MORIKAWA NARUSUE LABORATORY

太陽光発電システムでは，ワッパー割れや内部素子の劣化などといった様々なトラブルが発生する．劣化した太陽光パネルは発電電力の低下を招くだけでなく，局所的な発熱やそれに伴う火災などといった安全性の低下も招くため，劣化診断によるリスク管理は非常に重要な課題である．本研究では，太陽光パネルの熱画像を撮影・分析・データベース化し，熱画像に現れる劣化要因を抽出することで，故障を低コストにかつ非接続式に[m1] 診断することを目指している．具体的には，「熱画像からの太陽光パネル自動抽出および歪み補正」，「発熱源の分布や形に基づく各故障状態[m2] における特徴量抽出」，「バイパス回路・発電素子の劣化診断器の作成」の３つの課題に取り組んでおり，これらを可能とする画像フィルタの開発や畳み込みニューラルネットワークの構築を進めている．現在，外乱のない熱画像をテストデータとした交差検証にて正解率94％の精度を確保しており，より多様な設置条件に対応可能なシステムへの拡張を進めている．

Solar cells are prone to deterioration due to their harsh working environment. Deteriorated solar panels cause not only decreasing of power generation but also significantly safety concerns such as concentrated heat generation in a small area. Therefore, the deterioration diagnosis and the risk management are indispensable for solar power generation systems. The aim of this study is to establish a low-cost and non-connected diagnosis system by accumulating and analyzing the thermal images of solar panels. This study aims to achieve the following three research goals : ‘Automated solar panel detection/perspective transformation from thermal image’, ‘Feature extraction based on heat distribution and shape of local heat area’, and, ‘Defect detection system for bypass circuit and electricity-generating elements based on above two goals’. By employing Convolution Neural Network and novel image filter for thermal image, we achieves high accuracy above 94% on test data not including external factors. Currently, we are working on improving the tolerance of installation requirements of diagnosis system.