تخمین بازده الکتریکی صفحههای فتوولتائیک با روشی مبتنی بر یادگیری عمیق با استفاده از تصویر
نویسندگان
1 استادیار، گروه کامپیوتر، دانشگاه بزرگمهر قائنات، قاین، ایران
2 استادیار، گروه فیزیک، دانشگاه آزاد اسلامی واحد قاینات، قاین، ایران
3 استادیار، گروه کامپیوتر، دانشگاه بزرگمهر قائنات، قاین، ایران
4 استادیار، دانشکده مهندسی عمران و معماری، دانشگاه تربت حیدریه، تربت حیدریه، ایران
5 دانشیار، گروه مکانیک، دانشگاه بزرگمهر قائنات، قاین، ایران
doi
10.22034/tjee.2023.58400.4719چکیده
منابع انرژی تجدیدپذیر طبیعی، فراوان هستند و با انتشار کربن صفر یا بسیار کم از نظر اقتصادی جذاب هستند. از سوی دیگر، شرایط سخت محیطی و آب و هوایی مانند تجمع خاک و گرد و غبار بر کارایی منابع و سیستمهای انرژی تجدیدپذیر تأثیر میگذارد. بر این اساس، نیاز به بازرسی خودکار صفحه های فتوولتائیک با افزایش تقاضا برای تولید و نصب سیستم های جدید انرژی خورشیدی در سراسر جهان حیاتی تر می شود. در این مطالعه، مجموعه داده جدیدی از تصاویر صفحه های غبارآلود و تمیز معرفی شده است. پس از آن، یک معماری شبکه عصبی کانولوشنال جدید جهت تشخیص ولتاژ تولید شده توسط صفحه فتوولتائیک معرفی شده است. در ادامه، پارامترهای برداشت شده از محیط و ولتاژ تخمین زده شده توسط شبکه عصبی پیشنهادی، با استفاده از الگوریتم رگرسیون جنگل تصادفی مورد بررسی قرار گرفته و راندمان صفحه محاسبه شده است. مجموعه فرآیند پیشنهادی به طور خاص با تشخیص تجمع گرد و غبار صفحه های فتوولتائیک سروکار دارد. نتایج بهدستآمده در این کار بهطور تجربی نشان دادهاند که سیستم پیشنهادی نرخهای تشخیص بالایی را تولید میکند. روش جدید پیشنهادی منجربه پیاده سازی یک تکنیک تمیز کردن خودکار موثرتر و کارآمدتر برای صفحههای فتوولتائیک می شود.