| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-01-20 14:40 太陽電池熱画像から異常要因を特定する深層ニューラルネットワーク ○李 丞鎬・鈴木 誠・森川博之（東大）  ASN2016-87 |
|
| 抄録 | （和） | 太陽電池モジュールの劣化は，発電効率の低下だけでなく局所的な発熱や火災を伴うためそのメンテナンスは必要不可欠である．しかしながら，従来の電流電圧特性に注目したメンテナンス手法は，計測装置を各太陽電池モジュールに接続する必要があるため，保守コストが割高となり，メンテナンス性向上に十分に寄与していない．また、既存の熱画像を用いたメンテナンス手法は，高温部位の存在確認にとどまっており，異常状態の診断 には至っていない．本稿では，主な異常部位となるバイパスダイオードおよび発電回路の状態診断に向け， 深層学習を用いた熱画像分類器の設計を示す．また，6つの太陽電池モジュールから半年に渡り収集した1400枚の熱画像に基づく検証により，f1-score 0.97の分類性能を有することを示す． |
| （英） | Deteriorated solar panels cause not only decreasing of power generation but also significantly safety concerns such as concentrated heat generation in a small area. Therefore, the deterioration diagnosis and the risk management are indispensable for solar power generation systems. However, conventional maintenance methods focusing on the power generation characteristics costs a lot of time and money since it is necessary to connect the measuring device to each solar module. Conventional maintenance methods using thermal images are mainly based on abnormality detection focusing on specifying the high temperature area, and specific diagnosis in abnormal solar cells has not yet been provided. In this paper, we design the thermal image classifier using deep learning for the state diagnosis of the bypass diode and the power generation circuit which are the main abnormal part of solar module. The validation based on 1400 thermal images of six solar modules collected over six months, shown to classification performance of f1-score 0.97. | |
| キーワード | （和） | 太陽電池モジュール / 異常診断 / 熱画像 / 畳み込みニューラルネットワーク / / / / |
| （英） | Solar panel / Fault diagnosis / Thermal image / Convolutional neural network / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 407, ASN2016-87, pp. 95-100, 2017年1月. | |
| 資料番号 | ASN2016-87 | |
| 発行日 | 2017-01-12 (ASN) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ASN2016-87 |
|
| 研究会情報 | |
| 研究会 | ASN MoNA MICT |
| 開催期間 | 2017-01-19 - 2017-01-20 |
| 開催地（和） | 別府 花菱ホテル |
| 開催地（英） | |
| テーマ（和） | 知的環境, 医療・健康・スポーツのための技術, スマートシティとモバイル通信, 技術展示および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | ASN |
| 会議コード | 2017-01-ASN-MoNA-MICT |
| 本文の言語 | 日本語 |
| タイトル（和） | 太陽電池熱画像から異常要因を特定する深層ニューラルネットワーク |
| サブタイトル（和） | |
| タイトル（英） | Defect Causal Analysis in Solar Panel using Thermal Image : A Deep Learning Approach |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 太陽電池モジュール / Solar panel |
| キーワード(2)（和/英） | 異常診断 / Fault diagnosis |
| キーワード(3)（和/英） | 熱画像 / Thermal image |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / Convolutional neural network |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 李 丞鎬 / Seungho Lee / イ スンホ |
| 第1著者 所属（和/英） | 東京大学 先端科学技術研究センター (略称： 東大) Research Center for Advanced Science and Technology, The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 鈴木 誠 / Makoto Suzuki / スズキ マコト |
| 第2著者 所属（和/英） | 東京大学 先端科学技術研究センター (略称： 東大) Research Center for Advanced Science and Technology, The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 森川 博之 / Hiroyuki Morikawa / モリカワ ヒロユキ |
| 第3著者 所属（和/英） | 東京大学 先端科学技術研究センター (略称： 東大) Research Center for Advanced Science and Technology, The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-01-20 14:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | ASN |
| 資料番号 | ASN2016-87 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.407 |
| ページ範囲 | pp.95-100 |
| ページ数 | 6 |
| 発行日 | 2017-01-12 (ASN) |
[研究会発表申込システムのトップページに戻る]