Computer vision and artificial intelligence for anomaly detection in photovoltaic panels/ Visao computacional e inteligencia artificial para a deteccao de anomalias em paineis fotovoltaicos/ Vision por computador e inteligencia artificial para la deteccion de anomalias en paneles fotovoltaicos
Power generation through photovoltaic technology has become an essential source of electricity in the world in recent years. In Brazil, it is already the second most immense installed power in the electrical matrix, and, as a result, anomalies in photovoltaic panels tend to become a source of losses...
Saved in:
| Published in: | GeSec : Revista de Gestão e Secretariado Vol. 15; no. 12 |
|---|---|
| Main Authors: | , , , , , , |
| Format: | Journal Article |
| Language: | Portuguese |
| Published: |
Sindicato das Secretarias e Secretarios do Estado de Sao Paulo
01.12.2024
|
| Subjects: | |
| ISSN: | 2178-9010, 2178-9010 |
| Online Access: | Get full text |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Power generation through photovoltaic technology has become an essential source of electricity in the world in recent years. In Brazil, it is already the second most immense installed power in the electrical matrix, and, as a result, anomalies in photovoltaic panels tend to become a source of losses because they are elements exposed to the actions of nature. Techniques for detecting problems in panels have been studied, and among these, the use of thermographic images collected with the help of drones stands out. In this work, a solution is developed using computer vision and artificial intelligence techniques for detecting and classifying anomalies. It aims to assist operation and maintenance teams in deciding what type of intervention to carry out, thus optimizing their work and mitigating more significant losses. The average result of the Recall metric was over 95% accuracy, demonstrating the viability of its use for developing a solution for the photovoltaic system maintenance market. Keywords: Computer Vision. Convolutional Neural Network. Infrared Thermography. Operation and Maintenance. Photovoltaic Panel. A geracao de energia por meio de tecnologia fotovoltaica tornou-se uma importante fonte de eletricidade no mundo nos ultimos anos. No Brasil ja e a segunda maior potencia instalada na matriz eletrica e, com isso, anomalias nas placas fotovoltaicas tendem a se tornar fonte de perdas por serem elementos expostos as acoes da natureza. Tecnicas de deteccao de problemas nos paineis vem sendo estudadas e dentre essas, destaca-se o uso de imagens termograficas coletadas com auxilio de drones. No presente trabalho e desenvolvida a solucao utilizando visao computacional e tecnicas de inteligencia artificial para a deteccao e classificacao de anomalias, visando o auxilio as equipes de operacao e manutencao para a tomada de decisao sobre qual o tipo de intervencao a ser realizada, otimizando assim seu trabalho e mitigando maiores perdas no processo. O resultado medio da metrica Recall foi de mais de 95% de acerto, demonstrando a viabilidade de seu uso para o desenvolvimento de uma solucao para o mercado de manutencao de sistemas fotovoltaicos. Palavras-chave: Operacao e Manutencao. Paineis Fotovoltaicos. Redes Neurais Convolucionais. Termografia Infravermelha. Visao computacional. La generacion de energia mediante tecnologia fotovoltaica se ha convertido en los ultimos anos en una importante fuente de electricidad en el mundo. En Brasil, ya es la segunda potencia instalada en la matriz electrica y, como resultado, las anomalias en los paneles fotovoltaicos tienden a convertirse en fuente de perdidas por ser elementos expuestos a las acciones de la naturaleza. Se han estudiado tecnicas de deteccion de problemas en paneles y entre ellas destaca el uso de imagenes termicas recogidas con ayuda de drones. En este trabajo, la solucion se desarrolla utilizando tecnicas de vision computacional e inteligencia artificial para la deteccion y clasificacion de anomalias, con el objetivo de ayudar a los equipos de operacion y mantenimiento en la toma de decisiones sobre el tipo de intervencion a realizar, optimizando asi su trabajo y mitigando mayores perdidas en el proceso. El resultado promedio de la metrica Recall fue mas del 95% correcto, lo que demuestra la viabilidad de su uso para desarrollar una solucion para el mercado de mantenimiento de sistemas fotovoltaicos. Palabras clave: Operacion y Mantenimiento. Paneles Fotovoltaicos. Redes Neuronales Convolucionales. Termografia Infrarroja. Vision por Computador. |
|---|---|
| ISSN: | 2178-9010 2178-9010 |
| DOI: | 10.7769/gesec.v15i12.4570 |