KI-Beratung Beta

Produktbild: Fehleridentifizierung in PV-Solarmodulen durch maschinelles Lernen

Fehleridentifizierung in PV-Solarmodulen durch maschinelles Lernen GLCM, HOG, Naive-Bayes

43,90 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

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,...

Beschreibung

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.

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.12.2023

Verlag Verlag Unser Wissen
Seitenzahl

56

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.12.2023

Verlag Verlag Unser Wissen
Seitenzahl

56

Maße (L/B/H)

22/15/0,4 cm

Gewicht

102 g

Auflage

1. Auflage

Sprache

Deutsch

ISBN

978-620-6-98427-6

Herstelleradresse

VDM Verlag
Dudweiler Landstraße 99
66123 Saarbrücken
DE

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Fehleridentifizierung in PV-Solarmodulen durch maschinelles Lernen