論文の概要: Aerial Infrared Health Monitoring of Solar Photovoltaic Farms at Scale

• arxiv url: http://arxiv.org/abs/2503.02128v1
• Date: Mon, 03 Mar 2025 23:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:22:08.050736
• Title: Aerial Infrared Health Monitoring of Solar Photovoltaic Farms at Scale
• Title（参考訳）: 大規模太陽光発電施設の大気赤外健康モニタリング
• Authors: Isaac Corley, Conor Wallace, Sourav Agrawal, Burton Putrah, Jonathan Lwowski,
• Abstract要約: 太陽光発電(PV)ファームは、地球規模の再生可能エネルギー生成の主要な源となっているが、その真の運用効率は、大規模には分かっていないことが多い。 我々は、北米の太陽光発電施設の大規模空中赤外検査のための包括的でデータ駆動の枠組みを提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Solar photovoltaic (PV) farms represent a major source of global renewable energy generation, yet their true operational efficiency often remains unknown at scale. In this paper, we present a comprehensive, data-driven framework for large-scale airborne infrared inspection of North American solar installations. Leveraging high-resolution thermal imagery, we construct and curate a geographically diverse dataset encompassing thousands of PV sites, enabling machine learning-based detection and localization of defects that are not detectable in the visible spectrum. Our pipeline integrates advanced image processing, georeferencing, and airborne thermal infrared anomaly detection to provide rigorous estimates of performance losses. We highlight practical considerations in aerial data collection, annotation methodologies, and model deployment across a wide range of environmental and operational conditions. Our work delivers new insights into the reliability of large-scale solar assets and serves as a foundation for ongoing research on performance trends, predictive maintenance, and scalable analytics in the renewable energy sector.
• Abstract（参考訳）: 太陽光発電(PV)ファームは、地球規模の再生可能エネルギー生成の主要な源となっているが、その真の運用効率は、大規模にはまだ分かっていないことが多い。 本稿では,北米の太陽光発電施設の大規模空中赤外検査のための包括的,データ駆動型フレームワークを提案する。 高分解能熱画像を活用することで、数千のPVサイトを含む地理的に多様なデータセットを構築し、キュレーションし、可視光で検出できない欠陥の機械学習による検出と局所化を可能にする。 我々のパイプラインは、高度な画像処理、ジオレファレンス、空中熱赤外異常検出を統合し、性能損失の厳密な見積もりを提供する。 本研究では, 航空データ収集, アノテーション方法論, モデル展開の実践的考察を, 広範囲の環境・運用条件において強調する。 我々の研究は、大規模ソーラー資産の信頼性に関する新たな洞察を提供し、再生可能エネルギーセクターのパフォーマンストレンド、予測保守、スケーラブルな分析に関する継続的な研究の基盤となっている。

関連論文リスト

• Machine learning approaches for automatic defect detection in photovoltaic systems [1.121744174061766]
  太陽電池(PV)モジュールは、製造、設置、運用中に損傷を受けやすい。 無人航空機による運用中のPVモジュールの継続的な監視が不可欠である。 コンピュータビジョンは、大規模なPVプラントの欠陥を監視するための、自動的で非破壊的で費用対効果の高いツールを提供する。
  論文  参考訳（メタデータ） (2024-09-24T13:11:05Z)
• SolNet: Open-source deep learning models for photovoltaic power forecasting across the globe [0.0]
  SolNetは、新しい汎用多変量太陽発電予測器である。 我々はSolNetがデータスカース設定よりも予測性能を向上させることを示す。 転校学習実践者に対するガイドラインと考察を行う。
  論文  参考訳（メタデータ） (2024-05-23T12:00:35Z)
• 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)
• 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)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• 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)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)

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。