https://acikerisim.bingol.edu.tr/handle/20.500.12898/1370 Renewable Energy Systems Tue, 13 Oct 2026 07:09:25 GMT 2026-10-13T07:09:25Z https://acikerisim.bingol.edu.tr/handle/20.500.12898/6402 Elektrolüminesans Görüntülerinde Fotovoltaik Panel Hücrelerinin Derin Öğrenme İle Otomatik Kusur Tespiti GÜNDOĞDU, Fatih ÖZET: Bu tez çalışmasında, fotovoltaik (PV) güneş hücrelerinde meydana gelen kusurların, elektrolüminesans (EL) görüntüleri üzerinden derin öğrenme yöntemleri kullanılarak otomatik olarak tespit edilmesi amaçlanmıştır. Güneş enerjisi sistemlerinin hızla yaygınlaşması, PV panellerde oluşan mikro çatlak, hücre kırığı, busbar kopması ve PID gibi kusurların erken teşhisini zorunlu kılmaktadır. Çalışmada iki farklı veri seti kullanılmıştır. Birincil veri seti, GTC Güneş Sanayi ve Ticaret A.Ş.'nin üretim hattından elde edilen 540 kusurlu ve 500 sağlıklı olmak üzere toplam 1040 hücre görüntüsünden oluşmaktadır. İkincil olarak, önerilen yaklaşımın genellenebilirliğini test etmek amacıyla dört sınıflı ve belirgin dengesizliğe sahip kamuya açık ELPV veri seti kullanılmıştır. Görüntü ön işleme aşamasında, panel görüntüleri geliştirilmiş RLSA tabanlı segmentasyon yaklaşımıyla hücrelere ayrıştırılmış, 227×227 piksel boyutuna getirilmiş ve normalleştirilmiştir. Veri artırma teknikleri ile eğitim verisi çeşitlendirilerek modelin genelleme yeteneği artırılmıştır. Önerilen model, ImageNet üzerinde önceden eğitilmiş ResNet50 omurgasının, kanal bazında dikkat sağlayan Squeeze-and-Excitation (SE) bloğu ile güçlendirilmesine dayanmaktadır. SE bloğu, öznitelik haritalarındaki kanalları yeniden ağırlıklandırarak ayırt edici kanalların öne çıkarılmasını sağlamaktadır. Modelin başarımı, ResNet50, EfficientNetB0 ve MobileNetV2 baz modelleri ile 5 katlı tabakalı çapraz doğrulama protokolü kullanılarak karşılaştırmalı olarak değerlendirilmiştir. İkili sınıflandırma görevinde tüm modeller %98-99 aralığında yüksek başarım sergilerken, dört sınıflı ELPV veri setinde önerilen ResNet50+SE modeli %76,09 doğruluk ve 0,559 F1-skoru ile en yüksek başarımı elde etmiştir. SE bloğu, düz ResNet50'ye kıyasla doğrulukta yaklaşık 9,85 puanlık iyileşme sağlamıştır. Elde edilen bulgular, SE bloğu ile güçlendirilmiş ResNet50 mimarisinin, özellikle zorlu ve dengesiz veri koşullarında kanal bazında dikkat mekanizması sayesinde ayırt edici öznitelikleri başarıyla öne çıkarabildiğini göstermektedir. Çalışma, gerçek bir üretim hattından elde edilen verilerle desteklenmiş olup, önerilen modelin fotovoltaik üretim süreçlerinde otomatik kalite kontrol sistemi olarak kullanılabileceğini ortaya koymaktadır.; ABSTRACT: This thesis aims to automatically detect defects occurring in photovoltaic (PV) solar cells using deep learning methods on electroluminescence (EL) images. The rapid expansion of solar energy systems necessitates early diagnosis of defects such as micro-cracks, cell fractures, busbar breaks, and potential-induced degradation (PID) in PV panels. Two different datasets were used in this study. The primary dataset consists of 1040 cell images obtained from the production line of GTC Güneş Sanayi ve Ticaret A.Ş., comprising 540 defective and 500 healthy cells. Secondarily, the publicly available ELPV dataset, which has a four-class structure with significant imbalance, was used to test the generalizability of the proposed approach. During image preprocessing, panel images were segmented into individual cells using an improved RLSA-based segmentation approach, resized to 227×227 pixels, and normalized. Data augmentation techniques were applied to diversify the training data and enhance the model's generalization capability. The proposed model is based on a pre-trained ResNet50 backbone on ImageNet, enhanced with a Squeeze-and-Excitation (SE) block that provides channel-wise attention. The SE block reweights the channels in the feature maps, highlighting discriminative channels and thus contributing to more effective learning of defect patterns. The model's performance was comparatively evaluated against three baseline models—ResNet50, EfficientNetB0, and MobileNetV2—using a 5-fold