http://elea.unisa.it/xmlui/handle/10556/50 2026-04-22T20:34:53Z http://elea.unisa.it/xmlui/handle/10556/7443 Models and Methods for the identification of degradation processes in photovoltaic panels Burbano, Rudy Alexis Guejia I sistemi fotovoltaici sono diventati uno dei pi`u promettenti fonti di energia rinnovabile negli ultimi anni. Inevitabilmente, questi sistemi affrontano differenti effetti di degradazione associati con le condizione ambientali e le condizione operative, difetti di fabbricazione, e condizione di mismatch che accelerano la degradazione. Il diagnostico di processi di degradazione `e diventato un’importante argomento per incrementare la affidabilit`a e l’efficienza degli dispositivi fotovoltaici. Questo cerca di massimizzare il performance degli dispositivi solari e contribuire per l’individuazione precoce per migliorare le attivit`a di manutenzione ad evitare perdite di energia e soldi. La contribuzione di questa tesi `e rivolta a proporre strumenti metodologici per realizzare individuazione precoce di effetti di degradazione in dispositivi fotovoltaici. Implementazioni online sono nel faretto perch´e loro portano il beneficio d’evitare modificazioni nella condizione operativa nominale degli dispositivi fotovoltaici. Per raggiungere quest’obbiettivo, questa tesi ha affrontato tre proposte principali per realizzare individuazione precoce di processi di degradazione in dispositivi fotovoltaici. Il primo approccio ha analizzato una selezione di metodologie analitiche oppure espliciti validati in studi precedenti con un buon performance nella modellazione di dispositivi fotovoltaici in buoni condizioni. In questa situazione, l’obbiettivo era testare la capacit`a per individuare effetti di degradazione in panelli fotovoltaici. L’approccio ha concentrato nella estimazione del resistore in serie dovuto a che molti fenomeni di degradazioni che succedono negli panelli fotovoltaici sono riflessi in variazioni del resistore in serie del modello elettrico di diodo singolo. Una comparazione di diversi metodi espliciti per stimare i parametri del modello usando curve tensione-corrente esperimentali di un pannello fotovoltaico operando in condizione normale e degradato `e stata proposta. Questo ha dimostrato che soltanto pochi metodi espongono sufficiente affidabilit`a per estimare di maniera giusta i parametri del modello in presenza di degradazione e bassa sensibilit`a agli fattori ambientali di operazione. Il secondo approccio si ha spostato a metodi di estimazione di parametri pi`u complessi come le tecniche di ottimizzazione. In questo ambito, le rete neurali (ANNs) sono usati per isolare difetti e fenomeni di degradazione succedendo negli panelli fotovoltaici. Nella letteratura `e conosciuto che i valori degli parametri del diodo singolo (SDM) associati col dispositivo fotovoltaico sono fortemente relazionati con effetti di degradazione e le sue variazione sono indicatori di degradazione nel pannello fotovoltaico. D’altra parte, i valori degli parametri che permettono identificare le condizione di degradazione sono sconosciuti a priori. Loro sono diversi da pannello a pannello e fortemente dipendente delle condizione ambientali, il tipo di tecnologia fotovoltaica, ed i processi di fabbricazione. Per questi motivi, per individuare di maniera giusta la presenza di degradazione, gli effetti ambientali ed i processi di fabbricazione devono essere correttamente filtrati. Questo approccio sfrutta la capacit`a intrinseca delle rete neurali perceptron multilayer per mappare due effetti nella sua architettura: 1) la relazione non-lineare che esiste tra i parametri di diodo singolo e le condizione ambientali, 2) gli effetti degli fenomeni di degradazione nella curva tensione-corrente (I-V), e pertanto negli parametri di diodo singolo. La variazione di ogni parametri, calcolate come la differenza tra l’uscita delle due fasi somministra una identificazione diretta del tipo di degradazione succedendo nel pannello fotovoltaico. Il metodo `e stato inizialmente testato usando le curve esperimentale di tensione-corrente fornite per il database del National Renewable Energy Laboratory (NREL) dove gli effetti di degradazione sono stati introdotti artificialmente e poi testati usando pochi curve esperimentali tensione-corrente con effetti di degradazione. .. [a cura dell'Autore]; Photovoltaic (PV) systems have become one of the most promising renewable energy sources in the last years. Inevitable, these systems face different degradation effects associated with environmental and operative conditions, manufacturing defects, and mismatch conditions that accelerate the degradation. The diagnosis of degradation processes has become an important topic for increasing the reliability and efficiency of PV devices. It seeks to maximize the performance of solar devices and contribute to early detection processes for enhancing the maintenance