PV fault detection in solar system with convolutional neural network based on mobilenetv2
PV fault detectıon ın solar system wıth convolutıonal neural network based on mobılenetv2
- Tez No: 1004840
- Danışmanlar: Assoc. Prof. Dr. CEVAT RAHEBİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Konvolüsyonel Sinir Ağı, Arıza Algılama, MOBILENETV2, Fotovoltaik Panelle, Fotovoltaik, Fotovoltaik enerji, Hasar tespiti, Kar yağışı, Temizlenme, Convolutional Neural Network, Fault Detection, MOBILENETV2, Photovoltaic Panels, Photovoltaic, Photovoltaic energy, Damage detection, Snow, Cleaning
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Topkapı Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
MOBİLNETV2 TABANLI EVRİŞİMSEL SİNİR AĞI KULLANILARAK GÜNEŞ ENERJİSİ SİSTEMİNDE PV HATA TESPİTİ Bu tez, gelişmiş derin öğrenme ve optimizasyon yöntemlerini kullanarak karmaşık veri ortamlarında doğru ve güvenilir algılama sorununu ele almak için kapsamlı bir yaklaşım sunmaktadır. Önerilen çerçeve, özellik seçimini geliştirmek, sınıflandırma performansını iyileştirmek ve hesaplama yükünü azaltmak için evrişimli sinir ağı mimarisini metaheuristik optimizasyon ile entegre etmektedir. Deneysel değerlendirmeler, mevcut yaklaşımlarla karşılaştırıldığında doğruluk, duyarlılık, özgüllük, kesinlik ve F1 puanı gibi temel performans ölçütlerinde kayda değer iyileşmeler olduğunu göstermektedir. Sonuçlar, hibrit modelin sağlam ve ölçeklenebilir bir çözüm sunduğunu ve gerçek dünyada uygulanması için önemli bir potansiyel barındırdığını doğrulamaktadır. Genel olarak, bu çalışma hem metodolojik bir gelişme hem de optimizasyon algoritmalarının derin öğrenme modelleriyle entegrasyonu konusunda pratik bir içgörü sağlamaktadır.
Özet (Çeviri)
This thesis present a comprehensive approach for address the challenge of accurate and reliable detection in complex data environment by using advance deep learning and optimization method. The proposed framework integrate a convolution neural network architecture with metaheuristic optimization to enhance feature selections, improve the classification performances, and reducing computational overheads. Experimental evaluation demonstrates a notable improvement across key performance metric, including accuracy, sensitivity, specificity, precision and F1-score, when compare with the existing approach. The result confirms that the hybrid models provide a robust and scalability solution, offering a significant potentials for real world deployment. Overall, this study contribute both a methodological enhancements and practical insights into integration of optimization algorithm with deep learning model.
Benzer Tezler
- A fault classification for defective solar cells in electroluminescence imagery based on deep learning approach
Derin öğrenme yaklaşımına dayanarak elektrolüminesans görüntülerindeki kusurlu güneş hücreleri için hata sınıflandırması
FEED AL-LAMI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Fotovoltaik hücrelerdeki anomalilerin etiketlenmiş elektrolüminesans görüntüler üzerinden evrişimsel sinir ağı tabanlı yöntemlerle sınıflandırılması
Classification of anomalies in photovoltaic cells using convolutional neural network-based methods on labeled electroluminescence images
CEREN KESER
Yüksek Lisans
Türkçe
2026
EnerjiIsparta Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SERKAN ÜNCÜ
- Detection of solar panel defects in electroluminescence images using deep learning
Derin öğrenme kullanılarak elektrolüminesans görüntülerinde güneş paneli hatalarının tespiti
BAHAA SALIH MANDEEL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KUTUCU
- Detection of faulty solar panels us-ing artificial intelligence techniques
Yapay zekâ teknikleriyle arızalı güneş panellerinin tespiti
ASMAIL ABRAHIM FANIAR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Makine öğrenmesi ile fotovoltaik dizilerde elektriksel arıza tespiti
Machine learning based fault detection in PV arrays
HEYBET KILIÇ
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLAL GÜMÜŞ
DR. ÖĞR. ÜYESİ MUSA YILMAZ