Fr. 57.50

Fehleridentifizierung in PV-Solarmodulen durch maschinelles Lernen - GLCM, HOG, Naive-Bayes

German · Paperback / Softback

Shipping usually within 1 to 2 weeks (title will be printed to order)

Description

Read more

Unter den erneuerbaren Energieformen ist die Solarenergie eine überzeugende, saubere und weltweit akzeptierte Energie. Photovoltaikanlagen, sowohl Freiflächen- als auch Aufdachanlagen, sind weltweit auf dem Vormarsch. Eine der größten Herausforderungen ist die Identifizierung von Fehlern in den Photovoltaik-Modulen, da die Überwachung des Zustands der einzelnen Module in einem großen Kraftwerk mühsam ist.Dieses Projekt zielt darauf ab, das Modul mit Hilfe eines Wärmebildsystems zu identifizieren und die Wärmebilder mit Hilfe der Bildverarbeitungstechnik zu verarbeiten. In ähnlicher Weise wurden die neuen und die gealterten Photovoltaikmodule mit der Bildverarbeitungstechnik verglichen, um eventuelle Fehler im Modul zu identifizieren. Die Bilder der gealterten Paneele, die Fehler enthalten, werden aufgezeichnet und die Leistung wird mit der MATLAB-Software analysiert. Dieses Buch ist die Arbeit der Studenten B. Akhila, S. Keerthana, G.Meghana, K Meghana.

About the author










Renuka Devi S M, completado M.Tech(NITK), y Ph.D(HCU) en el área de procesamiento de imágenes. Ha publicado 35 artículos en conferencias internacionales en revistas y conferencias de renombre como IEEE, ACM y Springer Digital Libraries.

Product details

Authors Akhila B, Keerthana S, Renuka Devi S M
Publisher Verlag Unser Wissen
 
Languages German
Product format Paperback / Softback
Released 26.12.2023
 
EAN 9786206984276
ISBN 9786206984276
No. of pages 56
Subject Natural sciences, medicine, IT, technology > Technology > Electronics, electrical engineering, communications engineering

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.