planning tasks saving energy and money losses. The contribution of this thesis is aimed to propose methodological tools for carrying out early detection tasks of degradation effects on PV devices. Online implementations are in the spotlight since they bring the benefit of avoiding modifying the nominal operative condition of the PV devices. For achieving that goal, this thesis has addressed three main proposals for carrying out diagnosis of degradation processes on PV devices. The first approach analyzed a selection of analytical or explicit methods validated in previous studies with good performance modeling photovoltaic devices in healthy conditions. In this case, the aim was to test their capability to detect degradation in photovoltaic modules. The study focused on the series resistance estimation since many degradation phenomena occurring in photovoltaic devices are reflected in a variation of the series resistance of the single diode equivalent circuit. A comparison of different explicit methods, used to estimate the model parameters from experimental I-V curves of a photovoltaic module operating in normal as well as degraded states under outdoor conditions, is proposed. It showed that only few methods exhibit enough reliability to estimate correctly the model parameters in presence of degradation and low sensitivity to the environmental operating conditions. The second approach moved on to more complex parameter estimation methods such as optimization techniques. Here, neural networks (ANNs) are used for isolating faults and degradation phenomena occurring in photovoltaic (PV) panels. In literature, it is well known that the values of the single diode model (SDM) associated with the PV source are strongly related to degradation phenomena, and their variation is an indicator of panel degradation. On the other hand, the values of parameters that allow identifying the degraded conditions are unknown a priori. They are different from panel to panel and strongly dependent on environmental conditions, PV technology, and manufacturing process. For these reasons, to correctly detect the presence of degradation, the effect of environmental conditions and manufacturing processes must be properly filtered out. This approach exploits the intrinsic capability of multilayer perceptron (MLP) ANN to map in its architecture two effects: 1) the non-linear relations existing among the SDM parameters and the environmental conditions, 2) the effect of the degradation phenomena on the I-V curves and consequently on the SDM parameters. The variation of each parameter, calculated as the difference between the output of the two ANN stages, gives a direct identification of the type of degradation occurring on the PV panel. The method has been initially tested by using the experimental I-V curves provided by the National Renewable Energy Laboratory (NREL) database where the degradation effects were introduced artificially, and later tested by using some degraded experimental I-V curves. .. [edited by Author] 2020 - 2021 2022-09-06T00:00:00Z http://elea.unisa.it/xmlui/handle/10556/7427 Modelling and Experiment-Based Methods for Lithium-Ion Batteries SoH estimation Agudelo Ospina, Brian This thesis addresses multiple issues regarding the on-board implementation of Lithium-Ion (Li-ion) batteries State-of-Health (SoH) estimation. Even if in the literature multiple model- and experiment-based SoH estimation methods are very well explored under laboratory conditions, their suitability for implementation in the framework of Battery Management Systems (BMSs) or battery chargers is still an open research topic. Initially, the thesis explores the topic of on-board implementation and identification of battery impedance models. First the issue of impedance models fitting from Electrochemical Impedance Spectroscopy (EIS) data is addressed, by proposing an identification method with a suitable procedure for setting the initial values of the impedance model parameters. When tested using experimental EIS data, the method guaranties the convergence of the identification process, which is not always the case when considering fixed initial conditions, as it is typical in the literature. Then, discrete time representations for three approaches for time domain response approximation of fractional-order battery models are proposed and evaluated in terms of performance and suitability for onboard implementation. Comparisons between the methods are made in terms of accuracy, computational burden and suitability for the identification of impedance parameters from time domain measurements. The study was performed in a simulation framework and focused on a set of ZARC elements, representing the middle frequency range of Li-ion batteries’ impedance. It was found that the multiple RC approach offers the best accuracy-complexity compromise, making it the most interesting