An xgboost-based approach for intelligent fault diagnosis and energy efficiency assessment of solar power plants
Güneş enerji santrallerinin akıllı arıza teşhisi ve enerji verimliliği değerlendirmesi için xgboost tabanlı bir yaklaşım
- Tez No: 973135
- Danışmanlar: PROF. DR. ADEM ATMACA
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Arıza arama, Enerji verimliliği, Fotovoltaik sistemler, Güneş enerjisi sistemleri, Makine öğrenmesi, Sürdürülebilirlik, Yapay zeka, Fault detection, Energy efficiency, Photovoltaic systems, Solar energy systems, Machine learning, Sustainability, Artificial intelligence
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Enerji Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Fotovoltaik (FV) enerji sürdürülebilir güç sistemlerinin merkezindedir; ancak büyük ölçekli santraller kısmi gölgeleme, mekanik gerilmelere bağlı mikro-çatlaklar ve toz/kuş pisliği kaynaklı kirlenme nedeniyle performans kayıpları yaşar. Yarı kurak iklimlerde değişken ışınım ve yoğun tozlanma bu etkileri daha da artırır. Bu çalışma, Gaziantep'teki 1003 kWp çatı tipi bir FV tesiste panel düzeyinde arıza teşhisi ve enerji kaybı kestirimi için denetimli bir makine öğrenimi çerçevesi sunar. Beş temsilî koşul (temiz, toz, gölge, yerel kirlenme, mikro-çatlak) kontrollü olarak uygulanmıştır. Yüksek çözünürlüklü elektriksel veriler (akım, gerilim) SolarEdge altyapısından; meteorolojik veriler (ışınım, sıcaklık, nem, rüzgâr) ise Mart–Ağustos döneminde Meteoroloji Genel Müdürlüğü'nden alınmıştır. Sıkı bir ön işlemden sonra, XGBoost sınıflandırıcı arıza türlerini saptamış; bir regresyon modeli ise kayıpları en iyi duruma göre niceliklendirmiştir. Modelin yorumlanabilirliği SHAP (SHapley Additive exPlanations) ile sağlanmış, özellik katkıları ve fizik ile tutarlı örüntüler ortaya konmuştur. Yaklaşım yüksek çok sınıflı doğruluk ve hassas kayıp tahminleri üretmiş; kritik arızaların yıllık enerji kaybının yaklaşık %7,8'ini (≈45.4 tCO₂e) oluşturduğu belirlenmiştir. Bulgular, büyük ölçekli FV tesislerde güvenilirlik ve işletme verimliliğini artıran sağlam ve açıklanabilir bir hattı göstermektedir.
Özet (Çeviri)
Photovoltaic (PV) energy is central to sustainable power systems, yet large-scale plants face performance losses from partial shading, microcracks, and soiling effects amplified in semi-arid climates. This study proposes a supervised machine learning (SML)framework for panel-level fault diagnosis and energy loss estimation in a 1003 kWp rooftop PV plant in Gaziantep, Türkiye. Five representative conditions (clean, dust, partial shading, local dirty, microcracks) were experimentally implemented. High-resolution electrical data (current, voltage, power, energy) from SolarEdge and meteorological data (irradiance, temperature, humidity, wind) from the Turkish State Meteorological Service were collected over six months (March–August). After rigorous preprocessing, an XGBoost classifier identified fault types, while a regression model quantified losses relative to optimal performance. Model interpretability was ensured with SHapley Additive exPlanations (SHAP), revealing feature contributions and physics-consistent patterns. The approach achieved high multiclass accuracy and precise loss estimates; critical faults accounted for ~7.8% annual energy loss (~45.4 tCO₂e). These results demonstrate a robust, explainable pipeline that enhances reliability and operational efficiency in large-scale PV assets.
Benzer Tezler
- Süt sağım makinelerinde pulsatörler için arıza tespit cihazı geliştirilmesi
Development of a fault diagnosis device for pulsator in milking machines
BATUHAN HİKMET GÜRHAN
Yüksek Lisans
Türkçe
2025
ZiraatSelçuk ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. KAZİM ÇARMAN
- A novel intelligent machine learning system for coronary heart disease diagnosis
Başlık çevirisi yok
HAEDAR ALSAFI
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- A modular multı-stage method for vehıcle detectıon and classıfıcatıon ın low resolutıon ımages
Düşük çözünürlüklü görüntülerde araç tespi̇ti̇ ve siniflandirmasi i̇çi̇n birden fazla aşamali modüler bi̇r yöntem
BAMOYE MAIGA
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASER DALVEREN
- Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi
Development of mass property valuation model based on geographic information systems integrated machine learning methods
MUHAMMED OĞUZHAN METE
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR