Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography

Detalhes bibliográficos
Autor(a) principal: Oliveira, Aline Kirsten Vidal de
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/244462
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2022.
id UFSC_449d942fa8e121f15b194c65df7bd442
oai_identifier_str oai:repositorio.ufsc.br:123456789/244462
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Automatic fault detection of photovoltaic solar generators applying aerial infrared thermographyEngenharia civilEnergia solarGeração de energia fotovoltaicaTermografiaInteligência artificialTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2022.A termografia aérea (aIRT) é uma técnica de inspeção de sistemas fotovoltaicos (FV) que vem ganhando atenção nos últimos anos por ser um método de inspeção rápido, não-destrutivo e sem contato necessário com o módulo solar FV, além de poder ser aplicado em condições operacionais em tempo real. No entanto, a avaliação visual das imagens capturadas pela aIRT e a análise de um grande número de imagens é um processo demorado e trabalhoso. Este trabalho propõe um método para automatizar o procedimento de detecção de falhas combinando a aIRT com ortogeorreferenciamento e um algoritmo de aprendizado profundo (Deep Learning ? DL). O trabalho inicia com uma revisão da literatura sobre métodos para a automatização das diversas etapas do processo de aIRT. Com isso, são escolhidos os métodos de DL para a detecção de falhas em imagens (Mask-RCNN) e o método de produção de ortomosaico para a visualização de falhas nas usinas FV. Para o treinamento do método de detecção de falhas, foi necessária a criação de um banco de dados de imagens de aIRT. Para isso, uma campanha de voos sobre usinas FV brasileiras foi realizada. Com os dados obtidos, foi formado o banco de dados de imagens aIRT que foi utilizado para treinar um algoritmo de DL para detecção de falhas. As imagens com suas falhas detectadas foram então utilizadas para formar um orthomosaico com as falhas da usina FV. O método foi testado com dois casos testes de duas pequenas usinas FV e os resultados obtidos demonstraram a viabilidade de utilizar o método para facilitar a localização de falhas de sistemas FV. Especialmente no caso de detecção de pontos quentes e subséries FV (substrings) desconectadas, a técnica provou ter alta acurácia (em torno de 10% de falsos positivos), em um curto espaço de tempo, com poucos recursos computacionais necessários. Mesmo com conjuntos de dados pequenos, foi possível detectar visualmente as diferentes falhas nos ortomosaicos térmicos produzidos. O desenvolvimento do método tem uma importância grande para o desenvolvimento da energia solar, especialmente no Brasil, onde as usinas de grande porte (que ocupam centenas de hectares) começam a dominar o espaço, e pode ser desenvolvido com um maior conjunto de dados para melhorar a inspeção utilizando aIRT em qualquer lugar deste grande país e do mundo.Abstract: Aerial thermography (aIRT) is an inspection technique for photovoltaic (PV) systems that has been gaining attention in recent years as it is a fast, non-destructive inspection method with no contact required with the module. In addition, it can be applied in realtime operational conditions. However, visually evaluating the images captured by aIRT and analyzing many image frames is a time-consuming and labor-intensive process. This work proposes a method to automate the fault detection procedure combining aIRT with orthomosaicking and a deep learning (DL) algorithm. The work begins with a review of the literature on methods for automating the various stages of the aIRT process. Thus, the DL methods are chosen for the detection of faults in images (MaskRCNN) and the orthomosaic production for the visualization of faults in PV plants. To train the failure detection method, it was necessary to create an aIRT image database. For this, a campaign of flights over Brazilian PV plants was carried out. With the obtained data, the aIRT image database was produced, which was used to train a DL algorithm for fault detection. The images with their detected faults are then used to form an orthomosaic with the faults of the PV plant. The method was tested with two test cases of two small PV plants and the results obtained demonstrated the feasibility of using the method to facilitate the location of faults in PV systems. Especially in the case of detection of hot spots and disconnected substrings, the technique proved to have high accuracy (around 10% false positives), in a short time, with few computational resources needed. Even with small datasets, it was possible to visually detect the different faults in the thermal orthomosaics produced. The development of the method is of great importance for the development of solar energy and can be developed with a larger dataset to improve inspection using aIRT in Brazil.Rüther, RicardoAghaei, MohammadrezaUniversidade Federal de Santa CatarinaOliveira, Aline Kirsten Vidal de2023-02-14T23:11:31Z2023-02-14T23:11:31Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis134 p.| il., gráfs.application/pdf380329https://repositorio.ufsc.br/handle/123456789/244462engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2023-02-14T23:11:31Zoai:repositorio.ufsc.br:123456789/244462Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-02-14T23:11:31Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
title Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
spellingShingle Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
Oliveira, Aline Kirsten Vidal de
Engenharia civil
Energia solar
Geração de energia fotovoltaica
Termografia
Inteligência artificial
title_short Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
title_full Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
title_fullStr Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
title_full_unstemmed Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
title_sort Automatic fault detection of photovoltaic solar generators applying aerial infrared thermography
author Oliveira, Aline Kirsten Vidal de
author_facet Oliveira, Aline Kirsten Vidal de
author_role author
dc.contributor.none.fl_str_mv Rüther, Ricardo
Aghaei, Mohammadreza
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Oliveira, Aline Kirsten Vidal de
dc.subject.por.fl_str_mv Engenharia civil
Energia solar
Geração de energia fotovoltaica
Termografia
Inteligência artificial
topic Engenharia civil
Energia solar
Geração de energia fotovoltaica
Termografia
Inteligência artificial
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022
2023-02-14T23:11:31Z
2023-02-14T23:11:31Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 380329
https://repositorio.ufsc.br/handle/123456789/244462
identifier_str_mv 380329
url https://repositorio.ufsc.br/handle/123456789/244462
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 134 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652224066224128

Registros relacionados