Detection of faulty solar panels using artificial intellegence methods
Yapay zekâ yöntemleri kullanılarak arızalı güneş panellerinin tespiti
- Tez No: 814843
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Güneş enerjisi, yenilenebilir bir enerji kaynağı olarak popülerlik kazanmaktadır, ancak güneş panellerinin verimliliğini korumak, potansiyel hatalar nedeniyle önemli enerji üretim kayıplarına neden olabilecek zorluklar yaratmaktadır. Bu tezin amacı, hatalı güneş panellerini tespit etmek için derin öğrenme tekniklerini kullanarak doğru ve güvenilir bir sınıflandırma modeli geliştirmektir. Önerilen yöntem, Evrişimli Sinir Ağları (CNN'ler) ve aktarma öğrenme tekniklerine dayanarak yüksek doğruluk elde etmek için kullanılmaktadır ve önerilen CNN modelini kullanarak hatalı güneş panellerini %93 doğrulukla sınıflandırmaktadır. Aktarma öğrenme mimarileri olan DenseNet121, ResNet50, MobileNetV2 ve Xception modelleri ise sırasıyla %81.66, %51.21, %77.47 ve %90.31 doğruluk oranlarıyla uygulanmıştır. Bu çalışma, uygun veri ön işleme yöntemleriyle birlikte derin öğrenme tekniklerinin kullanılmasının, hatalı güneş panellerinin sınıflandırmasını geliştirmede etkinliğini göstermektedir.
Özet (Çeviri)
Solar energy is gaining popularity as a renewable energy source, but maintaining the efficiency of solar panels poses challenges due to potential defects that can lead to significant energy production losses. The objective of this thesis is to develop an accurate and robust classification model using deep learning techniques to detect faulty solar panels. The proposed method relies on Convolutional Neural Networks (CNNs) and transfer learning techniques to achieve high accuracy, reaching 93% in accurately classifying faulty solar panels using the proposed CNN model. The transfer learning architectures are DenseNet121, ResNet50, MobileNetV2, and Xception models, were implemented with accuracies of 81.66%, 51.21%, 77.47%, and 90.31% respectively. This study demonstrates the effectiveness of employing deep learning techniques alongside suitable data preprocessing methods to develop the classification of defective solar panels.
Benzer Tezler
- 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
- Güneş panellerinin dört rotorlu iha kullanılarak termografi yöntemiyle derin öğrenme tabanlı hata tespit ve teşhisi
Deep learning based fault detection and diagnosis of solar panels using four rotor uav with termography method
BARIŞ KAYCI
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BATIKAN ERDEM DEMİR
- Derin öğrenme tabanlı segmentasyon yaklaşımları ile güneş panellerinin otomatik verimlilik tespiti
Automatic efficiency detection of solar panels using deep learning-based segmentation approaches
SÜMEYYE YANILMAZ
Yüksek Lisans
Türkçe
2024
EnerjiBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. MUZAFFER ASLAN
- Dağıtık üretim güç sistemlerinde geliştirilmiş oylama modeli tabanlı arıza tespiti ve sınıflandırması
Improved voting model based fault detection and classification in distributed generation power systems
FEVZEDDİN ÜLKER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER
- Termal kamera sistemlerinin optik özellikleri, rüzgar türbinleri ve güneş enerji santrallerindeki uygulamaları
Optical properties of thermal camera systems, applications in wind turbines and solar power plants
ONUR ÖZCAN
Yüksek Lisans
Türkçe
2019
Fizik ve Fizik MühendisliğiKırıkkale ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. KUTALMIŞ GÜVEN