論文の概要: Distributed Intelligent System Architecture for UAV-Assisted Monitoring of Wind Energy Infrastructure
- arxiv url: http://arxiv.org/abs/2412.09387v1
- Date: Thu, 12 Dec 2024 15:53:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 13:31:02.490430
- Title: Distributed Intelligent System Architecture for UAV-Assisted Monitoring of Wind Energy Infrastructure
- Title（参考訳）: 風力エネルギーインフラモニタリングのための分散型インテリジェントシステムアーキテクチャ
- Authors: Serhii Svystun, Oleksandr Melnychenko, Pavlo Radiuk, Oleg Savenko, Andrii Lysyi,
- Abstract要約: 本稿では、風力タービンの欠陥を検出するために、視覚データの動的収集とリアルタイム処理のために設計された新しいインテリジェントシステムアーキテクチャを提案する。
このシステムは、検査精度と効率を高めるために、分散フレームワーク内で高度なアルゴリズムを使用する。
ウクライナの "Staryi Sambir-1" 風力発電施設で実施された実験は、このシステムの有効性を実証している。
- 参考スコア（独自算出の注目度）: 14.478269910694003
- License:
- Abstract: With the rapid development of green energy, the efficiency and reliability of wind turbines are key to sustainable renewable energy production. For that reason, this paper presents a novel intelligent system architecture designed for the dynamic collection and real-time processing of visual data to detect defects in wind turbines. The system employs advanced algorithms within a distributed framework to enhance inspection accuracy and efficiency using unmanned aerial vehicles (UAVs) with integrated visual and thermal sensors. An experimental study conducted at the "Staryi Sambir-1" wind power plant in Ukraine demonstrates the system's effectiveness, showing a significant improvement in defect detection accuracy (up to 94%) and a reduction in inspection time per turbine (down to 1.5 hours) compared to traditional methods. The results show that the proposed intelligent system architecture provides a scalable and reliable solution for wind turbine maintenance, contributing to the durability and performance of renewable energy infrastructure.
- Abstract（参考訳）: グリーンエネルギーの急速な発展に伴い、風力タービンの効率性と信頼性は持続可能な再生可能エネルギー生産の鍵となる。
そこで本稿では,風力タービンの欠陥を検出するために,視覚データの動的収集とリアルタイム処理を目的としたインテリジェントシステムアーキテクチャを提案する。
このシステムは、無人航空機(UAV)と統合された視覚・熱センサーを用いた検査精度と効率を高めるために、分散フレームワーク内で高度なアルゴリズムを採用している。
ウクライナの "Staryi Sambir-1" で実施された実験では、このシステムの有効性が示され、欠陥検出精度(最大94%)とタービン1基あたりの検査時間(最大1.5時間)が従来の方法と比較して大幅に改善された。
提案したインテリジェントシステムアーキテクチャは、風力発電の保守にスケーラブルで信頼性の高いソリューションを提供し、再生可能エネルギーインフラの耐久性と性能に寄与することを示す。
関連論文リスト
- Barely-Visible Surface Crack Detection for Wind Turbine Sustainability [0.0]
本稿では,多くの風車検査から収集したほとんど見えないヘアラインひび割れのデータセットについて紹介する。
本データセットの有効性を証明するため, エンド・ツー・エンドのタービンき裂検出パイプラインについて詳述した。
論文 参考訳（メタデータ） (2024-07-09T19:03:48Z) - Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。
エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。
本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
論文 参考訳（メタデータ） (2023-10-31T14:09:32Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。
本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T02:27:54Z) - Prediction of wind turbines power with physics-informed neural networks
and evidential uncertainty quantification [2.126171264016785]
物理インフォームドニューラルネットワークを用いて、風力発電所の4基のタービンから得られた履歴データを再現する。
パワー, トルク, パワー係数の回帰モデルでは, 実データ, 物理式ともに精度が高いことがわかった。
論文 参考訳（メタデータ） (2023-07-27T07:58:38Z) - A real-time material breakage detection for offshore wind turbines based
on improved neural network algorithm [0.0]
本研究は、YOLOv8オブジェクト検出モデルの高度なバージョンを活用する新しいアプローチを提案する。
我々は,Semangeum洋上風力発電所の5,432枚の画像と,公開されているデータセットを用いている。
この結果, 欠陥検出安定性が著しく向上し, タービンの効率向上に向けた重要な歩みが示された。
論文 参考訳（メタデータ） (2023-07-25T18:50:05Z) - Fast Recognition of birds in offshore wind farms based on an improved
deep learning model [0.19336815376402716]
鳥類検出作業におけるこのモデルの精度は87.40%に達し、21.25%の増加となる。
このモデルでは、風力タービン付近の鳥をリアルタイムで検出でき、夜間、雨季、不安定な条件で強い安定性を示す。
論文 参考訳（メタデータ） (2023-06-28T08:47:04Z) - Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal
Transformer [112.12271800369741]
風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。
正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。
既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
論文 参考訳（メタデータ） (2023-05-30T04:03:15Z) - DADFNet: Dual Attention and Dual Frequency-Guided Dehazing Network for
Video-Empowered Intelligent Transportation [79.18450119567315]
逆の気象条件は、ビデオベースの交通監視に深刻な課題をもたらす。
本稿では,リアルタイム視認性向上のための2つの注意と2つの周波数誘導型脱ハージングネットワーク(DADFNet)を提案する。
論文 参考訳（メタデータ） (2023-04-19T11:55:30Z) - Online Dynamic Reliability Evaluation of Wind Turbines based on
Drone-assisted Monitoring [6.3640143289918045]
風力タービンのオンライン信頼性評価のためのドローン支援監視手法を提案する。
風力タービンの羽根系を実例として,提案手法の実証を行った。
論文 参考訳（メタデータ） (2022-11-23T19:11:33Z) - Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
風力タービンの健全性解析のための2つの新しい手法を提案する。
第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。
第2の方法は抽出された概念の全体的ドリフトを評価する。
論文 参考訳（メタデータ） (2021-12-09T14:04:55Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。