Metasezgisel optimizasyon algoritmalarıyla fotovoltaik modellerde parametre tahmini ve performans karşılaştırılması
Parameter estimation and performance comparison in photovoltaic models usi̇ng metaheuristic optimization algorithms
- Tez No: 934081
- Danışmanlar: PROF. DR. NECMETTİN SEZGİN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 143
Özet
Güneş enerjisi, yenilenebilir enerji kaynakları arasında sürdürülebilirliği ve geniş uygulama potansiyeli nedeniyle önemli bir yer tutmaktadır. Bu enerji kaynağının en verimli şekilde kullanılabilmesi için fotovoltaik (PV) sistemlerin performansını etkileyen parametrelerin doğru ve güvenilir bir şekilde tahmin edilmesi kritik bir rol oynamaktadır. PV parametre tahmini, güneş panellerinin elektriksel karakteristiklerinin hassas bir şekilde belirlenmesini sağlayarak sistem verimliliğini artırmakta ve enerji üretim süreçlerini optimize etmektedir. Bu bağlamda, PV sistemlerde kullanılan elektriksel modellerin doğruluğu, sistem tasarımı ve performans iyileştirme açısından hayati bir öneme sahiptir. Bu tez çalışmasında, PV hücre parametrelerinin tahmini için yeni ve etkili meta-sezgisel optimizasyon algoritmaları önerilmiştir. Önerilen yaklaşımlar, vektörlerin ağırlıklı ortalaması (INFO), ikinci dereceden interpolasyon optimizasyonu (QIO) ve boyunlu kertenkele optimizasyonu (FLO) algoritmalarıdır. Ayrıca, bu algoritmalara, PV sistemlerin doğrusal olmayan akım-gerilim karakteristiklerini daha hassas bir şekilde belirlemek için Newton-Raphson (N-R) analitik yöntemi ile entegre edilerek optimizasyon performansları arttırılmıştır. Tez kapsamında, önerilen algoritmaların etkinliği ve doğruluğu, farklı veri setleri üzerinde test edilerek değerlendirilmiştir. R.T.C France, Photowatt-PWP201, STM6-40/36 ve STP6-120/36 veri setleri kullanılarak, tek diyot, çift diyot ve üç diyot elektriksel devre modelleriyle geniş kapsamda analizler gerçekleştirilmiştir. İlgili modellerin etkinliği, bireysel mutlak hata, bağlı hata, ortalama mutlak hata, ortalama yanlılık hatası, normalleştirilmiş RMSE, normalleştirilmiş, normalleştirilmiş, belirleme katsayısı ve t-istatistiği gibi çeşitli hata metrikleri kullanılarak detaylı bir şekilde karşılaştırılmıştır. Ayrıca, elde edilen akım-gerilim ve güç-gerilim karakteristik eğrileri, yakınsama eğrileri, maksimum güç noktaları ve istatistiksel metrikler ile değerlendirilerek algoritmaların performansları derinlemesine incelenmiştir. Elde edilen bulgular, INFO, QIO ve FLO algoritmalarının literatürde önerilen meta-sezgisel optimizasyon yöntemlerine kıyasla belirgin avantajlar sunduğunu ortaya koymuştur. Bu algoritmalar, PV sistem performansını optimize etmede yüksek hassasiyet, hızlı yakınsama ve stabil sonuçlar sağlayarak endüstriyel ve akademik kullanım potansiyelini güçlendirmektedir. Özellikle, optimize edilen parametre tahmini sayesinde, PV sistemlerin enerji dönüşüm verimliliğinin arttırılabileceği ve gerçek dünya uygulamalarında daha etkili bir şekilde kullanılabileceği gösterilmiştir.
Özet (Çeviri)
Solar energy has an important place among renewable energy sources due to its sustainability and wide application potential. For the most efficient utilisation of this energy source, accurate and reliable estimation of the parameters affecting the performance of photovoltaic (PV) systems plays a critical role. PV parameter estimation enables precise determination of the electrical characteristics of solar panels, improving system efficiency and optimising power generation processes. In this regard, electrical models used in PV systems have a vital importance in terms of accuracy, system design and performance improvement. In this thesis, new and efficient meta-heuristic optimisation algorithms are proposed for the estimation of PV cell parameters. The proposed approaches are the weighted mean of vectors (INFO), quadratic interpolation optimisation (QIO) and frilled lizard optimisation (FLO) algorithms. Furthermore, these algorithms are integrated with the Newton-Raphson (N-R) analytical method to determine the nonlinear current-voltage characteristics of PV systems more precisely, thus improving their optimisation performance. In this thesis, the effectiveness and accuracy of the proposed algorithms are evaluated by testing them on different data sets. Using R.T.C France, Photowatt-PWP201, STM6-40/36 and STP6-120/36 data sets, a wide range of analyses were performed with single diode, double diode and three diode electrical circuit models. The effectiveness of the respective models was compared in detail using various error metrics such as individual absolute error, relative error, mean absolute error, mean bias error, normalised RMSE, normalised MBE, normalised MAE, coefficient of determination and t-statistic. In addition, the performance of the algorithms is analysed in depth by evaluating the obtained current-voltage and power-voltage characteristic slopes, convergence slopes, maximum power points and statistical metrics. The results show that INFO, QIO and FLO algorithms offer significant advantages compared to the meta-heuristic optimisation methods proposed in the literature. These algorithms provide high precision, fast convergence and stable results in optimising PV system performance, strengthening their potential for industrial and academic use. Especially, it is shown that by optimised parameter estimation, the energy conversion efficiency of PV systems can be improved and used more effectively in real world applications.
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
- Estimation of the energy output of a photovoltaic panel by metaheuristic optimization based artificial neural networks
Bir fotovoltaik panelin enerji çıkışının metaheuristik optimizasyon tabanlı yapay sinir ağları ile tahmini
ALI KAMIL GUMAR GUMAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUNDA DEMİR
- Fotovoltaik sistemler için kısmi gölgeli koşullarda maksimum güç noktasının takibinde kullanılan optimizasyon yöntemlerinin performanslarının karşılaştırılması
Comparison of the performances of optimization methods for maximum power point tracking under partial shading conditions in photovoltaic systems
EMRAH GÜRKAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. AHMET GÜNER
- Metasezgisel optimizasyon algoritmaları kullanarak çok rotorlu insansız hava aracı ile faydalı yük al bırak görevi için rota planlama
Path planning for payload pick-drop mission with multi-rotor unmanned aerial vehicle using metaheuristic optimization algorithms
EGEMEN BELGE
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RIFAT HACIOĞLU
- Güncel akıllı optimizasyon algoritmalarıyla duygu sınıflandırılması
Sentiment classification with current intelligent optimization algorithms
SİNEM AKYOL
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLAL ALATAŞ