KR102347616B1 - 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템 - Google Patents
열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템 Download PDFInfo
- Publication number
- KR102347616B1 KR102347616B1 KR1020200053988A KR20200053988A KR102347616B1 KR 102347616 B1 KR102347616 B1 KR 102347616B1 KR 1020200053988 A KR1020200053988 A KR 1020200053988A KR 20200053988 A KR20200053988 A KR 20200053988A KR 102347616 B1 KR102347616 B1 KR 102347616B1
- Authority
- KR
- South Korea
- Prior art keywords
- thermal image
- aerial vehicle
- unmanned aerial
- solar panel
- reading device
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 238000003384 imaging method Methods 0.000 claims abstract description 15
- 230000005856 abnormality Effects 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 239000011521 glass Substances 0.000 claims description 2
- 238000013021 overheating Methods 0.000 claims description 2
- 238000011176 pooling Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000011410 subtraction method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- B64C2201/127—
-
- B64C2201/146—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T50/00—Aeronautics or air transport
- Y02T50/50—On board measures aiming to increase energy efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Photovoltaic Devices (AREA)
- Image Processing (AREA)
Abstract
본 발명에 따른 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템은, 복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛을 통해 태양광 패널의 열화상 이미지를 획득하는 열화상 이미지 획득용 무인 비행체와, 열화상 이미지 획득용 무인 비행체와 통신하며, 열화상 이미지 획득용 무인 비행체에 제어신호를 송신하는 지상통제시스템과, 열화상 이미지 획득용 무인 비행체가 획득한 열화상 이미지를 전달받으며 열화상 이미지를 이미지 차감법(image subtraction)에 의해 분석하여 태양광 패널의 이상을 판독하는 고장 판독장치와, 고장 판독장치와 통신하며 태양광 패널의 참조 열화상 이미지가 저장된 데이터 서버를 포함하는 것을 특징으로 한다. 본 발명에 따르면 복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛을 통해 태양광 패널의 열화상 이미지를 획득하는 열화상 이미지 획득용 무인 비행체를 구비함으로써, 넓은 지역에 설치된 다수개의 태양광 패널의 열화상 이미지를 빠르고 간편하게 획득할 수 있는 이점이 있다.
Description
본 발명은 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템에 관한 것이다.
최근 환경 보존을 위한 각종 환경 규제의 필요성과 화력 발전이나 원자력 발전과 같은 기존 에너지 발전 시설의 위험성 및 각종 오염원 배출로 인한 문제가 대두되면서 신재생 에너지가 크게 각광받고 있다.
이러한 신재생 에너지 중에서 발전 시설의 구축비용이 저렴하면서도 구축 편의성이 높은 태양광을 이용한 발전이 가장 주목받고 있으며, 이러한 태양광을 이용한 태양광 발전소에는 태양광 패널이 사용되고 있다.
태양광 패널은 태양광을 통해 전력을 생성하므로 야외에 설치되어야 하며, 이로 인해 각종 악천후의 환경에 노출되어 태양광 패널의 운용 과정에서 손상으로 인한 불량이 발생할 수 있다.
또한, 태양광 패널은 대용량의 전력을 생성하기 위해 다수의 태양광 패널이 운용되며, 이로 인해 불량이 발생한 태양광 패널의 개수가 누적되면 발전 효율이 크게 떨어지게 되므로, 이러한 불량이 발생한 태양광 패널을 신속하게 검출하여 유지보수가 이루어지도록 지원하는 것이 필요하다.
태양광 패널에 대한 기존의 유지보수 방법으로 유지보수 인력이 카메라를 직접 들고 1장씩 촬영을 하는 방법이 있는데, 이 경우 태양광 패널을 가까이서 정확하게 볼 수 있는 장점은 있지만 촬영에 많은 시간과 비용이 소요되는 문제점이 있다.
본 발명의 목적은, 상술한 문제점을 해결할 수 있는 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템을 제공하는 데 있다.
