論文の概要: Risk-Based Thresholding for Reliable Anomaly Detection in Concentrated Solar Power Plants
- arxiv url: http://arxiv.org/abs/2503.19146v1
- Date: Mon, 24 Mar 2025 21:02:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:51:16.335777
- Title: Risk-Based Thresholding for Reliable Anomaly Detection in Concentrated Solar Power Plants
- Title(参考訳): 太陽光発電プラントにおける信頼性異常検出のためのリスクベース閾値設定
- Authors: Yorick Estievenart, Sukanya Patra, Souhaib Ben Taieb,
- Abstract要約: 高温のソーラーレシーバーは、凍結、変形、腐食といった深刻な運転上のリスクに直面している。
太陽光受信機に搭載されたカメラは、日中1分から5分にわたる不規則な間隔で赤外線画像を記録する。
異常画像は異常スコアをしきい値にすることで検出でき、しきい値を選択してF1スコアなどのメトリクスを最適化する。
本研究は、選択されたリスク関数に対して有限サンプルカバレッジを保証することにより、より信頼性の高い決定しきい値を生成するためのフレームワークを提案する。
- 参考スコア(独自算出の注目度): 2.048226951354646
- License:
- Abstract: Efficient and reliable operation of Concentrated Solar Power (CSP) plants is essential for meeting the growing demand for sustainable energy. However, high-temperature solar receivers face severe operational risks, such as freezing, deformation, and corrosion, resulting in costly downtime and maintenance. To monitor CSP plants, cameras mounted on solar receivers record infrared images at irregular intervals ranging from one to five minutes throughout the day. Anomalous images can be detected by thresholding an anomaly score, where the threshold is chosen to optimize metrics such as the F1-score on a validation set. This work proposes a framework for generating more reliable decision thresholds with finite-sample coverage guarantees on any chosen risk function. Our framework also incorporates an abstention mechanism, allowing high-risk predictions to be deferred to domain experts. Second, we propose a density forecasting method to estimate the likelihood of an observed image given a sequence of previously observed images, using this likelihood as its anomaly score. Third, we analyze the deployment results of our framework across multiple training scenarios over several months for two CSP plants. This analysis provides valuable insights to our industry partner for optimizing maintenance operations. Finally, given the confidential nature of our dataset, we provide an extended simulated dataset, leveraging recent advancements in generative modeling to create diverse thermal images that simulate multiple CSP plants. Our code is publicly available.
- Abstract(参考訳): 持続可能なエネルギー需要の増大に対応するためには, 集光発電(CSP)プラントの効率よく, 信頼性の高い運転が不可欠である。
しかし、高温のソーラーレシーバーは、凍結、変形、腐食などの深刻な運転上のリスクに直面し、コストのかかるダウンタイムとメンテナンスを行う。
CSPの植物を監視するために、太陽受信機に搭載されたカメラは、日中1分から5分に及ぶ不規則な間隔で赤外線画像を記録する。
異常画像は異常スコアをしきい値にすることで検出でき、しきい値を選択して検証セット上のF1スコアなどのメトリクスを最適化する。
本研究は、選択されたリスク関数に対して有限サンプルカバレッジを保証することにより、より信頼性の高い決定しきい値を生成するためのフレームワークを提案する。
当社のフレームワークには,リスクの高い予測をドメインの専門家に延期する機構も組み込まれています。
