Fehleridentifizierung in PV-Solarmodulen durch maschinelles Lernen
GLCM, HOG, Naive-Bayes
Versandkostenfrei!
Versandfertig in 6-10 Tagen
43,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Unter den erneuerbaren Energieformen ist die Solarenergie eine überzeugende, saubere und weltweit akzeptierte Energie. Photovoltaikanlagen, sowohl Freiflächen- als auch Aufdachanlagen, sind weltweit auf dem Vormarsch. Eine der größten Herausforderungen ist die Identifizierung von Fehlern in den Photovoltaik-Modulen, da die Überwachung des Zustands der einzelnen Module in einem großen Kraftwerk mühsam ist.Dieses Projekt zielt darauf ab, das Modul mit Hilfe eines Wärmebildsystems zu identifizieren und die Wärmebilder mit Hilfe der Bildverarbeitungstechnik zu verarbeiten. In ähnlicher W...
Unter den erneuerbaren Energieformen ist die Solarenergie eine überzeugende, saubere und weltweit akzeptierte Energie. Photovoltaikanlagen, sowohl Freiflächen- als auch Aufdachanlagen, sind weltweit auf dem Vormarsch. Eine der größten Herausforderungen ist die Identifizierung von Fehlern in den Photovoltaik-Modulen, da die Überwachung des Zustands der einzelnen Module in einem großen Kraftwerk mühsam ist.Dieses Projekt zielt darauf ab, das Modul mit Hilfe eines Wärmebildsystems zu identifizieren und die Wärmebilder mit Hilfe der Bildverarbeitungstechnik zu verarbeiten. In ähnlicher Weise wurden die neuen und die gealterten Photovoltaikmodule mit der Bildverarbeitungstechnik verglichen, um eventuelle Fehler im Modul zu identifizieren. Die Bilder der gealterten Paneele, die Fehler enthalten, werden aufgezeichnet und die Leistung wird mit der MATLAB-Software analysiert. Dieses Buch ist die Arbeit der Studenten B. Akhila, S. Keerthana, G.Meghana, K Meghana.
Andere Kunden interessierten sich für
