論文の概要: Data-driven soiling detection in PV modules

• arxiv url: http://arxiv.org/abs/2301.12939v1
• Date: Mon, 30 Jan 2023 14:35:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 14:24:26.262876
• Title: Data-driven soiling detection in PV modules
• Title（参考訳）: PVモジュールにおけるデータ駆動型土壌検出
• Authors: Alexandros Kalimeris, Ioannis Psarros, Giorgos Giannopoulos, Manolis Terrovitis, George Papastefanatos, Gregory Kotsis
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.6906336996604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Soiling is the accumulation of dirt in solar panels which leads to a decreasing trend in solar energy yield and may be the cause of vast revenue losses. The effect of soiling can be reduced by washing the panels, which is, however, a procedure of non-negligible cost. Moreover, soiling monitoring systems are often unreliable or very costly. We study the problem of estimating the soiling ratio in photo-voltaic (PV) modules, i.e., the ratio of the real power output to the power output that would be produced if solar panels were clean. A key advantage of our algorithms is that they estimate soiling, without needing to train on labelled data, i.e., periods of explicitly monitoring the soiling in each park, and without relying on generic analytical formulas which do not take into account the peculiarities of each installation. We consider as input a time series comprising a minimum set of measurements, that are available to most PV park operators. Our experimental evaluation shows that we significantly outperform current state-of-the-art methods for estimating soiling ratio.
• Abstract（参考訳）: 汚れはソーラーパネル内の汚れの蓄積であり、太陽エネルギーの収量の減少につながり、莫大な収益損失の原因となる可能性がある。 パネルを洗うことで土壌処理の効果を低減できるが、これは不可避なコストの手順である。 さらに、土壌モニタリングシステムはしばしば信頼できないか、非常にコストがかかる。 本研究では,太陽電池パネルをクリーンにした場合に発生する電力出力に対する実際の電力出力の比率を,太陽光発電モジュールの土壌比として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、すなわち各公園の土壌を明示的に監視する期間を必要とせず、各インストールの特異性を考慮しない一般的な分析式に頼ることなく、土壌を推定することです。 我々は,ほとんどのPV公園運営者が利用できる最小限の測定値からなる時系列を入力として考える。 実験により, 土質比を推定するための最先端手法を著しく上回っていることが明らかとなった。

関連論文リスト

• 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)
• Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
  太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。 しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。 本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-01T19:54:39Z)
• Model-Free Approach to Fair Solar PV Curtailment Using Reinforcement Learning [6.175137568373435]
  現在、PVインバータは過電圧に応じてエネルギー生産量を削減し、電子機器の損傷を防ぐ。 これは供給者の遠方の世帯に不当に影響を及ぼし、生産されるエネルギーの潜在的な価値を不当に割り当てる結果となった。 本稿では,システムとのインタラクションにより,適切なPV削減戦略を徐々に最適化する強化学習について検討する。
  論文  参考訳（メタデータ） (2022-12-13T12:54:10Z)
• 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)
• Domain Knowledge Aids in Signal Disaggregation; the Example of the Cumulative Water Heater [68.8204255655161]
  住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。 本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。 我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
  論文  参考訳（メタデータ） (2022-03-22T10:39:19Z)
• Feature Construction and Selection for PV Solar Power Modeling [1.8960797847221296]
  太陽光発電(PV)発電を予測するモデルを構築することで、意思決定者はエネルギー不足を補うことができる。 太陽エネルギーの出力は、光や天気など多くの要因に依存する時系列データである。 本研究では, 過去のデータをもとに, 1時間先進太陽エネルギー予測のための機械学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-02-13T06:49:28Z)
• 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)
• Optimizing a domestic battery and solar photovoltaic system with deep reinforcement learning [69.68068088508505]
  バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。 本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-09-10T10:59:14Z)
• SunDown: Model-driven Per-Panel Solar Anomaly Detection for Residential Arrays [1.4174475093445236]
  我々は、住宅用太陽電池アレイにおけるパネル当たりの断層を検出するために設計された、センサレスアプローチであるSunDownを提案する。 SunDownは故障検出のための新しいセンサーを一切必要とせず、代わりにモデル駆動のアプローチを採用している。 以上の結果から,SunDownは積雪や葉や破片,電気的故障などの欠陥を99.13%の精度で検出・分類できることがわかった。
  論文  参考訳（メタデータ） (2020-05-25T15:54:30Z)

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。