Istraživač iz Švedske zapravo je uspostavio potpuno novi hibridni regionalni pristup temeljen na značajkama koristeći termografe za prepoznavanje neispravnih fotonaponskih panela.
20. prosinca 2024. Lior Kahana
Znanstvenik sa švedskog Sveučilišta Jönköping zapravo je predložio metodu praćenja zdravlja koja se temelji na učenju proizvođača za PV sustave koji koriste infracrvenu termografiju.
Pristup se temelji na hibridnoj metodi koja se temelji na regionalnim značajkama za praćenje ploča, razvijenoj da izdrži skaliranje, zvuk, rotaciju i zamagljivanje. Postigao je 98% točnosti uvježbavanja i 96,8% točnosti pregleda.
“Postojeće tehnike za utvrđivanje zdravlja i medicinske dijagnoze grešaka temeljene na obradi slika obično su ograničene na određene skupove podataka i bore se s problemima kao što su razina osjetljivosti na rotaciju, skaliranje, zvuk, zamućenje i zamagljenost”, izjavio je dr. Waqas Ahmed u njegov papir. “Ove se tehnike također bave kompromisima između upotrebe memorije i preciznosti. Metode temeljene na dubokom učenju, iako su učinkovite, imaju visoke zahtjeve za računalnom složenošću, memorijom i obradom te su podložne nedovoljno i pretjerano prilagođavanju bez jakih skupova podataka i pažljivog podešavanja hiperparametara.”
Jedinstvena tehnika počinje snimanjem infracrvene termografije infracrvenom video kamerom. U radnji pretprocesiranja, procjenjuje kvalitetu termografa, poboljšavajući ih algoritmom uklanjanja zamućenja i promjenom kontrasta u kanalu sivih tonova ako postoji prekomjeran zvuk. Svaki termograf je zatim podijeljen na pod-termografe od 5 × 5 piksela.
Regionalne funkcije izvlače se iz svakog podtermografa korištenjem Gaussovih i nelinearnih tehnika. Najznačajnijih 80% ovih funkcija je zadržano, dok su nevažne i suvišne vrijednosti eliminirane. Algoritam grupiranja k-srednjih vrijednosti bez nadzora zatim smanjuje funkcijski vektor na 300 aspekata po termografu za idealnu upotrebu memorije.
“Plitki klasifikatori, kao što je pomoćni vektorski uređaj (SVM), obučavaju dizajn na funkcijskim vektorima. Metoda 5-struke unakrsne provjere jamči odgovarajuću obuku dizajna”, izjavio je Ahmed. “Testni vektor sa skrivenih termografa koristi se za provjeru preciznosti dizajna u kategorizaciji fotonaponskih panela u 3 klase temeljene na zdravlju: zdravi, hotspot i neispravni.”
Jedinstvena tehnika provjerena na 44,24 kW krovnom PV sustavu od kristalnog silicija (c-Si) u Lahoreu, Pakistan, uključuje 8 nizova, svaki s 22 PV modula u seriji, što iznosi 5,28 kW. Sustav postavlja 376 fotonaponskih modula, od kojih je svaki rangiran na 240 W. Infracrveni termografi snimljeni su pri temperaturama okoline koje variraju od 32 C do 40 C, brzinama vjetra od 6,9 m/s i razini zračenja od 700 W/m². Termografi su bili proizvoljno podijeljeni, s 80% iskorištenim za obuku i 20% za prepoznavanje.
“Rezultati ove istraživačke studije posebno su upečatljivi, s pristupom koji je postigao impresivnih 98% točnosti uvježbavanja i 96,8% točnosti skrininga uz peterostruku unakrsnu provjeru”, izjavio je Ahmed. “Osim toga, točnost dizajna vrijedi od 92%, 100% i 100%; vrijednosti opoziva od 100%, 100% i 90%; i ocjene F1 od 0,958, 1,0 i 0,947 za klase neispravnih, zdravih i vrućih točaka pokazuju visoku razinu učinkovitosti kroz ove metrike.”
U usporedbi s drugim pristupima ekspertnog sustava (AI) u literaturi, samo je promjena funkcije nepromjenjive ljestvice RB nadmašila predloženi pristup, s ocjenom od 98,66%. Najveći SURF postigao je 97,6%,