論文の概要: Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data

• arxiv url: http://arxiv.org/abs/2512.03114v1
• Date: Tue, 02 Dec 2025 10:16:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:10:38.333962
• Title: Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data
• Title（参考訳）: PVモニタリングデータによる早期異常検出と性能予測のための時間グラフニューラルネットワーク
• Authors: Srijani Mukherjee, Laurent Vuillon, Liliane Bou Nassif, Stéphanie Giroux-Julien, Hervé Pabiou, Denys Dutykh, Ionnasis Tsanakas,
• Abstract要約: 提案モデルでは,光,モジュール,環境温度などの重要なPVシステムパラメータ間のグラフベースの時間的関係を利用して電力出力を予測する。 この研究は、リヨン(フランス)の屋上にある屋外施設から収集されたデータに基づいており、PVモジュールからの電力測定や気象パラメーターも含んでいる。
• 参考スコア（独自算出の注目度）: 0.11726720776908518
• License:
• Abstract: The rapid growth of solar photovoltaic (PV) systems necessitates advanced methods for performance monitoring and anomaly detection to ensure optimal operation. In this study, we propose a novel approach leveraging Temporal Graph Neural Network (Temporal GNN) to predict solar PV output power and detect anomalies using environmental and operational parameters. The proposed model utilizes graph-based temporal relationships among key PV system parameters, including irradiance, module and ambient temperature to predict electrical power output. This study is based on data collected from an outdoor facility located on a rooftop in Lyon (France) including power measurements from a PV module and meteorological parameters.
• Abstract（参考訳）: 太陽光発電(PV)システムの急速な成長は、最適な運転を確保するために、性能モニタリングと異常検出の高度な方法を必要とする。 本研究では,時間グラフニューラルネットワーク(Temporal GNN)を用いた太陽光発電出力の予測と,環境パラメータと運用パラメータを用いた異常検出手法を提案する。 提案モデルでは,光,モジュール,環境温度などの重要なPVシステムパラメータ間のグラフベースの時間的関係を利用して電力出力を予測する。 この研究は、リヨン(フランス)の屋上にある屋外施設から収集されたデータに基づいており、PVモジュールからの電力測定や気象パラメーターも含んでいる。

関連論文リスト

• Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
  深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。 我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
  論文  参考訳（メタデータ） (2025-09-21T14:22:35Z)
• Season-Independent PV Disaggregation Using Multi-Scale Net Load Temporal Feature Extraction and Weather Factor Fusion [13.146806294562474]
  本稿では,階層的補間(HI)と多頭部自己認識機構を統合したPV分解法を提案する。 HIを用いて、気象要因間の複雑な依存関係を捉えるために、ネット負荷特徴とマルチヘッド自己注意を抽出することにより、正確なPV生成予測を実現する。
  論文  参考訳（メタデータ） (2025-05-24T15:25:46Z)
• Transformer based time series prediction of the maximum power point for solar photovoltaic cells [0.24233709516962787]
  本稿では,太陽太陽電池セルにおける深層学習に基づく最大パワーポイントトラッキング(MPPT)の改良を提案する。 本稿では, 環境条件を包括的に表現する。 提案モデルでは, 広範囲の大気環境において, 強靭で動的かつ非相対的に電力点追跡を行う。
  論文  参考訳（メタデータ） (2024-09-24T17:26:55Z)
• AI-Powered Dynamic Fault Detection and Performance Assessment in Photovoltaic Systems [44.99833362998488]
  太陽光発電(PV)の断続的な性質により、電力損失は10-70%、エネルギー生産量は25%減少する。 現在の故障検出戦略はコストが高く、複雑なデータ信号プロファイルのために信頼性の低い結果が得られることが多い。 本研究では,PythonのPVlibライブラリを用いた動的損失量子化アルゴリズムを取り入れた計算モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T23:52:06Z)
• 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)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• Tree-based Forecasting of Day-ahead Solar Power Generation from Granular Meteorological Features [1.8638865257327277]
  このような予測を生成するには、最先端のツリーベース機械学習手法を用いる。 ベルギーのデータと1時間の解像度で日毎のPV発電を予測しています。
  論文  参考訳（メタデータ） (2023-11-30T08:47:37Z)
• 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)
• Forecasting Intraday Power Output by a Set of PV Systems using Recurrent Neural Networks and Physical Covariates [0.0]
  PhotoVoltaic(PV)システムによる出力の正確な予測は、エネルギー分配グリッドの動作を改善するために重要である。 このような日内予測の実現を目的とした神経自己回帰モデルについて述べる。
  論文  参考訳（メタデータ） (2023-03-15T09:03:58Z)
• Spatio-temporal graph neural networks for multi-site PV power forecasting [0.0]
  決定論的マルチサイト予測のための2つの新しいグラフニューラルネットワークモデルを提案する。 提案手法は,6時間前の予測地平線に対して,最先端のマルチサイト予測手法より優れていた。
  論文  参考訳（メタデータ） (2021-07-29T10:15:01Z)

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。