Geri Dön

Development of cleaning cycle for EDs dust removal technique from solar panel

Ed'ler için güneş panelinden toz giderme tekniği temizleme döngüsünün geliştirilmesi

  1. Tez No: 842760
  2. Yazar: FATEN JABBAR MAHDİ AL- AZZAWİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MAHMOUD HK ALDABABSA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Gelişim Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Solar panels play a crucial role in harnessing sunlight to generate electricity, but their efficiency is significantly impacted by many factors. The accumulation of dust on solar panels poses a challenge to energy production efficiency, particularly in regions with high dust rates such as the Middle East. Therefore, implement a PV dust detection system with high accuracy using optimization algorithms like Deep Learning (DL) is essential to enhance module efficiency, reduce maintenance costs, and promote resource conservation. This project introduces a novel approach using DL and image processing to develop a dust detection system for solar panels. Leveraging Convolutional Neural Network (CNN) algorithms, the study aims to fine-tune model parameters for effective dust detection and classification. The overarching goal is to enhance module efficiency, reduce maintenance costs, and optimize resource utilization. The dataset images were cleaned, augmented, and filtered utilizing image processing tools. Then, the dataset was categorized into two classes namely clean, and dusty with training and validation processes of ratio 80% of total images (2049 images), and testing and validating with 20% of total images (513 images) were used for validation and testing processes as (307 images) for validation and (206 images) for testing. Three predefined DL algorithms which are (Inception-v3, VGG-16, and Resnet-50) and the proposed DL that is called Efficient-net were developed and implemented within this work. The proposed Efficient-net outperforms the other three techniques in high accuracy with 87% rather than Inception-v3 with 84%, VGG-16 with 72, and Resnet-50 with 80%.

Özet (Çeviri)

Güneş panelleri, elektrik üretmek için güneş ışığından yararlanmada çok önemli bir rol oynar, ancak verimlilikleri birçok faktörden önemli ölçüde etkilenir. Güneş panelleri üzerinde toz birikmesi, özellikle Orta Doğu gibi toz oranının yüksek olduğu bölgelerde enerji üretim verimliliği açısından zorluk teşkil etmektedir. Bu nedenle, Derin Öğrenme (DL) gibi optimizasyon algoritmalarını kullanarak yüksek doğrulukta bir PV toz algılama sistemi uygulamak, modül verimliliğini artırmak, bakım maliyetlerini azaltmak ve kaynak korumasını teşvik etmek için çok önemlidir. Bu proje, güneş panelleri için bir toz algılama sistemi geliştirmek üzere DL ve görüntü işlemeyi kullanan yeni bir yaklaşım sunmaktadır. Evrişimli Sinir Ağı (CNN) algoritmalarından yararlanan çalışma, etkili toz tespiti ve sınıflandırması için model parametrelerine ince ayar yapmayı amaçlıyor. Kapsamlı amaç, modül verimliliğini artırmak, bakım maliyetlerini azaltmak ve kaynak kullanımını optimize etmektir. Veri kümesi görüntüleri, görüntü işleme araçları kullanılarak temizlendi, genişletildi ve filtrelendi. Daha sonra veri seti temiz ve tozlu olmak üzere iki sınıfa ayrılarak toplam görüntülerin %80'i (2049 görüntü)

Benzer Tezler

  1. Verimliliği düşmüş bataryaların hizmet sektöründe kullanımı:Akıllı tesis uygulaması

    Use of repurposed ev batteries in the service sector: A smart facility application

    DENİZHAN GÜVEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. MEHMET ÖZGÜR KAYALICA

  2. Mobilya endüstrisinde yaşam döngüsü analizi yaklaşımı ile çevreci tasarım ve sürdürülebilir stratejiler

    Eco-design and sustainable strategies for the furniture industry through life cycle approach

    MERVE MERMERTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. FATMA GERMİRLİ BABUNA

  3. Oto boya atölyelerinde temizlik ve inceltme solventlerinin kronik maruziyet ile sağlık risklerinin hesaplanması ve bu solventlerin ikame edilmesi

    Calculation of chronic exposure and health risks of cleaning and thinning solvents in oto paint autobody shops and substitution of these solvents

    SİBEL KIZILGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL TORÖZ

  4. Çamaşır kurutma makinalarındaki havların su ile temizleme tasarımları

    Water-powered designs for cleaning the lint in tumbledryers

    YUNUS EKREM TEKEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Ana Bilim Dalı

    PROF. DR. CEVAT ERDEM İMRAK

  5. Kobaltın alumina içeren fayalitik curuflardaki çözünürlüğünün incelenmesi

    The Salubility of cobalt in alumina containing fayalitic slags

    C. BORA DERİN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. ONURALP YÜCEL