상기 목적을 달성하기 위한 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템은,
복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛을 통해 상기 태양광 패널의 열화상 이미지를 획득하는 열화상 이미지 획득용 무인 비행체;
상기 열화상 이미지 획득용 무인 비행체와 통신하며, 상기 열화상 이미지 획득용 무인 비행체에 제어신호를 송신하는 지상통제시스템;
상기 열화상 이미지 획득용 무인 비행체가 획득한 상기 열화상 이미지를 전달받으며, 상기 열화상 이미지를 이미지 차감법(image subtraction)에 의해 분석하여 태양광 패널의 이상을 판독하는 고장 판독장치; 및
상기 고장 판독장치와 통신하며, 상기 태양광 패널의 참조 열화상 이미지가 저장된 데이터 서버를 포함하는 것을 특징으로 한다.
본 발명은 복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛을 통해 태양광 패널의 열화상 이미지를 획득하는 열화상 이미지 획득용 무인 비행체를 구비함으로써, 넓은 지역에 설치된 다수개의 태양광 패널의 열화상 이미지를 빠르고 간편하게 획득할 수 있는 이점이 있다.
또한, 작업자가 진입하기 곤란한 지역에 설치된 태양광 패널의 위치로 진입할 필요가 없어 진입하기 곤란한 지역에 설치된 태양광 패널의 열화상 이미지를 안전하게 획득할 수 있는 이점이 있다.
또한, 본 발명은 열화상 이미지 획득용 무인 비행체가 획득한 열화상 이미지를 전달받아 이미지 차감법(image subtraction)에 의해 분석하여 태양광 패널의 이상을 판독하는 고장 판독장치를 구비함으로써, 태양광 패널의 이상여부를 빠르게 판독할 수 있는 이점이 있다.
도 1은 본 발명의 일 실시예에 따른 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템을 나타낸 도면이다.
도 2는 도 1의 열화상 이미지 획득용 무인 비행체에 장착된 촬상유닛이 촬영한 태양광 패널의 열화상 이미지를 나타낸 도면이다.
도 3은 도 1의 고장 판독장치의 판독단계를 순차적으로 나타낸 도면이다.
도 2는 도 1의 열화상 이미지 획득용 무인 비행체에 장착된 촬상유닛이 촬영한 태양광 패널의 열화상 이미지를 나타낸 도면이다.
도 3은 도 1의 고장 판독장치의 판독단계를 순차적으로 나타낸 도면이다.
이하, 본 발명의 일
실시예에
따른
열화상
이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템을 자세히 설명한다.
먼저, 본 발명의 일 실시예에 따른 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템의 고장 판독 대상인 태양광 패널을 구비하는 태양광 발전소에 대해 설명한다. 태양광 발전소는 태양광 패널과, 접속반(미도시)과, 인버터(미도시)로 구성된다.
태양광 패널은 태양으로부터 입사되는 빛 에너지를 전기에너지로 변환하여 출력시킨다. 이러한 태양광 패널은 다수의 태양전지 어레이(미도시)로 구성돤다. 본 실시예에서 태양광 패널은 총 N개의 태양전지 어레이들로 구성되며, 태양전지 어레이들은 상호 병렬로 연결된다. 그리고 각 태양전지 어레이는 다수의 태양전지 모듈로 구성된다. 각 태양전지 어레이의 구성요소인 다수의 태양전지 모듈은 상호 직렬로 연결되어 구성된다. 각 태양전지 어레이의 구성은 동일한 바, m개의 태양전지 모듈이 상호 직렬로 연결된다. 태양전지 모듈은 태양전지 셀을 패키지화한 것으로서, 태양전지 셀은 태양에너지를 전기에너지로 변환할 목적으로 제작된 광전지이며, 금속과 반도체의 접촉면 또는 반도체의 pn접합에 빛을 조사하며 광전효과에 의해 광기전력이 일어나는 것을 이용한 것이다.
접속반(미도시)은 태양광 패널의 직류전력을 스트링 단위로 수신하고, 이를 병합하여 인버터(미도시)에 제공한다.
