TRACE: Time series representation learning with contrastive embeddings for anomaly detection in photovoltaic systems

Reliable anomaly detection in photovoltaic (PV) inverters is critical for ensuring operational efficiency and reducing maintenance costs in renewable energy systems. We introduce TRACE (Time series Representation learning with Autoencoder-based Contrastive Embeddings), a self-supervised contrastive...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Chandana Priya Nivarthi, Zhixin Huang, Christian Gruhl, Bernhard Sick
Format:	Artigo
Język:	Inglês
Wydane:	Elsevier 2026-01-01
Seria:	Energy and AI
Hasła przedmiotowe:	Time series anomaly detection Photovoltaic inverter monitoring Contrastive learning Representation learning Autoencoders Contrastive anomaly detection
Dostęp online:	http://www.sciencedirect.com/science/article/pii/S2666546825002022
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!