論文の概要: Micro-Fracture Detection in Photovoltaic Cells with Hardware-Constrained Devices and Computer Vision

• arxiv url: http://arxiv.org/abs/2403.05694v1
• Date: Fri, 8 Mar 2024 22:09:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 12:52:51.275012
• Title: Micro-Fracture Detection in Photovoltaic Cells with Hardware-Constrained Devices and Computer Vision
• Title（参考訳）: ハードウェア制約デバイスとコンピュータビジョンを用いた太陽電池のマイクロフラクチャー検出
• Authors: Booy Vitas Faassen, Jorge Serrano, and Paul D. Rosero-Montalvo
• Abstract要約: 結晶シリコンは 脆弱で 時間の経過とともに ひび割れに弱い 本研究の目的は、太陽電池パネルのセルひび割れを検知し、潜在的な故障を予測し、警告するシステムを開発することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Solar energy is rapidly becoming a robust renewable energy source to conventional finite resources such as fossil fuels. It is harvested using interconnected photovoltaic panels, typically built with crystalline silicon cells, i.e. semiconducting materials that convert effectively the solar radiation into electricity. However, crystalline silicon is fragile and vulnerable to cracking over time or in predictive maintenance tasks, which can lead to electric isolation of parts of the solar cell and even failure, thus affecting the panel performance and reducing electricity generation. This work aims to developing a system for detecting cell cracks in solar panels to anticipate and alaert of a potential failure of the photovoltaic system by using computer vision techniques. Three scenarios are defined where these techniques will bring value. In scenario A, images are taken manually and the system detecting failures in the solar cells is not subject to any computationa constraints. In scenario B, an Edge device is placed near the solar farm, able to make inferences. Finally, in scenario C, a small microcontroller is placed in a drone flying over the solar farm and making inferences about the solar cells' states. Three different architectures are found the most suitable solutions, one for each scenario, namely the InceptionV3 model, an EfficientNetB0 model shrunk into full integer quantization, and a customized CNN architechture built with VGG16 blocks.
• Abstract（参考訳）: 太陽エネルギーは、化石燃料のような従来の有限資源に対する堅牢な再生可能エネルギー源になりつつある。 相互接続された太陽電池パネルを用いて収穫され、通常は結晶シリコン細胞、すなわち太陽光を効率的に電気に変換する半導体材料で製造される。 しかし、結晶性シリコンは、時間経過や予測メンテナンスタスクにおいて脆弱で脆弱であり、太陽電池の一部が電気的に隔離され、故障さえも起こり、パネルの性能や発電の低下に影響を及ぼす。 本研究の目的は, 太陽電池パネルのセルひび割れを検知し, コンピュータビジョン技術を用いて太陽電池システムの潜在的な故障を予測し, 警告するシステムを開発することである。 これらのテクニックが価値をもたらす3つのシナリオが定義されます。 シナリオaでは、画像は手動で撮影され、太陽電池の故障を検出するシステムはいかなる計算制約にも従わない。 シナリオBでは、エッジデバイスはソーラーファームの近くに置かれ、推論を行うことができる。 最後に、シナリオCでは、小さなマイクロコントローラがソーラーファームの上を飛行し、太陽電池の状態に関する推論を行うドローンに置かれる。 1つはインセプションv3モデル、もう1つは完全な整数量子化に縮小された効率的なnetb0モデル、そしてvgg16ブロックで構築されたカスタマイズされたcnnアーカイブである。

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)
• 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)
• Computational Solar Energy -- Ensemble Learning Methods for Prediction of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
  特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。 本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。 その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
  論文  参考訳（メタデータ） (2023-01-21T19:16:03Z)
• 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)
• 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)
• SunCast: Solar Irradiance Nowcasting from Geosynchronous Satellite Data [2.285928372124628]
  本稿では,太陽フレーミングを次のフレーム予測問題として扱う畳み込み長短期記憶ネットワークモデルを提案する。 当社のモデルは、GPUを使わずに1台のマシン上で、北米全体の太陽光放射を最大3時間60秒で予測できる。
  論文  参考訳（メタデータ） (2022-01-17T01:55:26Z)
• 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)

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。