approach for real-time battery simulation applications. As for applications requiring the identification of impedance parameters, the Oustaloup approach offers the best compromise between the goodness of the obtained frequency response and the accuracy–complexity requirements. Then, the Incremental Capacity (IC) analysis is proposed for characterising the capacity and the SoH of batteries aged by using cycling patterns built from current pulses with randomly selected levels and durations. The batteries are periodically characterised using a 1C charge, which is a high value with respect to the typical IC tests in pseudo-equilibrium condition. The high-current IC curves generation from raw voltage/current data includes two filtering stages, one for the input voltage and one for the IC curve smoothing, which are optimised for the application on the basis of the data characteristics. The correlations between the IC main peak features and the battery full capacity, for 28 Lithium-Cobalt oxide batteries with 18650 packaging, were evaluated, finding that the main peak area is a general feature for the evaluation of the SoH under high current tests and random usage patterns, and, therefore, it can be used as a battery health indicator in practical applications. The effects of the computational parameters on the relationship between the peak area and the battery capacity are also investigated. The results are confirmed by a further analysis performed over two additional sets of cells with different technologies, aged with a fixed driving profile and using fast charging regimes. Additionally, the performance of the peak area as a health indicator was compared with an ohmic resistance-based estimation approach. Finally, several linear multifeature models for battery SoH estimation are proposed and their performance is evaluated. The models combine high current IC and dynamic resistance features, obtainable during partial constant current charges and discharges respectively. The models are constructed by including fixed sets of features or by applying features selection procedures based on statistical criteria. The proposed models are fitted and evaluated with data from two publicly available battery datasets, including batteries cycled using driving and randomised profiles. During the test process, the estimation improvement introduced by each multifeature model is evaluated by computing the reduction on the mean squared error for the SoH estimation with respect to two reference single-feature models already used in recent literature. The collinearity for each model is quantified through the variance inflation factor to indicate the prediction reliability of each model. As main result of this analysis, a simple two-features model is proposed as the best compromise between estimation improvement, with respect to single feature models, and collinearity reduction. [edited by Author]; Questa tesi affronta molteplici questioni riguardanti l'implementazione a bordo della stima dello stato di salute (SoH) delle batterie agli ioni di litio (Li-ion). Anche se in letteratura molteplici metodi di stima dello SoH basati su modelli ed esperimenti sono molto ben esplorati in condizioni di laboratorio, la loro idoneità all'implementazione nell'ambito dei sistemi di gestione delle batterie (BMS) o dei caricabatteria è ancora un soggetto di ricerca aperto. Inizialmente, la tesi esplora i temi dell'implementazione e identificazione a bordo dei modelli di impedenza della batteria. In primo luogo viene affrontata la questione del fitting dei modelli di impedenza ai dati della spettroscopia di impedenza elettrochimica (EIS), proponendo un metodo di identificazione con una procedura adeguata per impostare i valori iniziali dei parametri del modello di impedenza. Quando testato utilizzando dati di EIS sperimentali, il metodo garantisce la convergenza del processo di identificazione, cosa che non sempre avviene quando si considerano condizioni iniziali fisse, come è tipico in letteratura. Quindi, le rappresentazioni del tempo discreto per tre approcci per l'approssimazione della risposta nel dominio del tempo di modelli di batterie di ordine frazionario vengono proposte e valutate in termini di prestazioni e idoneità per l'implementazione a bordo. I confronti tra i metodi sono effettuati in termini di accuratezza, onere computazionale e idoneità per l'identificazione di parametri di impedenza da misurazioni nel dominio del tempo. Lo studio è stato condotto in un quadro di simulazione e si è concentrato su un insieme di elementi ZARC, che rappresentano la gamma di frequenze medie dell'impedenza delle batterie agli ioni di litio. È stato riscontrato che l'approccio RC multiplo offre il miglior compromesso tra precisione e complessità, rendendolo l'approccio più interessante per le applicazioni di simulazione della batteria in tempo reale. Per quanto