Fotovoltaik paneller için görüntü tabanlı kirlilik tespiti ve enerji–sürdürülebilirlik odaklı bakım karar sistemi
Image-based surface soiling detection and energy–sustainability-oriented maintenance decision support system for photovoltaic panels
- Tez No: 1023357
- Danışmanlar: DR. ÖĞR. ÜYESİ SEYİT ALPEREN ÇELTEK, PROF. DR. FARHAD SHAHNİA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Fotovoltaik (FV) panellerde meydana gelen toz birikimi ve kuş pisliği gibi yüzey kirlenmeleri, enerji üretimini önemli ölçüde azaltmakta ve bakım süreçlerinin etkinliğini olumsuz yönde etkileyebilmektedir. Bu tez çalışmasında, FV panel yüzey koşullarının otomatik olarak belirlenmesine yönelik görüntü tabanlı bir derin öğrenme yaklaşımı geliştirilmiş ve tespit edilen yüzey anomalilerinin enerji üretimi üzerindeki etkisi inverter seviyesindeki gerçek üretim verileri ile doğrulanmıştır. Mevcut çalışmalardan farklı olarak önerilen yaklaşım, görüntü tabanlı anomali tespit sonuçlarını enerji üretim performansı ile doğrudan ilişkilendiren ve fiziksel olarak yorumlanabilir bütünleşik bir analiz çerçevesi sunmaktadır. Çalışmada EfficientNetB3 mimarisi temel alınarak geliştirilen model, iki aşamalı transfer öğrenme yöntemi kullanılarak açık erişimli bir veri seti üzerinde eğitilmiş ve standart sınıflandırma performans ölçütleri ile değerlendirilmiştir. Geliştirilen model, Türkiye'nin Karaman ilinde bulunan ve toplam 1 MW kurulu güce sahip bir güneş enerjisi santralinde elde edilen saha verileri kullanılarak test edilmiştir. Elde edilen sınıflandırma sonuçları, inverter seviyesindeki saatlik enerji üretim verileri ile ilişkilendirilmiştir. Panel temizliği ve doğal yağış sonrasında incelenen FV panel grubunda (120 panel, yaklaşık 270 kWh) saatlik enerji üretiminin yaklaşık %12,5 oranında artarak 23,2 kWh seviyesinden 26,1 kWh seviyesine yükseldiği gözlenmiştir. Ayrıca tez kapsamında, su kaynaklarının sınırlı olduğu bölgeler için enerji–su–sürdürülebilirlik odaklı bir temizlik karar yaklaşımı önerilmiştir. Önerilen yaklaşımda, panel temizliğinin yalnızca beklenen enerji kazancının temizlik için harcanacak enerji ve su maliyetini aştığı durumlarda gerçekleştirilmesi öngörülmektedir. Bu yönüyle çalışma, veri temelli, sürdürülebilir ve kaynak verimliliğini gözeten bakım stratejilerinin geliştirilmesine katkı sağlamaktadır.
Özet (Çeviri)
Surface contaminations occurring on photovoltaic (PV) panels, such as dust accumulation and bird droppings, significantly reduce energy production and may adversely affect the efficiency of maintenance processes. In this thesis, an image-based deep learning approach was developed for the automatic identification of PV panel surface conditions, and the impact of the detected surface anomalies on energy production was validated using real inverter-level generation data. Unlike existing studies, the proposed approach provides an integrated analysis framework that directly associates image-based anomaly detection results with energy production performance and offers physically interpretable outcomes. In the study, a model developed based on the EfficientNetB3 architecture was trained on an open-access dataset using a two-stage transfer learning method and evaluated using standard classification performance metrics. The developed model was tested using field data obtained from a solar power plant located in Karaman, Türkiye, with a total installed capacity of 1 MW. The obtained classification results were associated with inverter-level hourly energy production data. In the examined PV panel group (120 panels, approximately 270 kWh), hourly energy production was observed to increase by approximately 12.5%, rising from 23.2 kWh to 26.1 kWh following panel cleaning and natural rainfall. Furthermore, within the scope of the thesis, an energy–water–sustainability-oriented cleaning decision approach was proposed for regions with limited water resources. In the proposed approach, panel cleaning is recommended only when the expected energy gain exceeds the energy and water costs required for cleaning. In this respect, the study contributes to the development of data-driven, sustainable, and resource-efficient maintenance strategies.
Benzer Tezler
- YOLO algoritmasıyla PV panellerdeki kirliliğin tespiti ve sınıflandırılması
Detection and classification of soiling in PV panels with YOLO algorithm
ERDENAY ÖKSÜM
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇUNKAŞ
- Makine öğrenmesi ve görüntü işleme yöntemleri ile fotovoltaik güneş paneli yüzey kirlilik analizi ve güç tabanlı performans değerlendirmesi
Machine learning and image processing methods for photovoltaic solar panel surface contamination analysis and power-based
GİZEM GÜL KATIRCIOĞLU
- Yeniden düzenleşim için entropi tabanlı arama algoritmalarının geliştirilmesi
Development of entropy based searching algorithms for reconfiguration
KAĞAN MURAT
Yüksek Lisans
Türkçe
2014
Bilim ve TeknolojiFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN
- Fotovoltaik güneş panellerinin uydu görüntü işleme ve füzyon teknikleri kullanılarak tespiti: Konya Çumra örneği
Detection of photovoltaic solar panels using satellite image processing and fusion techniques: The case of Konya Cumra
ORHAN ÜMİT
Yüksek Lisans
Türkçe
2025
EnerjiEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. UĞUR AVDAN
- Görüntü işleme kullanan yeniden düzenleşim yöntemi ve optimizasyon tabanlı analizi
Reconfiguration method and optimization based analysis using image processing
NURSENA BAYĞIN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KARAKÖSE