論文の概要: Efficient anomaly detection method for rooftop PV systems using big data
and permutation entropy
- arxiv url: http://arxiv.org/abs/2301.06035v1
- Date: Sun, 15 Jan 2023 08:01:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 17:40:02.723764
- Title: Efficient anomaly detection method for rooftop PV systems using big data
and permutation entropy
- Title（参考訳）: ビッグデータと置換エントロピーを用いた屋上PVシステムの効率的な異常検出法
- Authors: Sahand Karimi-Arpanahi and Ali Pourmousavi
- Abstract要約: 本稿では,ビッグデータを用いた多数の屋上PVシステムに対する新しい異常検出手法と,重み付き置換エントロピー(WPE)と呼ばれる時系列複雑度測定手法を提案する。
この効率的な方法は、特定の領域における履歴PV生成データのみを使用して異常なPVシステムを特定し、新しいセンサやスマートデバイスを必要としない。
提案したPV異常検出法は,100世帯以上の豪州世帯の屋上PV発生データを用いて検証した。
- 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 number of rooftop photovoltaic (PV) systems has significantly increased
in recent years around the globe, including in Australia. This trend is
anticipated to continue in the next few years. Given their high share of
generation in power systems, detecting malfunctions and abnormalities in
rooftop PV systems is essential for ensuring their high efficiency and safety.
In this paper, we present a novel anomaly detection method for a large number
of rooftop PV systems installed in a region using big data and a time series
complexity measure called weighted permutation entropy (WPE). This efficient
method only uses the historical PV generation data in a given region to
identify anomalous PV systems and requires no new sensor or smart device. Using
a real-world PV generation dataset, we discuss how the hyperparameters of WPE
should be tuned for the purpose. The proposed PV anomaly detection method is
then tested on rooftop PV generation data from over 100 South Australian
households. The results demonstrate that anomalous systems detected by our
method have indeed encountered problems and require a close inspection. The
detection and resolution of potential faults would result in better rooftop PV
systems, longer lifetimes, and higher returns on investment.
- Abstract（参考訳）: 屋上太陽光発電システム(PV)の数は、オーストラリアを含む世界各地で近年著しく増加している。
この傾向は今後数年も続くと予想されている。
電力系統の発電効率が高いことから、屋上PVシステムの故障や異常を検出することは、高い効率と安全性を確保する上で不可欠である。
本稿では,ビッグデータを用いた多数の屋上PVシステムに対する新しい異常検出手法と,重み付き置換エントロピー(WPE)と呼ばれる時系列複雑度測定手法を提案する。
この効率的な方法は、特定の領域における履歴PV生成データのみを使用して異常なPVシステムを特定し、新しいセンサやスマートデバイスを必要としない。
実世界のPV生成データセットを用いて、WPEのハイパーパラメータをどのように調整するかについて議論する。
提案したPV異常検出法は,100世帯以上の豪州世帯の屋上PV発生データを用いて検証した。
その結果,本手法で検出された異常システムは実際に問題に遭遇し,綿密な検査を必要とすることがわかった。
潜在的な欠陥の検出と解決は、より良い屋上PVシステム、寿命の延長、投資のリターンの向上をもたらす。
関連論文リスト
- AI-Powered Dynamic Fault Detection and Performance Assessment in Photovoltaic Systems [44.99833362998488]
太陽光発電(PV)の断続的な性質により、電力損失は10-70%、エネルギー生産量は25%減少する。
現在の故障検出戦略はコストが高く、複雑なデータ信号プロファイルのために信頼性の低い結果が得られることが多い。
本研究では,PythonのPVlibライブラリを用いた動的損失量子化アルゴリズムを取り入れた計算モデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T23:52:06Z) - Space-scale Exploration of the Poor Reliability of Deep Learning Models: the Case of the Remote Sensing of Rooftop Photovoltaic Systems [0.7499722271664147]
ディープラーニングを用いた屋上PVシステムのリモートセンシングが有望なソリューションとして浮上した。
既存の技術は、屋上PVの最新の統計を構築するのに十分な信頼性を持っていない。
本研究では,屋上PVパネルの検出を訓練したディープラーニングモデルの分類精度に及ぼす分布シフトの影響を網羅的に評価する。
論文 参考訳（メタデータ） (2024-07-31T14:34:18Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - Can We Reliably Improve the Robustness to Image Acquisition of Remote
Sensing of PV Systems? [0.8192907805418583]
屋上PV設置のリモートセンシングは、屋根上PV設置車両の地域規模での進化を監視する最良の選択肢である。
我々は、宇宙スケール領域におけるモデルの予測を分解するウェーブレットスケール属性法(WCAM)を利用する。
WCAMにより、PVモデルのどのスケールが残留しているかを評価することができ、取得条件に対するロバスト性を改善する手法を導出するための洞察を提供する。
論文 参考訳（メタデータ） (2023-09-21T16:15:56Z) - DTW k-means clustering for fault detection in photovoltaic modules [0.07388859384645262]
本稿では、DTW K-meansと呼ばれる教師なしのアプローチを示す。
DWT(Dynamic Time Warping)メトリックとKmeansクラスタリングアルゴリズムの両方をデータ駆動アプローチとして活用する。
PV文字列におけるこの混合手法の結果は、パネルの視覚検査によって確立された診断ラベルと比較される。
論文 参考訳（メタデータ） (2023-06-13T07:42:35Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。
本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。
GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
論文 参考訳（メタデータ） (2022-07-21T23:02:35Z) - DeepSolar tracker: towards unsupervised assessment with open-source data
of the accuracy of deep learning-based distributed PV mapping [0.0]
既存の作業に基づいて、自動PVレジストリパイプラインを提案します。
このパイプラインは、すべての分散PVインストールの位置、エリア、インストール容量、傾き角を記録するデータセットを自動的に生成する。
本稿では,RNI(Registre national d'installation)に基づく非監督的手法を提案する。
当社のモデルは,50万平方キロメートル以上をカバーしているフランス9カ所のディパートメントにデプロイしています。
論文 参考訳（メタデータ） (2022-07-15T13:23:24Z) - Anomaly Detection in IR Images of PV Modules using Supervised
Contrastive Learning [4.409996772486956]
我々は、赤外線画像の異常を検出するために、教師付きコントラスト損失を伴うResNet-34畳み込みニューラルネットワークを訓練する。
本手法は,未知の種類の異常を迅速かつ確実に検出し,実践に適した手法である。
我々の研究は、教師なしドメイン適応を用いたPVモジュール故障検出をより現実的な視点でコミュニティに提供します。
論文 参考訳（メタデータ） (2021-12-06T10:42:28Z) - 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)
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。