Kısmi gölgelenme koşullarındaki FV sistemlerin maksimum güç noktasının derin öğrenme yöntemiyle tahmini
Estimation of the maximum power point of PV systems under partial shading conditions by deep learning method
- Tez No: 752328
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖKKEŞ FATİH KEÇECİOĞLU, DR. ÖĞR. ÜYESİ ERDAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Dünyamızda enerji üretiminde kullanılan fosil kaynakların hızla tükenmesi, çevreye zarar vermesi ve enerjiye olan ihtiyacın hızla artması dolayısıyla yenilenebilir enerji kaynakları (YEK) stratejik konuma gelmiştir. YEK arasında güneş enerjisi, potansiyeli, kolay ulaşılabilir olması, temiz bir enerji kaynağı olması vb. nedenlerden dolayı öne çıkmaktadır. Güneş enerjisinden, fotovoltaik (FV) paneller sayesinde elektrik üretimi yapılabilmektedir. Özellikle panellerin bir kısmının üzerine ağaç gölgesi gelmesi, güneş ile panel arasına bulut girmesi, tozlanma gibi nedenlerden dolayı panellerden elde edilen verim düşmektedir. Bu duruma kısmi gölgelenme koşulu (KGK) denilmektedir. Yapay zekânın kullanım alanlarından birisi de FV panel verimliliğini artırmaya yönelik çalışmalardır. Bu çalışmanın temel amacı, KGK altındaki FV panel verimliliklerini artırmaktır. Veri seti MATLAB/Simulink ortamında FV sistem modellenerek oluşturulmuştur. Bu veriler kullanılarak derin öğrenme ağının 3 farklı katman sayısı ve 6 farklı nöron sayısı (16, 32, 64, 128, 256, 512) için başarısı incelenmiştir. Elde edilen sonuçlar istatiksel değerlendirme yöntemleri olan MAPE, MAE, RMSE ve R² kullanılarak karşılaştırılmıştır. Yapılan çalışma sonucunda, hem eğitim test setinde hem de 2. test setinde en iyi sonucun üç katman ve 64 nöron bulunan sistemden elde edilebileceği gösterilmiştir.
Özet (Çeviri)
Renewable energy sources (RES) have come to a strategic position due to the rapid depletion of fossil resources used in energy production in our world, their damage to the environment and the rapid increase in the need for energy. Among the RES, solar energy, its potential, being easily accessible, being a clean energy source, etc. stands out for reasons. Electricity can be produced from solar energy thanks to photovoltaic (FV) panels. Particularly, the efficiency obtained from the panels decreases due to reasons such as tree shadow falling on some of the panels, cloud penetration between the sun and the panel, and dusting. This situation is called Partial Shading Conditions (PSC). One of the areas of use of artificial intelligence is to increase is work to wards the efficiency of PV panels. The main purpose of this study is to increase the PV panel efficiency under the PSC. The data set was created by modeling the PV system in MATLAB/Simulink environment. Using these data, the success of the deep learning network for 3 different number of layers number and 6 different number of neurons (16, 32, 64, 128, 256, 512) was examined. The obtained results were compared using statistical evaluation methods MAPE, MAE, RMSE and R². As a result of the study, it has been shown that the best results in both the training test set and the second test set can be obtained from the system with three layers and 64 neurons.
Benzer Tezler
- Farklı ortam koşullarındaki fotovoltaik sistemler için kısmi gölgelemenin mppt üzerindeki etkisinin akıllı algoritmalar ile uygulanması
Application of partial shading effect on mppt for photovoltaic systems in different ambient conditions with intelligent algorithms
ZEYNEP GÜMÜŞ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRTAŞ
- Fotovoltaik sistemlerde yapay sinir ağları ile maksimum güç noktası izleyicisi tasarımı
Maximum power point tracking design with artificial neural network in photovoltaics
SERPİL DURU ERDOĞAN
Yüksek Lisans
Türkçe
2011
EnerjiEge ÜniversitesiGüneş Enerjisi Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN KARATEPE
- Fotovoltaik sistemlerde kısmi gölgelenme koşullarında maksimum güç takibi
Maximum power tracking under partial shading conditions in photovoltaic systems
NECATİ BİLGİN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İRFAN YAZICI
- Fotovoltaik sistemler için yeni bir maksimum güç noktası takip algoritmasının geliştirilmesi ve uygulaması
Development and implementation of a novel maximum power point tracking algorithm for photovoltaic systems
OKAN GÜNGÖR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KAHVECİ
- Gelişmiş model kullanılan fv dizilerde meta sezgisel algoritmalar ile kısmi gölgelenme koşullarında mgnt optimizasyonunun gerçekleştirilmesi
Implementation of mgnt optimization in partial shading conditions with meta- heuristic algorithms in pv arrays using advanced model
KEZBAN KOÇ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRTAŞ