Detecção de falhas em painéis fotovoltaicos usando redes neurais

Abstract

A geração de energia em residências por meio de placas solares, também conhecida como energia solar fotovoltaica, é uma prática sustentável e renovável. Os principais benefícios estão relacionados ao fato de a energia solar fotovoltaica ser sustentável, renovável e abundante. A capacidade de geração de energia solar residencial varia, mas em média, painéis solares podem gerar eletricidade suficiente para abastecer milhões de lares. Com a diminuição dos custos ao longo dos anos, a energia solar tornou-se uma opção acessível para a população. O objetivo do projeto é desenvolver uma metodologia por meio de um conjunto de programas que permita detectar falhas na geração através de fotos dos painéis fotovoltaicos. Para tal fim, técnicas baseadas em processamento de sinais não são suficientes devido à grande variabilidade de cenários possíveis que cercam as falhas, ainda que as falhas sejam muito semelhantes em aparências. As técnicas usadas são baseadas em redes neurais de aprendizado profundo como as que são comumente usadas para detecção de características em imagens. Dada a dificuldade de obtenção de imagens marcadas e a natureza padronizada dos problemas, utilizou-se a técnica de geração automática de imagens por meio de um sistema de simulação tridimensional. Assim com as imagens geradas, puderam-se treinar redes neurais para detecção dessas falhas. Os resultados mostraram que houve uma exatidão de cerca de 98\% na detecção dos painéis e 87\% na detecção de falhas, quando se utilizou a metodologia aqui apresentada.

Generating energy in homes through solar panels, also known as photovoltaic solar energy, is a sustainable and renewable practice. The main benefits are related to the fact that solar energy is sustainable, renewable, and abundant. The capacity for residential solar energy generation varies, but on average, solar panels can generate enough electricity to power millions of homes. With decreasing costs over the years, solar energy has become an affordable option for the general population. This project’s objective is to develop a methodology through a set of programs that allows the detection of faults in generation through photos of photovoltaic panels. For this purpose, techniques based on signal processing are not sufficient due to the significant variability of possible scenarios surrounding the faults, even if the faults appear very similar. The techniques used are based on deep learning neural networks, similar to those commonly used for feature detection in images. Given the difficulty of obtaining labeled images and the standardized nature of the problem, the technique of automatic image generation through a three-dimensional simulation system was used. With the generated images, neural networks were trained to detect these faults. The results showed an accuracy of about 98% in panel detection and 87% in fault detection when using the presented methodology.