Key points are not available for this paper at this time.
태양광 발전(SPV) 배열은 청정하고 지속 가능한 에너지 인프라의 중요한 구성 요소입니다. 그러나 SPV 패널은 성능에 영향을 줄 수 있는 열적 열화 결함에 취약하여 최적의 에너지 생성을 유지하기 위해 신속하고 정확한 결함 탐지가 필요합니다. 고려된 사례 연구는 예측 유지보수 설정에서 SPV 배열의 방사선 적외선 열화상 촬영(IRT) 분석을 위한 지능형 결함 탐지 및 진단(IFDD) 시스템에 중점을 두어 SPV 발전소 사이트의 원격 검사 및 진단 모니터링을 가능하게 합니다. 제안된 IFDD 시스템은 결함 유형의 효과적인 다중 분류를 위해 컨볼루션 신경망을 기반으로 하는 맞춤형 딥 러닝 접근법을 사용합니다. SPV 패널의 진단은 IRT 데이터 부족, 결함 패턴의 복잡성, 노이즈 및 보정 문제로 인한 낮은 열 이미지 수집 품질과 같은 문제로 인해 어려운 작업입니다. 따라서 본 연구는 SPV 패널의 맞춤형 고품질이지만 심각하게 불균형인 6개 클래스의 열화상 방사선 데이터셋을 신중하게 준비합니다. 이전 접근 방식에 비해 부동 소수점의 수치 온도 값을 사용하여 예측 모델을 훈련하고 검증합니다. 훈련된 모델은 효율적인 열 이상 탐지를 위해 높은 정확성을 보입니다. 마지막으로 IFDD 시스템에 대한 신뢰를 생성하기 위해 분류 모델의 기초가 되는 프로세스를 설명 가능한 시각적 설명과 수학적 구조 기반 해석성을 통해 조사하여 가장 구별되는 이미지 특징을 묘사하고 다중 클래스 특징 클러스터링을 달성합니다.
Qureshi et al. (화요일,)은 이 질문을 연구했습니다.