인버터(미도시)는 접속반(미도시)을 통해 병합되어 출력되는 직류전력을 교류전력으로 변환한 후, 전력 계통 부하(미도시)에 공급한다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템은, 열화상 이미지 획득용 무인 비행체(110)와, 지상통제시스템(120)과, 고장 판독장치(130)와, 데이터 서버(140)로 구성된다.
열화상 이미지 획득용 무인 비행체(110)는 상술한 복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛(미도시)을 통해 태양광 패널의 열화상 이미지를 획득한다.
본 실시예에서 열화상 이미지 획득용 무인 비행체(110)는 드론으로 이루어진다. 이러한 열화상 이미지 획득용 무인 비행체(110)는, 촬상유닛(미도시)이 장착된 드론 본체부(111)와, 드론 본체부(111)에 연결되며 비행 가능한 추력을 발생시키는 구동부(112)와, 지상통제시스템(120)의 제어신호를 수신하는 송수신부(미도시)와, 지피에스(GPS) 정보를 수신하는 지피에스 모듈(미도시)을 구비한다.
드론 본체부(111)에는 촬상유닛(미도시), 송수신부(미도시) 및 지피에스 모듈(미도시)이 장착된다. 드론 본체부(111)에 장착된 촬상유닛(미도시)은 적외선 열화상을 촬상할 수 있는 적외선열화상카메라로 이루어진다. 이러한 촬상유닛(미도시)은 태양광 패널의 열화상 이미지를 획득한다.
도 2에는 촬상유닛(미도시)이 촬영한 태양광 패널의 열화상 이미지 중 태양광 패널이 이상상태일 때의 이미지가 도시되어 있다. 도 2(a)는 모듈내 단락이 발생될 때이고, 도 2(b)는 스트링 연결 단선이 발생될 때이고, 도 2(c)는 배선 극성의 연결 문제가 발생될 때이고, 도 2(d)는 열화 진행(마이크로 크랙)이 발생될 때이고, 도 2(e)는 정션 박스 과열이 발생될 때이고, 도 2(f)는 모듈 유리의 파손이 발생될 때이다.
구동부(112)는 드론 본체부(111)에 연결된다. 이러한 구동부(112)는 회전익을 구비하여 비행 가능한 추력을 발생시킨다. 본 실시예에서 구동부(112)는 4개로 구성되어 드론 본체부(111)에에 지지된다.
본 실시예에 따른 열화상 이미지 획득용 무인 비행체(110)는, 4개의 구동부(112)가 발생시키는 추력의 상대적 차이를 이용하여 방향전환 및 이동이 가능하다.
송수신부(미도시)는 드론 본체부(111)에 장착된다. 이러한 송수신부(미도시)는 지상통제시스템(120)과 무선통신이 가능하도록 구성되어 지상통제시스템(120)의 제어신호를 수신한다. 또한, 송수신부(미도시)는 고장 판독장치(130)와 무선통신 가능하게 연결되어 촬상유닛(미도시)이 획득한 태양광 패널의 열화상 이미지를 고장 판독장치(130)에 직접 전송할 수 있게 구성될 수 있다.
지상통제시스템(120)은 상술한 바와 같이 열화상 이미지 획득용 무인 비행체(110)와 통신하여 열화상 이미지 획득용 무인 비행체(110)에 비행용 제어신호와 태양광 패널을 촬영하도록 하는 촬영신호를 송신한다.
고장 판독장치(130)는 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지를 전달받는다. 이러한 고장 판독장치(130)는 열화상 이미지를 이미지 차감법(image subtraction)에 의해 분석하여 태양광 패널의 이상을 판독한다.
이미지 차감법(image subtraction)은 한 픽셀 또는 전체 이미지의 디지털 숫자 값을 다른 이미지에서 빼는 방식이다. 이러한 이미지 차감법은 두 이미지 사이의 변화를 감지하기 위해 주로 사용되며, 이미지 차감법에 의해 온도의 작은 변화를 용이하게 식별할 수 있다.
