Publication
Solar panels issues and failures identification
| datacite.subject.fos | Engenharia e Tecnologia | pt_PT |
| dc.contributor.advisor | Dias, André Miguel Pinheiro | |
| dc.contributor.author | Pinto, Augusto Manuel dos Inocentes Rodrigues | |
| dc.date.accessioned | 2024-11-25T13:24:07Z | |
| dc.date.embargo | 2026-11-25 | |
| dc.date.issued | 2024-10-16 | |
| dc.description.abstract | Recent push for the use of photovoltaic panels due to the focus on the green transition as created an inspection problem, a problem that cannot be avoided because these inspections are critical to guarantee the maximum efficiency of the photovoltaic panels and their longevity. At the same time, drone technology and machine learning technologies had significant advances, that allowed these areas to work together in order to solve the automatic panel inspection tasks more efficiently than recurring to manual processes of inspection. Detection of hotspots represent a dominant problem over solar plants energy yield, as well as over the possibility of downtime and interruptions on the grid. This project focus on automatic detection of photovoltaic panel specific failures, using thermal images collected by infrared cameras transported on UAV vehicles. It intends to prove the efficiency of the use of artificial neural networks detecting failures on thermographic images recollected by sensors mounted on Unmanned Aerial Vehicles. | pt_PT |
| dc.description.abstract | O recente impulso para a utilização de painéis fotovoltaicos, devido ao foco na transição climática, criou um problema de inspeção ao seu funcionamento, o qual não pode ser evitado porque estas inspeções são fundamentais para garantir a máxima eficiência dos painéis fotovoltaicos e a sua longevidade. Ao mesmo tempo, a tecnologia de veículos aéreos não tripulados (UAV) e as tecnologias de aprendizagem automática tiveram avanços significativos, o que permitiu que estas áreas trabalhassem em conjunto para resolver as tarefas de inspeção automática de painéis solares de forma mais eficiente do que os métodos recorrentes aos processos manuais de inspeção. A deteção de avarias representa um problema dominante sobre o rendimento energético das centrais solares, bem como sobre a possibilidade de tempo de inatividade e interrupções na rede. Este projeto foca-se na deteção automática de falhas específicas dos painéis fotovoltaicos, utilizando imagens termográficas recolhidas por câmaras de infravermelhos transportadas em UAV. Pretende-se provar a eficiência da utilização de redes neuronais artificiais que detetam patologias específicas, ou manifestações térmicas de eventuais avarias em imagens termográficas recolhidas por sensores montados em UAV. | pt_PT |
| dc.identifier.tid | 203732189 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/26470 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Automatic inspection | pt_PT |
| dc.subject | Failure detection | pt_PT |
| dc.subject | UAV | pt_PT |
| dc.subject | Photovoltaic panels | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.subject | Solar plants | pt_PT |
| dc.subject | Inspeção automática | pt_PT |
| dc.subject | Deteção de falhas | pt_PT |
| dc.subject | Painéis fotovoltaicos | pt_PT |
| dc.subject | Aprendizagem automática | pt_PT |
| dc.subject | Centrais Solares | pt_PT |
| dc.title | Solar panels issues and failures identification | pt_PT |
| dc.title.alternative | Problemas com painéis solares e identificação de falhas | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado de Engenharia de Inteligência Artificial | pt_PT |