An Infrared Images-based Hotspot Fault Detection and Mitigation Measures in Solar-pv Using Ldpqr and LC2RN-AGN

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Researchers in photovoltaic systems and AI-based fault detection will find this novel algorithm useful.

🏢実務担当者:Solar farm operators can adopt the hotspot detection method to reduce downtime and improve energy yield.

<title>抄録</title> <p>世界的に、太陽光発電（PV）システムは、多様な再生可能エネルギー源（RES）の中でも主要な選択肢として際立っている。しかし、太陽光発電（Solar-PV）における架台構造（MS）のずれを特定することに焦点を当てた従来の方法は存在しない。そこで、本論文では、線形Dixon-Price二次レギュレータ（LDPQR）と対数コントラスト正則化リカレントニューラル適応ガンベルネットワーク（LC2RN-AGN）を用いた、太陽光発電システムにおけるMSのずれとホットスポット検出および緩和策（MM）を提案する。まず、PVシステムのレイアウトを最適化するために、提案する二次元指数ガウス赤パンダ最適化（2D-EGRPO）を使用する。同様に、ダブルバイパスダイオードを用いて、ジャンクションボックス（JB）を構成する。次に、赤外線画像を取得し、さらに事前学習済みのホットスポット故障検出モデルに入力する。最初に、ノイズ除去と超解像が行われる。次に、特徴量と温度特徴量が抽出され、さらに提案するLC2RN-AGNに入力され、そこでHFが得られる。その後、提案するキュービックBray-Curtisベースのペナルティ四次K-means（CBC-PQKM）に基づいて、ホットスポットの位置が特定される。次に、ホットスポット効果を緩和するために、ヒートシンクが作動する。その後、架台のずれ検証が行われ、続いてLDPQRベースの補償が行われる。このようにして、提案手法は、ピーク時間1.77秒でより高い信頼性を達成した。</p>

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

<title>Abstract</title> <p>Universally, a solar photovoltaic (PV) system stands out as a leading option among the diverse range of renewable energy sources (RES). However, none of the traditional methods focused on identifying the misalignment in the Mounting Structure (MS) in the Solar Photo-Voltaic (Solar-PV). Thus, an MS alignment with hotspot detection and Mitigation Measures (MM) in solar-PV systems using Linear Dixon-Price Quadratic Regulator (LDPQR), and Log Contrastive Regularization Recurrent Neural Adaptive Gumbel Network (LC2RN-AGN) is proposed in this paper. Primarily, to optimize the PV system layout, the proposed Two-Dimensional-Exponential Gaussian Red Panda Optimization (2D-EGRPO) is used. Likewise, by using the double-bypass diodes, the Junction Box (JB) is configured. Next, the infrared images are acquired and further inputted into the pre-trained hotspot fault detection model. Initially, the noise elimination and super-resolution are done. Next, the features and temperature features are extracted and further fed into the proposed LC2RN-AGN, where the HF is obtained. Then, based on the proposed Cubic Bray-Curtis-based Penalty Quartic K-Means (CBC-PQKM), the hotspot location is identified. Then, to mitigate the hotspot effect, the heat sink is activated. Then, the mounting misalignment verification is done, followed by LDPQR-based compensation. Thus, the proposed method attained higher reliability with a peak time of 1.77s.</p>

• Research Square https://doi.org/10.21203/rs.3.rs-9720222/v1first seen 2026-05-22 04:21:29 · last seen 2026-06-04 04:27:15