| 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 | 2026-03-02 10:30 Supervised Machine Learning Techniques for Fault Detection and Classification in Photovoltaic (PV) Systems ○Ahmed Malouq・Shogo Muramatsu（Niigata Univ.）  EA2025-80 SIP2025-100 SP2025-33 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Solar photovoltaic systems are considered one of fastest rising renewable energy technologies due to their efficiency, low cost, long-life cycle, installation flexibility and recyclability. However, these systems can be exposed to different abnormalities, like various types of faults that can affect performance and lead to significant consequences. Therefore, this paper is dedicated to detect and classify different types of faults in PV systems using Machine Learning (ML) algorithms such as, multiclass Support Vector Machine (MSVM), K-Nearest Neighbor (KNN), and Decion Tree (DT) algorithms. The aim of this study is to use the ML algorithms to classify normal operations, four types of faults using data collected from a PV system built in a real-time environment. Specific parameters are collected from the system for various values of irradiance and temperature to ensure a wide variety of environmental weather conditions are considered. The performance was improved by deploying a unique approach to choose the best input parameters for each ML algorithm that gives the highest accuracy. The results showed that the ML algorithms after parameter selection excelled in detecting and classifying normal operating conditions and different faults in PV system. MSVM achieved 96.14% overall accuracy, KNN achieved 88.1%, and DT achieved 89.7%. | |
| キーワード | （和） | / / / / / / / |
| （英） | PhotoVoltaic System / Machine Learning / Support Vector Machine (SVM) / K Nearest Neighbor (KNN) / Decision Tree (DT) / Fault Detection / / | |
| 文献情報 | 信学技報, vol. 125, no. 370, SIP2025-100, pp. 43-48, 2026年3月. | |
| 資料番号 | SIP2025-100 | |
| 発行日 | 2026-02-23 (EA, SIP, SP) | |
| ISSN | 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 | EA2025-80 SIP2025-100 SP2025-33 |
|
| 研究会情報 | |
| 研究会 | SP EA SIP IPSJ-SLP |
| 開催期間 | 2026-03-02 - 2026-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2026-03-SP-EA-SIP-SLP |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Supervised Machine Learning Techniques for Fault Detection and Classification in Photovoltaic (PV) Systems |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / PhotoVoltaic System |
| キーワード(2)（和/英） | / Machine Learning |
| キーワード(3)（和/英） | / Support Vector Machine (SVM) |
| キーワード(4)（和/英） | / K Nearest Neighbor (KNN) |
| キーワード(5)（和/英） | / Decision Tree (DT) |
| キーワード(6)（和/英） | / Fault Detection |
| 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） | Ahmed Malouq / Ahmed Malouq / アハメッド マルゥーク |
| 第1著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 村松 正吾 / Shogo Muramatsu / ムラマツ ショウゴ |
| 第2著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-02 10:30:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2025-80, SIP2025-100, SP2025-33 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.369(EA), no.370(SIP), no.371(SP) |
| ページ範囲 | pp.43-48 |
| ページ数 | 6 |
| 発行日 | 2026-02-23 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]