Detección de fallas en paneles solares a partir de imágenes termográficas tomadas por un drone con navegación autónoma.

Vista sencilla de ítem
dc.contributor.authorLoaiza Correa, Humberto
dc.contributor.authorNope Rodriguez, Sandra Esperanza
dc.contributor.authorRestrepo, Andrés David
dc.contributor.corporatenameGrupo de investigación Percepción y Sistemas Inteligentes (PSI)spa
dc.date.accessioned2021-04-20T21:09:55Z
dc.date.available2021-04-20T21:09:55Z
dc.date.issued2019
dc.description.abstractEste proyecto se enfocó en la detección de fallas que se presentan en la fase de operación de los sistemas fotovoltaicos, para lo cual se desarrolló una metodología para la inspección de paneles solares a partir del análisis de las imágenes termográficas aéreas captadas por un UAV (Unmanned Aerial Vehicle). Se adoptó un abordaje científico-experimental dividido en cinco etapas, cada una apuntando al cumplimiento de un objetivo específico. Se propuso un protocolo para la adquisición de las imágenes termográficas desde un UAV, debido a que en la actualidad no existe una guía o estándar para la inspección aérea de paneles solares con imágenes termográficas. El protocolo propuesto recomienda las condiciones ambientales para realizar la inspección (velocidad del viento, temperatura externa e irradiancia). También recomienda condiciones de vuelo del AUV (altura, posición y velocidad), así como el ángulo de la cámara respecto a los paneles para la captura de las imágenes y la franja horaria para realizar la inspección. Siguiendo el protocolo propuesto, se construyó un dataset con 277 imágenes termográficas de paneles de silicio monocristalino ubicados en la terraza del edificio E52 de la Escuela de Ingeniería Eléctrica y Electrónica (EIEE) de la Universidad del Valle, sede Meléndez. El dataset además de las imágenes IR, incluye información de fecha, hora, irradiancia, temperatura externa y velocidad del viento; así como el estado de las celdas (sanas, defectuosas). También se obtuvo un dataset con 950 imágenes del parque solar de Celsia ubicado en Yumbo. Las celdas presentes en las imágenes IR fueron preprocesadas y segmentadas. En la clasificación del estado de las celdas de los paneles solares se utilizaron las técnicas KNN, Mezcla de gaussianas y SVM. El sistema propuesto alcanzó un desempeño de 68.32% con el método KNN y para los métodos de mezcla de gaussianas se obtuvo un desempeño de 72.14%. El mejor desempeño se obtuvo empleando el método supervisado de la SVM para la clasificación de las celdas con defecto del 77%.spa
dc.format.extent1 recurso en línea (26 páginas)spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://hdl.handle.net/10893/20023
dc.language.isospaspa
dc.publisherUniversidad del Vallespa
dc.publisher.placeColombiaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.subject.armarcNavegación autónoma
dc.subject.armarcAlgoritmo
dc.subject.ddcDrones
dc.subject.ddcImágenes termográficas
dc.titleDetección de fallas en paneles solares a partir de imágenes termográficas tomadas por un drone con navegación autónoma.spa
dc.typeInforme de investigaciónspa
dc.type.coarhttp://purl.org/coar/resource_type/c_18wsspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/reportspa
dc.type.redcolhttps://purl.org/redcol/resource_type/IFIspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.awardnumber2919spa
oaire.awardtitleDetección de fallas en paneles solares a partir de imágenes termográficas tomadas por un drone con navegación autónoma.spa
oaire.fundernameUniversidad del Vallespa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
2919 Humberto Loaiza.pdf
Tamaño:
502.12 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Escuela de Ingeniería Eléctrica y Electrónica