riguarda le applicazioni che richiedono l'identificazione di parametri di impedenza, l'approccio di Oustaloup offre il miglior compromesso tra la bontà della risposta in frequenza ottenuta ei requisiti di accuratezza-complessità. Quindi, viene proposta l'analisi della capacità incrementale (IC) per caratterizzare la capacità e il SoH delle batterie invecchiate utilizzando schemi di ciclo costruiti da impulsi di corrente con livelli e durate selezionati casualmente. Le batterie vengono periodicamente caratterizzate utilizzando una carica a 1C, che è un valore elevato rispetto ai tipici test IC in condizioni di pseudo-equilibrio. La generazione di curve IC ad alta corrente dai dati di tensione/corrente include due stadi di filtraggio, uno per la tensione e uno per il livellamento della curva IC, che sono ottimizzati per l'applicazione sulla base delle caratteristiche dei dati. Per 28 batterie all'ossido di litio-cobalto con confezione 18650, sono state valutate le correlazioni tra le caratteristiche del picco principale della curva IC e la capacità della batteria. È stato riscontrato che l'area di picco principale è una caratteristica generale per la valutazione del SoH in test di corrente elevata e modelli di utilizzo casuali e, pertanto, può essere utilizzata come indicatore della salute della batteria in applicazioni pratiche. Vengono inoltre studiati gli effetti dei parametri computazionali sulla relazione tra l'area di picco e la capacità della batteria. I risultati sono confermati da un'ulteriore analisi eseguita su altre due set di celle con tecnologie diverse, invecchiate con un profilo di guida fisso e utilizzando regimi di ricarica rapida. Inoltre, le prestazioni dell'area di picco come indicatore di salute sono state confrontate con un approccio di stima basato sulla resistenza ohmica. Infine, vengono proposti diversi modelli lineari multifeature per la stima dello SoH della batteria e ne vengono valutate le prestazioni. I modelli combinano caratteristiche de IC ad alta corrente e de resistenza dinamica, ottenibili rispettivamente durante cariche e scariche parziali a corrente costante. I modelli sono costruiti includendo insiemi fissi di caratteristiche o applicando procedure di selezione delle caratteristiche basate su criteri statistici. I modelli proposti sono parametrizzati e valutati con i dati di due datasets di batterie pubblicamente disponibili, che includono batterie ciclate utilizzando profili di guida e randomizzati. Durante il processo di test, il miglioramento di stima introdotto da ciascun modello multifeature viene valutato calcolando la riduzione dell'errore quadratico medio per la stima dello SoH rispetto a due modelli di riferimento single-feature già utilizzati nella letteratura recente. La collinearità per ciascun modello viene quantificata attraverso il fattore di inflazione della varianza per indicare l'affidabilità di previsione di ciascun modello. Come risultato principale di questa analisi, un semplice modello a due caratteristiche viene proposto come miglior compromesso tra il miglioramento della stima, rispetto ai modelli di riferimento, e la riduzione della collinearità. [a cura dell'Autore] 2020 - 2021 2022-09-05T00:00:00Z http://elea.unisa.it/xmlui/handle/10556/7325 Social Robots, from intelligent perception to emphatic behaviors Roberto, Antonio Social robots are a particular category of robots able to perceive in- formation about the environment to reason about the acquired infor- mation with the particular aim to interact with humans. Remarkable applications of social robots include museum guides, nurses, autism treatment, hotel assistants, and elderly care. Studies prove that the capability of social robots to personalize the conversation and perceive the interlocutor’s emotions are the key behaviours that allow them to be considered emphatic. To these purposes, social robots rely on multiple sensory modali- ties to acquire information about their interlocutor robustly and ac- curately. Their sensorial equipment is crucial considering that this kind of robot commonly works in challenging environments e.g., dy- namic lighting conditions and loud environmental noise. In addition to these challenges, social robots must converse in real-time with hu- mans to give them the feeling of natural interaction. Considering the application context, this result is only possible if the computation is performed on board of the social robot platform, which makes the task harder due to the implicit computational and power constraints. This thesis tackles these requirements in the context of Deep Learn- ing. In particular, a novel software architecture optimized for multi- modal real-time interactions has been proposed as a general-purpose solution for social robots. The realization of a robotic prototype al- iii lowed to identify the main issues perceived by humans about state-of- the-art algorithms