1.一种基于大数据在线监测的光伏组件故障定位分析方法，其特征在于，包括如下步骤：S1.光伏板识别统计：对设定区域所属光伏阵列中的光伏板进行识别，进而统计各光伏板；

S2.光伏板基本参数获取：获取各光伏板的基本参数；

S3.电力特性参数监测分析：根据各光伏板的基本参数，并对各光伏板的电力特性参数进行监测和分析，据此筛分各异常运行光伏板；

S4.结构组件划分统计：将各异常运行光伏板的结构层进行划分，统计各异常运行光伏板的各结构组件，其中各结构组件包括表观结构组件、基础支撑结构组件和内部结构组件；

S5.结构组件信息参数监测分析：对各异常运行光伏板的各结构组件所属信息参数进行监测，评估各异常运行光伏板的各结构组件所属运行风险指数；

对各异常运行光伏板的表观结构组件所属信息参数进行监测，具体步骤为：

A1：对各异常运行光伏板进行实景扫描，构建各异常运行光伏板的实体模型，从中提取各异常运行光伏板的表观结构组件所属信息参数，其中表观结构组件所属信息参数包括铝边框所属外边缘轮廓、铝边框与所属覆盖玻璃衔接的狭缝线条以及覆盖玻璃的外观图像；

A2：依据WEB云端存储的各光伏板的参照实体模型，进而提取各异常运行光伏板的表观结构组件所属参照信息参数，包括铝边框所属参照外边缘轮廓、铝边框与所属覆盖玻璃衔接的参照狭缝线条以及覆盖玻璃的参照外观图像；

A3：将各异常运行光伏板的铝边框所属外边缘轮廓与对应的参照外边缘轮廓进行重合比对，提取各异常运行光伏板的铝边框所属外边缘轮廓的重合线条长度 ，同时提取对应的参照外边缘轮廓线条长度 ，j为各异常运行光伏板的编号， ；

A4：将各异常运行光伏板的铝边框与所属覆盖玻璃衔接的狭缝线条进行采样点布设，得到各采样点，进而提取各异常运行光伏板的铝边框与所属覆盖玻璃衔接的狭缝在各采样点处的线条宽度 ，同理提取对应的狭缝在各采样点处的参照线条宽度 ，d为各采样点的编号， ；

A5：将各异常运行光伏板的覆盖玻璃的外观图像进行灰度处理，得到各异常运行光伏板的覆盖玻璃的外观灰度图像，并将其以系统样点布设方式进行检测点布设，得到各外观检测点，进而提取各异常运行光伏板的覆盖玻璃在各外观检测点的图像灰度值 ，同理提取对应的覆盖玻璃在各外观检测点的参照图像灰度值 ，g为各外观检测点的编号，；

计算各异常运行光伏板的表观结构组件所属运行风险指数 ，具体公式为：

，其中f和t

分别为采样点和外观检测点数量， 为设定的铝边框所属外边缘轮廓重合线条长度对应的运行风险评估阈值， 和 分别为设定的铝边框与所属覆盖玻璃衔接的狭缝线条宽度以及覆盖玻璃的外观图像灰度值对应的允许偏差值， 、 和 分别为预设的铝边框所属外边缘轮廓重合线条长度、铝边框与所属覆盖玻璃衔接的狭缝线条宽度以及覆盖玻璃的外观图像灰度值对应的运行风险评估修正值，e表示为自然常数；

S6.结构组件运行异常反馈：依据各异常运行光伏板的各结构组件所属运行风险指数，进而处理得到异常运行光伏板的故障排查次序条件信息，并通过智能显示终端进行结构组件运行异常反馈；