stratified cross-validation protocol. While all models achieved high performance in the range of 98-99% on the binary classification task, the proposed ResNet50+SE model achieved the highest performance on the four-class ELPV dataset with 76.09% accuracy and 0.559 F1-score. The SE block provided an improvement of approximately 9.85 percentage points in accuracy compared to plain ResNet50. The findings demonstrate that the SE-enhanced ResNet50 architecture can successfully highlight discriminative features through its channel-wise attention mechanism, particularly under challenging and imbalanced data conditions. Supported by data obtained from a real production line, this study reveals that the proposed model can serve as an automated quality control system in photovoltaic manufacturing processes. Thu, 01 Jan 2026 00:00:00 GMT https://acikerisim.bingol.edu.tr/handle/20.500.12898/6402 2026-01-01T00:00:00Z https://acikerisim.bingol.edu.tr/handle/20.500.12898/6317 Fotovoltaik Sistemler İçin Kısmi Gölgeli Koşullarda Maksimum Güç Noktasının Takibinde Kullanılan Optimizasyon Yöntemlerinin Performanslarının Karşılaştırılması GÜRKAN, Emrah ÖZET: Dünyada elektrik enerji üretiminde en çok kullanılan kaynaklar fosil yakıtlardır. Nüfus artışı ve teknolojinin gelişmesine bağlı olarak enerji talebindeki artış yakın gelecekte fosil yakıtların rezervlerinin sınırlı olmasına bağlı olarak fosil yakıtlar üzerinden karşılanamayacaktır. Bu durum alternatif yenilenebilir enerji üretim sistemleri arayışını zorunlu kılmıştır. Ayrıca fosil yakıtların çevreye verdiği zararlar ve maliyetindeki artışlar sebebiyle yenilenebilir enerji kaynaklarına olan talep artmıştır. Yenilenebilir enerji kaynakları içerisinde güneş enerjisinden fotovoltaik (FV) panellerle elektrik üretimi çevreci, güvenilir ve gürültüsüz olması gibi avantajlarından dolayı ön plana çıkmaktadır. Ancak FV panellerin verimliliği çevre koşullarından önemli oranda etkilenmektedir. Bu nedenle, fotovoltaik sistemden maksimum güç elde etmek için maksimum güç noktası takibi (MGNT) teknolojisi gereklidir. Takip teknolojilerinde maksimum güç noktası elde edilmesindeki önemli stratejilerden birisi de maksimum güç noktası takip algoritmalarıdır. Bu çalışmada, sabit ışınım ve kısmi gölgeli durumlar için literatürde yer alan maksimum güç noktası takip algoritmaları incelenmiştir. Geleneksel MGNT yöntemlerinden olan klasik değiştir ve gözle, klasik artırımlı iletkenlik, ayrıca yeni kontrol stratejilerinde kullanılan değiştirilmiş değiştir ve gözle ve değiştirilmiş artımlı iletkenlik incelenmiştir. Metasezgisel yöntemlerden balina optimizasyonu, parçacık sürü optimizasyonu ve gri kurt optimizasyonu algoritmaları incelenmiştir. Sabit dağılımlı ışınım ve kısmi gölgeli durumlarında MGNT algoritmaların performansını karşılaştırmak için beş farklı senaryo geliştirilerek MATLAB/Simulink ortamında gerçekleştirilen benzetim çalışmalarıyla detaylı olarak incelenmiş ve performans sonuçları ayrıntılı bir şekilde sunulmuştur. Elde edilen benzetim sonuçlarına göre; değiştirilmiş değiştir ve gözle ile değiştirilmiş artımlı iletkenlik yöntemleri, klasik değiştir ve gözle ile klasik artımlı iletkenlik yöntemlerine göre daha üstün performansa sahip olduğu, meta-sezgisel yöntemlerin farklı kısmi gölgeli koşullar için değiştir ve gözle ile artımlı iletkenlik gibi geleneksel yöntemlere kıyasla daha iyi performansa sahip oldukları, kısmi gölgeli koşullar için balina optimizasyon algoritmasının doğruluk ve izleme süresi açısından parçacık sürü optimizasyonu ve gri kurt optimizasyonu algoritmalarına göre üstün olduğu görülmüştür.; ABSTRACT: One of the most current resources to generate electric energy in the world is fossil fuels. It is seen not to possible to supply energy in near future from fossil fuels because rise of energy demand depending population increase and technological developments due to limited reserve of fossil fuels. This situation makes forcedly search of alternative renewable energy systems. In addition, the demand for renewable energy sources has increased due to the damage of fossil fuels to the environment and the increase