光伏器件来说，则代表转化效率越高。该技术规范通过定量分析EL成像
(EL)的强度与光伏电池内的少数载流子浓度成正比，根据相关方程可以通过注入电流与EL强度的关系推导出光伏电池的理想因子。2018年的WG2会议上，Keizo Asaoka展示了通过EL图像来推导
进行了冰雹测试，用直径25mm的冰球在23m/s的速度下对组件进行冲击，再对组件进行EL检测，结果显示：电池无隐裂，功率亦无衰减。 从多家组件企业提供的信息看，所有正式发布的
)表示，通过这种自动化BIPV生产线，可以降低不良率，该产线可以根据不同的产品设计进行调整，最大化减少停机时间。设备的宽度最大为3米，基本满足目前任何配置的组件要求，在产线内，EL检测设备可以保证最大
电力和可再生能源部长Mohamed Shaker El Markabi表示：可再生能源的发电能力可以达到近90 GW。 埃及设定了到2035年将可再生能源发电量的42%用于发电的目标。部长说，埃及目前正在进行研究以提高这一百分比。(1.0美元= 0.842欧元)
在光伏缺陷检测领域，特别是外观-AI自动识别，由于相比较EL-AI自动识别系统，外观缺陷数量更多，形态也更加复杂，对模型要求更高;外观图片大，需要占用更多的软硬件资源进行处理;EL、下外观、上外观的
AI计算需要消耗时间，并且需要做到同步，同时复判，同时回传等这三个现实难题，光伏缺陷检测领域内外观-AI自动识别技术面临很大难点和障碍。
光伏组件如果仅有EL的AI，没有外观的
功率分析仪、接地电阻检测仪、EL检测设备、红外热成像仪、太阳能辐照表、光伏组串(组件)I-V测试仪等。检测中心设置检测室，综合室。目前主要开展光伏电站质量、性能检测等工作。在光伏电站检测领域拥有丰富的