对各异常运行光伏板的基础支撑结构组件所属信息参数进行监测，具体步骤为：

B1：依据各异常运行光伏板的实体模型，提取各异常运行光伏板的铝边框所属各端点的水平高度 ，m为各端点的编号， ；

B2：依据WEB云端存储的各光伏板的铝边框所属各端点的初始水平高度，进而提取各异常运行光伏板的铝边框所属各端点的初始水平高度 ；

B3：提取各异常运行光伏板的铝边框所属下边缘轮廓线，将其等间距划分，得到各异常运行光伏板的铝边框所属各下边缘参考点，进而将其与对应的上边缘轮廓线进行最短直线衔接，得到各异常运行光伏板的所属各外立面参考衔接线，并将其向水平地面进行延伸，进而提取各异常运行光伏板的所属各外立面参考衔接线与水平地面之间的夹角，记作为各异常运行光伏板的所属各参考放置角，并提取对应的角度 ，w为各参考放置角的编号，；

B4：从WEB云端提取各异常运行光伏板的初始放置角所属角度 ；

计算各异常运行光伏板的基础支撑结构组件所属运行风险指数 ，具体公式为：

，其中y为参考放

置角数量，和 分别为异常运行光伏板的铝边框所属端点的水平高度和参考放置角的角度对应的运行风险评估影响权重因子；

对各异常运行光伏板的内部结构组件所属信息参数进行监测，具体步骤为：

C1：对各异常运行光伏板进行温度监测点布设，得到各异常运行光伏板的各温度监测点；

C2：对各异常运行光伏板的各温度监测点进行红外温度检测，得到各异常运行光伏板的各温度监测点所属温度 ，x为各温度监测点的编号， ，同步对当前所属环境温度进行监测，得到当前所属环境温度，并记为 ；

C3：将当前所属环境温度与WEB云端存储的各种环境温度区间对应光伏板的适配运行温度进行匹配，得到各异常运行光伏板的适配运行温度 ；

计算各异常运行光伏板的内部结构组件所属运行风险指数 ，具体公式为：

，其中z为温度监测点数量，

为预定义的异常运行光伏板的温度修正补偿值， 为预定义的异常运行光伏板的运行温度所属偏差阈值，为设定的环境温度与光伏板温度所属单位温度差值对应的运行风险影响因子。

2.根据权利要求1所述的一种基于大数据在线监测的光伏组件故障定位分析方法，其特征在于：所述各光伏板的基本参数包括类型、电池板有效面积 和应用时间点，p为各光伏板的编号， 。

3.根据权利要求2所述的一种基于大数据在线监测的光伏组件故障定位分析方法，其特征在于：所述对各光伏板的电力特性参数进行监测，具体包括：将预设使用时间段进行等比例分割，得到各监测使用时间点，并编号为 ；

在各监测使用时间点中对各光伏板的电力特性参数进行监测，其中电力特性参数包括输出电流和输出电压，得到各监测使用时间点对应各光伏板的输出电流和输出电压，进而处理得到各监测使用时间点对应各光伏板的输出功率 ，并均值计算得到预设使用时间段中各光伏板的平均输出功率 ；

对设定区域所属光伏阵列的太阳辐照度进行监测，将其作为各光伏板的参照太阳辐照度，进而统计各监测使用时间点中各光伏板的参照太阳辐照度；

依据各光伏板的类型，将其与WEB云端存储的各类型光伏板对应单位有效面积的电池板所属各种参照太阳辐照度区间下的适配输出功率进行匹配，得到各监测使用时间点中各光伏板对应单位有效面积的电池板所属适配输出功率 ；

依据各监测使用时间点，并根据各光伏板的应用时间点，提取各监测使用时间点对应各光伏板的应用时长 ，同时依据各光伏板的类型，进而与WEB云端存储的各类型光伏板对应电池板所属单位时长的输出功率损耗因子进行匹配，得到各光伏板对应电池板所属单位时长的输出功率损耗值 ；

对各光伏板的电力特性参数进行分析，得到各光伏板的电力稳定输出指数 ，具体的计算公式为： ，其中 为预设的光伏板对应电池板所属输出功率允许偏差值， 为预设的光伏板对应电池板所属输出功率的修正补偿值， 为预设的光伏板对应电池板所属输出功率的电力输出稳定影响因子。