in their costs. Among renewable energy sources, electricity generation from solar energy with photovoltaic (PV) panels stands out due to its advantages such as being environmentally friendly, reliable and noiseless. However, the efficiency of PV panels is significantly affected by environmental conditions. Therefore, maximum power point tracking (MPPT) technology is required to extract maximum power from the photovoltaic system. One of the important strategies in obtaining maximum power point in tracking technologies is maximum power point tracking algorithms. In this thesis, maximum power point tracking algorithms in the literature for uniform irradiance and partial shading conditions are examined. Traditional MPPT methods classical perturbation and observation, classical incremental conductance, as well as modified perturbation and observation and modified incremental conductance used in new control strategies were examined. Whale optimization, particle swarm optimization and gray wolf optimization algorithms from metaheuristic methods are examined. Five different scenarios were developed to compare the performance of MPPT algorithms in the case of uniform irradiance and partial shading conditions, and they were analyzed in detail with simulation studies carried out in MATLAB/Simulink, and the performance results were presented in detail. According to the obtained simulation results, it has been observed that; Modified perturbation and observation and modified incremental conductance methods have superior performance than classical perturbation and observation and classical incremental conductance methods, metaheuristics have better performance for different partial shading conditions compared to traditional methods such as perturbation and observation and incremental conductance, the whale optimization algorithm for partial shading conditions is superior to particle swarm optimization and gray wolf optimization algorithms in terms of accuracy and tracking time. Sun, 01 Jan 2023 00:00:00 GMT https://acikerisim.bingol.edu.tr/handle/20.500.12898/6317 2023-01-01T00:00:00Z https://acikerisim.bingol.edu.tr/handle/20.500.12898/6309 Mikro Şebekelerde Enerji Verimliliğini Artırmak Amacıyla Elektriksel Yüklerin Sınıflandırılması KOÇ, Feyyaz ÖZET: Gelişen teknoloji ve artan küresel nüfusa bağlı olarak enerji, hayatın her alanında temel ihtiyaç haline gelmiştir. İnsanoğlunun enerjiyi kullanırken yaptığı tercihler hem çevreyi hem de canlıların yaşamını etkileyecek kadar önemlidir. Prizde bırakılan telefon şarj cihazı, tasarruf özelliği olmayan lambaların ve elektronik aletlerin kullanım tercihi, hatta açık bırakılan buzdolabı kapısı bile gereksiz elektrik tüketimine sebebiyet verdiğinden dünyanın doğal dengesinin bozulmasına neden olmaktadır. Gereksiz enerji sarfiyatı, başta iklim değişimi olmak üzere küresel ısınma ve toprağın verimsizleşmesi gibi pek çok sorunu beraberinde getirmektedir. Çevreye zararlı enerji üretimini azaltmak için sürdürülebilir ve yenilenebilir enerji kaynaklarının yanında enerji tasarrufu da önemli bir rol oynamaktadır. Enerji verimliliği, aynı işlevi yerine getirmek için daha az enerji gerektiren yöntem ve tekniklerin kullanılmasıdır. Bu tanımdan yola çıkarak denilebilir ki enerji verimliliği ve enerji tasarrufu kavramları arasında sıkı bir bağ vardır. Bina sakinlerinin enerjiyi verimli kullanmaları ve enerjide tasarruf yapmaları için, evlerde ve ofislerde sıklıkla kullanılan cihazları yakından tanımaları gerekmektedir. Güç tüketim karakteristiği tespit edilen tüketim cihazlarında enerji yönetimi kolaylaşmaktadır. Bu çalışmada, elektrik enerjisinin daha verimli kullanılabilmesi için evlerde ve ofislerde sıklıkla kullanılan 5 adet elektrikli cihaz seçilip tüketim karakteristiklerine göre sınıflandırılmıştır. Deneysel çalışmalarda, tüketim tarafında yer alan vantilatör, elektrikli çaydanlık, monitör, dizüstü bilgisayar ve yazıcının aktif ve reaktif güç tüketimleri ile akım ve gerilim harmonikleri referans alınmıştır. Ölçüm aleti olarak Hioki PW3198 güç analizörü kullanılmış ve her bir cihazdan 15 adet sinyal örneği alınmıştır. Seçilen