전 세계의 전력 수요 증가와 화석 연료 자원의 고갈은 재생 에너지, 특히 태양광(PV) 시스템의 사용 필요성을 심화시켰다. 그러나 내부 결함 및 외부 환경 조건은 종종 PV 모듈의 운전 효율 및 신뢰성에 영향을 미치는 것으로 알려져 있다. 본 논문에서는 PVDefectNet을 제안하는데, 이는 PV 시스템의 고장 탐지 및 분류를 위한 딥러닝 기반 방법이다. 제안된 솔루션은 다양한 운전 환경에서의 내성을 향상시키기 위해 데이터 증강 기법을 적용한 resnet 아키텍처를 사용한다. PVDefectNet은 데이터 준비 및 전처리, 모델 아키텍처 설계, 학습, 평가 및 시각화, 성능 분석 등 5단계로 구성된 프로세스이다. 실험 결과, 제안된 프레임워크는 평균 정확도 98, 정밀도 97.1, 재현율 96.5, F1 점수 96.8로 현재의 여러 방법보다 우수한 높은 분류 성능을 보였다. 또한 Grad-CAM이 제공하는 시각화는 모델이 물리적으로 중요한 결함 영역에 집중함을 증명하여 해석 가능성과 신뢰성을 높였다. 이러한 결과는 PVDefectNet이 PV 시스템의 지능형 모니터링 및 유지관리에 있어 우수하고 명확한 솔루션임을 시사한다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Talaat 등(Tue,)이 이 문제를 연구하였다.
www.synapsesocial.com/papers/69b3aaa802a1e69014ccb7a2 — DOI: https://doi.org/10.1038/s41598-026-40246-7
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context:
Fatma M. Talaat
M. Salem
Warda M. Shaban
Scientific Reports
Kafrelsheikh University
Higher Institute of Engineering
Building similarity graph...
Analyzing shared references across papers
Loading...