深層学習を用いた畳み込みニューラルネットワーク (CNN) と双方向ゲート付き再帰単位 (Bi-GRU) の組み合わせに基づく太陽光発電システムの故障検出と診断

太陽光発電 (PV) システムの故障の注意深い監視と診断は、その信頼性を高め、持続可能なエネルギーへのスムーズな移行を促進します。本論文では、PVシステムにおける故障検出と診断のための深層学習の新しい応用を紹介し、三段階のアプローチを採用しています。まず、堅牢なPVモデルを開発し、ヒューリスティック最適化アプローチを使って微調整します。次に、健康な状態および故障状態のモジュール温度と太陽放射を監視したデータを組み合わせた包括的なデータベースを構築します。最後に、故障分類には、CNNとBi-GRUの組み合わせから抽出した特徴を利用します。並列処理と順次処理の統合により、ニューラルネットワークは畳み込み層と再帰層の両方の強みを同時に引き出し、効果的な故障検出と診断を可能にします。結果は、開放回路、短絡、部分的な陰影など、さまざまなPV故障タイプの検出と分類における提案手法の有効性を確認しています。さらに、この研究は、故障検出と診断を2つの独立したステップに分ける重要性を強調し、深層学習ニューラルネットワークを使用して直接的に故障タイプを特定するのではなく、このアプローチを提案しています。