beş cihazın farklı çalışma varyasyonları göz önüne alınarak otuz bir adet sınıf belirlenmiştir. Her sınıfta 15 adet sinyal olmak üzere toplamda 465 sinyal örneği elde edilmiştir. Özellik matrisi çıkarımında aritmetik ortalama, ortanca değer ve standart sapma fonksiyonları ile bir boyutlu yerel ikili örüntü tekniği kullanılmıştır. Sınıflandırma için son zamanlarda yaygın olarak kullanılan makine öğrenmesi algoritmaları karşılaştırılmış ve en iyi sonuçları veren beş algoritmanın performansı analiz edilmiştir. Elde edilen sonuçlara göre %83,4 doğruluk oranı ile en yüksek doğruluk oranını veren doğrusal destek vektör makineleri yöntemi olmuştur. Öbür taraftan doğrusal destek vektör makineleri tekniği 52,88 saniyelik süre ile sınıflandırmayı en kısa sürede tamamlayan ikinci algoritma olmuştur.; ABSTRACT: Depending on the developing technology and the increasing global population, energy has become a basic need in all areas of life. The choices made by human beings when using energy are so important that they affect both the environment and the life of living things. The phone charger left in the socket, the preference of using lamps and electronic devices that do not have a saving feature, and even the refrigerator door left open cause unnecessary electricity consumption and cause the natural balance of the world to deteriorate. Unnecessary energy consumption brings with it many problems such as climate change, global warming and infertility of the soil. In addition to sustainable and renewable energy sources, energy saving also plays an important role in reducing environmentally harmful energy production. Energy efficiency is the use of methods and techniques that require less energy to perform the same function. Based on this definition, it can be said that there is a close connection between the concepts of energy efficiency and energy saving. In order for the building occupants to use energy efficiently and to save energy, they should be familiar with the devices that are frequently used in homes and offices. Energy management is facilitated in consumption devices whose power consumption characteristics are determined. In this study, 5 electrical devices that are frequently used in homes and offices are selected and classified according to their consumption characteristics in order to use electrical energy more efficiently. In the experimental studies, active and reactive power consumptions and current and voltage harmonics of the fan, electric teapot, monitor, laptop computer and printer on the consumption side were taken as reference. Hioki PW3198 power analyzer was used as the measuring instrument and 15 signal samples were taken from each device. Thirty-one classes were determined by considering the different operating variations of the five selected devices. A total of 465 signal samples were obtained. In the feature matrix extraction, arithmetic mean, median value and standard deviation functions and one-dimensional local binary pattern technique were used. Recently widely used machine learning algorithms for classification were compared and the performance of the five algorithms that gave the best results were analyzed. According to the results obtained, the linear support vector machine method gave the highest accuracy rate with 83.4% accuracy. The support vector machine technique was the second algorithm to complete the classification in the shortest time with a time of 52.88 seconds. Fri, 01 Jan 2021 00:00:00 GMT https://acikerisim.bingol.edu.tr/handle/20.500.12898/6309 2021-01-01T00:00:00Z https://acikerisim.bingol.edu.tr/handle/20.500.12898/6233 Fotokatalitik Malzemelerin Güneş Paneli Verimi Üzerine Etkisi DENER, Aydın ÖZET: Ülkeler ihtiyaç duydukları enerjiyi karşılamak için çaba sarf ederler. Ayrıca fosil yakıtların hem çevreye zararlarından dolayı hem de kaynaklarının her geçen gün tükeniyor olması nedeniyle alternatif enerji kaynaklarına yönelmektedirler. Güneş, dünyada var olan tüm enerji türlerinin kaynağıdır. Güneş enerjisi bitmeyen, temiz ve kolay erişilebilen bir enerjidir. Fotovoltaik (FV) paneller yardımıyla