Fotovoltaik sistemlerde arıza ve hata tespiti için yapay zekâ tabanlı karar destek sistemi geliştirilmesi ve uygulaması
Development and implementation of an artificial intelligence-based decision support system for fault detection and diagnosis in photovoltaic systems
- Tez No: 1023175
- Danışmanlar: PROF. DR. NAİM SÜLEYMAN TINĞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erzincan Binali Yıldırım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güneş enerji santrallerinin (GES) verimli ve güvenli işletilmesi, fotovoltaik (PV) arızaların otonom saptanmasına bağlıdır. Bu tez çalışmasında, Van/Başkale bölgesinde kurulu 10 kWp kapasiteli evsel bir PV sisteminden farklı mevsimsel koşullar ve operasyonel senaryolar altında elde edilen çok boyutlu kronolojik sensör verileri işlenerek; elektriksel analitik ve bilgisayarlı görü tabanlı, çok modlu (multimodal) özgün bir karar destek sistemi (KDS) tasarlanmıştır. İlk aşamada, sensör verileri üzerinde makine öğrenmesi (ML) ve derin öğrenme (DL) mimarilerinin arıza tespit performansları karşılaştırılmıştır. Denetimsiz ön süzme için Isolation Forest algoritması, denetimli güç tahmini için ise HistGradientBoosting (HGB) modeli kullanılarak istatistiksel kalıntı analiziyle hafif (lightweight) bir ML katmanı kurgulanmıştır. Bu altyapı, zamansal ve uzaysal öznitelikleri hiyerarşik olarak öğrenen 1D-CNN-LSTM Hibrit Autoencoder mimarisiyle doğruluk, F1-Skoru ve hesaplama maliyeti kriterlerine göre kıyaslanmıştır. Derin öğrenme modelinin“kara kutu”yapısını açıklamak amacıyla sisteme SHAP algoritması entegre edilerek açıklanabilir yapay zeka (XAI) katmanı oluşturulmuştur. İkinci aşamada, elektriksel anomalilerin fiziksel nedenlerini (mikro-çatlak, kırık, kirlenme, gölgelenme) otonom doğrulamak için sahadan alınan panel görüntüleri Roboflow'da etiketlenmiş ve Transformer tabanlı RF-DETR nesne tespiti mimarisiyle eğitilmiştir. Fiziksel deformasyonlar %95'in üzerinde bir güven skoruyla başarıyla haritalandırılmıştır. Son aşamada, tüm analitik ve görsel modeller Antigravity altyapısı kullanılarak bütünleşik bir kullanıcı arayüzüne dönüştürülmüştür. Geliştirilen KDS, iki farklı veri kaynağını füzyonlayarak operatöre anlık“Tahmin Edilen Yüzdesel Verimlilik Kaybı (Loss %)”ve aksiyona yönelik“Bakım Önerileri”sunmaktadır. Ampirik bulgular, önerilen KDS altyapısının evsel GES projelerinde kestirimci bakım güvenilirliğini artırırken, operasyonel arıza sürelerini ve teknik bakım maliyetlerini önemli ölçüde düşürdüğünü kanıtlamaktadır.
Özet (Çeviri)
The efficient and safe operation of Solar Power Plants (SPP) depends on the autonomous detection of photovoltaic (PV) faults. In this thesis, an original multimodal Decision Support System (DSS) based on electrical analytics and computer vision was designed by processing multidimensional chronological sensor data obtained from a 10 kWp domestic PV system installed in the Van/Başkale region under varying seasonal conditions and operational scenarios. In the first stage, the fault detection performances of Machine Learning (ML) and Deep Learning (DL) architectures were compared on sensor data. A lightweight ML layer was constructed through statistical residual analysis, utilizing the Isolation Forest algorithm for unsupervised pre-filtering and the HistGradientBoosting (HGB) model for supervised power estimation. This infrastructure was benchmarked against a 1D-CNN-LSTM Hybrid Autoencoder architecture, which hierarchically learns temporal and spatial features, based on accuracy, F1-Score, and computational cost criteria. To clarify the“black box”nature of the deep learning model, an Explainable AI (XAI) layer was established by integrating the SHAP algorithm into the system. In the second stage, to autonomously verify the physical causes of electrical anomalies (such as micro-cracks, fractures, soiling, and shading), panel images collected from the field were labeled on Roboflow and trained using the Transformer-based RF-DETR object detection architecture. Physical deformations were successfully mapped with a confidence score exceeding 95%. In the final stage, all analytical and visual models were integrated into a unified user interface using the Antigravity infrastructure. The developed DSS fuses two different data sources to provide the operator with instantaneous“Predicted Percentage of Efficiency Loss (%)”and action-oriented“Maintenance Recommendations.”Empirical findings demonstrate that the proposed DSS infrastructure significantly enhances predictive maintenance reliability in domestic SPP projects while substantially reducing operational downtime and technical maintenance costs.
Benzer Tezler
- Detection and classification of faults on the dc side of photovoltaic systems using logistic model tree algorithm
Lojistik model ağacı algoritması ile fotovoltaik sistemlerin dc tarafındaki hataların tespiti ve sınıflandırılması
BOĞAÇ OĞUZ TOĞAY
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. COŞKUN FIRAT
- Şebekeye bağlı fotovoltaik güç sistemleri için veri toplama modülü tasarımı, sistem modellemesi, performans ve hata analizi
Data acquisition module design, system modeling, performance and fault analysis for grid-connected photovoltaic power systems
ŞAKİR KUZEY
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET TAHİR GÜNEŞER
- Fotovoltaik sistemlerde hata tespiti ve sınıflandırılması için doğrusal ve doğrusal olmayan boyut azaltma tekniklerinin karşılaştırmalı bir değerlendirmesi
A comparative evaluation of linear and nonlinear dimensionality reduction techniques for fault detection and classification in photovoltaic systems
GÖKHAN KARACA
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT ÇİĞDEM TURHAL
- Fotovoltaik sistemlerde güç verimliliğinin arttırılması için gerçek zamanlı bir izleme sistemi tasarımı
Power efficiency monitoring and analysis of photovoltaic systems through hardware and internet based software
ERSİN ERÇEL
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN ERİŞTİ
- Kısmi gölgelemenin ve arıza durumlarının güneş panellerinin verimliliğine etkisinin regresyon tabanlı makine öğrenmesi yöntemleriyle analizi
Machine learning-based regression analysis of solar panels efficiency under partial shading and fault conditions
SHUHRATJON MANSUROV
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiYenilenebilir Enerji Kaynakları Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ YILDIRIM ÖZÜPAK
DR. ÖĞR. ÜYESİ EMRAH ASLAN