論文の概要: Identification of Surface Defects on Solar PV Panels and Wind Turbine
Blades using Attention based Deep Learning Model
- arxiv url: http://arxiv.org/abs/2211.15374v3
- Date: Mon, 8 Jan 2024 19:27:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 20:52:59.838010
- Title: Identification of Surface Defects on Solar PV Panels and Wind Turbine
Blades using Attention based Deep Learning Model
- Title（参考訳）: 意図に基づく深層学習モデルによる太陽電池パネルと風車ブレードの表面欠陥の同定
- Authors: Divyanshi Dwivedi, K. Victor Sam Moses Babu, Pradeep Kumar Yemula,
Pratyush Chakraborty, Mayukha Pal
- Abstract要約: 再生可能エネルギー資産の表面欠陥の検出は、これらのプラントの性能と効率を維持するために重要である。
本稿では,再生可能エネルギー資産のための経済的な表面モニタリングシステムを実現するための,革新的な検出枠組みを提案する。
高解像度の画像は定期的に撮影され、太陽パネルや風力タービンブレードの表面や構造的な損傷を特定するために検査される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The global generation of renewable energy has rapidly increased, primarily
due to the installation of large-scale renewable energy power plants. However,
monitoring renewable energy assets in these large plants remains challenging
due to environmental factors that could result in reduced power generation,
malfunctioning, and degradation of asset life. Therefore, the detection of
surface defects on renewable energy assets is crucial for maintaining the
performance and efficiency of these plants. This paper proposes an innovative
detection framework to achieve an economical surface monitoring system for
renewable energy assets. High-resolution images of the assets are captured
regularly and inspected to identify surface or structural damages on solar
panels and wind turbine blades. {Vision transformer (ViT), one of the latest
attention-based deep learning (DL) models in computer vision, is proposed in
this work to classify surface defects.} The ViT model outperforms other DL
models, including MobileNet, VGG16, Xception, EfficientNetB7, and ResNet50,
achieving high accuracy scores above 97\% for both wind and solar plant assets.
From the results, our proposed model demonstrates its potential for monitoring
and detecting damages in renewable energy assets for efficient and reliable
operation of renewable power plants.
- Abstract（参考訳）: 再生可能エネルギーの世界的な発電は、主に大規模再生可能エネルギー発電所の設置により急速に増加している。
しかし、これらの大規模プラントにおける再生可能エネルギー資産のモニタリングは、発電の減少、機能不全、資産生活の劣化をもたらす環境要因のため、依然として困難である。
したがって, 再生可能エネルギー資産の表面欠陥の検出は, これらのプラントの性能と効率の維持に不可欠である。
本稿では,再生可能エネルギー資産の経済面モニタリングシステムを実現するための革新的な検出手法を提案する。
資産の高解像度画像は定期的に撮影され、ソーラーパネルや風力タービンブレードの表面や構造上の損傷を特定するために検査される。
コンピュータビジョンにおける最新の注目型ディープラーニング(DL)モデルの1つである {Vision transformer (ViT) は表面欠陥を分類するために提案されている。
ViTモデルは、MobileNet、VGG16、Xception、EfficientNetB7、ResNet50などの他のDLモデルよりも優れており、風力およびソーラープラント資産の99%以上の精度のスコアを得る。
提案モデルにより, 再生可能エネルギー資産の損傷をモニタリングし, 検出し, 効率よくかつ信頼性の高い発電プラントを運用できる可能性が示された。
関連論文リスト
- PV-faultNet: Optimized CNN Architecture to detect defects resulting efficient PV production [0.0]
本研究では,太陽光発電(PV)セルの高効率かつリアルタイムな欠陥検出に最適化された,軽量な畳み込みニューラルネットワーク(CNN)アーキテクチャであるPV-faultNetを提案する。
このモデルにはわずか292万のパラメータが含まれており、精度を犠牲にすることなく処理要求を大幅に削減している。
91%の精度、89%のリコール、90%のF1スコアを達成し、PV生産におけるスケーラブルな品質管理の有効性を実証した。
論文 参考訳（メタデータ） (2024-11-05T10:58:37Z) - Comprehensive Forecasting-Based Analysis of Hybrid and Stacked Stateful/ Stateless Models [0.0]
風速は再生可能エネルギーの強力な供給源であり、電力生産のための再生不可能な資源の代替として利用することができる。
本稿では,4つのディープリカレントニューラルネットワークについて論じる。スタックドステートレスLSTM,スタックドステートレスGRU,スタックドステートフルLSTM,スタックドステートフルGRU。
本論文は,それらのアーキテクチャを記述したモデルの性能を包括的に分析し,RMSE値の助けを借りて効率よく結果を導き出す。
論文 参考訳（メタデータ） (2024-04-30T07:18:10Z) - Unveiling the Invisible: Enhanced Detection and Analysis of Deteriorated
Areas in Solar PV Modules Using Unsupervised Sensing Algorithms and 3D
Augmented Reality [1.0310343700363547]
本稿では,太陽光発電モジュールのホットスポットやスネールトレイルなどの異常を自動的に同定し,解析する基盤となる手法を提案する。
従来の診断法と修復法を変換することにより,効率を高めるだけでなく,PVシステムのメンテナンスコストを大幅に削減する。
我々の目指すのは、リアルタイムで自動ソーラーパネル検出にドローン技術を活用することで、PVのメンテナンスの有効性を大幅に向上させることです。
論文 参考訳（メタデータ） (2023-07-11T09:27:00Z) - Long-Term Hourly Scenario Generation for Correlated Wind and Solar Power
combining Variational Autoencoders with Radial Basis Function Kernels [0.0]
本研究では,風力発電と太陽光発電の長期シナリオを創出するための革新的な手法を提案する。
人工ニューラルネットワークアーキテクチャにラジアル基底関数(RBF)カーネルを組み込むことで、正規化特性を改善した潜在空間を得る。
論文 参考訳（メタデータ） (2023-06-27T14:02:10Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - Location-aware green energy availability forecasting for multiple time
frames in smart buildings: The case of Estonia [0.5156484100374058]
本研究の目的は、異なる機械学習モデルを用いて、天気と派生した特徴に基づいてPVシステムの出力パワーを予測することである。
目的は、データを調べて出力パワーを正確に予測する最適なモデルを得ることである。
論文 参考訳（メタデータ） (2022-10-04T14:02:43Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。
本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。
発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
論文 参考訳（メタデータ） (2022-04-25T16:35:19Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。