Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos

Detalhes bibliográficos
Autor(a) principal: Pérez Vargas, Jhoan Rodrigo
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: spa
Título da fonte: Repositório Institucional da UNILA
Texto Completo: http://dspace.unila.edu.br/123456789/6744
Resumo: Trabajo de Conclusión del Curso presentado al Instituto Latinoamericano de Ciencias de la Vida y de la Naturaleza de la Universidad Federal de la integración latinoamericana, como requisito parcial para obtener la titulación Bacharel en Ingeniería Física.
id UNIL_e616983d3416f1d07f87f2bc22071d56
oai_identifier_str oai:dspace.unila.edu.br:123456789/6744
network_acronym_str UNIL
network_name_str Repositório Institucional da UNILA
repository_id_str 3636
spelling Pérez Vargas, Jhoan RodrigoOrientação2022-08-17T05:12:18Z2022-08-17T05:12:18Z2022http://dspace.unila.edu.br/123456789/6744Trabajo de Conclusión del Curso presentado al Instituto Latinoamericano de Ciencias de la Vida y de la Naturaleza de la Universidad Federal de la integración latinoamericana, como requisito parcial para obtener la titulación Bacharel en Ingeniería Física.El desempeño de los sistemas fotovoltaicos se ve afectado por diversos factores, entre ellos, fallas o anomalías que se presentan en los principales sistemas de generación de energía, los módulos fotovoltaicos (PV). El creciente despliegue de plantas fotovoltaicas y la necesidad de aumentar el rendimiento y la fiabilidad de estas, exige el desarrollo de herramientas de inspección que permita identificar anomalías de forma barata, rápida y eficiente. En este contexto, varios grupos de investigación han usado la termografía infrarroja aérea (aIRT) como herramienta para identificar fallas en módulos PV por medio de imágenes termográficas tomadas por vehículos aéreos no tripulados (UAV). Dichas imágenes pueden ser evaluadas por técnicos experimentados para determinar si existe una falla o no en un determinado modulo PV, sin embargo, esta metodología se torna compleja y extenuante debido al gran volumen de información cuando se trata de analizar cientos o miles de módulos PV presentes en una granja solar de grande porte. El presente trabajo explora la aplicación de técnicas de aprendizaje profundo (DL) sobre un conjunto de imágenes obtenidas por aIRT para detectar fallas en módulos PV con el fin de evaluar su desempeño y la capacidad de automatizar el proceso de inspección de fallas. Las imágenes fueron obtenidas a partir de conjuntos de datos (dataset) de libre acceso disponible en la web para el desarrollo de investigación en esta área. Adicionalmente se creó un dataset sintético para incrementar el volumen de datos de entrada para el entrenamiento de un modelo de DL usado para la identificación de los módulos. Las imágenes se preprocesaron para entrenar dos modelos de DL: Mask R-CNN, un modelo usado para segmentación de instancias, y ResNet, una red neuronal convolucional usada para problemas de clasificación. Los resultados obtenidos en este trabajo mostraron una precisión sobre conjuntos de prueba (test) de hasta un 97,9% y 81.4% para la segmentación y la clasificación respectivamente. Finalmente se implementó un modelo conjunto (segmentación y clasificación) para la detección de fallas sobre imágenes y video, cuyos resultados demuestran la capacidad de estas herramientas para la automatización de procesos con grandes volúmenes de información.spaEnergía solarDeep LearningInteligencia artificialMódulos fotovoltaicosTermografía.Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNILAinstname:Universidade Federal da Integração Latino-Americana (UNILA)instacron:UNILAORIGINALTécnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos FotovoltaicosTécnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos FotovoltaicosTécnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicosapplication/pdf2393661https://dspace.unila.edu.br/bitstream/123456789/6744/1/T%c3%a9cnicas%20de%20Aprendizaje%20Profundo%20para%20la%20Detecci%c3%b3n%20de%20Fallas%20en%20M%c3%b3dulos%20Fotovoltaicosa22b1a4bdafa128e5947033a3695737dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81867https://dspace.unila.edu.br/bitstream/123456789/6744/2/license.txt2cc17e5fa028bf681461a82474f236b8MD52123456789/67442022-08-17 12:07:13.633oai:dspace.unila.edu.br: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Repositório de PublicaçõesPUBhttp://dspace.unila.edu.br/oai/requestopendoar:36362022-08-17T15:07:13Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA)false
dc.title.pt_BR.fl_str_mv Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
title Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
spellingShingle Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
Pérez Vargas, Jhoan Rodrigo
Energía solar
Deep Learning
Inteligencia artificial
Módulos fotovoltaicos
Termografía.
title_short Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
title_full Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
title_fullStr Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
title_full_unstemmed Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
title_sort Técnicas de Aprendizaje Profundo para la Detección de Fallas en Módulos Fotovoltaicos
author Pérez Vargas, Jhoan Rodrigo
author_facet Pérez Vargas, Jhoan Rodrigo
author_role author
dc.contributor.author.fl_str_mv Pérez Vargas, Jhoan Rodrigo
dc.contributor.advisor1.fl_str_mv Orientação
contributor_str_mv Orientação
dc.subject.por.fl_str_mv Energía solar
Deep Learning
Inteligencia artificial
Módulos fotovoltaicos
Termografía.
topic Energía solar
Deep Learning
Inteligencia artificial
Módulos fotovoltaicos
Termografía.
description Trabajo de Conclusión del Curso presentado al Instituto Latinoamericano de Ciencias de la Vida y de la Naturaleza de la Universidad Federal de la integración latinoamericana, como requisito parcial para obtener la titulación Bacharel en Ingeniería Física.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-08-17T05:12:18Z
dc.date.available.fl_str_mv 2022-08-17T05:12:18Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.unila.edu.br/123456789/6744
url http://dspace.unila.edu.br/123456789/6744
dc.language.iso.fl_str_mv spa
language spa
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNILA
instname:Universidade Federal da Integração Latino-Americana (UNILA)
instacron:UNILA
instname_str Universidade Federal da Integração Latino-Americana (UNILA)
instacron_str UNILA
institution UNILA
reponame_str Repositório Institucional da UNILA
collection Repositório Institucional da UNILA
bitstream.url.fl_str_mv https://dspace.unila.edu.br/bitstream/123456789/6744/1/T%c3%a9cnicas%20de%20Aprendizaje%20Profundo%20para%20la%20Detecci%c3%b3n%20de%20Fallas%20en%20M%c3%b3dulos%20Fotovoltaicos
https://dspace.unila.edu.br/bitstream/123456789/6744/2/license.txt
bitstream.checksum.fl_str_mv a22b1a4bdafa128e5947033a3695737d
2cc17e5fa028bf681461a82474f236b8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA)
repository.mail.fl_str_mv
_version_ 1797227570601656320

Registros relacionados