related to human-robot interaction when deployed together in a real application. In light of this result, this thesis ad- vances the state-of-the-art by proposing and validating novel auditory and natural language understanding algorithms optimized to be exe- cuted on robotic embedded systems while keeping high accuracy. The proposed social robot architecture includes all the software modules that allow to meet the main requirements of a social robot: first, a dialogue manager able to personalize the human-robot inter- action by exploiting the biometrics perceived by the sensors of the social robot; second, a multimodal sensor aggregation module able to exploits the information acquired by different types of sensors to in- crease the robustness to environmental noise; finally, parallel process- ing pipelines that, properly designed and implemented, ensure real- time performance. A social robot prototype based on the proposed architecture has been realized and deployed in the SICUREZZA ex- hibition for three days. 161 people who interacted with the robot evaluated their experience by answering 5 questions with a score be- tween 1 and 5. The maximum score was achieved for more than 40% of the answers and the average rate was between 4 and 5. This result acquires more relevance considering that the people who attended the conference were technically skilled and, therefore, their feedback is re- liable. The survey also allowed to investigate the feeling of humans about the performance of the state-of-art algorithms available on the proposed prototype. This analysis results in the need for audio algo- rithms more robust to environmental noise and more efficient human utterances processing pipelines. [...] [edited by Author] 2021 - 2022 2023-03-15T00:00:00Z http://elea.unisa.it/xmlui/handle/10556/7321 N-gram Retrieval for Word Spotting in Historical Handwritten Collections De Gregorio, Giuseppe Collections of handwritten documents of historical interest are often small, ranging from a few dozen to a few hundred pages, but they may have features typical of the collection itself which make them interesting for scholarly groups. Word retrieval can be complicated, as handwriting recognition techniques applied to images of such text documents can produce unsatisfactory results. To circumvent this, KeyWord Spotting (KWS) techniques promise to retrieve words without having to perform the recognition explicitly. KWS systems often require the construction of a reference dictionary consisting of words that the system can search for in the document. To do this, a dictionary must be created, and usually, a small portion of the collection is transcribed by hand. This limits the search to words from the dictionary (InVoc) and introduces the problem of OOV (Out Of Vocabulary) words, which cannot be searched for. Intuitively, increasing the cardinality of the reference dictionaries by manually transcribing new examples of words may seem an immediate way of limiting the OOV problem. As we can imagine, manually labelling pages is an expensive process that can take a lot of time. For small collections, the time required to transcribe and label even a few pages can prove to be a non-negligible obstacle, calling into question the usefulness of automated word retrieval systems. In this thesis, we will focus on a KWS system that can adapt to the lack of data. First, we show analytically, through the definition of a mathematical model, how the different components of the system affect the time of use of the KWS system by estimating the time gain that the system brings to the transcription of a small collection of handwritten historical documents. After highlighting the importance of speeding up the manual annotation process, we then propose a semiautomatic method for image annotation. In particular, we present a learning-free end-to-end approach that includes a line segmentation algorithm and an algorithm for aligning transcripts to images with handwritten text. The former can extract lines of text with a curved baseline, while the latter allows us to easily get their transcript. Finally, we propose a KWS system for word spotting that bases the search on recognizing sequences of characters (N-grams) rather than directly trying to find whole words. Studies on motor behaviour have shown that writing is the result of very fast and precise motor actions that can be automated. In the learning phase, an individual tends to develop motor programs associated with simple actions that are characterized by a high frequency of execution. It is plausible to assume that motor programs for writing develop in relation to sequences of a few characters. This would mean that each time a subject writes an N-gram to which a motor program is associated, he or she produces an ink trace that is always compatible with and similar to all others. The repeated similarity in