Detection of faulty solar panels us-ing artificial intelligence techniques
Yapay zekâ teknikleriyle arızalı güneş panellerinin tespiti
- Tez No: 893557
- Danışmanlar: DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin Öğrenme (DÖ) ve Makine Öğrenme (ML) teknikleri de dahil olmak üzere Yapay Zeka (AI), görüntü sınıflandırması yoluyla arızalı güneş panellerin belirlenmesinde olağanüstü etkinlik göstermiştir. Bu tez, arızalı ve arızasız güneş PV panellerinin görüntülerinden özellikler çıkarmak için Konvolüsyonel Sinir Ağları (CNN'ler) kullanarak arızalı panellerin sınıflandırılmasına yönelik bir yaklaşımı sunmaktadır. Ardından, en belirleyici özelliklerin seçilmesini artırmak için Parçacık Sürüsü Optimizasyonu (PSO) ve Karınca Kolonisi Optimizasyonu (KKO) gibi metaheuristik yaklaşımlar kullanılmaktadır. Çıkarılan özellikler, karar ağacı (DT), destek vektör makinesi (DVM), K-En Yakın Komşu (KNN), topluluk yöntemleri ve ayrım analizi gibi çeşitli ML algoritmaları kullanılarak sınıflandırılmıştır. Model, 0%, %33, %66 ve %100 olmak üzere dört arıza oranı sınıfından oluşan bir veri seti ile eğitilmiştir. Uygulanan algoritmalar sırasıyla %94.88, %76.20, %97.45, %98.34 ve %80.23 doğruluk oranlarına ulaşmıştır. Bu araştırma, arıza tespitinde önemli iyileştirmeler sağladığını
Özet (Çeviri)
Artificial Intelligence (AI), including Deep Learning (DL) and Machine Learning (ML) techniques, has shown exceptional effectiveness in identifying defective pho-tovoltaic (PV) panels through image classification. This thesis presents an approach for classifying malfunctioning solar PV panels utilizing Convolutional Neural Net-works (CNNs) to extract features from images of defective and non-defective pan-els. Metaheuristic approaches, such as Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO), are then employed to select the most indicative fea-tures, enhancing the accuracy and reliability of fault detection. The extracted fea-tures are classified using various ML algorithms, including decision tree (DT), sup-port vector machine (SVM), K-Nearest Neighbor (KNN), ensemble methods, and discriminant analysis. The model was trained on a dataset with four defect rate classes: 0%, 33%, 66%, and 100%. The applied algorithms achieved accuracy rates of 94.88%, 76.20%, 97.45%, 98.34%, and 80.23%, respectively. This research demonstrates good improvements in fault detection, offering practical im-plications for maintenance and optimization of solar PV systems.
Benzer Tezler
- Detection of faulty solar panels using artificial intellegence methods
Yapay zekâ yöntemleri kullanılarak arızalı güneş panellerinin tespiti
SUZAN MOHAMMED OMAR OMAR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Fotovoltaik sistemlerde arıza ve hata tespiti için yapay zekâ tabanlı karar destek sistemi geliştirilmesi ve uygulaması
Development and implementation of an artificial intelligence-based decision support system for fault detection and diagnosis in photovoltaic systems
MUHAMMED BUĞRAHAN KAYA
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiErzincan Binali Yıldırım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NAİM SÜLEYMAN TINĞ
- Termal İHA görüntüleri kullanılarak güneş panellerindeki arızaların tespiti
Detection of faults in solar panels using thermal UAV images
KUTLUHAN GÜMRÜKÇÜOĞLU
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRETTİN ACAR
- Transfer öğrenme tabanlı derin öğrenme modelleri kullanılarak güneş panellerindeki temiz ve hatalı görüntülerin sınıflandırılması
Classification of clean and faulty images in solar panels using transfer learning based deep learning models
ROJBİN AKINCA
Yüksek Lisans
Türkçe
2025
EnerjiDicle ÜniversitesiYenilenebilir Enerji Kaynakları Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. MEHMET EMİN ASKER
- Image-based fault detectıon ın photovoltaıc panels usıngmachıne learnıng
Makıne öğrenımı kullanılarak fotovoltaık panellerdegörüntü tabanlı arıza tespıtı
ALI MOHAMED ALTAHER BAIT ELMAL
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Topkapı ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEVAT RAHEBİ