본 실시예의 이미지 차감법은 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지로부터 데이터 서버(140)로부터 전달받은 태양광 패널의 참조 열화상 이미지를 차감하는 방식을 사용한다. 이러한 방식에 의해 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지와 데이터 서버(140)로부터 전달받은 태양광 패널의 참조 열화상 이미지 사이의 온도차이가 나타난다.
이렇게 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지와 데이터 서버(140)로부터 전달받은 태양광 패널의 참조 열화상 이미지를 비교하기 위해 고장 판독장치(130)는, 먼저 도 3(a)에 도시된 바와 같이, 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지를 96x96 크기로 변환하여 4개의 Convolutional 계층을 거쳐 특징을 추출해 낸다.
다음, 인식률을 높이기 위해 도 3(b)에 도시된 바와 같이 총 4개의 Convolution 계층을 활용한다.
이후, 고장 판독장치(130)는 하나의 Convolutional 계층을 Convolutional 필터를 사용해서 특징을 추출한 후 액티베이션 함수(Activation function)으로 활성화 함수인 ReLu를 적용한 다음, 맥스풀링(Max Pooling)을 이용하여 주요 특징을 정리하여 Fully connected 계층으로 분할한다.(도 3(c) 참조)
이때, Fully connected 계층은 2개의 뉴럴 네트워크를 지니고 있어 Convolution계층에서 전송된 특징 데이터를 통해 정상/비정상에 관련된 데이터 판독을 수행한다.
다음, 고장 판독장치(130)는 Dropout계층을 통해 Fully connected 계층의 결과에서 오버피팅(Overfitting)이 발생하는 것을 방지한다.(도 3(d) 참조)
이후, 고장 판독장치(130)는 고장 판독장치(130)에 구비된 최종 분류기(미도시)를 통해 데이터 서버(140)에 저장된 태양광 패널의 참조 열화상 이미지들과 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지를 비교하여 태양광 패널의 정상 및 비정상 여부를 판별한다.(도 3(e) 참조)
한편, 데이터 서버(140)는 고장 판독장치(130)와 무선 또는 유선으로 통신한다. 이러한 데이터 서버(140)에는 태양광 패널의 참조 열화상 이미지가 저장된다. 여기서 참조 열화상 이미지는 태양광 패널의 정상상태에서의 열화상 이미지이다.
또한, 데이터 서버(140)는 열화상 이미지 획득용 무인 비행체(110)가 촬영한 태양광 패널의 열화상 이미지를 전달받아 저장할 수 있다.
한편, 본 실시예에 따른 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템은, 데이터 서버(140)와 통신하며 데이터 서버(140)에 저장된 열화상 이미지를 전달받아 인공지능 딥러닝 알고리즘을 통해 분량원인을 분석하는 인공지능서버(150)를 더 구비한다.
인공지능서버(150)는 데이터 서버(140)에 저장된 열화상 이미지 획득용 무인 비행체(110)가 촬영한 태양광 패널의 열화상 이미지와 태양광 패널의 참조 열화상 이미지를 전달받아 딥러닝 알고리즘을 통해 분석하여 크랙, snail-trail, debris 등의 불량 원인을 분석한다.
이하에서는 본 실시예에 따른 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템의 동작을 도 1 내지 도 3을 참조하여 설명한다.
먼저, 열화상 이미지 획득용 무인 비행체(110)가 복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛(미도시)을 통해 태양광 패널의 열화상 이미지를 획득한다.
열화상 이미지 획득용 무인 비행체(110)가 획득한 태양광 패널의 열화상 이미지는 고장 판독장치(130)로 전달된다.
고장 판독장치(130)는 열화상 이미지 획득용 무인 비행체(110)가 획득한 열화상 이미지와 데이터 서버(140)에서 저장된 태양광 패널의 참조 열화상 이미지를 이미지 차감법(image subtraction)을 통해 비교분석하여 태양광 패널의 이상을 판독한다.
