畳み込みニューラルネットワークを用いた太陽電池システムの異常種類の分類

カテゴリ: 部門大会

論文No: 57

グループ名: 【B】令和2年電気学会電力・エネルギー部門大会

発行日: 2020/08/28

タイトル(英語): Classification of Faults of Photovoltaic Power Plants Using Convolutional Neural Networks

著者名: 五井雅登（東京理科大学），片山昇（東京理科大学），盛田克彦（太陽誘電），大川浩（太陽誘電），小杉明史（太陽誘電），今井庸二（太陽誘電）

著者名(英語): Masato Goi (Tokyo University of Science), Noboru Katayama (Tokyo University of Science), Katsuhiko Morita (TAIYO YUDEN CO.,LTD.), Hiroshi Okawa (TAIYO YUDEN CO.,LTD.), Akifumi Kosugi (TAIYO YUDEN CO.,LTD.), Yogi Imai (TAIYO YUDEN CO.,LTD.)

キーワード: 太陽光発電システム|異常検知|異常分類|機械学習|畳み込みニューラルネットワーク|photovoltaic power plants|anomaly detection|classification of faults|machine learning|convolutional neural network

要約(日本語): 近年、太陽光発電所の異常は増加しており、深刻な問題となっている。したがって、太陽電池モジュールの異常検知だけでなく、異常の種類を分類することが注目されている。本研究では、ニューラルネットワークを用いた教師あり機械学習を異常の原因分類に適用することを検討した。しかし、機械学習モデルが十分な推定精度を得るためには、大量の入出力データが必要となる。実際の太陽光発電所では、異常が頻繁に発生せず、実用化に耐えうる数のデータ収集が困難である。したがって本研究では、太陽光発電所に異常が発生した際の大量の電圧データを生成する数値シミュレーションを開発し、その電圧データを用いて機械学習モデルを学習させた。結果、セル故障や影などの異常に対して、高い精度で異常原因を分類することができた。

PDFファイルサイズ: 1,609 Kバイト