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
- Tez No: 830968
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Nüfusun artması ve teknolojideki ilerlemeler nedeniyle küresel enerji talebi, kullanılabilirliği aşılmaktadır. Gelecekteki enerji tüketiminin karşılanması için güvenilir, ekonomik ve sürdürülebilir enerji kaynağına yaklaşmak için. Fotovoltaik (PV) enerji de dahil olmak üzere tüm alternatif enerji kaynakları, enerji kriziyle birlikte devam eden bu sorunları çözmek için hayatta kalma kaynağı olma potansiyeline sahiptir. Fotovoltaik (PV) sistemlerinde, çevredeki ortamın dinamik ve değişken özelliklerine tabidir ve bu da çeşitli kusurların ortaya çıkmasına neden olabilir. Fotovoltaik panelin kusurlarının, kırıntılarının ve arızalarının temizliğinin korunmasını sağlamak için herhangi bir kusurun kusur tespiti ve kırılması önemlidir. Manuel veya görsel kontrol sınırlamaları ve PV modüllerinin artan üretimi nedeniyle fotovoltaik (PV) kullanımı otomatik hata tespitinin önemi artmaktadır. Bu çalışma amacı, daha spesifik olarak Evrişimli Sinir Ağları CNN'nin kan yoluyla, PV görünümlerindeki EL görüntülerindeki kusurları doğru bir şekilde sınıflandırabilen ve tespit edebilen bir derin öğrenme sistemidir. bölgedeki bir şekilde, önerilen PV arıza tespit modeli, mevcut olanları çözerek bulunan PV arıza tespit sistemlerinden daha iyi gösterildi. Önerilen model ayrıca doğruluk, kayıp, geri çağırma, f1 görüntüleri ve kesinlik açısından değerlendirildi. Hassasiyet %97,4 ve doğruluk %91,2 idi. daha spesifik olarak Evrişimli Sinir Ağları CNN'nin kan yoluyla, PV kayıtlarındaki EL görüntülerindeki kusurları doğru bir şekilde sınıflandırabilen ve tespit edilebilen bir derin öğrenme sistemi gelişir. bölgedeki bir şekilde, önerilen PV arıza tespit modeli, mevcut olanları çözerek bulunan PV arıza tespit sistemlerinden daha iyi gösterildi. Önerilen model ayrıca doğruluk, kayıp, geri çağırma, f1 görüntüleri ve kesinlik açısından değerlendirildi. Hassasiyet %97,4 ve doğruluk %91,2 idi. daha spesifik olarak Evrişimli Sinir Ağları CNN'nin kan yoluyla, PV kayıtlarındaki EL görüntülerindeki kusurları doğru bir şekilde sınıflandırabilen ve tespit edilebilen bir derin öğrenme sistemi gelişir. bölgedeki bir şekilde, önerilen PV arıza tespit modeli, mevcut olanları çözerek bulunan PV arıza tespit sistemlerinden daha iyi gösterildi. Önerilen model ayrıca doğruluk, kayıp, geri çağırma, f1 görüntüleri ve kesinlik açısından değerlendirildi. Hassasiyet %97,4 ve doğruluk %91,2 idi. Önerilen model ayrıca doğruluk, kayıp, geri çağırma, f1 görüntüleri ve kesinlik açısından değerlendirildi. Hassasiyet %97,4 ve doğruluk %91,2 idi. Önerilen model ayrıca doğruluk, kayıp, geri çağırma, f1 görüntüleri ve kesinlik açısından değerlendirildi. Hassasiyet %97,4 ve doğruluk %91,2 idi.
Özet (Çeviri)
The global demand for energy is surpassing its availability owing to the increase in population and advancements in technology. It is essential to move closer to a dependable, economical, and sustainable renewable energy source to meet future energy demands. All alternative energy sources, including photovoltaic (PV) energy, have the potential to be renewable resources that can be used to address these ongoing issues with the energy crisis. Photovoltaic (PV) systems are subject to the dynamic and fluctuating nature of the surrounding environment, which can lead to the manifestation of a diverse array of defects. It is essential to promptly identify and rectify any defects in order to ensure that the photovoltaic panel's efficiency, endurance, and durability remain uncompromised. The significance of automated defect detection is increasing in the photovoltaic (PV) industry due to the limitations of manual or visual inspection and the expanding production of PV modules. The aim of this study is to develop a deep learning system that can accurately classify and detect defects in EL images of PV cells, more specifically through implementing Convolutional Neural Networks CNN. Surprisingly, the suggested PV fault detection model outperformed commercially available PV fault detection systems by resolving existing challenges. The proposed model was further evaluated in terms of accuracy, loss, recall, f1 measure, and precision. The precision measure was 97.4% and the accuracy was 91.2%.
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
- Fault detection and diagnostics in universal motors by signal processing
Universal motorlarda sinyal işleme yordamları ile arıza sezme ve tanımlama
CANDEMİR ÇELİK
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiPROF.DR. BÜLENT SANKUR
- Yapay zekâ ve sinyal işleme yöntemleri ile rulmanlarda taşlama yanığı hatasının tespiti
Detection of grinding burn defect in bearings with artificial intelligence and signal processing methods
NURDOĞAN CEYLAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZGİN KAÇAR
- Yüksek gerilim enerji iletim hattındaki arızaların dalgacık paket dönüşümü ve ortak vektör yaklaşımıyla sınıflandırılması
The classification of faults in high voltage energy transmission line by using wavelet packet transform and common vector approach
MEHMET YUMURTACI
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
DOÇ. DR. GÖKHAN GÖKMEN
PROF. DR. OSMAN KILIÇ
- Sağlık hizmetinin yürütülmesinde görevli sağlık kamu personelinin eylemlerinden kaynaklanan idarenin sorumluluk sebepleri
Grounds for liability of the administration caused by the actions of the health public personnel in duty in the conduct of health service
MUHARREM CİVAN
Yüksek Lisans
Türkçe
2022
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAN YÜZBAŞIOĞLU