論文の概要: Fault diagnosis for PV arrays considering dust impact based on transformed graphical feature of characteristic curves and convolutional neural network with CBAM modules

• arxiv url: http://arxiv.org/abs/2304.06493v1
• Date: Fri, 24 Mar 2023 09:55:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-16 21:48:28.228776
• Title: Fault diagnosis for PV arrays considering dust impact based on transformed graphical feature of characteristic curves and convolutional neural network with CBAM modules
• Title（参考訳）: 特性曲線の変換グラフィカル特徴とCBAMモジュールによる畳み込みニューラルネットワークに基づくダスト衝突を考慮したPVアレイの故障診断
• Authors: Jiaqi Qu, Lu Wei, Qiang Sun, Hamidreza Zareipour, Zheng Qian
• Abstract要約: ダスト衝突を考慮したPVアレイの故障診断手法を提案する。 畳み込みブロックアテンションモジュール (CBAM) を用いた畳み込みニューラルネットワーク (CNN) のモデルは, 故障の識別情報を抽出するために設計されている。 種々の動作条件下で異なるブロッキングダイオード構成を持つPVアレイの開発手法は、高い故障診断精度と信頼性を有する。
• 参考スコア（独自算出の注目度）: 3.8256083307758804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various faults can occur during the operation of PV arrays, and both the dust-affected operating conditions and various diode configurations make the faults more complicated. However, current methods for fault diagnosis based on I-V characteristic curves only utilize partial feature information and often rely on calibrating the field characteristic curves to standard test conditions (STC). It is difficult to apply it in practice and to accurately identify multiple complex faults with similarities in different blocking diodes configurations of PV arrays under the influence of dust. Therefore, a novel fault diagnosis method for PV arrays considering dust impact is proposed. In the preprocessing stage, the Isc-Voc normalized Gramian angular difference field (GADF) method is presented, which normalizes and transforms the resampled PV array characteristic curves from the field including I-V and P-V to obtain the transformed graphical feature matrices. Then, in the fault diagnosis stage, the model of convolutional neural network (CNN) with convolutional block attention modules (CBAM) is designed to extract fault differentiation information from the transformed graphical matrices containing full feature information and to classify faults. And different graphical feature transformation methods are compared through simulation cases, and different CNN-based classification methods are also analyzed. The results indicate that the developed method for PV arrays with different blocking diodes configurations under various operating conditions has high fault diagnosis accuracy and reliability.
• Abstract（参考訳）: PVアレイの動作中に様々な障害が発生し、塵の影響のある動作条件と様々なダイオード構成の両方が断層をより複雑にする。 しかし、I-V特性曲線に基づく現在の故障診断法は部分的特徴情報しか利用せず、しばしばフィールド特性曲線を標準試験条件(STC)に校正することに頼っている。 pvアレイの異なるブロッキングダイオード構成に類似性を持つ複数の複雑な欠陥を,ダストの影響下で正確に同定することは,実際に適用することは困難である。 そこで, ダスト衝突を考慮した新しいPVアレイ故障診断法を提案する。 プリプロセッシング段階では、Isc-Voc正規化文法角差場(GADF)法が提示され、I-VおよびP-Vを含むフィールドから再サンプリングされたPVアレイ特性曲線を正規化し変換し、変換されたグラフィカル特徴行列を得る。 そして、障害診断段階では、畳み込みブロック注意モジュール(CBAM)を用いた畳み込みニューラルネットワーク(CNN)モデルが、完全な特徴情報を含む変換されたグラフィカル行列から断層識別情報を抽出し、故障を分類するように設計されている。 また,シミュレーション事例を用いて異なる特徴変換法を比較し,cnnに基づく分類法も分析した。 その結果,様々な動作条件下で異なるブロッキングダイオード構成を持つPVアレイの開発手法は,高い故障診断精度と信頼性を有することがわかった。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Multi-Class Anomaly Detection based on Regularized Discriminative Coupled hypersphere-based Feature Adaptation [85.15324009378344]
  本稿では,修正正規化識別変分オートエンコーダ(RD-VAE)によって得られたクラス識別特性を特徴抽出プロセスに組み込んだ新しいモデルを提案する。 提案した正規化識別型超球型特徴適応(RD-CFA)は,多クラス異常検出のための解である。
  論文  参考訳（メタデータ） (2023-11-24T14:26:07Z)
• An Empirical Study on Fault Detection and Root Cause Analysis of Indium Tin Oxide Electrodes by Processing S-parameter Patterns [1.8843687952462742]
  酸化インジウム(ITO)電極は、ディスプレイ、センサー、太陽電池などの光エレクトロニクスにおいて重要な役割を担っている。 従来の視覚検査は透明ITO電極では困難である。 次に、多層パーセプトロン(MLP)、畳み込みニューラルネットワーク(CNN)、トランスフォーマーなどのディープラーニングアプローチを使用して、欠陥の原因と重症度を同時に解析する。
  論文  参考訳（メタデータ） (2023-08-16T08:33:50Z)
• Multi-module based CVAE to predict HVCM faults in the SNS accelerator [2.4270495160901446]
  本稿では,複数の高電圧コンバータ変調器(HVCM)から発生する電力信号の異常を検出するための,条件付き変分オートエンコーダ(CVAE)に基づくフレームワークを提案する。 特定の変調器型のモデルに、通常の波形の異なる表現をキャプチャし、与えられたモジュールタイプに対して限られたサンプルを持つ場合に、特定のタイプの障害を特定するためのモデルの感度を向上させるよう条件を定めている。
  論文  参考訳（メタデータ） (2023-04-20T20:41:38Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
  データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。 モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。 提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2021-10-17T13:42:37Z)
• Disentangling Generative Factors of Physical Fields Using Variational Autoencoders [0.0]
  本研究は,非線形次元低減のための変分オートエンコーダ (VAE) の利用について検討する。 不整合分解は解釈可能であり、生成的モデリングを含む様々なタスクに転送することができる。
  論文  参考訳（メタデータ） (2021-09-15T16:02:43Z)
• A novel Time-frequency Transformer and its Application in Fault Diagnosis of Rolling Bearings [0.24214594180459362]
  シーケンス処理における標準変換器の膨大な成功に触発された新しい時間周波数変換器(TFT)モデルを提案する。 本稿では,TFTに基づく新しいエンドツーエンドの故障診断フレームワークについて述べる。
  論文  参考訳（メタデータ） (2021-04-19T06:53:31Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Implicit supervision for fault detection and segmentation of emerging fault types with Deep Variational Autoencoders [1.160208922584163]
  本研究では,ラベル付きおよびラベルなしサンプルを用いた可変オートエンコーダ(VAE)を提案する。 これによりコンパクトで情報に富んだ潜在表現が生成され、未確認のフォールトタイプの検出とセグメンテーションが良好になる。 本研究では,提案手法が他の学習方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2019-12-28T18:40:33Z)

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。