the execution of the same movements for each N-gram could make the N-grams recognizable, making them ideal candidates for handwritten cursive recognition. The results of the experiments show how a KWS system can effectively reduce the time to the document collection transcription process. Moreover, it is shown that the process of labelling data and creating reference dictionaries is indeed an extremely costly operation and that methods that enable the acceleration of such processes are crucial. The experiments with the proposed KWS system have shown that focusing the search on the N-gram space enables the retrieval of InVoc and OOV words equally well, showing similar retrieval rates for both groups of words. [edited by Author]; Le raccolte di documenti manoscritti di interesse storico sono spesso di piccole dimensioni, da poche decine a poche centinaia di pagine, ma possono presentare caratteristiche tipiche della raccolta stessa che le rendono interessanti per gruppi di studiosi. Il recupero delle parole può essere complicato, poiché le tecniche di riconoscimento della grafia applicate alle immagini di tali documenti possono produrre risultati insoddisfacenti. Per aggirare questo problema, le tecniche di KeyWord Spotting (KWS) promettono di recuperare le parole senza dover eseguire esplicitamente il riconoscimento. I sistemi KWS richiedono spesso la costruzione di un dizionario di riferimento composto da parole che il sistema può ricercare nel documento. Per fare ciò è necessario creare un dizionario e, di solito, una piccola parte della raccolta viene trascritta a mano. Questo limita la ricerca alle parole del dizionario (InVoc) e introduce il problema delle parole OOV (Out Of Vocabulary), che non possono essere recuperate. Intuitivamente, aumentare la cardinalità dei dizionari di riferimento trascrivendo manualmente nuovi esempi di parole può sembrare un modo immediato per limitare il problema dell'OOV. Come possiamo immaginare, etichettare manualmente le pagine è un processo costoso che può richiedere molto tempo. Per le piccole raccolte, il tempo necessario per trascrivere ed etichettare anche poche pagine può rivelarsi un ostacolo non trascurabile, mettendo in discussione l'utilità dei sistemi automatizzati di recupero delle parole. In questa tesi, ci concentreremo su un sistema KWS in grado di adattarsi alla mancanza di dati. In primo luogo, mostriamo analiticamente, attraverso la definizione di un modello matematico, come le diverse componenti del sistema influiscono sul tempo di utilizzo del sistema KWS stimando il guadagno di tempo che il sistema apporta alla trascrizione di una piccola raccolta di documenti storici manoscritti. Dopo aver evidenziato l'importanza di velocizzare il processo di annotazione manuale, proponiamo un metodo semiautomatico per l'annotazione delle immagini. In particolare, presentiamo un approccio end-to-end senza apprendimento che include un algoritmo di segmentazione della linea e un algoritmo per allineare le trascrizioni alle immagini con il testo scritto a mano. Il primo può estrarre righe di testo con una linea di base curva, mentre il secondo ci consente di ottenere facilmente la loro trascrizione. Infine, proponiamo un sistema KWS per il word spotting che basa la ricerca sul riconoscimento di sequenze di caratteri (N-grammi) piuttosto che sul tentativo diretto di trovare intere parole. Gli studi sul comportamento motorio hanno dimostrato che la scrittura è il risultato di azioni motorie molto veloci e precise che possono essere automatizzate. Nella fase di apprendimento, un individuo tende a sviluppare programmi motori associati ad azioni semplici caratterizzate da un'elevata frequenza di esecuzione. È plausibile ipotizzare che i programmi motori per la scrittura si sviluppino in relazione a sequenze di pochi caratteri. Ciò significherebbe che ogni volta che un soggetto scrive un N-gramma a cui è associato un programma motorio, produce una traccia di inchiostro sempre compatibile e simile a tutti gli altri. La ripetuta somiglianza nell'esecuzione degli stessi movimenti per ogni N-gramma potrebbe rendere riconoscibili gli N grammi, rendendoli candidati ideali per il riconoscimento del corsivo scritto a mano. I risultati degli esperimenti mostrano come un sistema KWS possa ridurre efficacemente i tempi del processo di trascrizione della raccolta dei documenti. Inoltre, è dimostrato che il processo di etichettatura dei dati e di creazione dei dizionari di riferimento è effettivamente un'operazione estremamente costosa e che i metodi che consentono l'accelerazione di tali processi sono cruciali. Gli esperimenti con il sistema KWS proposto hanno dimostrato che concentrare la ricerca sullo spazio N-grammi consente il recupero di parole InVoc e OOV altrettanto bene, mostrando tassi di recupero simili per entrambi i gruppi di parole. [a cura dell'Autore] 2021 - 2022 2023-03-21T00:00:00Z