110: 열화상 이미지 획득용 무인 비행체
111: 드론 본체부 112: 구동부
120: 지상통제시스템 130: 고장 판독장치
140: 데이터 서버 150: 인공지능서버
111: 드론 본체부 112: 구동부
120: 지상통제시스템 130: 고장 판독장치
140: 데이터 서버 150: 인공지능서버
Claims (5)
- 복수의 태양광 패널이 설치된 지역의 상공을 비행하면서 장착된 촬상유닛을 통해 상기 태양광 패널의 열화상 이미지를 획득하는 열화상 이미지 획득용 무인 비행체;
상기 열화상 이미지 획득용 무인 비행체와 통신하며, 상기 열화상 이미지 획득용 무인 비행체에 제어신호를 송신하는 지상통제시스템;
상기 열화상 이미지 획득용 무인 비행체가 획득한 상기 열화상 이미지를 전달받으며, 태양광 패널의 이상을 판독하는 고장 판독장치; 및
상기 고장 판독장치와 통신하며, 상기 태양광 패널의 참조 열화상 이미지가 저장된 데이터 서버를 포함하며,
상기 고장 판독 장치는,
모듈내 단락의 발생여부, 스트링 연결 단선의 발생여부, 배선 극성의 연결 문제 발생여부, 마이크로 크랙 발생여부, 정션 박스 과열 여부, 모듈 유리 파손 여부를 구별하여 판독하기 위해,
상기 열화상 이미지 획득용 무인 비행체로부터 전달받은 열화상 이미지와 상기 데이터 서버로부터 전달받은 태양광 패널의 참조 열화상 이미지를 다음 순서대로 비교하는 것을 특징으로 하는 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템.
-다음-
상기 열화상 이미지 획득용 무인 비행체가 획득한 열화상 이미지를 96x96 크기로 변환하여 4개의 Convolutional 계층을 거쳐 특징을 추출함.
인식률을 높이기 위해 총 4개의 Convolution 계층을 활용함.
상기 고장 판독장치는 하나의 Convolutional 계층을 Convolutional 필터를 사용해서 특징을 추출한 후 액티베이션 함수(Activation function)으로 활성화 함수인 ReLu를 적용한 다음, 맥스풀링(Max Pooling)을 이용하여 주요 특징을 정리하여 Fully connected 계층으로 분할함.
이때, Fully connected 계층은 2개의 뉴럴 네트워크를 지니고 있어 상기 Convolution 계층에서 전송된 특징 데이터를 통해 정상/비정상에 관련된 데이터 판독을 수행함.
상기 고장 판독장치는 Dropout계층을 통해 Fully connected 계층의 결과에서 오버피팅(Overfitting)이 발생하는 것을 방지함.
상기 고장 판독장치는 상기 고장 판독장치에 구비된 최종 분류기를 통해 상기 데이터 서버에 저장된 태양광 패널의 참조 열화상 이미지들과 상기 열화상 이미지 획득용 무인 비행체가 획득한 열화상 이미지를 비교하여 태양광 패널의 정상 및 비정상 여부를 판별함. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200053988A KR102347616B1 (ko) | 2020-05-06 | 2020-05-06 | 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200053988A KR102347616B1 (ko) | 2020-05-06 | 2020-05-06 | 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210135842A KR20210135842A (ko) | 2021-11-16 |
| KR102347616B1 true KR102347616B1 (ko) | 2022-01-06 |
Family
ID=78717081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200053988A KR102347616B1 (ko) | 2020-05-06 | 2020-05-06 | 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102347616B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102466333B1 (ko) * | 2022-07-01 | 2022-11-17 | 주식회사 대한이앤씨 | 적외선 열화상을 이용한 교량 포장면 결함 검사 시스템 및 그 방법 |
| KR102646725B1 (ko) * | 2023-03-21 | 2024-03-12 | 한국광기술원 | 태양광 패널의 발전량 예측 및 고장진단 기능을 포함하는 엣지 디바이스 및 그를 포함하는 태양광 발전 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101943342B1 (ko) | 2018-08-29 | 2019-01-29 | (주)메타파스 | 무인 비행체를 이용한 태양광 패널 관리 시스템 및 방법 |
| JP2019052954A (ja) * | 2017-09-15 | 2019-04-04 | エナジー・ソリューションズ株式会社 | 検査システム、検査方法、サーバ装置、及びプログラム |
| KR101998241B1 (ko) | 2019-01-07 | 2019-07-10 | 주식회사 아이온커뮤니케이션즈 | 빅데이터를 이용한 태양광 패널 불량 검출 시스템 |
