Academic Journal
ТЕХНОЛОГИЯ АВТОМАТИЗИРОВАННОГО МОНИТОРИНГА СОСТОЯНИЯ ФОТОЭЛЕКТРИЧЕСКИХ МОДУЛЕЙ СОЛНЕЧНОЙ ЭЛЕКТРОСТАНЦИИ
| Title: | ТЕХНОЛОГИЯ АВТОМАТИЗИРОВАННОГО МОНИТОРИНГА СОСТОЯНИЯ ФОТОЭЛЕКТРИЧЕСКИХ МОДУЛЕЙ СОЛНЕЧНОЙ ЭЛЕКТРОСТАНЦИИ |
|---|---|
| Publisher Information: | ООО «Центр сопряженного мониторинга окружающей среды и природных ресурсов», 2022. |
| Publication Year: | 2022 |
| Subject Terms: | photovoltaic modules, мониторинг, фотоэлектрические модули, solar power plants, диагностика, беспилотные летательные аппараты, machine vision, neural networks, 7. Clean energy, monitoring, машинное зрение, diagnostics, нейронные сети, unmanned aerial vehicles, солнечные электростанции |
| Description: | Одним из важнейших условий эффективной эксплуатации солнечных электростанций является обеспечение систематического мониторинга состояния фотоэлектрических модулей. Статья посвящена решению данной задачи за счет использования развитой системы автоматизированного мониторинга. Решение основано на использовании беспилотного летательного аппарата с полезной нагрузкой, способной осуществлять видеосъемку и регистрировать геопространственные данные. Для выполнения процедур детектирования проблемных модулей предлагается использовать технологию технического зрения, использующую нейросетевые методы классификации, характеризующиеся высокой адаптивностью к различным параметрам изображения. Предварительные тесты технологии показали, что применение нейронной сети, основанной на архитектуре R-CNN с алгоритмом обучения – Inception v2 (COCO), позволяет в ясный день обнаруживать проблемные фотоэлектрические модули с точностью более 95%. One of the most important conditions for the efficient operation of solar power plants is systematic monitoring of the surfaces of photovoltaic modules. This problem can be solved through the use of a developed automated monitoring system. The solution is based on the use of an unmanned aerial vehicle with a payload capable of capturing video and recording geospatial data. To perform the procedures for detecting problematic modules, we proposed to use a vision technology that uses neural network classification methods characterized by high adaptability to various image parameters. Preliminary tests of the technology showed that the use of a neural network based on the R-CNN architecture with a learning algorithm Inception v2 (COCO) makes it possible to detect problematic photovoltaic modules on a clear day with an accuracy of more than 95%. Мониторинг. Наука и технологии, Выпуск 2 (52) 2022 |
| Document Type: | Article |
| Language: | Russian |
| DOI: | 10.25714/mnt.2022.52.008 |
| Accession Number: | edsair.doi...........77a153f6ad5ac699f0cfe3ef278fd9d7 |
| Database: | OpenAIRE |
| DOI: | 10.25714/mnt.2022.52.008 |
|---|