次に, この確率を異常スコアとして, 先行観測画像列から観測画像の確率を推定する密度予測手法を提案する。
第3に、2つのCSPプラントで数ヶ月にわたって、複数のトレーニングシナリオにわたるフレームワークのデプロイメント結果を分析します。
この分析は、メンテナンス運用の最適化に関して、当社の業界パートナに貴重な洞察を与えます。
最後に、我々のデータセットの秘密性を考慮して、複数のCSPプラントをシミュレートする多様な熱画像を作成するために、生成モデリングの最近の進歩を活用して拡張されたシミュレートデータセットを提供する。
私たちのコードは公開されています。
関連論文リスト
- Confidence Aware Learning for Reliable Face Anti-spoofing [52.23271636362843]
本稿では,その能力境界を意識した信頼認識顔アンチスプーフィングモデルを提案する。
各サンプルの予測中にその信頼性を推定する。
実験の結果,提案したCA-FASは予測精度の低いサンプルを効果的に認識できることがわかった。
論文 参考訳(メタデータ) (2024-11-02T14:29:02Z) - Prediction of Sentinel-2 multi-band imagery with attention BiLSTM for continuous earth surface monitoring [0.0]
本研究では,マルチバンド画像の予測を行うBidirectional Long Short-Term Memory (BiLSTM) ネットワークを用いたフレームワークを提案する。
当社のモデルでは,ユーザ定義の日時に基づいて,クラウドカバーを特徴とする将来の日時や期間など,ターゲット画像の予測を行うことができる。
論文 参考訳(メタデータ) (2024-06-30T21:07:11Z) - Detecting Abnormal Operations in Concentrated Solar Power Plants from Irregular Sequences of Thermal Images [2.048226951354646]
集中型ソーラーパワー(CSP)プラントは、中央のタワーの上のソーラーレシーバーに日光を集中させるミラーの配列で記憶媒体を加熱することでエネルギーを貯蔵する。
高温で作動するこれらの受信機は、凍結、変形、腐食などのリスクに直面し、運用上の故障、ダウンタイム、高価な機器の損傷を引き起こす。
運転中のCSPプラントから1年以上にわたって収集された熱画像の配列における異常検出(AD)の問題について検討した。
論文 参考訳(メタデータ) (2024-06-23T11:09:21Z) - Solar synthetic imaging: Introducing denoising diffusion probabilistic models on SDO/AIA data [0.0]
本研究では、生成的深層学習モデル、特にDenoising Diffusion Probabilistic Model (DDPM)を用いて、太陽現象の合成画像を作成することを提案する。
SDO宇宙船に搭載されたAIA機器のデータセットを利用することで、データ不足問題に対処することを目指している。
DDPMのパフォーマンスは、クラスタメトリクス、Frechet Inception Distance (FID)、F1スコアを用いて評価され、現実的な太陽画像を生成する上で有望な結果を示している。
論文 参考訳(メタデータ) (2024-04-03T08:18:45Z) - 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) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - 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) - How to Trust Your Diffusion Model: A Convex Optimization Approach to
Conformal Risk Control [9.811982443156063]
本稿では、画像から画像への回帰タスクに着目し、リスク制御予測セット(RCPS)の手順を一般化する。
提案手法は, 平均間隔長を最大化しつつ, 多次元リスク制御を可能にする新しい凸最適化手法に依存している。
本研究は,腹部の自然像とCTスキャンの2つの実世界の画像記述問題に対するアプローチについて述べる。
論文 参考訳(メタデータ) (2023-02-07T23:01:16Z) - Uncertainty-Aware Learning for Improvements in Image Quality of the
Canada-France-Hawaii Telescope [9.963669010212012]
我々は、現状の機械学習手法を利用して、環境条件や観測操作パラメータから観測画像の品質(IQ)を予測する。
我々は,CFHT の広視野カメラ MegaCam において,データ特徴と観測された IQ 間の複素依存の高精度かつ解釈可能なモデルを開発した。
論文 参考訳(メタデータ) (2021-06-30T18:10:20Z) - 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) - Energy Aware Deep Reinforcement Learning Scheduling for Sensors
Correlated in Time and Space [62.39318039798564]
相関情報を利用するスケジューリング機構を提案する。
提案したメカニズムは、センサが更新を送信する頻度を決定することができる。
我々は,センサの寿命を大幅に延長できることを示した。
論文 参考訳(メタデータ) (2020-11-19T09:53:27Z)
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。