DETECÇÃO AUTOMÁTICA DE FALHAS DE SISTEMAS FOTOVOLTAICOS POR REDES NEURAIS CONVOLUCIONAIS UTILIZANDO A TERMOGRAFIA AÉREA INFRAVERMELHA

Autores

  • Aline Kirsten Vidal de Oliveira UFSC
  • Mohammedreza Aghaei
  • Ricardo Rüther UFSC

Palavras-chave:

Desempenho de sistemas, monitoramento, inteligência artificial.

Resumo

A Termografia Infravermelho Aérea (aIRT) é um método não destrutivo e econômico para detectar falhas em usinas fotovoltaicas (FV) de larga escala. No entanto, a avaliação visual das imagens capturadas pela aIRT e a análise de um grande número de quadros de imagens consomem muito tempo. Este artigo propõe um método para detectar e classificar falhas em módulos FV, através de imagens aIRT, combinando os algoritmos de Processamento de Imagens (DIP) e Redes Neurais Convolucionais (CNNs). Com os resultados obtidos até o momento, as imagens adquiridas foram processadas com sucesso com técnicas de DIP para detectar as falhas dos módulos FV em usinas, que são usadas como amostras para o treinamento da CNN. O algoritmo de rede neural desenvolvido pode detectar falhas nas imagens aIRT e classificá-las em três categorias: subséries desconectados, pontos quentes e séries desconectados. Os resultados demonstraram que o método é eficaz na detecção e classificação de falhas e é uma etapa importante para a automação completa da inspeção de aIRT.

Downloads

Edição

Seção

Conversão Fotovoltaica - Controle e monitoramento de sistemas fotovoltaicos