Análise de Defeitos em Células Fotovoltaicas Através da Matriz de Coocorrência de Níves de Cinza

EasyChair Preprint 11106

Abstract

A crescente demanda global por eletricidade e os impactos ao ambiente produzidos pela geração termoelétrica tem levado ao investimento em fontes de energia renováveis, como a energia solar fotovoltaica (FV). No entanto, o crescimento da capacidade instalada dos sistemas de geração fotovoltaicos exige sistemas inteligentes para detectar falhas em seus componentes, em particular nas células FV. Conversoras de energia solar em elétrica, essas últimas operam expostas a condições ambientais adversas, como vento, chuva, salinidade e poeira, que degradam e comprometem a eficiência e confiabilidade do sistema de geração. Nesse contexto, é proposto nesse trabalho um sistema inteligente para detecção de defeitos em células FVs a partir de imagens de eletroluminescência (EL). Esse sistema baseia-se em um modelo de classificação supervisionado, no qual as características das imagens são representadas por um descritor de textura construído a partir da Matriz de Coocorrência de Níveis de Cinza. O modelo foi avaliado por validação cruzada em uma base pública de 2624 imagens de células FVs, demonstrando sensibilidade aos defeitos de sombreamento, pontos de calor, trincas e microfissuras. O seu melhor desempenho foi obtido com o classificador Random Forest (RF), com resultados competitivos aos encontrados na literatura, sendo assim uma alternativa viável na inspeção automatizada de células FVs.

Keyphrases: Gray Level Co-occurrence Matrix, Photovoltaic cell, computer vision, fault detection

@booklet{EasyChair:11106,
  author    = {Alan M. da Rocha and Marcelo M. S. de Souza and Francilândio L. Serafim and Carlos A. R. Fernandes and Ícaro B. Viana},
  title     = {Defect Analysis in Photovoltaic Cells Using the Gray-Level Co-Occurrence Matrix},
  howpublished = {EasyChair Preprint 11106},
  year      = {EasyChair, 2023}}