elektrik enerjisine dönüştürülebilir. Artan elektrik enerjisi ihtiyacını karşılayabilmek için güneş pillerinin kullanımı gün geçtikçe artmaktadır. Kirlilik, güneş panellerinde verimliliği etkileyen başlıca faktörlerden biridir. Paneller dış ortamda olmaları nedeniyle kirlenirler. Böylece daha az güneş ışığı emilmekte ve bunun sonucu olarak daha az miktarda elektrik enerjisi üretilmektedir. Panellerin belirli periyotlarla temizlenmesi ilave ekonomik ve iş yükü kaybına yol açacaktır. Ayrıca temizlik için kullanılacak kimyasalların panellere zarar verebilmesi de söz konusudur. Kirin panel verimi üzerindeki olumsuz etkisini azaltmak için panellerin yüzeyi kendi kendini temizleyen fotokatalitik malzemeler ile kaplanır. Fotokatalitik yüzeylerde güneş ışığındaki ultraviyole ışınları (UV) yardımıyla oksijen ve nano partiküller oluşur. Bu partiküller, kaplama ile yüzey arasında kimyasal bir reaksiyon oluşturarak yüzeydeki kirleri parçalar ve yok eder. Bu çalışmada Bingöl İli Merkez İlçesinde (Enlem:38,8851578 Boylam:40,5072665 Rakım: 1.126 m) iki adet aynı güçte polikristal güneş panelleri aynı açıyla konstrüksiyona yerleştirilerek deneysel uygulama yapılmıştır. Bir panel titanyum dioksit (TiO2) malzemeden oluşan fotokatalitik yüzey kaplanmıştır. Diğer panelin yüzeyine herhangi bir işlem uygulanmamıştır. Panellerin kısa devre akımı ve açık devre gerilimleri her gün yaklaşık olarak aynı saatlerde ölçülmüş ve kaydedilmiştir. Deney sonuçları, fotokatalitik malzemelerin panel gücü üzerine sınırlı miktarda da olsa olumlu bir etki gösterdiğini ortaya koymuştur. Özellikle yağışın olmadığı dönemlerde iki panel arasındaki güç farkı artmıştır. Kış mevsiminde ve yağışlı dönemlerde fark azalmıştır. Bu fark şubat ayında en aza inmiştir.; ABSTRACT: Countries make an effort to meet the energy they need. In addition, they turn to alternative energy sources because of both the environmental damage of fossil fuels and the fact that their resources are being depleted day by day. The sun is the source of all forms of energy in the world. Solar energy is an endless, clean and easily accessible energy. It can be converted into electrical energy with the help of photovoltaic panels. The use of solar cells is increasing day by day in order to meet the increasing need for electrical energy. Pollution is one of the main factors affecting efficiency in solar panels. Panels get dirty due to being outdoors. Thus, less sunlight is absorbed and, as a result, less electrical energy is produced. Periodic cleaning of the panels will cause additional workload as well as economic loss. In addition, it is possible that the chemicals used for cleaning may damage the panels. In order to reduce the negative effect of dirt on the panel efficiency, the surface of panels are covered with self-cleaning photocatalytic surfaces. Oxygen and nanoparticles are formed on photocatalytic surfaces with the help of ultraviolet (UV) rays in sunlight. These particles form a chemical reaction between the coating and the surface, breaking down and destroying the dirt on the materials. In this study, two polycrystalline solar panels of the same power (285 W) were placed in the construction at the same angle and an experimental application was made in the Central District of Bingöl Province (Latitude: 38,8851578 Longitude:40,5072665 Altitude: 1.126 m). Photocatalytic surface consisting of titanium dioxide (TiO2) material was coated on one of the panels. No treatment was applied to the surface of the other panel. The short-circuit current and open-circuit voltages of the panels were measured at approximately the same time each day, and the measurement results were recorded. The experimental results revealed that the photocatalytic materials had a positive effect on the panel strength, albeit to a limited extent. The power difference between the two panels increased, especially during periods of no precipitation. The difference decreased in winter and rainy seasons. This difference was minimized in February. Sat, 01 Jan 2022 00:00:00 GMT https://acikerisim.bingol.edu.tr/handle/20.500.12898/6233 2022-01-01T00:00:00Z