Optimizing photovoltaic system diagnostics: integrating machine learning and DBFLA for advanced fault detection and classification
Fotovoltaik sistem tanılarının optimizasyonu: gelişmiş arıza tespiti ve sınıflandırma için makine öğrenimini ve DBFLA'yı entegre etme
- Tez No: 958112
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- 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: Belirtilmemiş.
Özet
Fotovoltaik (PV) enerji santrali kurulumlarının sayısındaki üstel artış nedeniyle standart muayene prosedürleri etkisiz hale gelmiştir. Bunun bir sonucu olarak, arızaların tanımlanması ve kategorilendirilmesi için daha sofistike yaklaşımlara ihtiyaç duyulmaktadır. Bunu yapmak için, bu makalede benzersiz bir hibrit metasezgisel teknik olan DBFLA yöntemi sunulacaktır. Gübre Böceği Optimizasyon Algoritması ve Fick'in Difüzyon Yasası Algoritması'na dayanan bu teknik, vurgulanan sorunlara cevap vermeyi amaçlamaktadır. Bu, iki algoritmanın bir melezidir. DBFLA, arıza tespitinin hassasiyetini artırmak için parametrelerini değiştirerek ANN, SVM ve topluluk yaklaşımları gibi makine öğrenimi modellerinin verimliliğini artırır. Bu, parametreleri ayarlama süreciyle gerçekleştirilir. Açık devreler, kısa devreler ve modül uyumsuzlukları gibi sorunların tanımlanması hızlı ve hassas bir şekilde gerçekleştirilebilir. Çalışmanın sonuçlarına göre, DBFLA gerçek PV veri kümelerini kullanarak bir istifleme sınıflandırıcısı inşa edebilmektedir. Bu sınıflandırma stratejisi, standart makine öğrenimi yaklaşımlarının performansına göre önemli bir iyileştirme olan yaklaşık %98,75'lik bir bireysel meta-öğrenen doğruluğu elde eder. Bu tekniğin daha fazla sayıda çalışma modunu ve daha geniş çeşitlilikte sorun senaryolarını ele alma kapasitesi, gelişmiş hata tespit sistemlerinin geliştirilmesiyle sonuçlanmıştır. Bu, yöntemin bu yetenekleri barındırma yeteneğinin sonraki bir sonucu olarak ortaya çıkmıştır. Sınıflandırma doğruluğundaki iyileştirme, daha önce her zaman kullanılan optimizasyon prosedürlerinin aksine, DBFLA'nın masaya getirdiği en önemli katkıdır. Yaklaşımın keşif ve sömürü arasında uygun bir denge kurma yeteneği, yöntemin bu ilerlemesinden doğrudan sorumludur. Bu hibrit yaklaşım, gerçek ve simüle edilmiş bilgilerin hem daha doğru hem de daha verimli PV hata tespit algoritmaları ortaya çıkarmak için nasıl birleştirilebileceğini göstermek amacıyla sağlanmıştır. Gelecekteki araştırmaların amacı, bu karmaşık modelleri gerçek zamanlı izleme sistemlerine dahil ederek fotovoltaik (PV) sistemlerin operasyonel verimliliğini ve güvenilirliğini iyileştirmektir. Bu, gelişmiş modelleme tekniklerinin benimsenmesiyle gerçekleştirilecektir.
Özet (Çeviri)
Because of the exponential development in the number of photovoltaic (PV) power plant installations, standard inspection procedures have become ineffective. As a consequence of this, there is a requirement for more sophisticated approaches to the identification and categorisation of faults. In order to do this, the DBFLA method, which is a unique hybrid metaheuristic technique, will be presented in this paper. Based on the Dung Beetle Optimisation Algorithm and Fick's Law of Diffusion Algorithm, this technique is aimed to answer the issues that have been highlighted. It is a hybrid of the two algorithms. The DBFLA improves the efficiency of machine learning models such as ANN, SVM, and ensemble approaches by modifying their parameters in order to improve the precision of fault detection. This is accomplished through the process of adjusting the parameters. The identification of problems such as open circuits, short circuits, and module incompatibilities may be accomplished in a rapid and precise way. In accordance with the results of the study, DBFLA is able to construct a stacking classifier by making use of actual PV datasets. This classification strategy achieves an individual meta-learner accuracy of around 98.75%, which is a substantial improvement above the performance of standard machine learning approaches. The capacity of this technique to handle a bigger number of operating modes and a broader diversity of issue scenarios has resulted in the development of enhanced fault detection systems. This evolved as a subsequent consequence of the method's ability to accommodate these capabilities. The improvement in classification accuracy is the most important contribution that DBFLA brings to the table, in contrast to the optimisation procedures that have always been used before. The capability of the approach to properly strike a balance between exploration and exploitation is directly responsible for this advancement on the part of the method. This hybrid approach is provided in order to demonstrate how actual and simulated information may be merged to bring about PV defect detection algorithms that are both more accurate and more efficient. The goal of future research is to improve the operational efficiency and reliability of photovoltaic (PV) systems by incorporating these complicated models into real-time monitoring systems. This will be accomplished through the adoption of advanced modelling techniques.
Benzer Tezler
- Ankara-Polatlı-Kabak köyü sulama pompaj tesisinin optimizasyonu
Optimizing of Ankara-Polatlı-Kabak villages watering pumping plant
İLKNUR GÖKNUR
Yüksek Lisans
Türkçe
1987
ZiraatAnkara ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
DOÇ. DR. RAHMİ KESKİN
- Proses modellendirme, optimizasyon ve kontrolün bir petrol rafineri ünitesine (FCC) uygulanması
Başlık çevirisi yok
HARUN TAŞKIN
Doktora
Türkçe
1983
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. AYHAN TORAMAN
- Determination of anion content of fogwater by ron chromatography and spectrophotometric methods
Başlık çevirisi yok
TARIK ERDAL
- Vücut sıvılarında atomik absorpsiyon spektrometresi ile iz element analizleri ve bazı uygulamaları
Başlık çevirisi yok
MÜŞERREF ATLI
- Sürekli gelir hipotezi ile tüketici harcamaları modeli
Başlık çevirisi yok
F.GÜL ÇAKMAK
Yüksek Lisans
Türkçe
1988
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. AHMET YALNIZ