| US20190228506A1 (en) * | 2018-01-19 | 2019-07-25 | Bae Systems Information And Electronic Systems Integration Inc. | Methods for image denoising and deblurring |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101742598B1 (ko) | 2015-06-09 | 2017-06-15 | 주식회사 주왕산업 | 열화상 카메라를 이용한 태양광 발전설비의 원격 감시 장치 |
-
2020
- 2020-05-06 KR KR1020200053988A patent/KR102347616B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019052954A (ja) * | 2017-09-15 | 2019-04-04 | エナジー・ソリューションズ株式会社 | 検査システム、検査方法、サーバ装置、及びプログラム |
| US20190228506A1 (en) * | 2018-01-19 | 2019-07-25 | Bae Systems Information And Electronic Systems Integration Inc. | Methods for image denoising and deblurring |
| KR101943342B1 (ko) | 2018-08-29 | 2019-01-29 | (주)메타파스 | 무인 비행체를 이용한 태양광 패널 관리 시스템 및 방법 |
| KR101998241B1 (ko) | 2019-01-07 | 2019-07-10 | 주식회사 아이온커뮤니케이션즈 | 빅데이터를 이용한 태양광 패널 불량 검출 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210135842A (ko) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pierdicca et al. | Deep convolutional neural network for automatic detection of damaged photovoltaic cells | |
| KR102347616B1 (ko) | 열화상 이미지 차감 분석 기반 태양광 발전소 고장 판독 시스템 | |
| CN204795370U (zh) | 监测***及包含其的交通工具 | |
| KR102133224B1 (ko) | 태양광 어레이 설치용 cad 설계도면을 활용한 태양광 어레이 자동 진단 시스템 | |
| KR102250247B1 (ko) | 무인비행체를 이용한 태양광 패널 관리장치 및 시스템 | |
| JP6414721B1 (ja) | 太陽電池モジュールのモニタリング方法、及び太陽電池モジュールモニタリングシステム | |
| KR101985019B1 (ko) | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 | |
| KR102536565B1 (ko) | 태양광 발전 설비 모니터링 시스템 및 방법 | |
| KR20220055082A (ko) | 열화상 이미지의 태양광 모듈 단위 데이터 학습을 통한 딥러닝 기반 결함 검출 시스템 및 방법 | |
| EP4396766A1 (en) | System and method for identifying defective solar panels and to quantify energy loss | |
| JP2018082602A (ja) | 太陽電池モジュール劣化診断システム | |
| Zou et al. | Drone-based solar panel inspection with 5G and AI Technologies | |
| KR102091493B1 (ko) | 태양광발전소의 원격관리시스템 | |
| de Oliveira et al. | Low-cost aerial electroluminescence (aEL) of PV power plants | |
| Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
| CN210927565U (zh) | 一种利用无人机采集光伏组件故障的装置 | |
| KR20200087548A (ko) | 드론을 이용한 태양광 발전 패널 검사 시스템 | |
| JP2019140886A (ja) | 太陽電池モジュール劣化診断システム | |
| KR20210100239A (ko) | 비행체를 활용한 태양광발전 유지관리 방법 | |
| CN117200693A (zh) | 光伏组件故障诊断方法、装置、设备及存储介质 | |
| CN112184651A (zh) | 一种基于人工智能的光伏电站零件松动检测***及方法 | |
| Kim et al. | Analyzing the range of angles of a solar panel to detect defective cells, using a UAV | |
| Zhang et al. | Inspection and classification system of photovoltaic module defects based on UAV and thermal imaging | |
| JP6880568B2 (ja) | 太陽光発電システムおよび検査方法 | |
| KR102380224B1 (ko) | 광섬유 복합 가공지선을 통신 선로 및 전력원으로 이용한 송전탑 감시 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |