Fotovoltaik sistemlerde mgnt performansının artırılmasına yönelik PSO, MFO, GOA ve ABC algoritmalarının karşılaştırılmalı analizi ve hibrit yaklaşım önerisi
Comparative analysis of PSO, MFO, GOA AND ABC algorithms and hybrid approach proposal for increasing mgnt performance in photovoltaic systems
- Tez No: 971194
- Danışmanlar: DOÇ. DR. NİHAT PAMUK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gelişen teknolojiyle birlikte artan enerji ihtiyacı ve fosil yakıtların çevreye verdiği zararlar, yenilenebilir enerji kaynaklarının önemini her geçen gün artırmaktadır. Bu kaynaklar arasında güneş enerjisi, kurulum maliyeti ve bakım kolaylığı sayesinde ön plana çıkmaktadır. Güneş enerji santrallerinde kullanılan fotovoltaik (FV) sistemler, çevreye zarar vermeden elektrik üretim potansiyeline sahip elektrik sistemleridir. Ancak ışınım, sıcaklık ve atmosferik değişkenler gibi çevresel faktörler FV sistemlerin verimliliğini önemli ölçüde etkilemektedir. Bu nedenle, maksimum güç noktasını (MGN) belirleyerek üretimi optimize eden maksimum güç noktası takibi (MGNT) algoritmalarının geliştirilmesi gerekmektedir. Geleneksel sabit adımlı MGNT yöntemleri değişken çevre koşullarında yeterli performans gösterememekte ve enerji kayıplarına yol açmaktadır. Bu nedenle günümüzde doğadan esinlenen optimizasyon algoritmaları MGNT süreçlerinde yaygın olarak kullanılmaktadır. Bu algoritmalar, canlıların davranışları, çevresel adaptasyonları ve problem çözme yeteneklerinden ilham alınarak geliştirilmiştir.Bu çalışmada, dört farklı doğadan esinlenen optimizasyon algoritmasının (Güve Alevi Optimizasyonu (MFO), Çekirge Optimizasyonu (GOA), Yapay Arı Kolonisi (ABC) ve geleneksel Parçacık Sürü Optimizasyonu (PSO) yönteminin MGNT performansları MATLAB/SIMULINK ortamında karşılaştırmalı olarak incelenmiştir. Ayrıca GOA ve ABC algoritmalarının hibrit olarak kullanımı da değerlendirilmiştir. Simülasyonlar, farklı ışınım ve sıcaklık koşullarında algoritmaların izleme hızı, doğruluk, kararlılık ve enerji verimliliği açısından performansını ortaya koymaktadır. Sonuçlar, doğadan esinlenen algoritmaların özellikle kısmi gölgelenme ve hızlı çevresel değişim koşullarında başarılı ve kararlı sonuçlar sunduğunu göstermektedir.
Özet (Çeviri)
With the advancement of technology, the increasing energy demand and the environmental damage caused by fossil fuels are increasing the importance of renewable energy sources. Among these sources, solar energy stands out due to its low installation cost and ease of maintenance. Photovoltaic (PV) systems used in solar power plants have the potential to generate electricity without harming the environment. However, environmental factors such as irradiance, temperature, and atmospheric variables significantly affect the efficiency of PV systems. Therefore, maximum power point tracking (MPPT) algorithms that optimize production by determining the maximum power point (MPPT) need to be developed. Traditional fixed-step MPPT methods fail to perform adequately under variable environmental conditions and lead to energy losses. Therefore, optimization algorithms inspired by nature are widely used in MPPT processes today. These algorithms were developed by taking inspiration from the behavior, environmental adaptations, and problem-solving abilities of living organisms. In this study, the MGNT performances of four different nature-inspired optimization algorithms (Moth Flame Optimization (MFO), Grasshopper Optimization (GOA), Artificial Bee Colony (ABC), and the traditional Particle Swarm Optimization (PSO) method were comparatively investigated in the MATLAB/SIMULINK environment. In addition, the use of GOA and ABC algorithms as a hybrid was also evaluated. Simulations reveal the performance of the algorithms in terms of tracking speed, accuracy, stability, and energy efficiency under different irradiance and temperature conditions. The results show that the nature-inspired algorithms provide successful and stable results, especially under partial shading and rapid environmental change conditions.
Benzer Tezler
- Kısmi gölgeleme koşulları altında fotovoltaik sistemler için goril sürüleri optimizasyonu tabanlı maksimum güç noktası takibi
Gorilla troops optimization based maximum power point tracking for photovoltaic systems under partial shading conditions
HALİL EFE
Yüksek Lisans
Türkçe
2026
EnerjiBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. AHMET GÜNER
- Fotovoltaik sistemlerde yükseltici türü dönüştürücü tabanlı MPPT sisteminin evrimsel algoritma kontrolü
Evolutionary algorithm control of boost type converter based MPPT system in photovoltaic systems
MEHMET EMİN TÜLÜCÜ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDEM AKBOY
- 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
Mühendislik BilimleriBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. AHMET GÜNER
- Güneş fotovoltaı̇k sı̇stemlerı̇ ı̇çı̇n Harris Hawks optı̇mı̇zasyonuna dayalı maksı̇mum güç noktası takı̇bı̇ ı̇yı̇leştı̇rmesı̇
Maximum power point tracking improvement based on Harris Hawks optimization for solar photovoltaic systems
SERAJ ASTA OMAR
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BİLGEHAN ERKAL
- Fotovoltaik panellerde model öngörülü kontrol temelli maksimum güç noktası takibinin modellenmesi ve simülasyonu
Modeling and simulation of model predictive control based maximum power point tracking for photovoltaic panels
BATUHAN ÖNEY
Yüksek Lisans
Türkçe
2023
EnerjiHaliç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MENEKŞE AYDIN