Fotovoltaik enerji santrallerinde yolo tabanlı görüntü işleme algoritmaları ile sıcak nokta anomalilerinin tespiti
Detection of hot spot anomalies in photovoltaic power plants using yolo-based image processing algorithms
- Tez No: 973317
- Danışmanlar: DOÇ. DR. AHMET ÇİFCİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Arıza arama, Fotovoltaik enerji, Nesne tespiti, Fault detection, Photovoltaic energy, Object detection
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Fotovoltaik (FV) enerji santrallerinin verimliliği ve operasyonel güvenliği, panellerde meydana gelen sıcak nokta gibi anomalilerin erken tespitiyle doğrudan ilişkilidir. Bu tez çalışmasının temel amacı, derin öğrenme tabanlı nesne tespiti algoritmalarından olan YOLO'nun (You Only Look Once) dört farklı versiyonunu (YOLOv9, YOLOv10, YOLOv11 ve YOLOv12) kullanarak FV panellerdeki sıcak nokta anomalilerinin tespit performansını karşılaştırmalı olarak analiz etmektir. Çalışma kapsamında, bir güneş enerji santralinden İnsansız Hava Aracı (İHA) ile toplanan termal görüntülerden oluşan bir veri seti kullanılmıştır. Modellerin performansı; kesinlik, duyarlılık, F1 skoru, mAP50 ve mAP50-95 gibi standart metrikler kullanılarak nesnel bir biçimde değerlendirilmiştir. Yapılan analizler neticesinde, özellikle YOLOv9 m ve YOLOv11 s modellerinin, diğer modellere kıyasla sıcak nokta tespiti görevinde daha istikrarlı ve yüksek doğrulukta sonuçlar ürettiği gözlemlenmiştir. YOLOv11 s modeli, yüksek duyarlılık ve F1 skoru ile öne çıkarken; YOLOv9 m modeli ise özellikle zorlu tespit koşullarını yansıtan mAP50-95 metriğinde en yüksek başarıyı göstermiştir. Bu bulgular, söz konusu modellerin FV santrallerinin bakım ve denetim süreçlerinde pratik olarak etkin bir şekilde kullanılabileceğini ortaya koymaktadır. Ayrıca, tez kapsamında geliştirilen ve tespit edilen anomalilerin coğrafi koordinatlarla haritalandırılmasına dayalı metodoloji, bakım operasyonlarının otomasyonu ve optimizasyonu için önemli bir potansiyel sunmaktadır.
Özet (Çeviri)
The efficiency and operational safety of photovoltaic (PV) power plants are directly related to the early detection of anomalies such as hotspots on the panels. The primary objective of this thesis is to conduct a comparative analysis of the performance of four different versions of the You Only Look Once (YOLO) algorithm (YOLOv9, YOLOv10, YOLOv11, and YOLOv12), a deep learning-based object detection method, for detecting hotspot anomalies in PV panels. Within the scope of this study, a dataset consisting of thermal images collected by an Unmanned Aerial Vehicle (UAV) from a solar power plant was utilized. The performance of the models was objectively evaluated using standard metrics, including precision, recall, F1-score, mAP50, and mAP50-95. The analyses revealed that the YOLOv9 m and YOLOv11 s models, in particular, produced more stable and highly accurate results in the hotspot detection task compared to the other models. The YOLOv11s model stood out with its high recall and F1-score, while the YOLOv9m model demonstrated the best performance in the mAP50-95 metric, which reflects challenging detection conditions. These findings indicate that the aforementioned models can be effectively and practically implemented in the maintenance and inspection processes of PV power plants. Furthermore, the methodology developed in this thesis, which involves mapping detected anomalies with their geographical coordinates, offers significant potential for the automation and optimization of maintenance operations.
Benzer Tezler
- Derin öğrenme tabanlı segmentasyon yaklaşımları ile güneş panellerinin otomatik verimlilik tespiti
Automatic efficiency detection of solar panels using deep learning-based segmentation approaches
SÜMEYYE YANILMAZ
Yüksek Lisans
Türkçe
2024
EnerjiBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. MUZAFFER ASLAN
- Güneş enerji sistemlerinde verimlilik analizi: Nijer güç sistemi uygulaması
Efficiency analysis in solar energy systems: Niger power system application
ISSIFA HAMIDOU TINNI
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜRKER FEDAİ ÇAVUŞ
- Fotovoltaik enerji santrallerinde panellere ait verilerin uzaktan erişim ile izlenmesi ve kayıt altına alınması
Monitoring and recording panel data by remote access in photovoltaic power plants
MUHAMMET ŞAMİL KALAY
Yüksek Lisans
Türkçe
2023
EnerjiMarmara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAFAK SAĞLAM
DR. BEYHAN KILIÇ
- Fotovoltaik güç santrallerinde enerji kaybı ve verimlilik entegrasyonu
Energy loss and productivity integration in photovoltaic power plants
METİN SÜLÜ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKilis 7 Aralık ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER FARUK FARSAKOĞLU
- Güneş enerjisi elektrik santrallerinde kullanılan fotovoltaik panellerin enerji verimliliklerinin belirlenmesi
Determination of used photovoltaic panels energy efficiency of solar energy power station
ALİ ÇINGI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKilis 7 Aralık ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER FARUK FARSAKOĞLU